| Summary: | Ce travail concerne la détection de défauts sur les systèmes sujets à des changements de mode de fonctionnement. Le système réel est modélisé par un système à commutation markovienne qui est représenté par un ensemble de modèles de fonctionnement (fonctionnements normaux et anormaux) et par une matrice de probabilité de transition de Markov qui contient les probabilités de passage d'un modèle de fonctionnement à un autre. Cette représentation offre un cadre idéal à l'application des méthodes d'estimation multi-modèle. L'intérêt d'utiliser ce type d'estimateurs réside dans le fait qu'en plus de l'estimation de l'état du système, les estimateurs multi-modèles procurent la probabilité d'occurrence ou d'activation de chaque modèle de fonctionnement. Ces probabilités peuvent alors être utilisées pour la détection de défaut. Dans ce travail, nous avons utilisé les spécificités de l'estimation multi-modèle afin de procéder à la détection et l'isolation des défauts qui peuvent affecter un système linéaire. Plusieurs améliorations et aménagements ont été apportés à ce type d’estimateurs dans le but d'augmenter les performances du diagnostic === In this thesis, a fault detection method is developed for switching dynamic systems. These systems are represented by several linear models, each of them being associated to a particular operating mode. The proposed method is based on mode probabilities with the aim of finding the system operating mode and estimating the state. The method also uses a priori knowledge information about the mode transition probabilities represented by a Markov chain. This kind of model offers an ideal framework to the application of the multiple model estimation methods. The interest to use this type of estimators lies in the fact that in addition to the state estimation, the multiple model estimators get the probability activation of each model. These probabilities can be used for fault detection purpose. However, several improvements were made to this type of estimators in order to increasing the performances of the diagnosis
|
|---|
