Approche Bond Graph pour la détectabilité et l'isolabilité algébriques de défauts composants

La présente thèse concerne l’étude structurelle d’un système modélisé par Bond Graph du point de vue détection et isolation de défaut. En combinant la théorie du module avec les propriétés causales et structurelles de l’outil BG, de simples conditions graphiques permettant de conclure sur la détecta...

Full description

Bibliographic Details
Main Author: Benmoussa, Samir
Other Authors: Lille 1
Language:fr
Published: 2013
Subjects:
Online Access:http://www.theses.fr/2013LIL10010/document
Description
Summary:La présente thèse concerne l’étude structurelle d’un système modélisé par Bond Graph du point de vue détection et isolation de défaut. En combinant la théorie du module avec les propriétés causales et structurelles de l’outil BG, de simples conditions graphiques permettant de conclure sur la détectabilité et l’isolabilité de défauts composant ont été proposées. Aussi,une procédure de placement de capteur optimal a été présentée pour le recouvrement de la surveillabilité du système en présence de défauts. Pour l’étape de diagnostic, une procédure systématique a été développée pour la génération des indicateurs de défauts sensibles aux défauts composants considérés. L’approche proposée dans ce travail a été validé par une application sur un quart de véhicule autonome intelligent. === This thesis is concerned with system structural analyses for fault detection and isolation. By using the module theory and the causal and structural properties of the Bond Graph tool, simple graphical conditions of structural detectability and isolability of plant faults are proposed. Also, a procedure for optimal sensor placement is performed in order to recover systems monitorability in the presence of plant faults. Moreover, for the diagnosis step, a procedure is proposed for a systematic generation of faults indicator which are only sensitive to the desired plant faults. The proposed approach in this work is validated by an application on a quarter of an autonomous intelligent vehicle.