IBTS-77-RP-1000
Diagnostic des systèmes : concepts généraux
Du point de vue de la détection et de l’isolation des fautes (niveau FDI) et de la tolérance aux fautes (niveau FTC) deux types d’informations doivent être proposées à l’opérateur de su-pervision. Le premier concerne la détection et l’isolation de défauts survenus sur l’installation, et le deuxième indique les moyens de continuer à conduire le processus.
Les premiers travaux sur le diagnostic proviennent des recherches dans le domaine médical par une application de systèmes experts en intelligence artificielle. [SHO 74] expose un système de diagnostic de maladies du sang où la connaissance (un modèle) représente l’expertise qu’a pu acquérir le médecin sur les relations qui existent entre les symptômes observés et les causes de dysfonctionnement du système à diagnostiquer (le malade). De tels systèmes experts ont été plus tard appliqués à la supervision des hauts fourneaux de Sollac [FRY 01].
Les travaux de recherche sur le diagnostic ont mobilisé ces dernières années une large communauté de chercheurs. Il faut dire que le diagnostic était peu répandu il y a une quinzaine d’années. Aujourd’hui en raison, d’une part, des contraintes économiques de compétitivité accentuées par la mondialisation et, d’autre part, de la sûreté de fonctionnement, le diagnostic a pleinement conquis sa place surtout pour les processus en génie des procédés en raison de leur caractère à risque (processus chimique, nucléaire etc..). Le souci de la protection de l’environnement est aussi une raison supplémentaire de l’importance du diagnostic de ce type de procédé.
Les systèmes de surveillance dans un processus de supervision
Classification des méthodes de surveillance :L’amélioration de la sûreté de fonctionnement repose essentiellement sur la surveillance, qui constitue une interface entre l’installation physique et les opérateurs (hommes ou automatismes). La surveillance fournit des informations sur l’état de fonctionnement (correct, défaillant) des dispositifs surveillés. Elle valide les informations issues des capteurs et localise les dispositifs défaillants.
Le système de surveillance constitue une couche particulièrement importante du système d’information des processus de production automatisés sûrs de fonctionnement.
Les données brutes sont des données connues. Elle sont constituées de variables de commande (issues des automatismes et des opérateurs) et de variables mesurées (issues des capteurs). Les algorithmes de surveillance traitent ces données brutes pour produire des données validées et enrichies. Les données validées sont celles dont la véracité a été ”prouvée” par le système – en garantissant le fonctionnement correct d’un capteur, en remplaçant une mesure erronée par une estimation par exemple. Les algorithmes de diagnostic permettent de compléter la liste des prestations systématiques. Alors, en fonction de la nature des défaillances localisées et de leur importance (fuite d’eau, défaut de calorifugeage, etc…), des priorités et donc une plani…cation des interventions pourront être établies.
Les algorithmes de surveillances sont en réalité tous basés sur le principe de la redondance des sources d’information. La redondance est obtenue par comparaison des données réelles issues du processus et des données théoriques fournies par un type de modèle (connaissance a priori). La comparaison des données réelles (transmises par les capteurs) et celles théoriques (fournies par une connaissance a priori sur le système) permet de vérifier que l’information obtenue à un instant donné reste conforme à des normes de fonctionnement normal (ou dans des limites fixées de tolérance). Cette étape met obligatoirement en œuvre des banques de données contenant tous les modes de fonctionnement. Le diagnostic se réalise en suivant une procédure qui suit les étapes suivantes :
L’acquisition des informations
Cette opération est destinée à obtenir les informations sur le processus réel à surveiller et celles fournies par la connaissance du système. Elle se réalise à l’aide de capteurs spécialisés.
Etape de détection
On surveille le fonctionnement réel en testant la cohérence entre ce modèle et les observations. Si celles-ci ne vérifient pas les équations du modèle, on en déduit que le fonctionnement réel n’est pas le fonctionnement normal. Ces changements sont alors détectés et traduits en termes de symptômes ou d’événements. On produit alors une alarme ou résidu.
Décision
La procédure de décision conduit à définir des seuils qui permettent d’accepter avec un risque raisonnable une non-détection ou une fausse alarme. Si le défaut est ”tolérable”, le système peut continuer à fonctionner. Si le défaut est conditionnellement tolérable (une pompe est défaillante mais il est possible d’utiliser une autre pompe installée en parallèle), alors le système continuera à fonctionner, mais dans un mode dégradé en attendant qu’une maintenance soit exectuée.
Etape de diagnostic
Dans cette phase, un (ou plusieurs) modèle(s) de mauvais fonctionnement est (sont) utilisé(s) selon le même principe pour déterminer la (les) défaillance(s) présente(s). C’est l’étape de localisation des défaillances. Cette étape se déclenche quand la comparaison ne correspond pas à un état normal de fonctionnement caractérisé par un état de référence et que la procédure de décision a indiqué que c’est une vraie alarme. Lorsque la faute est localisée, il faut alors identifier les causes précises de cette anomalie. On fait alors appel à des signatures répertoriées par les experts et validées après expertise et réparation des dysfonctionnements.
Le système de surveillance produit également un enrichissement de ces données en générant d’autres données, qui caractérisent l’état de fonctionnement du processus (détection, localisation et diagnostic des défaillances), et qui sont utilisées pour la maintenance, la réparation, la gestion technique. Les opérations de maintenance permettent de reconstituer et restaurer les capacités du système de production. Les prestations de maintenance peuvent être systématiques (identifiées et prévues dans le temps), ou aléatoires. Dans ce dernier cas, les méthodes d’optimisation et d’ordonnancement fournissent des outils d’aide aux opérations de maintenance (planification des entretiens, calcul des taux de défaillance etc…).
Intérêt des modèles bond graphs couplés pour le diagnostic
Il suit de ce qui est développé précédemment que la modélisation est un étape importante dans la conception des algorithmes de surveillance.
Le modèle bond graph, obtenu à partir d’une analyse énergétique du système physique, est un outil d’aide pour l’analyse des propriétés du système. La surveillance, avec ses aspects détection et localisation des défaillances, mais aussi le choix et le placement des capteurs trouve un intérêt à l’existence d’un tel modèle.
Le modèle bond graph est avant tout un modèle de connaissance pour la simulation. La démarche de l’équipe Bond Graph du LAIL consistant à considérer le modèle bond graph comme un modèle à part entière, constituant un outil d’aide à la modélisation, à la conception, à l’analyse, à la commande et à la surveillance grâce à sa structure causale est originale.
Les premiers travaux sur l’utilisation des propriétés causales des bond graphs pour des problèmes de commande concernaient initialement l’extension de la régle de Mason [BRO 72]. Plus tard le bond graph est utilisé comme outil de calcul formel et d’analyse structurelle pour la résolution de problèmes de commande: commandabilité en sortie, inversibilité, découplage entrée-sortie, observabilité, placement de pôles etc…. Ces méthodes se basent sur le parcours des chemins causaux entrée-sorties de modèles bond graph pour l’analyse des systèmes de commandes linéaires modélisant une seule énergie ([RAH 94], [SUE 91], [RIM 95]).
Concernant l’utilisation des bond graphs pour les problèmes de diagnostic, peu d’équipes utilisent cette démarche. On peut citer principalement Linkens à l’Université de She¢eld, Vergé (LAAM, CNAM de Paris) et Gawthrop à l’Université de Glasgow. Dans ces travaux, le modèle bond graph est souvent utilisé pour déterminer d’autres formes de représentation des systèmes permettant ainsi l’utilisation des méthodes classiques (schéma bloc ([MAR 91], [LUC 93]), étude de l’observabilité pour décider ensuite le nombre, la position des capteurs et des actionneurs défaillants [VER 94]). On peut aussi citer aussi les travaux récents sur le diagnostic des systèmes à l’aide des bond graphs qualitatifs (J. Feenstra de l’Université de Twente Hollande, J. Mosterman de l’Institut de Robotique et de Méchatronique (RFA), ou C. Ghiaus de l’Université du Kansas (USA)). On distingue deux approches d’utilisation du bond graph pour la surveillance des processus industriels: quantitative et qualitative.
L’approche quantitative est basée sur les lois physiques et nécessite une connaissance profonde de la structure du système et les valeurs numériques des paramètres. Le principe de cette approche est de comparer le comportement normal du processus à celui du modèle numérique. Les modèles (sous forme de fonctions de transfert, d’équations d’état, …) peuvent être obtenus sur la base des lois physiques (lois des premiers principes) ([HAV 96], [OUL 00a]) ou sur la base d’une identi…cation statistique des paramètres ([LEE 96], [FRA 90]). Ces dernières années (depuis 1995), on utilise directement le modèle bond graph quantitatif pour la conception du système de surveillance. Ces méthodes sont détaillées un peu plus loin.
L’approche qualitative ne nécessite pas un modèle numérique précis: elle se base sur l’évaluation en termes d’opérateur (+,¡..) de la déviation du comportement normal par rapport au comportement nominal.
Approche qualitative du bond graph pour le diagnostic
Les bond graphs qualitatifs décrivent explicitement la localisation des composants du système et leurs interconnexions. Bien sûr, les représentations de connaissances conventionnelles permettent aussi de décrire la structure du système ainsi que son état par le biais de divers outils (schéma-bloc, équations différentielles,… ). Pourtant, la surveillance basée sur la modélisation par bond graph qualitatif est relativement plus simple en comparaison des méthodes utilisées en mathématique conventionnelle.
Le modèle bond graph qualitatif peut être construit sans aucune considération des paramètres du système. Ainsi, les impairs dus aux erreurs paramétriques, un problème fondamental pour les méthodes de surveillance basées sur des modélisations qualitatives, peuvent être éliminés. Un mécanisme d’inférence construit avec une stratégie de raisonnement qualitatif a été utilisé pour analyser les relations entre la structure du système et son comportement (donné par son modèle bond graph) pour localiser les pannes du système. Les premiers travaux sur les bond graphs qualitatifs pour le diagnostic sont proposés par Linkens ([LIN 94], [LIN 95]1, [WAN 96]). Les bond graphs qualitatifs utilisent, à la place de valeurs numériques, des valeurs qualitatives dé…nies par l’ensemble ½[1] [+] [0] [¡] [¡1] [?]¾ représentant la qualité de déviation dans l’espace des mesures par rapport au fonctionnement normal. Un ensemble d’opérations qualitatives peut être dé…ni en accord avec ces représentations qualitatives en utilisant les opérateurs des nombres réels: f+;¡;£;¥;=g ([GHI 99], [WAN 96]). Les causes des fautes apparaissant dans le système sont déduites en résolvant un système d’équations qualitatives. Dans [FEE 01a] est utilisée une méthode de diagnostic basée sur les graphes causaux temporels déduits du bond graph causal permettant d’isoler les pannes en tenant compte de la dynamique (et de son ordre) d’occurence de la faute. D’autres auteurs se basent sur une analyse qualitative des équations d’état linéaires [KOH 93] pour déterminer les causes possibles d’une défaillance en vérifiant la cohérence fonctionnelle du système avec le modèle.
|
Table des matières
Introduction
1 État de l’art des outils de surveillance
1.1 Définitions et terminologie
1.1.1 Quelques définitions
1.1.2 Diagnostic des systèmes: concepts généraux
1.2 Les systèmes de surveillance dans un processus de supervision
1.2.1 Classification des méthodes de surveillance
1.2.1.1 Méthodes de surveillance
1.3 Génération des relations de redondance analytique par les approches classiques
1.4 Etat de l’art sur la surveillance des systèmes par bond graph
1.4.1 Intérêt des modèles bond graphs couplés pour le diagnostic
1.4.2 Approche qualitative du bond graph pour le diagnostic
1.4.2.1 Commentaires sur l’approche qualitative
1.4.3 Diagnostic par Bond graph quantitatif
1.5 Problématique de la surveillance des systèmes thermofluides par bond graph
1.6 Conclusion
2 Modélisation par bond graph des systèmes en génie des procédés
2.1 Introduction
2.1.1 Pourquoi les bond graphs en génie des procédés
2.1.2 Positionnement
2.2 Représentation des bond graphs à énergies couplées
2.2.1 Représentation
2.2.2 Choix des variables de puissance
2.2.2.1 Variables de puissance, intensives et extensives
2.2.2.2 Degré de liberté (DOF = Degree Of Freedom)
2.2.2.3 Repère Lagrangien et repère Eulérien [THO 77a]
2.2.2.4 L’équation de Carnot
2.2.2.5 Vrai et pseudo-bond graphs en génie des procédés
2.3 Classification des systèmes thermofluides au sens des bond graphs
2.3.1 Motivation
2.3.2 Processeurs et tétraèdre de Paynter
2.4 Modèles bond graphs non linéaires des éléments thermofluides
2.4.1 Sources thermofluides
2.4.2 Processus de transport d’énergie
2.4.2.1 Conduite à restriction …xe
2.4.2.2 Conduite à ori…ce variable (vanne réglable)
2.4.3 Processus d’accumulation d’énergie
2.4.3.1 Réservoir sous-saturé
2.4.3.2 Chaudière
2.5 Linéarisation des modèles bond graphs multiénergies
2.5.1 Introduction
2.5.2 Bond graph linéarisé des composants thermofluides
2.5.2.1 Source thermofluide
2.5.2.2 Processus de transport d’énergie hydraulique
2.5.2.3 Processus de transport d’énergie thermofluide
2.5.2.4 Processus d’accumulation d’énergie
2.6 Conclusion
3 Bond graphs à énergies couplées pour la surveillance des processus
3.1 Introduction
3.2 Pourquoi les Bond Graphs pour la surveillance en génie des procédés?
3.3 Cahier des charges
3.4 Représentation d’un système de surveillance
3.4.1 La structure d’un système comme un digraphe
3.4.2 La structure d’un système comme un graphe bi-parti
3.5 Représentation bond graph d’un système de surveillance
3.5.1 Les contraintes
3.5.2 Les variables
3.5.3 Les paramètres
3.6 Génération des relations de redondance analytique
3.6.1 Introduction
3.6.2 Propriétés causales des bond graphs à énergies couplées
3.6.2.1 Définitions
3.6.3 Parcours des chemins causaux
3.6.4 Algorithme de génération des RRAs
3.6.5 RRAs sensibles aux défaillances physiques
3.6.5.1 RRAs sensibles aux défaillances de type fuite
3.6.5.2 RRAs sensibles aux défaillances de type bouchage
3.6.6 RRAs sensibles aux défaillances des régulateurs
3.6.7 RRAs sensibles aux défaillances des sources contrôlées
3.7 Surveillabilité des composants thermofluides
3.7.1 Matrice des signatures de fautes du composant
3.7.2 Matrice des signatures de fautes du processus global
3.8 Exemple d’application
3.8.1 Réservoir de stockage
3.8.1.1 Génération des RRAs
3.9 Surveillabilité des sources de contrôle
3.9.1 Introduction
3.9.2 Conditions de surveillabilité d’une source
3.9.3 Exemple pédagogique
3.10 Conclusion
4 Application à une installation pilote de génération de vapeur
4.1 Description du processus
4.1.1 Instrumentation
4.1.2 Scénarios de simulations de fautes sur le processus
4.2 Bond graph à mots
4.3 Modèle bond graph de l’installation
4.3.1 Problématique de la modélisation des générateurs de vapeur
4.3.2 Hypothèses de modélisation
4.4 Génération des RRAs à partir du modèle Bond graph non linéaire
4.4.1 Cahier des charges
4.4.2 Réservoir de stockage
4.4.3 Circuit d’alimentation en eau
4.4.4 Chaudière
4.4.4.1 Génération des RRAs
4.4.5 Circuit de détente
4.4.6 Condenseur
4.4.6.1 Schéma de principe
4.4.6.2 Bond graph à mots
4.4.6.3 Modèle bond graph
4.4.6.4 Génération de RRAs du condenseur
4.4.7 Vannes de décharge
4.4.8 Génération des RRAs sensibles aux défaillances des actionneurs
4.4.8.1 Résidu sensible à une défaillance de la pompe
4.4.8.2 Résidu sensible à une défaillance du thermoplongeur
4.4.9 Génération des RRAs sensibles aux défaillances des systèmes de commandes
4.5 Analyse de la surveillabilité de l’installation
4.5.1 Signature des pannes
4.5.2 Procédures de décision
4.6 Essais sur le processus et résultats
4.6.1 Fonctionnement normal des résidus
4.6.2 Les défaillances sur les capteurs
4.6.3 Défaillances sur les contrôleurs
4.6.4 Signature de pannes du système de surveillance de l’installation
4.6.4.1 Défaillances physiques sur le générateur de vapeur
4.7 Surveillabilité des sources d’une partie de l’installation par le bond graph linéarisé
4.7.1 Présentation du sous-système étudié
4.7.2 Surveillabilité des sources
4.8 Conclusion
5 Conclusions générales et perspectives
5.1 Conclusions
5.2 Contributions et résultats de recherche
5.3 Perspectives
6 Annexes
6.1 Surveillance: Approches analytiques et structurelles
6.1.1 Méthodes à base de modèle: Principe de la redondance
6.1.1.1 Redondance matérielle
6.1.1.2 Génération de résidus à partir de modèles analytiques
6.1.1.3 Les limites des modèles analytiques
6.1.2 L’approche structurelle
6.1.2.1 Modèle structurel et décomposition canonique
6.1.2.2 La structure du modèle
6.2 Généralités sur les bond graphs
6.2.1 Definition
6.2.2 Eléments Bond Graph à un port
6.2.2.1 Représentation
6.2.2.2 Utilisation des variables dans la modélisation bond graph
6.2.2.3 Elements passifs
6.2.2.4 Eléments actifs
6.2.2.5 Eléments de jonction
6.2.3 Eléments bond graphs à 2 ports
6.2.3.1 Transformateur TF
6.2.3.2 Gyrateur GY
6.2.3.3 Carrousel de Thoma
6.2.3.4 Liens d’information
6.2.4 Eléments bond graph multiports ou champs C, I et R
6.2.4.1 Multiport C
6.2.4.2 Multiport I
6.2.4.3 Multiport mixte IC
6.2.4.4 Multiport R
6.2.4.5 Multiport RS
6.2.5 Notion de causalité
6.2.5.1 Règle d’a¤ectation de la causalité
6.2.5.2 Chemin causal
6.2.6 Bond graph bicausal
6.2.7 Equations d’état associées au modèle bond graph
6.2.7.1 Propriétés des variables d’état
6.2.8 Eléments de pseudo bond graph
6.2.9 Conservation de puissance et conservation d’énergie
6.2.10 Inertie thermique et deuxième principe
6.2.11 Analogie inverse
6.3 Fonctions thermodynamiques
Bibliographie
Télécharger le rapport complet
