1 détection et isolation de défauts dans les procédés industriels génération de résidus
TRANSCRIPT
1
Détection et isolation de défauts dans les procédés industriels
Génération de résidus
2
Génération de résidus - Méthodes
Générateur de résidu
Relation de parité Observateur Identification
3
Génération de résidus - Modèles
Modèle analytique
Temps continu Temps discret
Deterministe Stochastique Deterministe Stochastique
Linéaire
Non linéaire
Linéaire
Non linéaire
Linéaire
Non linéaire
Linéaire
Non linéaire
4
Modèle déterministe (1)
Représentation en variables d’état
),,,(
),,,(
FDUXhY
FDUXgX
Comportement au voisinage d’un état d’équilibre Introduire écarts:
0X
0XXx
0UUu …
5
Modèle déterministe (2)
)()()()()( tfEtdEtButAxtx fd )()()()()( tfGtdGtDutCxty fd
0fE
Système linéaire permanent
Défauts additifs
Défaut de capteur: IG f
BE f 0fG
et
Défaut d’actionneur: et
Défauts multiplicatifs
6
Exemple: conduite d’un navire (1)
Vitesse de rotation:
7
Exemple: conduite d’un navire (2)
8
Exemple: conduite d’un navire (3)
Equations d’état
)()()()(
)()()(
)()()(
)()()(
tfttt
tftt
ttt
Htbt
wm
m
w
)(H Relation à l’équilibre entre angle du gouvernail et vitesse de rotation
21)( H
9
Exemple: conduite d’un navire (4)
Modèle linéarisé pour faible vitesse de rotation
f
f
b
wm
m
w
0
1
1
0
001
01
10
Discrétisation du modèle (1)
Contexte de la régulation numérique
Système régléRégulateur CNA
CAN
11
Discrétisation du modèle (2) CNA=bloqueur d’ordre zéro Relations entre les grandeurs aux instants d’échantillonnage
Choisir t=(k+1)T; ;
))()()(())(exp()()(exp()(0
00 fEdEButAtxttAtx fd
t
t
kTt 0
)()( kTuu TkkT )1( pour
))()()(()))1((exp(
)()exp())1(()1(
kTfEkTdEkTBudTkA
kTxATTkx
fd
Tk
kT
Hypothèse , pour )()( kTdd )()( kTff TkkT )1(
12
Discrétisation du modèle (3)
)()()()()(
)()()()()1(
kfGkdGkDukCxky
kfEkdEkuBkxAkx
fd
fTdTTT
Soit
Dans la suite omission de l’indice T dans les matrices. On distingue système en temps continu et système en temps discret par le contexte
13
Génération de résidus – Conception de relations de parité (1)
)()()()()( kFTkDTkUTskxkY sfss
dss
usss
)(
)(
)(
ky
sky
kYs
s
s
CA
CA
C
Calcul de la sortie entre l’instant k-s et l’instant k
avec
DCBBCA
DCB
D
T
s
us
1
0
00
14
Génération de résidus – Conception de relations de parité (2)Pour s suffisamment grand ( si suffisamment petit),
il existe tel que
Multiplication à gauche de
par donne
= Relation de parité
dn
sw
0ssw et 0dssTw
)()()()()( kFTkDTkUTskxkY sfss
dss
usss
sw
)())()(( tFTwkUTkYw sfsss
usss
15
Génération de résidus – Conception de relations de parité (3)
)())()(()( kFTwkUTkYwkr sfsss
ussss
s
Résidu
Vecteur et espace de parité
base du noyau à gauche de dss T
))()(()( kUTkYkr sussss Vecteur de parité
Espace de parité: espace engendré par les vecteurs de parité(cf infinité de bases)
16
Génération de résidus – Conception de relations de parité (4)
Condition nécessaire et suffisante pour que le défaut i (se manifestant par composante i non nulle dans f) soit détectable:
))(())()(( zHrangzHzHrang ydiyfyd
ddyd GEAzICzH 1)()(
if
if
iyf GEAzICzH 1)()(
))(((max))(( zPrangzPrangCz
(rang normal)
17
Génération de résidus – Conception de relations de parité – Isolation (1) Détermination du défaut qui s’est produit Résidus structurés Ensemble de codage Matrice d’incidence
0 1 1
1 0 1
1 1 0
1f 2f 3f
1r
2r
3r
18
Génération de résidus – Conception de relations de parité – Isolation (2)
)(
)()(
tf
tftf
na
a
)()( tftf a
Méthode de conception
)(
)()(
td
tftd na
Faisabilité : utiliser CNS précédente
19
Génération de résidus – Conception de relations de parité – Isolation (3)
Ensembles de codage assurant isolation forte: éviter que le manque de réaction d’un résidu ne provoque une fausse isolation
code dégradé code normal
1 1 0 0 1 1 0 0
1 0 1 0 1 0 1 0
1 1 0 0 0 1 0 1
0 0 1 1 0 0 1 1
1r
2r
3r
4r
1f 1f2f 3f 4f 2f 3f 4f
Isolation faible isolation forte
20
Génération de résidus – Mise en oeuvre
Soustraire les valeurs nominales aux grandeurs mesurées
Soit valeurs fournies par modèle non-linéaire
Soit valeurs obtenues par moyenne glissante
(attention dynamique du filtre plus lente que la plus petite dérive que l’on souhaite déceler)
21
Génération de résidus – Effet des bruits (1)
)()()()()()(
)()()()()()1(
kkfGkdGkDukCxky
kkfEkdEkuBkxAkx
fd
fTdTTT
)(Gaussiens blancs bruits )(, k(k)
Modèle en variables d’état
kmTT
R0
0Q)m()m(
)k(
)k(E
22
Génération de résidus – Effet des bruits (2)
)k()k(T
)k(FT)k(DT)k(UT)sk(x)k(Y
sss
sfss
dss
usss
Relation entrées – sorties sur un horizon s
)k(w)k(Tw)k(FTw
))k(UT)k(Y(w)k(r
ssssssfss
sussss
Résidu
23
Génération de résidus – Effet des bruits (3)
). et r( et r entre
nnéeéchantillo ncetransmitta la ))z(H( )z(H Soient rr
Tjr
jr
Tjr
jr
Tjr
jrrr
)e(H)e(H
)e(RH)e(H)e(QH)e(H)(S
r de spectrale Densité
)(zHr )(zHrr
unitaire variance deblanc bruit
24
Génération de résidus – Effet des bruits (4) « Blanchiment » du résidu
Besoin pour compatibilité théorique avec les algorithmes classiques de détection de changements (résidu blanc);
Peut induire en pratique une perte de sensibilité au défaut Distribution du résidu filtré si les suites aléatoires sont de distribution
gaussienne- En l’absence de défaut:
L (r(k))=N (0,I)- En présence de défaut
L (r(k))=N ( où
1r )z(H
rfr
)I),k(
échelon type de défaut si
)z(H )z(H de indicielle réponse la est )k( rf1
r
25
Génération de résidus – Isolation et bruits (1) Approche alternative pour l’isolation
intérêt: approche systématique Résidu vectoriel
Covariance des bruits
)k()k(T)k(FT
))k(UT)k(Y()k(r
ssssssfss
sussss
QI))k(H )k(H(E
RI)k( )k(E
1sT
ss
1sT
s
26
Génération de résidus – Isolation et bruits (2) Défaut caractérisé par composante de f(k)
constante et non nulle:
Espérance mathématique du résidu
ei
ie f
0
01
0
0
f)k(f
Tiiii
iifss
i
eeeEavec
rEfT))k(r(E
27
Génération de résidus – Isolation et bruits (3) Variance du vecteur résidu
Résidu transformé
N ( en présence du défaut i
moyenne nulle en l’absence de défaut
Ts s
Ts1s
T
s1sssTiiii
S
)RI(T)QI(T)r)k(r)(r)k(r(E
1 2T / us s s s s sr(k) ( S ) (Y (k) T U (k))
1 2T / fi i s s s s i f ,I) avec ( S ) T E
28
Génération de résidus – Isolation et bruits (4) Test d’hypothèse
Test basé sur table donnant, pour un taux de fausses alarmes fixé , un seuil h tel que
nulle non moyenne de (k)r~ :H
nulle moyenne de (k)r~ :H
1
0
défaut de absencel' en
)n( ondistributi de (k)r~(k)r~)k( Variable r2T
1)h)k((obPr
10 H accepter sinon h; (k) si H Accepter
29
Génération de résidus – Isolation et bruits (5) Isolation:
défaut i le plus probable si
mesure de l’angle:
minimal est , i, défaut du
présence en résidu du direction la et )k(r~ entre anglel’
i
i
2
i
ii
i
iT
i
)k(r~)k(r~
ou
)k(r~)k(r~
cos
30
Génération de résidus – Isolation et bruits (6) Analyse hors ligne de l’algorithme
Matrice de diagnostic
x
2/x
ij2
ij
ijTj
jj
dxe2
1 2)x(erfc avec
)()(
ferfc2
1)ef défaut | i défaut décision(obPr
2
ji
)j,i(j)(j,
j)j,i(
P1P
ji ),e défaut | i défaut décision(obPrP
Ajustement de l’horizon s
31
Génération de résidus – Capteurs redondants Modèle discret
pnrang(C)avec
)k()k(f)k(Cx)k(y
)k()k(f)k(y)k(r
)0C( C de gauche à noyau du base une Soit
1 2T / TNormalisation r(k) ( R ) r(k) avec R E( (k) (k) )
32
Analyse structurelle – Motivation
Limitations de l’approche analytique systématique par calcul symbolique pour les système non linéaires
- non linéarité polynomiale
- expressions lourdes
- impossibilité de traitement pour certains modèles même d’ordre peu élevé (5 à 10) (taille mémoire)
Analyse structurelle plus « transparente » et permet traitement non linéarités plus générales (et même tables)
33
Analyse structurelle – modèles non linéaires Modèle algébro-différentiel non linéaire
),,(
),,(0
),,(
uxxhy
uxxm
uxxgx
ad
ad
add
Introduction de comme variables contraintes supplémentaires
dx
0dt
dxx dd
34
Analyse structurelle – Graphe bipartite(1) Ensemble des variables:
},,,,{ yuxxxZ dda
Ensemble des contraintes (algébriques)
},,,{dt
dmhgC
Graphe bipartite•Sommets : éléments de Z et C•Arcs : il existe un arc entre le sommet et le sommet si et seulement si la variable apparaît dans la contrainte .
Cci
jz
icZz j
35
Analyse structurelle – Graphe bipartite(2)Schéma du système « réservoir »
36
Analyse structurelle – Graphe bipartite(3)
Exemple du système « réservoir »
Réservoir :
Vanne :
Tuyau de sortie:
Mesure de niveau:
Loi de réglage:
1c )()()( tqtqth oi
2c )()( tutqi
3c )()( thktqo
4c )()( thty
5c
sinon 0
)( si 1)( 0 rhty
tu
dtdh
(t)h 6 c
37
Analyse structurelle – Graphe bipartite(4) Matrice d’incidence
Contraintes Entrées/
Sorties
Variables internes
u(t) y(t) h(t)
1 1 1 1
2 1 1
3 1 1
4 1 1
5 1 1
)t(h )t(qi )t(qo
38
Analyse structurelle – Graphe bipartite(5)
Graphe bipartite pour le réservoir sans régulateur
39
Analyse structurelle – Graphe bipartite(6) Notion de couplage
Sous-ensemble d’arcs tel que aucun arc ne possède un ou plusieurs nœuds en commun
arcs couplés représentés en gras dans le graphe bipartite et par un 1 entouré d’un cercle dans la matrice d’incidence
40
Analyse structurelle – Graphe bipartite(7)Matrice d’incidence pour le 2e couplage
Contraintes Entrées/
Sorties
Variables internes
u(t) y(t) h(t)
1 1 1 1
2 1 1
3 1 1
4 1 1
5 1 1
6 1 1
)(th )(tqi )(tqo
41
Analyse structurelle – Graphe bipartite(7) Couplage maximal M tel que aucun arc ne peut être
ajouté sans violer la définition du couplage
Couplage complet par rapport à C: nombre d’arcs de M = nombre d’éléments de C
Couplage complet par rapport à Z: nombre d’arcs de M = nombre d’éléments de Z
42
Analyse structurelle – Graphe bipartite(8) Graphe orienté associé à une contrainte
- Contrainte couplée arc orienté de la variable non couplée (entrée) vers la
contrainte et de la contrainte vers la variable couplée (sortie)- Contrainte non couplée Considérer toutes les variables comme des entrées
43
Analyse structurelle – Graphe bipartite(9) Causalité
Orientation calcul sortie à partir entrées supposées connues
Contraintes algébrique :
hypothèse 1: Une contrainte algébrique c définit une surface de dimension dans l’espace des variables Q(c).
c par scontrainte variables des ensemble )( , cQCc)(cQnc
1cn
44
Analyse structurelle – Graphe bipartite(10) Hypothèse Au moins
une variable peut être couplée dans une contrainte
45
Analyse structurelle – Graphe bipartite(11) Contraintes différentielles
-Causalité différentielle:
-Causalité intégrale:
-
0)(
)( : 12
dt
tdxtxd
d dans couplé )( connu; )( 21 txtx
d dans couplé )( connus, )0( et )( 112 txxtx
univoque façon de défini pas )(
vérifiée non 1 hypothèse connu )( Seul
1
2
tx
tx
46
Analyse structurelle – Graphe bipartite(12)Exemple du « réservoir »; couplage inutilisable pour
le calcul des variables inconnues
Contraintes Entrées/
Sorties
Variables internes
u(t) y(t) h(t)
1 1 1 1
2 1 1
3 1 1
4 1 1
5 1 1
6 1 1
)(th )(tqi )(tqo
47
Analyse structurelle – Graphe bipartite(13)Imposition de la causalité différentielle
Contraintes Entrées/
Sorties
Variables internes
u(t) y(t) h(t)
1 1 1 1
2 1 1
3 1 1
4 1 1
5 1 1
6 x 1
)(th )(tqi )(tqo
48
Analyse structurelle – Graphe bipartite(14) Boucles
- Boucles dans un graphe traiter l’ensemble des contraintes simultanément pour extraire variables inconnues à partir de variables connues
- Exemple: 2 contraintes
algébriques à 2 inconnues
Contraintes
1 1 1
2 1 1
1x 2x
49
Analyse structurelle – Graphe bipartite(15)
c
1 1 1 1
2 1 1 1
1x
Boucle représentée par un seul noeud
2x 1y 2y
0 :
0 :
2122
2111
xxyc
cxbxayc
connues
50
Analyse structurelle – Couplage(1)
Algorithme de propagation des contraintes ou de classement (ranking algorithm)Donnée: Matrice d’incidence ou graphe structuréEtapes:- 1: marquer les variables connues; i=0- 2: Déterminer toutes les contraintes renfermant exactement une variable non marquée; associer la classe (le rang) i à ces contraintes, marquer ces contraintes et les variables correspondantes
51
Analyse structurelle – Couplage(2)
- 3: S’il existe des contraintes non marquées dont toutes les variables sont marquées, leur associer le rang i, les marquer et les connecter avec la pseudo-variable ZERO- 4: Assigner i:=i+1- 5: S’il existe des variables non marquées reprendre à l’étape 2Résultat : contraintes ordonnées
52
Analyse structurelle – Couplage(3)
rang = nombre de pas requis pour calculer une variable inconnue à partir des variables connues
algorithme n’engendre que des graphes sans boucle peut ne pas trouver un couplage complet même si il existe
53
Analyse structurelle – Couplage(4)
Exemple du « réservoir »- 1: variables connues: u et y
i=0- 2: - 3: néant- 4: i=1- 2: - 3: rang de ;
42 avec et avec coupler chcqi
63 avec et avec coupler chcqo
11 c ZERO à connecté 1c
54
Analyse structurelle – Couplage(5)
c rang h u y1 1 1 1 1
2 0 1 1
3 1 1 1
4 0 1 1
5 1 1
6 1 1 1
h iq oq
55
Analyse structurelle- Relations de parité (1)Détermination d’un couplage maximal pour le
graphe structurel, en assurant la causalité différentielle
Relations de parité = contraintes ne faisant pas partie du couplage dans lesquelles toutes les inconnues ont été couplées
56
Analyse structurelle- Relations de parité (2)
c h u y ZERO rang1 1 1 1 1 1
2 1 1 0
3 1 1 1
4 1 1 0
6 x 1 1
h iq oq
Graphe bipartite résultant
57
Analyse structurelle- Relations de parité (3)
Elimination successive des inconnues entre
relation de parité
(t)q(t)q(t)hc
dt
dh(t)(t)h c
h(t)k(t) qc
tythc
tutqc
io
o
i
0 :
:
:
)()( :
)()( :
1
6
3
4
2
)()()(
0 tutykdt
tdy