Observateur à mémoire finie pour les systèmes à commutations : application à la détection de défauts
Abstract
Dans cet article, nous développons une méthode pour la détection de défauts et l'estimation d'entrées inconnues affectant un système dynamique représenté par plusieurs modèles (système non linéaire, système à commutations ... ) Chaque modèle étant associé à un régime de fonctionnement, la méthode proposée détermine également le modèle actif à un instant particulier. Cette méthode est basée sur l'utilisation des Observateurs à Mémoire Finie et le calcul de probabilités d'activation des modèles dans le but d'identifier le mode de fonctionnement du système et d'estimer l'entrée inconnue ; il s'appuie également sur la connaissance d'information a priori sur les commutations entre les différents modes de fonctionnement, représentées par une chaîne de Markov. L'algorithme proposé appartient à la classe des algorithmes supervisés dans le sens où les défauts à détecter sont a priori répertoriés et modélisés. Dans un premier temps, la méthode est utilisée pour la détection de défauts dans le cas d'un système linéaire caractérisé par un modèle de bon fonctionnement et plusieurs modéles de défaut. Ensuite, elle est appliquée pour la détection de défauts dans le cas d'un système linéaire avec entrée inconnue. On procède alors simultanément à la détection de défauts et à l'estimation de l'entrée inconnue ; une comparaison avec la méthode GPB est effectuée dans le but de montrer les avantages de la méthode proposée.