Détection et isolation de défauts par analyse en composantes principales robuste
Abstract
L'Analyse en Composantes Principales (ACP) est un outil statistique largement utilisé pour l'analyse de données collectées sur des systèmes en cours de fonctionnement afin de surveiller leur comportement. Cependant, d'un point de vue statistique, l'un des inconvénients majeurs de l'approche ACP résulte de l'utilisation de techniques d'estimation par moindres carrés, techniques qui échouent souvent à s'affranchir des biais de mesure accidentels ce qui est malheureusement assez fréquent sur le plan pratique. Cette communication présente une procédure de détection et de localisation de défauts de mesure. La méthode proposée ne nécessite pas d'étude préliminaire relative à la détection et au rejet de valeurs aberrantes ou de grosses erreurs dans les données utilisées pour la conception du modèle ACP. Elle présente l'intérêt d'utiliser directement les données brutes, éventuellement entachées de grosses erreurs, et le modèle ACP est construit à partir de ces données sans filtre préalable, cette construction étant robuste vis-à-vis de la présence de grosses erreurs. Le modèle ACP obtenu étant sain, c'est-à-dire non contaminé par les valeurs aberrantes, son utilisation pour le diagnostic (détection et localisation de défauts de mesure) est alors efficace.
Origin : Files produced by the author(s)
Loading...