Search

International audience; Dans ce papier, on compare les performances d'indices de détection de changements de modes de fonctionnement de systèmes par analyse en composantes principales (ACP). L'utilisation des indices basés sur l'espace résiduel de la représentation des données permet d'avoir de bons résultats de détection, qui dépendent cependant étroitement du niveau de bruit. Le comportement théorique des indices existants et proposés est validé pratiquement par une simulation sur un système statique à plusieurs modes de fonctionnement et affecté par des bruits.

National audience; L'Analyse en Composantes Principales (ACP) est largement utilisée pour le diagnostic de fonctionnement de système. Cependant, l'un des inconvénients majeurs de l'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 papier présente une procédure de détection et de localisation de défauts de mesure robuste aux valeurs aberrantes. La méthode proposée ne nécessite pas d'étude préliminaire relative à la détection et au rejet de valeurs aberrantes dans les données utilisées pour la conception du modèle ACP. Le modèle ACP obtenu étant robuste, c'est-à-dire non contaminé par les valeurs aberrantes, son utilisation pour le diagnostic est alors efficace. Cette méthode est illustrée sur des données issues d'une station d'épuration

National audience; L'Analyse en Composantes Principales possède des propriétés intéressantes pour la détection et l'isolation de défauts de capteurs. Cependant, dans le cas où le système est perturbé par des bruits de mesure non identiquement distribués, le modèle ACP construit est biaisé. Une variante de l'ACP, nommée ACPI (Analyse en composantes Principales Itérative) développée par Narasimhan et Shah (2004), permet, dans le cas où les variances des bruits de mesure sont inconnues, de déterminer à la fois les paramètres du modèle et la matrice de covariance des bruits de mesure. L'ACPI est une méthode itérative à deux niveaux ce qui rend difficile la démonstration de la convergence et l'absence de biais de cette méthode. Après avoir appliqué l'ACPI aux données d'un réseau de surveillance de la qualité de l'air, nous comparons les résultats obtenus avec ceux de l'ACP en termes de détection de défauts.

International audience; L'Analyse en Composantes Principales (ACP) est un outil statistique largement utilisée 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 son utilisation de techniques d'estimation par moindres carrées, techniques qui échouent à prendre en compte les biais de mesures accidentels ce qui est malheureusement assez fréquent sur le plan pratique. Cette communication présente : 1) la formulation d'une estimation robuste (vis-à -vis des valeurs aberrantes) de l'état d'un système basée sur l'analyse en composantes principales, 2) une procédure de détection et de localisation de défauts de mesures. 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 être 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 contaminée par les valeurs aberrantes, son utilisation pour le diagnostic (détection et localisation de défauts de mesure) est alors efficace.

International audience; Dans ce papier, une nouvelle méthode de détermination de la structure d'un modèle ACP pour des fins de diagnostic de système est proposée. Cette méthode basée sur le principe de reconstruction de variables détermine les modèles ACP optimisant la détection et la localisation de défauts multiples affectant les différentes variables d'un système. Cette nouvelle méthode a été validée par un exemple de simulation d'un système non-linéaire.

National audience; Récemment, les méthodes de détection et de localisation de défauts reposant sur l'analyse en composantes principales (ACP) ont reçu une attention particulière et ont été largement appliquées à des processus industriels. Dans cet article, l'ACP est utilisée pour la modélisation d'un réseau de surveillance de la qualité de l'air en Lorraine (France), dans le but de détecter et de localiser des capteurs défaillants. L'ACP est une technique statistique intéressante pour la mise en évidence des corrélations linéaires significatives entre les variables du processus sans formuler de façon explicite le modèle du système. Elle est employée pour modéliser le comportement du processus en fonctionnement normal et les défauts sont alors détectés en comparant le comportement observé et celui donné par le modèle. La plupart des méthodes récentes, basées sur l'ACP, utilisent le SPE pour la détection de défauts sur les mesures, mais ce test est sensible aux erreurs de modélisation. Pour cette raison, un test sur les dernières composantes principales est proposé pour la détection et la localisation de défauts de capteurs. La procédure comporte deux parties complémentaires, l'une effectuant la détection à partir de l'analyse des dernières composantes principales, l'autre effectuant la localisation en analysant ces même composantes après reconstruction des mesures au moyen de la technique de reconstruction proposée par Dunia et al. [1].