Surveillance et diagnostic pour la conduite de la maintenance prévisionnelle
Auteur / Autrice : | Alexandre Ausloos |
Direction : | Antoine Grall, Edith Grall Maës |
Type : | Thèse de doctorat |
Discipline(s) : | Optimisation et sûreté des systèmes |
Date : | Soutenance en 2010 |
Etablissement(s) : | Troyes |
Ecole(s) doctorale(s) : | Ecole doctorale Sciences pour l'Ingénieur (Troyes, Aube) |
Résumé
Cette thèse porte sur la détection et la localisation de dégradations et de défaillances pour la mise en place de procédures de maintenance préventive ou corrective. Elle a été réalisée dans le cadre de la surveillance du démarrage d’un turboréacteur. Une étude approfondie des défaillances de la phase de démarrage, basée sur des avis d’experts et le retour d’expériences, a permis la définition d’indicateurs représentatifs de l’état de santé des composants impliqués. Ces indicateurs sont en outre sensibles aux conditions opératoires du démarrage qui peuvent masquer l’effet des dégradations. L’approche proposée consiste à calculer pour chacun des indicateurs l’écart entre sa valeur mesurée et sa valeur estimée à l’aide des conditions opératoires mesurées et sous l’hypothèse d’un état sain. L’estimation est obtenue à l’aide de modèles basés sur la régression et dont les paramètres sont appris à partir d’une base d’apprentissage. L’approche a été appliquée à des données issues de démarrages réalisés lors d’essais, en considérant la régression polynomiale et la régression par vecteurs supports. Néanmoins, la validité de l’estimation n’est garantie que si les conditions opératoires appartiennent au domaine couvert par la base d’apprentissage. C’est pourquoi l’architecture du système proposé intègre un contrôle préalable des conditions opératoires à l’aide de SVM mono-classe. Le mémoire conclut sur une étude du compromis entre la sévérité du contrôle et l’erreur d’estimation