Contribution à l'élaboration d'une méthode de décision avec rejet par réseaux de neurones : application au diagnostic de systèmes

Contribution to the elaboration of a decision method with a reject option with neural networks : application to the diagnosis of technological systems

• Auteur / Autrice : Marie-Hélène Masson
• Direction : Gilles Zwingelstein
• Type : Thèse de doctorat
• Discipline(s) : Contrôle des Systèmes
• Date : Soutenance en 1992
• Etablissement(s) : Compiègne
• Ecole(s) doctorale(s) : École doctorale Sciences pour l'ingénieur (Compiègne)

Mots clés

Mots clés contrôlés

Réacteurs nucléaires

Fonctions de transfert

Réseaux neuronaux (informatique)

Reconnaissance des formes (informatique)

Résumé

L'objet de la thèse est l'étude des Réseaux de Neurones Artificiels en tant qu'outils pour le diagnostic de systèmes complexes. La résolution d'un problème de diagnostic par une approche de Reconnaissance des Formes est en effet soumise à une contrainte impérative : le module de décision doit être capable d'intégrer une option de rejet de distance, possibilité qui confère au système son caractère adaptatif. Après une étude bibliographique de quelques modèles de réseaux, nous proposons dans ce mémoire une structure neuronale pour la discrimination permettant l'intégration de l'option de rejet, ce qui n'est pas le cas, par exemple, pour les réseaux multicouches classiques. La cellule de base de l'architecture présentée possède une fonction de transfert gaussienne, centrée sur un prototype de l'espace d'entrée et associée à une matrice de variance-covariance. Plusieurs méthodes d'apprentissage sont proposées et les règles de décision associées sont étudiées sur des données réelles ou simulées. La dernière partie de ce mémoire est consacrée à l'application de la méthode à un problème industriel : la discrimination des états vibratoires des structures internes de cuve d'un réacteur nucléaire et le diagnostic de perte de fonction de l'anneau de calage. Une méthode de discrimination avec rejet s'imposait puisque seuls les modes sains sont disponibles dans la base d'apprentissage. Les résultats obtenus confirment l'intérêt de l'architecture proposée.