Détection et localisation de défauts par analyse en composantes principales

Fault detection and isolation using principal component analysis

• Auteur / Autrice : Mohamed-Faouzi Harkat
• Direction : José Ragot
• Type : Thèse de doctorat
• Discipline(s) : Automatique et traitement du signal
• Date : Soutenance en 2003
• Etablissement(s) : Vandoeuvre-les-Nancy, INPL

Mots clés

Mots clés contrôlés

Analyse multivariée

Analyse en composantes principales

Capteurs (technologie)

Résumé

Les travaux présentés dans ce mémoire sont axés sur la détection et la localisation de défauts en utilisant l'analyse en composantes principales (ACP). Dans le premier chapitre les principes fondamentaux de l'analyse en composantes principales linéaire sont présentés. L'ACP est utilisée pour la modélisation des processus en fonctionnement normal. Dans le deuxième chapitre le problème de détection et localisation de défauts par ACP linéaire est abordé. A partir de l'analyse des indices de détection classiques, un nouvel indice de détection de défaut basé sur les dernières composantes principales a été développé. Pour la localisation de défauts, les méthodes classiques, utilisant par exemple le principe de reconstruction ou encore le calcul des contributions à l'indice de détection, ont été adaptées à l'indice de détection proposé. Le troisième chapitre est consacré à l'ACP non-linéaire (ACPNL). Une extension de l'ACP pour des systèmes non-linéaires, combinant l'algorithme des courbes principales et les réseaux RBF, est proposée. Pour la détermination du nombre de composantes à retenir dans le modèle ACPNL, une extension du critère basé sur la variance de l'erreur de reconstruction a été proposée. Une application réalisée dans le cadre d'une collaboration avec le réseau de surveillance de la qualité de l'air en Lorraine AIRLOR fait l'objet du quatrième chapitre. Cette application concerne, la détection et la localisation de défauts de capteurs de ce réseau en utilisant la procédure de détection et de localisation développée dans le cas linéaire.

The aim of this thesis is to study the fault detection and isolation using principal components analysis (PCA). In the first chapter the fundamental principles of linear principal componerit analysis are presented. PCA is used to model normal process behaviour. In the second chapter the problem of fault detection and isolation based on linear PCA is tackled. On the basis of the analysis of the classical detection indices, a new fault detection index based on the last principal components is developed. For fault isolation, the classical methods, using for instance the reconstruction principle or the contribution calculation, are adapted for the proposed fault detection index. The third chapter is focused on the nonlinear PCA. An extension of the PCA for nonlinear systems, combining principal curves algorithm and RBF networks, is proposed. For the determination of the number of principal components to be kept in the NLPCA model, we propose an extension of the unreconstructed variance criteria in the non-linear case. . Finally, an application, carried out in collaboration with air quality monitoring network in Lorraine AIRLOR, is presented in the fourth chapter. This application concerns the sensqr fault detection and isolation of this network by using the fault detection and isolation procedure developed in the linear case.