Développement d'algorithmes de détection et d'isolation de défauts pour la supervision des bioprocédés

Development of Fault Detection and Isolation algorithms for Bioprocesses Supervision

• Auteur / Autrice : Mohammed Nabil Kabbaj
• Direction : Monique Polit, Boutaib Dahhou
• Type : Thèse de doctorat
• Discipline(s) : Sciences pour l'ingénieur, filière : automatique
• Date : Soutenance en 2004
• Etablissement(s) : Perpignan
• Ecole(s) doctorale(s) : École doctorale Énergie environnement (Perpignan ; 1999-....)

Mots clés

Mots clés contrôlés

Algorithmes

Commande de processus biotechnologiques

Commande automatique

Résumé

Dans ce travail, nous développons des algorithmes de détection et d'isolation de défauts pour la supervision des bioprocédés. Nous nous intéressons plus particulièrement aux défauts issus de la dynamique du procédé. Nous proposons d'utiliser pour cela deux approches complémentaires : les observateurs non-linéaires adaptatifs et les relations de parité. Dans la première approche, les observateurs adaptatifs nécessaires pour la génération des résidus sont développés en utilisant trois méthodes d'observation : l'estimateur à modèle de référence, l'observateur à grand gain et l'observateur asymptotique. Afin d'améliorer le temps d'isolation, nous proposons, dans le cas de l'estimateur à modèle de référence, l'ajout d'un paramètre de réglage permettant de contrôler la dynamique de ce type d'observateur. Nous présentons ensuite l'influence de bruit additif sur les résidus. L'utilisation d'une méthode de classification floue pour l'évaluation des résidus s'avère remarquablement robuste au bruit et permet de résoudre en outre le problème du temps d'isolation. L'évaluation des résidus est automatique et quasi instantanée. La seconde approche consiste à extraire du système des relations d'entrée/sortie appelées relations de redondance analytique. Ces relations sont générées en utilisant les algorithmes d'élimination des bases de Groebner. Leur structuration est ensuite obtenue par le calcul de résultants. L'approche des relations de parité semble être une alternative pertinente. Néanmoins, sa mise en œuvre pose des problèmes tels que la complexité de calcul de la base de Groebner et la réalisation du générateur de résidus à partir des In this work, we develop fault detection and isolation algorithms for bioprocesses supervision. We are specially interested in process faults. We propose to use two complementary approaches: non-linear adaptive observers and parity relations. In the former, the required adaptive observers are generated using three observation methods: a model reference-based estimator, a high-gain observer and an asymptotic observer. In order to improve the fault isolation time we propose, in the case of the model reference-based estimator, the restruscturation of the gain expressions by adding a tuning parameter that allows the control of the observer dynamics. The residual behaviour in the presence of measurement noise is then investigated. The use of a fuzzy classification method for residual evaluation seems to be very helpful in this case. Besides the robustness to measurement noise, this qualitative approach also resolves the fault isolation time problem. The residual evaluation is automatic and quasi instantaneous. The latter consists in extracting from the system input/output relations called analytical redundancy relations. These relations are generated by using the elimination algorithms based on the Groebner Basis method. The structured residuals are then obtained by using the resultant theory. The parity relations approach seems to be a suitable alternative. However, its application does cause some problems such as the complexity of the Groebner basis computing and the residual generator realization based on the analytical redundancy relations.