Synthèse et identification des réseaux de Petri : application aux études de fiabilité et au diagnostic des défauts

Design and identification of Petri nets : application to the reliability analysis and fault diagnosis

• Auteur / Autrice : Souleiman Ould El Mehdi
• Direction : Dimitri Lefebvre, Édouard Leclerc
• Type : Thèse de doctorat
• Discipline(s) : Automatique, traitement du signal et génie informatique
• Date : Soutenance en 2009
• Etablissement(s) : Le Havre

Mots clés

Mots clés contrôlés

Fiabilité

Diagnostic

Défauts électriques -- Localisation

Processus de Markov

Identification des systèmes

Réseaux de Petri

Systèmes échantillonnés

Résumé

Les réseaux de Petri stochastiques sont des outils performants pour modéliser les processus industriels ainsi que les défauts et reprises qui les affectent. Dans cette thèse on s’intéresse à l’identification de la structure et des paramètres des réseaux de Petri stochastiques et stochastiques-déterministes (incluant des durées de franchissement exponentielles et constantes) à partir des séquences d’événements datés et enregistrés par les systèmes de supervision. Un algorithme d’apprentissage supervisé est développé pour construire la structure du modèle. Cet algorithme est basé sur la rétro-propagation d’une erreur associée à la causalité des événements. Ensuite, une méthode d’identification des paramètres est proposée. Cette méthode réalise une analyse statistique du contenu de la séquence et exploite un modèle de Markov isomorphe au graphe d’atteignabilité du réseau de Petri. Enfin, les modèles construits sont utilisés pour des études de fiabilité ainsi que pour détecter et localiser les défauts.

Reliability analysis and fault diagnosis for dynamical systems are often based on timed stochastic Petri net models. A priori knowledge about fault and recovery processes is difficult to obtain and, as a consequence, the model structure and parameters are mainly unknown. In that case, synthesis and identification methods based on analysis of collected event sequences are of great interest. The contribution of our work concerns the synthesis and identification of timed stochastic Petri net models. Stochastic and deterministic-stochastic Petri nets with deterministic and exponentially distributed transition durations are considered. Systematic synthesis and identification methods are proposed according to event sequences that are recorded by supervision systems. A learning algorithm is proposed for the synthesis of the structure. The identification method is based on the idea that the dynamic behavior of the considered Petri net can be mapped into a Markov model with state space isomorphic to the reachability graph of the untimed PN model. Applications to the reliability analysis and fault detection and isolation are proposed