Thèse soutenue

Observation et diagnostic de processus industriels à modèle non linéaire : applications aux machines électriques
FR  |  
EN
Accès à la thèse
Auteur / Autrice : Aya Mahamoud Mohamed
Direction : Alain Glumineau
Type : Thèse de doctorat
Discipline(s) : Automatique et informatique appliquée
Date : Soutenance en 2010
Etablissement(s) : Ecole centrale de Nantes
Ecole(s) doctorale(s) : École doctorale Sciences pour l'ingénieur, Géosciences, Architecture (Nantes)École doctorale Sciences et technologies de l'information et mathématiques (Nantes)
Partenaire(s) de recherche : Laboratoire : Institut de recherche en communications et cybernétique (Nantes)

Mots clés

FR

Mots clés contrôlés

Résumé

FR  |  
EN

Cette thèse porte sur la définition d’une stratégierobuste pour le diagnostic des processus industriels à modèle non linéaire. La stratégie définie repose sur l’utilisation d’observateurs non linéaires non seulement pour le diagnostic maisaussi pour la commande de ces systèmes. L’objectif est triple. L’observateur synthétisé devra reconstruire les variables d’état, être sensible aux défauts pour le diagnostic tout en étant robuste aux perturbations et autres incertitudes paramétriques pour la commande. Deux observateurs ont été étudiés à cet effet. Le premier observateur est un observateur de type Kalman. Cet observateur a été appliqué au diagnostic de défauts multiplicatifs pour un moteur à courant continu série. La stabilité de l’observateur pour la commande et le diagnostic a été prouvée pour deux cas de défauts paramètres multiplicatifs. Le second observateur étudié est un observateur Grand Gain. Il a été appliqué au diagnostic de défauts de courts-circuits statoriques pour une machine asynchrone. L’observateur Grand Gain synthétisé a servi au diagnostic de la machineasynchrone avec puis sans capteur mécanique.