Développement d’une approche intégrée de PHM – Prognostics and Health Management : Application au Circuit Carburant d’un Turboréacteur

Development of an Integrated Approach for PHM - Prognostics and Health Management : Application to a Turbofan Fuel System

• Auteur / Autrice : Benjamin Lamoureux
• Direction : Philippe Lorong
• Type : Thèse de doctorat
• Discipline(s) : Automatique
• Date : Soutenance le 30/06/2014
• Etablissement(s) : Paris, ENSAM
• Ecole(s) doctorale(s) : École doctorale Sciences des métiers de l'ingénieur (Paris)
• Partenaire(s) de recherche : Laboratoire : Procédés et Ingeniérie en Mécanique et Matériaux (Paris)
• Jury : Président / Présidente : Albert Benveniste
• Jury : Examinateurs / Examinatrices : Philippe Lorong, Michael Azarian, Nazih Mechbal, Jean Rémi Masse
• Jury : Rapporteur / Rapporteuse : Christophe Bérenguer, Emanuele Borgonovo

Mots clés

Mots clés contrôlés

Diagnostic -- Appareils et matériel

Moteurs -- Carburateurs

Mots clés libres

Phm

Turboréacteur

Indicateurs de santé

Indicateurs de performances

Analyse de sensibilité

Krigeage

Phm

Turbofan

Health indicators

Performances indicators

Sensitivity Analysis

Kriging

Résumé

Pour les constructeurs de moteurs d'avions comme Snecma, la disponibilité est un des enjeux clés de l'avenir. En effet, la limitation des retards et annulations de vols ainsi que la réduction de la fréquence et de la durée des opérations de maintenance pourraient entraîner des économies importantes. Pour accroître la disponibilité, l'outil le plus utilisé actuellement est le ''prognostics and health management'' (PHM). La première contribution de la thèse est de proposer des cadres terminologique et fonctionnel pour le développement du PHM adapté aux spécificités des moteurs d'avions. Par la suite, une approche intégrée basée sur le nouveau modèle en V3 est formalisée. La seconde contribution est un processus basé sur les modèles pour le développement de la partie embarquée chargée de l'extraction des indicateurs de santé. Elle est basée sur l'analyse de sensibilité, la régression par vecteurs supports et des nouveaux indicateurs de performances. Puisque ce processus est réalisé avant l'entrée en service, les données stochastiques sont obtenues par propagation d'incertitudes. Pour surmonter les temps de calcul liés aux évaluations du modèle, des métamodèles sont utilisés. Plus particulièrement, la troisième contribution de la thèse est une technique originale combinant régression par vecteurs supports et Krigeage. L'approche globale est finalement testée sur le système carburant d'un moteur d'avion. Les résultats sont prometteurs, tant au niveau industriel pour les précieuses informations qu'elle fournit sur la qualité du jeu d'indicateurs de santé qu'au niveau académique pour la précision apportée par la nouvelle approche du Krigeage-SVR.

For manufacturers of aircraft engines such as Snecma, the increase of systems availability is one of the key challenges of the future. Indeed, the limitation of delays and cancellations and the reduction of maintenance operations frequency and duration could lead to important costs savings. To improve availability, the most proven tool is currently prognostics and health management (PHM). The first contribution of this thesis work is to propose complete terminological and functional frameworks for the development of PHM adapted to the specific application on aircraft engines. Subsequently, an integrated development approach based on the original V3-model is formalized. The second contribution is an original model-based process for the development of the embedded extraction of health indicators, based on sensitivity analysis, support vector regression and original performance indicators for the validation. Since it is aimed at being performed before the entry into service, the stochastic data are issued from Monte-Carlo based uncertainties propagation. In order to overcome the prohibitive computation time of the model evaluations, surrogate models are used. More particularly, the third contribution of this thesis work is an original technique combining support vector regression with Kriging. The whole approach is finally tested on an aircraft engine fuel system. The results are promising, both at the industrial level with the release of valuable information about the quality of the health indicators set and at the academic level with the proven accuracy of the novel SVR-Kriging approach.