Méthode d’estimation des valeurs extrêmes des distributions de contraintes induites et de seuils de susceptibilité dans le cadre des études de durcissement et de vulnérabilité aux menaces électromagnétiques intentionnelles
Auteur / Autrice : | Thomas Houret |
Direction : | Philippe Besnier |
Type : | Thèse de doctorat |
Discipline(s) : | Electronique |
Date : | Soutenance le 19/12/2019 |
Etablissement(s) : | Rennes, INSA |
Ecole(s) doctorale(s) : | École doctorale Mathématiques et sciences et technologies de l'information et de la communication (Rennes) |
Partenaire(s) de recherche : | Laboratoire : Institut d'Électronique et de Télécommunications (Rennes) |
Comue : Université Bretagne Loire (2016-2019) | |
EPIC : Commissariat à l'énergie atomique et aux énergies alternatives (France) | |
: France. Délégation générale pour l'armement | |
Jury : | Président / Présidente : Lionel Pichon |
Examinateurs / Examinatrices : Philippe Besnier, Lionel Pichon, Sébastien Lalléchère, Élodie Richalot, Alain Reineix, Philippe Pouliguen, Stéphane Vauchamp | |
Rapporteurs / Rapporteuses : Lionel Pichon, Sébastien Lalléchère |
Résumé
Une Interférence Electromagnétique Intentionnelle (IEMI) agressant un équipement électronique peut provoquer une défaillance de ce dernier. L’étude des effets d’une IEMI commence par l’évaluation du risque de défaillance afin de mettre en place les protections adéquates. Malheureusement, une prédiction déterministe d’une défaillance est impossible car les caractéristiques de l’équipement et de l’agression sont très incertaines. La stratégie proposée consiste à modéliser la contrainte générée par l’agression, ainsi que la susceptibilité de l’équipement, comme des variables aléatoires. Ensuite, trois étapes sont nécessaires. La première concerne l’estimation de la distribution probabiliste de la variable aléatoire de susceptibilité, la seconde porte sur celle de la contrainte, pour enfin, dans une troisième étape, en déduire la probabilité de défaillance. Pour la première étape, nous utilisons des méthodes d’inférence statistique sur un petit échantillon de seuils de susceptibilités mesurés. Nous comparons deux types d’inférence paramétrique : bayésienne et celle du maximum de vraisemblance. Nous concluons qu’une approche pertinente pour l'analyse du risque CEM consiste à utiliser les intervalles de confiance ou de crédibilité des estimations des paramètres pour encadrer la probabilité de défaillance, quelle que soit la méthode d’inférence choisie. Pour la deuxième étape, nous explorons les techniques de recherche de valeurs extrêmes tout en réduisant le nombre de simulations nécessaires. En particulier, nous proposons la technique de la stratification contrôlée par un métamodèle de krigeage. Nous montrons que cette technique améliore drastiquement les performances par rapport à l’approche classique (simulation Monte Carlo). De plus, nous proposons une implémentation particulière de cette technique afin de maitriser le coût de calcul. Enfin, la troisième étape est la plus simple une fois les deux premières franchies puisque, par définition, une défaillance survient lorsque la contrainte est supérieure à la susceptibilité. A partir d’un cas test final comportant la simulation de l’agression d’un équipement et de données de susceptibilité de cet équipement, nous calculons un encadrement de la probabilité de défaillance en recourant aux méthodes développées pendant cette thèse. En particulier, nous montrons que l’utilisation conjointe de la stratification contrôlée par le krigeage et de l’inférence de la distribution de la susceptibilité permet effectivement d’encadrer l’estimation de la vraie probabilité de défaillance.