Approches neuronales adaptatives pour le contrôle tolérant aux défauts de systèmes pile à combustible

Adaptive neural approaches for fault-tolerant control of fuel cell systems

• Auteur / Autrice : Christophe Lin-Kwong-Chon
• Direction : Brigitte Grondin-Perez, Amangoua Kadjo
• Type : Thèse de doctorat
• Discipline(s) : Physique énergétique
• Date : Soutenance le 10/06/2020
• Etablissement(s) : La Réunion
• Ecole(s) doctorale(s) : École doctorale Sciences, Technologies et Santé (Saint-Denis, La Réunion ; 2010-...)
• Partenaire(s) de recherche : Laboratoire : Laboratoire d’énergétique, d’électronique et procédés (Saint-Denis, Réunion)
• Jury : Président / Présidente : Rachid Outbib
• Jury : Examinateurs / Examinatrices : Nadia Yousfi Steiner, Cédric Damour, Frédéric Cadet
• Jury : Rapporteur / Rapporteuse : Marie-Cécile Péra

Mots clés

Mots clés contrôlés

Tolérance aux fautes (ingénierie)

Apprentissage par renforcement (intelligence artificielle)

Réseaux neuronaux (informatique)

Programmation dynamique

Fiabilité

Piles à combustible à membrane échangeuse de protons

Mots clés libres

Pemfc

Apprentissage par renforcement

Contrôle tolérant aux défauts

Contrôleur adaptatif aux états de santé

Programmation dynamique

Réseaux de neurones

Pile à combustible

Temps réel et en ligne

Pemfc

Reinforcement learning

Fault-Tolerant control

State-Of-Health adaptive controller

Dynamic programming

Neural networks

Fuel cell,

Online and real-time

Résumé

La pile à combustible à membrane échangeuse de protons est un convertisseur électrochimique prometteur pour la production électrique à partir du vecteur hydrogène décarboné. Toutefois, certains verrous technologiques limitent encore son déploiement, tels que sa durabilité, sa fiabilité ou son coût financier. La stratégie de contrôle tolérant aux défauts actif est une des solutions pour atténuer tout défaut suivant trois actions : un diagnostic, une décision et un contrôle. Cette étude propose d’élaborer un module contrôleur générique et adaptatif aux états de santé par le biais des réseaux de neurones. Le contrôleur par programmation dynamique, l’apprentissage par renforcement et les modèles à états échoïques sont combinés pour la construction du contrôleur adaptatif. Ce contrôleur emploie trois modèles neuronaux avec des rôles spécifiques : un acteur, un prévisionneur et un critique. Les défauts de noyage et d’assèchement de la membrane sont considérés dans cette étude. Le contrôleur a pu démontrer des capacités intéressantes en simulation pour la régulation multi-variables de la stoechiométrie en oxygène, de la différence de pression à la membrane et de la température. Les résultats montrent des performances supérieures du contrôleur proposé face à un contrôleur proportionnel intégral dérivé. Des analyses de stabilité accompagnent l’étude et prouvent de la continuité du contrôleur adaptatif. Le contrôleur a été validé expérimentalement sur un banc d’essai avec une mono-cellule. La configuration du banc d’essai a imposé des contraintes propres à une application en ligne et en temps réel. Le caractère générique du contrôleur offre ici la possibilité de passer d’une configuration à l’autre sans devoir concevoir un autre contrôleur. Plusieurs tests sont effectués avec comme consigne la différence de pression nulle à la membrane. Le contrôleur a pu être validé sur l’apparition des défauts de noyage, d’assèchement de la membrane, y compris les perturbations en courant, les non-linéarités des actionneurs et de la purge en eau cathodique. La démarche et le contrôleur générique adaptatif aux états de santé proposés dans cette thèse permettent de répondre à des besoins de régulation autour de la stratégie de contrôle tolérant aux défauts. Le premier intérêt réside dans la compensation des effets multilatéraux des défauts qui entraîne des modifications dynamiques non voulues. Un autre intérêt est de pouvoir modifier in situ les conditions opératoires de fonctionnement, les composants ou même les auxiliaires tout en étant capable d’assurer un contrôle stable et optimal.

The proton exchange membrane fuel cell is a promising electrochemical converter for production of electricity from the decarbonated hydrogen carrier. However, some technological challenges limit its deployment, such as durability, reliability or financial cost. The active fault-tolerant control strategy is one of the solutions to mitigate any system fault according to three actions: diagnosis, decision and control. This study proposes to develop a generic controller module adaptive to health states through neural networks. Dynamic programming controller, reinforcement learning, and echo-state models are combined for the design of the adaptive controller. This controller employs three neural models with specific roles: an actor, a predictor and a critic. Flooding and membrane drying faults are considered in this study. The proposed controller was able to demonstrate interesting capabilities on a simulation fuel cell model in multi-variable regulation for oxygen stoichiometry, membrane pressure difference and temperature. The results show superior performance of the proposed controller compared to a proportional integral derivative controller. Stability analyses were conducted to prove the continuity of the adaptive controller. The controller has been validated experimentally on a single cell test-bench. The configuration of the test-bench imposed constraints specific to an on-line and real-time application. The generic nature of the controller offers the possibility to switch from one configuration to another without having to design another controller. Several tests are carried out for regulation of the zero-pressure difference at the membrane. The controller was validated on the occurrence of flooding and membrane dryness faults, including actuator and water purging disturbances. The approach and the generic controller adaptive to the states of health proposed in this thesis allow to satisfy control requirements regarding the fault-tolerant control strategy. The first interest lies in the compensation of the multilateral effects of faults that lead to unwanted dynamic changes. Another interest is to be able to modify in situ operating conditions, components or even auxiliaries while being able to ensure a stable and optimal control.