Techniques de commande prédictive tolérantes aux défauts pour des systèmes incertains

Fault tolerant predictive control techniques for uncertain systems

• Auteur / Autrice : Hao Deng
• Direction : Mohammed Chadli, Cristina Stoica
• Type : Projet de thèse
• Discipline(s) : Automatique
• Date : Inscription en doctorat le 01/10/2023
• Etablissement(s) : université Paris-Saclay
• Ecole(s) doctorale(s) : École doctorale Sciences et technologies de l'information et de la communication (Orsay, Essonne ; 2015-....)
• Partenaire(s) de recherche : Laboratoire : IBISC - Informatique, BioInformatique, Systèmes Complexes
• Partenaire(s) de recherche : Référent : Faculté des sciences d'Orsay

Mots clés

Mots clés libres

Systèmes incertains

Apprentissage pour la commande et l'estimation

Estimation d'état

Commande prédictive

Détection de défauts

Commande tolérante aux défauts

Predictive control

Uncertain systems

Fault tolerant control

Fault detection

State estimation

Learning for control and estimation

Résumé

Dans le contexte des systèmes dynamiques soumis à des incertitudes [1]-[3], cette thèse de doctorat se concentrera sur le développement de procédures d'estimation robustes utilisées pour la détection de défauts et la commande tolérante aux défauts. Plusieurs classes de systèmes dynamiques seront explorées. Dans la première partie de cette thèse de doctorat, nous considérerons le cas des systèmes à paramètres variables linéaires (LPV) et des quasi-systèmes LPV, soumis à des contraintes et des incertitudes. Dans une première étape, de nouvelles techniques d'estimation d'état seront proposées pour cette classe de systèmes dynamiques. Sur la base de ce résultat, dans une deuxième étape, des techniques de détection et d'identification des défauts seront développées afin de pouvoir détecter plusieurs types de défauts agissant sur le système [4]. L'étape suivante consiste à développer des stratégies de commande tolérante aux défauts prenant en compte différentes contraintes (par exemple, les limitations du système). Des comparaisons avec les résultats existants dans la littérature ouverte sont également envisagées. Dans la deuxième partie, des extensions de ces approches seront ensuite développées pour d'autres classes de systèmes dynamiques, tels que les systèmes Piecewise Affine (PWA) [5], les systèmes à retard temporel [6], les systèmes descripteurs [7], les systèmes Takagi-Sugeno (T-S) [8], etc. Ainsi, la principale direction à explorer dans cette thèse de doctorat est de développer de nouvelles stratégies de contrôle prédictif tolérantes aux pannes pour prendre en compte les contraintes et les incertitudes pour plusieurs classes de systèmes dynamiques en utilisant des outils numériques, par exemple, les techniques d'inégalité de matrice linéaire (LMI). Enfin, les performances des algorithmes développés seront illustrées via la simulation de repères existants dans la littérature ouverte.

In the context of dynamical systems subject to uncertainties [1]-[3], this PhD thesis will focus on the development of robust estimation procedures further used for fault detection and fault tolerant control. Several classes of dynamical systems will be explored. In the first part of this PhD thesis, we will consider the case of linear parameter-varying (LPV) systems and quasi-LPV systems, subject to constraints and uncertainties. In a first step, new state estimation techniques will be proposed for this class of dynamical systems. Based on this result, in a second step, fault detection and identification techniques will be developed in order to be able to detect several types of faults acting on the system [4]. The next step consists in developing Fault Tolerant Control strategies taken into account different constraints (e.g., system limitations). Comparisons with existing results in the open literature are also envisaged. In the second part, extensions of these approaches will next be developed for other classes of dynamical systems, such as Piecewise Affine (PWA) systems [5], time-delay systems [6], descriptor systems [7], Takagi-Sugeno (T-S) systems [8], etc. Thus, the main direction to be explored in this PhD thesis is to develop new fault-tolerant predictive control strategies to take into account constraints and uncertainties for several classes of dynamical systems using numerical tools, e.g., Linear Matrix Inequality (LMI) techniques. Finally, the performance of the developed algorithms will be illustrated via simulation of existing benchmarks in the open literature.