Remerciez-le!

Remerciez @Admin pour avoir partagé cet document gratuitement, de la manière la plus simple, en partageant sur les réseaux sociaux.

REPEBLIQUE ALGERIENNE DEMOCRATIQUE ET POPULAIRE وزارة التعليم العالي وا لبحث ال

REPEBLIQUE ALGERIENNE DEMOCRATIQUE ET POPULAIRE وزارة التعليم العالي وا لبحث العلمي MEMOIRE Présenté en vue de l’obtention du diplôme de MAGISTER Thème Option : Automatique Industrielle Par BEDOUD KHOULOUD Directeur de mémoire : S.BENSAOULA Maître de conférences U.ANNABA Année: 2009 / 2010 UNIVERSITE BADJI MOKHTAR - ANNABA FACULTE DES SCIENCES DE L’INGENIEUR DEPARTEMENT D’ELECTRONIQUE Modélisation et diagnostic de défaillance d’une électrovanne pneumatique. جامعة باجي مختار – عنابة كلية علوم الھند سة قسم اإلليكترونيك MINISTERE DE L’ENSEIGNEMENT SUPERIEUR ET DE LA RECHERCHE SCIENTIFIQUE الجمھورية الجزائرية الديم قراطية الشعبية DEVENANT LE JURY Président : U. ANNABA Examinateurs : U. ANNABA U. ANNABA U. ANNABA Mes remerciements les plus distingués s’adressent à : Mon directeur de mémoire Mr S.BENSAOULA, qui ma beaucoup aidé avec ses idées et ses conseils précieux pour la réalisation de ce modeste travail; Nos enseignants du département Automatique (de l’institut d’électronique), qui ont assurés notre formation; Je tiens également à remercier tous les membres de jury ; Tous les membres de ma famille, mes chers parents et mes amies; Tous ceux qui m’ont soutenu, aidé et encouragé pour arriver à bout de ce projet. Table des matières Introduction générale…………………………………………………………………. 1 Chapitre I : Introduction à la logique floue et au diagnostic industriel I.1. Objectifs poursuivis…………………………………………………………………. 3 I.2. Historique de la logique floue.…………………………………………………….... 4 I.3. Nécessite de la logique floue………………………………………………………... 4 I.4. Les ensembles flous…………………………………………………………………. 6 I.4.1. Introduction…………………………………………………………………… 6 I.4.2. Variable linguistiques………………………………………………………..... 8 I.4.3. Fonction d'appartenance………………………………………………………. 9 I.4.4. Propriétés des ensembles flous………………………………………………... 10 I.4.5. Opération sur les ensembles flous…………………………………………….. 11 I.5. Structure générale d’un système d’inférence flou…………………………………... 14 I.5.1. La fuzzification………………………………………………………………... 15 I.5.2. Règles floues…………………………………………………………………... 16 I.5.3. Les étapes du raisonnement flou et inférence flou…………………………… 17 I.5.4. La defuzzification……………………………………………………………... 18 I.5.4.1. Méthode du centre de gravite (COG)……………………………...…... 18 I.5.4.2. Méthode moyenne des maximums (MM) ………………………...…... 19 I.6. Différents types de modèles flous…………………………………………………... 20 I.6.1. Modèle flou mamdani…………………...……………………………………... 20 I.6.2. Modèle flou relationnel………………………………………………………… 21 I.6.3. Modele flou takagi-sugeno (TS)........................................................................ 22 II.7. Diagnostic industriel ……………………………………………………………..... 22 II.7.1.Defintions. …………………………………………………………….…….... 22 II.7.2. Classifications des méthodes de diagnostic…………………………………... 25 II.7.2.1. Méthode de diagnostic par redondance matérielle……………….…... 26 II.7.2.2. Les méthodes internes et les méthodes externes……………………... 26 II.7.2.3. Les méthodes inductives et les méthodes déductives………………... 30 Chapitre II: Benchmark de l’électrovanne et outils de simulation II.1. Introduction……………………………………………………………………….. 32 II.2. Description de l’electro-vanne……………………………………………………. 32 Table des matières II.3. Les défauts………………………………………………………………………... 37 II.3.1. Description des défauts……………………………………………………… 37 II.3.2. Modes de défaillances……………………………………………………….. 38 II.3.2.1. Défaut brusque……………………………………………………….. 39 II.3.2.2. Défaut progressif……………………………………………………... 39 II.4. Modèle simulink de l'electro-vanne………………………………………………. 40 II.5. Modélisation flou de type TAKAGI-SUGENO. ………………………………… 43 II.6. La méthode FDI…………………………………………………………………... 49 II.6.1. Introduction………………………………………………………………….. 49 II.6.2. Génération de résidus………………………………………………………... 50 II.6.3. Principe de détection………………………………………………………… 51 II.6.4. Localisation………………………………………………………………….. 51 Chapitre III : Modèle Simulink pour le diagnostic par raisonnement floue III.1. Introduction……………………………………………………………………… 53 III.2. Méthode de détection……………………………………………………………. 53 III.2.1. Principe d’évaluation du résidu…………………………………………... 54 a) Génération des résidus………………………………………………………. 58 b) Evaluation des résidus………………………………………………………. 59 III.3. Méthode d'isolation……………………………………………………………... 64 III.4. Application………………………………………………………………………. 65 III.5. Commentaires …………………………………………………………………… 66 III.6. Influence de CV………………………………………………………………….. 69 III.7. Conclusion……………………………………………………………………….. 73 Chapitre IV : modélisation neuro-floue IV.1. Introduction……………………………………………………………………… 74 IV.2. Apprentissage du modèle TS…………………………………………………..….. 74 IV.3. Construction du modèle TS……………………………………………………..… 76 IV.4. Modélisation basée sur des techniques de coalescence floue…………………..… 77 IV.4.1. Introduction…………………………………………………………...…… 77 IV.4.2. Algorithme de clustering flou …………..…………………………………. 79 Table des matières IV.4.3. Estimation des paramètres par les moindres carrés………...……....……... 83 IV.4.4. Validation du modèle ………………………….………………………….. 85 IV.5. Application …………………………………………………………………..…… 86 IV.5.1. Sélection des données et des variables……………………………………. 86 IV.5.2. Utilisation du clustering flou GK …….……………………………...…... 87 IV.6. Conclusion…………………………………………………………………...….... 94 Conclusion générale ………………………………………………………………...….. 95 Référence bibliographique…………………………………………………………….... 97 Liste des figures 1.1. Ensemble flou. ……………………………………………………………………....... 6 1.2. Comparaison ensemble classique – ensemble flou…………………………………… 7 1.3. Exemple d’une variable linguistique avec trois termes linguistique………………...... 8 1.4. Différentes forme de fonction d’appartenance………………………………………... 9 1.5. L’intersection………………………………………………………………….………. 11 1.6. L’union………………………………………………………………………………... 12 1.7. Le complément……………………………………………………………………....... 12 1.8. Représentation interne d’un système flou…………………………………………….. 14 1.9. Exemple de fuzzification……………………………………………………………… 16 1.10. a) moyenne des maximums, b) centre de gravité……………………………………. 19 1.11. Méthodes de diagnostic……………………………………………………………… 25 1.12. La redondance matérielle……………………………………………………………. 26 1.13. Méthode du modèle………………………………………………………………….. 27 1.14. Méthode d’identification de paramètres……………………………………………... 27 1.15. Méthode d'estimation du vecteur d'état……………………………………………… 28 2.1. Régulation de flux de jus de betterave dans l'usine de sucre………………………...... 33 2.2. Structure de l’électrovanne de régulation………………………………………..……. 34 2.3. Schéma du contrôleur du positionneur……………………………………………….. 35 2.4. Variables d’entrées/sorties de l’actionnaire…………………………………………… 37 2.5. Modèle entrée-sortie de l'électrovanne………………………………………………... 37 2.6. Représentation des défauts brusques………………………………………………….. 39 2.7. Représentation des défauts progressifs………………………………………………... 39 2.8. Blocks Simulink de DABLIB…………………………………………………………. 40 2.9. Principe de simulation………………………………………………………………… 41 2.10. Simulation d’un bruit blanc………………………………………………………….. 42 2.11. Caractéristiques du bloc FGEN……………………………………………………… 42 2.12. Le bloc FSEL………………………………………………………………………… 43 2.13. Approximation par un modèle Takagi-Sugeno……………………………………… 46 2.14. Principe de la méthode FDI………………………………………………………….. 49 2.15. Principe de génération de résidus……………………………………………….…… 50 2.16. Principe de localisation floue………………………………………………………... 52 3.1. La fonction d’appartenance trapézoïdale……………………………………………… 54 Liste des figures 3.2 : Fuzzification du résidu……………………………………………………………….. 55 3.3. Histogrammes des (a) : résidus F et (b) : résidus X pour un système sain……………. 56 3.4. Les fonctions d'appartenances pour les deux résidus resF et resX……………………. 57 3.5 : Résultats de simulation pour un modèle sans défaut…………………………………. 58 3.6 : Evaluation floue du signal résidu…………………………………………………….. 59 3.7 : Evaluation floue du ieme résidu. ……………………………………………………… 60 3.8 : Simulation de résidus X et F provoqué par le défaut f10 d’intensité = 30%................ 63 3.9: Détection et localisation des défauts………………………………………………….. 67 3.10: Histogramme de resF avec f19=90%………………………………………………... 68 3.11: Histogramme de resX avec f19=90%………………………………………………... 68 3.12 : Simulation de resx et resF pour un système sain avec CV-10%……………………. 70 3.13 : Simulation de resF et resX pour un système sain avec CV+10% ………………….. 71 4.1 : (a) raisonnement flou-(b) Réseau ANFIS lié au modèle TSK……………………….. 75 4.2 : Génération des fonctions d’appartenance par projection de X (k+1)………………… 88 4.3 : Génération des fonctions d’appartenance par projection de F (k+1)………………… 89 4.4 : Test de validation du modèle flou TS de flue………………………………………... 92 4.5 : Test de validation du modèle flou TS de déplacement………………………………. 92 Liste des tableaux 1.1 Opérateurs logiques flous les plus utilisés…………………………………………... 13 3.1 Résultats de détection pour Z = 6σ…………………………………………………. 65 3.2 Résultats de détection pour Z = 3σ…………………………………………………. 66 3.3 Résultats de détection pour Z = 2σ…………………………………………………. 66 3.4 Table de correspondance symptômes/défauts……………………………………... 66 3.5 Résultats de détection pour Z = 6σ. ………………………………………………... 72 3.6 Résultats de détection pour Z = 3σ. ………………………………………………... 72 3.7 Résultats de détection pour Z = 2σ. ………………………………………………... 72 4.1 Paramètres des conséquent du modèle flou TS pour X (K+1)…………………….. 90 4.2 Paramètres des conséquent du modèle flou TS pour F (K+1)……………………... 90 4.3 Centres des classes du modèle flou TS pour X (K+1)……………………………... 91 4.4 Centres des classes du modèle flou TS pour F (K+1)……………………………... 91 4.5 Performance numérique du modèle flou TS……………………………………….. 93 4.6 Performances globales du modèle…………………………………………………. 93 Résumé Résumé Ce sujet de recherche porte sur le diagnostic de défauts, on s'intéresse particulièrement à développer des algorithmes de décision basés sur la logique floue pour la surveillance des défauts latents qui abrègent la durée de vie de l'installation, voir l'endommager à court terme. L'installation qui fait l'objet de notre étude est une électrovanne de régulation de flux (jus de betterave) dans les installations de production de sucre. C'est un benchmark (projet DAMADICS) développé par un Consortium de Laboratoires Européen (France, Pologne, Allemagne, etc.), qui a fait l'objet d'intenses recherches notamment en ce qui concerne le diagnostic des défauts brusques par différentes techniques. Dans une première étape nous exploitons le modèle Simulink de l'actionnaire (électrovanne) proposé par le benchmark, pour générer les résidus obtenus de la comparaison des mesures réelles des variables du processus et les sorties du modèle Simulink, qui seront ensuite analysés par un algorithme de décision basé sur le raisonnement flou. L'objectif d'une telle démarche étant la validation de l'algorithme de décision. Dans une seconde étape nous construisons un modèle basé sur des mesures réelles produites sur l'installation en cours de production. La technique utilisée est l'optimisation d'un modèle TS. Contrairement à la première étape ou le modèle Simulink n'accepte qu'un seul type de défauts à la fois, cette fois-ci on peut injecter plusieurs défauts simultanément. Mots Clés : diagnostic de défaillance, détection de défauts, isolation de défauts. Abstract Abstract This research topic focuses on the diagnosis of faults, we interested to developing decision algorithms based on fuzzy logic for detection and isolation faults in the DAMADICS actuators; which can minimize damages of the installation, see the damage to short term. The actuators considered are industrial control valves in the installations of sugar production. It is a benchmark (DAMADICS project) developed by a consortium of European laboratories (France, Poland, Germany, etc..), Which was the subject of intense research in particular as regards the diagnosis of abrupt faults by different techniques . In a first step we use the Simulink model of the electro- valve proposed by the benchmark to generate residuals obtained by comparing the reels measurements of process variables and model Simulink outputs, which are analyzed by a decision algorithm based on fuzzy reasoning. The objective of this approach is the validation of the decision algorithm for the diagnosis of failure at uploads/Industriel/ 20141218113103-bedoud-memoire.pdf