Smaller Default Larger

Soutenance de BOUAKKAZ MESSAOUD

République Algérienne Démocratique Et Populaire

Ministère De L’enseignement Supérieur Et De La Recherche Scientifique

Université 20 août 1955- Skikda

Faculté De Technologie

Département génie Electrique

 

Thèse présentée par BOUAKKAZ MESSAOUD

en vue de l’obtention du diplôme de Doctorat en sciences En génie Electrique, Option: Automatique avancé

Thème: Modélisation et Diagnostic des systèmes non linéaires

 

Soutenue publiquement le Mercredi 12/01/2017 à 10h

Devant le jury composé de :

President:     A. LACHOURI      Prof. Université de Skikda
Rapporteur:   M-F. HARKAT     Prof Université de Annaba
Examinateurs:
M. RAMDANI        Prof Université de Annaba
T. BOUDEN         Prof Université de Jijel
L. MEHENNAOUI   M. C.A. Université de Skikda
S .GHERBI          M. C. A Université de Skikda

 

Résumé en arabe, français & anglais:

 

 ملخص
إ
ن كشف و تحديد موقع الأعطاب لهما أهمية كبرى في الأنظمة الصناعية. الاكتشاف المبكر لتوارد الأعطاب أمر حاسم لتفادي الكوارث البيئية، انخفاض الجودة ، انخفاض المر دودية، و كذلك لضمان سلامة الأشخاص واستمرارية المنشآت الصناعية.
إن الهدف من هذه العمل هو دراسة طرق الاكتشاف و تحديد موقع الأعطاب للأنظمة الصناعية المعقدة الغير الخطية باستعمال تحليل المركبات الأساسية الغير خطية حيث كان الهدف العام هو تطوير نمودج خير خطي باستعمال الشبكات العصبونية حيث ثم ذلك وفقا لنمودج يعتمد على نمودجين مصغرين لنوعين من مختلفين من الشبكات العصبونية على التسلسل، فالاول يتم حسابه عن طريق الشبكات
العصبونية بدوال داث أساس دوري ، أما الثاني فيتم حسابه عن طريق شبكة متعددة الطبقات.
في المرحلة الأولى، يتم التعرض لمبدأ ومختلف طرق التشخيص، و بالأخص طريقة التشخيص وفق نموذج.
في المرحلة الثانية، يتم عرض المبادئ الأساسية لتحليل المركبات الأساسية الخطية. حيث يستعمل تحليل المركبات لخطية لتمثيل الأنظمة في حالة التشغيل السوي وفق طرق متعددة.
في المرحلة الثالثة، يتم عرض المبادئ مختلف الطرق المتبعة لتحليل المركبات الأساسية الغير الخطية و كذلك النمودج المطور.
في المرحلة الرابعة يتم التطرق لمختلف أساليب الاكتشاف وتحديد مواقع الأعطاب بواسطة تحليل المركبات الأساسية الخطية والغير الخطية. بالنسبة لتحديد موقع الأعطاب، تم تطوير مبدأ التحديد وفق إعادة القياس في الحالة الخطية إلى الحالة غير الخطية.
تطبيق هذه الدراسة، وبالأخص الطريقة المطورة للنمودج الغير الخطي لأكتشاف وتحديد العيوب وإعادة القياس لبعض ملتقطات قياسات لنمودج لمركب صناعي كيمائي مطور من طرف الشركة العالمية تنيسي أستمان.
المفاتيح : التشخيص، المراقبة، كشف وتحديد مواقع الأعطاب، تحليل المركبات الأساسية الخطية والغير خطية، مبدأ إعادة القياس. الشبكات العصبونية

 

Résumé


Les travaux présentés dans cette thèse concernent la détection et la localisation de défauts par l'Analyse en composantes Principales (ACP).
L’analyse en composantes principales (ACP) est largement utilisée pour le cas linéaire, l’objectif de ce travail est de développer un modèle ACP non linéaire (ACPNL) pour détecter, localiser et estimer un défaut de fonctionnement dans un système à caractéristiques non linéaires.
Le modèle ACPNL proposé est basé sur deux types de réseaux de neurones en cascade, le premier est basé un réseau de neurones par optimisation des entrées (IT-Net) utilisé pour calculer à la fois, les composantes principales recherchées, et le modèle d'estimation la projection inverse (de composantes principales vers l'estimation des données originelles), le deuxième réseau est un réseau RBF à trois couches utilisé pour le sous-modèle de projection (Espace de mesures vers composantes principales), dont les composantes principales calculées par le premier réseau sont utilisées comme les entrées de ce réseau.
Dans le premier chapitre, le principe de diagnostic et les différentes approches de diagnostic sont recensés.
Dans le deuxième chapitre, les principes fondamentaux de l’analyse en composantes principales linéaires (ACP). Ainsi le modèle ACP pour la détection et la localisation de défauts.
Pour la troisième partie les différentes extensions l’ACP linéaire au cas non linéaire sont exposées. L'ACP et L’ACPNL sont utilisées pour modéliser les relations entres mesures des procédés industriels en fonctionnement normal.
Dans le quatrième chapitre, les différentes méthodes de détection et de localisation par ACP et ACPNL ont été exposées. Pour la localisation de défauts, une extension de localisation par le principe de reconstruction dans le cas linéaire au cas non linéaire a été développée.
L’application de cette étude concerne la détection, la localisation et la reconstruction de défauts des capteurs d’un processus chimique connu sous le nom Tennessee Eastman en utilisant le modèle ACPNL développé dans ce travail.
Mots-clés: Surveillance, Détection et localisation de défauts, Analyse en composantes principales linéaires ACP et ACPNL, Reconstruction de défauts, Réseaux de neurones. RBF

 

Abstract


The aim of this work is to study the fault detection and isolation using the non linear principal components analysis (NLPCA) which can be applied to the complex industrial processes.
The monitoring techniques based on PCA are based on the assumption that the process data are linear. However, the practical industrial process data are usually nonlinear, applying linear PCA approach to those processes data can produce excessive number of false alarms or alternatively, missed detection of process faults, which significantly compromise the reliability of the monitoring systems.
This thesis describes a new Nonlinear Principal Component Analysis (NLPCA) model for process monitoring.
The proposed model consists of two cascade three-layer neural networks for mapping and demapping, respectively, the mapping model is identified by using a Radial Basis Function (RBF) neural networks and the demapping model is performed by using an Input Training neural networks (IT-Net, the nonlinear principal components, which represent the desired outputs of the first network, are obtained by the IT-Net (neuronal principal curves).
In this work, the algorithm of proposed (NLPCA) model is developed and applied to sensor fault detection and isolation of the Tennessee Eastman Process (TECP). For fault isolation, nonlinear fault reconstruction approach is considered.
The obtained results verify the effectiveness of the presented model for fault detection, and demonstrate two advantages of the nonlinear fault reconstruction approach, on one hand, to isolate the faulty sensors and, on the other hand, to estimate the fault amplitude.
Keywords: Process monitoring, Fault detection and isolation, linear and nonlinear Principal component analysis, sensor reconstruction, Neural Networks. RBF.

 


 

Adresse:

 

Contacts PGP

Adresse:

BP 26 Route d'El-Hadaiek 21000 Skikda - ALGERIE

(Faculté de Technologie- Département de Pétrochimie & Génie des procédés)

E-mails:

fac.techno@univ-skikda.dz

Research Space