Supervision, surveillance et sûreté de fonctionnement des grands systèmes
Nada Matta
Yves Vandenboomgaerde
Jean Arlat
Termes Science
Lavoisier
Préface de Eric Besson21
Préface de Christian Lerminiaux23
Introduction25
Yves Vandenboomgaerde, Christian Lerminiaux et Nada Matta
Première partie. Problématiques industrielles33
Chapitre 1. La sûreté et la performance des installations de l'EDF35
Gilles Deleuze, Jean Primet, Philippe Klein, Carole Duval et Antoine Despujols
Chapitre 2. L'observation-surveillance des ouvrages du stockage en formation géologique profonde39
Stéphane Buschaert et Sylvie Lesoille
2.1. Contexte39
2.2. Observation-surveillance de l'environnement40
2.3. Observation-surveillance des ouvrages du stockage géologique41
2.4. Conclusion et perspectives44
Chapitre 3. Vers les réacteurs nucléaires de quatrième génération47
Jean-Philippe Nabot, Olivier Gastaldi, François Baque, Kévin Paumel et Jean Philippe Jeannot
3.1. Contexte47
3.2. Surveillance et détection acoustique49
3.3. L'inspection en service51
3.3.1. Le cas des mesures acoustiques52
3.4. Conclusion52
Deuxième partie. Supervision et modélisation de systèmes complexes53
Chapitre 4. Localisation intègre de véhicules avec fusion multi-capteurs tolérante au défaillances55
Maan El Badaoui El Najjar, Cherif Smaili, François Charpillet et Denis Pomorski
4.1. Introduction55
4.2. Etat de l'art56
4.3. Réseau bayésien pour la fusion de données59
4.3.1. Réseau bayésien et filtre de Kalman60
4.4. Localisation mono-véhicule : fusion de données multi-capteurs avec un réseau bayésien dynamique63
4.4.1. Présentation de l'approche développée64
4.4.2. Inférence dans le Switching Kalman Filter68
4.4.3. Synoptique détaillé de la méthode basée sur les réseaux bayésiens69
4.4.4. Exemple de gestion de multi-hypothèses par un réseau bayésien71
4.4.5. Illustration de la méthode de localisation sur carte par SKF72
4.5. Localisation multi-véhicules76
4.5.1. Problématique étudiée76
4.5.2. Communication au sein du convoi77
4.5.3. Capteurs utilisés sur chaque véhicule du convoi78
4.5.4. Réseau bayésien pour la localisation d'un train de véhicules79
4.5.5. Extension de l'approche : modélisation et localisation d'un train de véhicule80
4.5.6. Problématique avec ce modèle82
4.5.7. Nouveau modèle pour la localisation d'un train de véhicules82
4.5.8. Commandes proportionnelles84
4.5.9. Analyse fonctionnelle des modèles d'un convoi88
4.6. Conclusions et perspectives89
4.7. Bibliographie92
Chapitre 5. Modélisation de la dégradation et du pronostic95
Anne Barros, Eric Levrat, Mitra Fouladirad, Khanh Le Son, Thomas Ruin, Benoît Iung, Alexandre Voisin, Maxime Monnin, Antoine Despujols, Emmanuel Rémy et Ludovic Bénétrix
5.1. Introduction95
5.1.1. Niveau opérationnel96
5.1.2. Niveau stratégique96
5.2. Etude préliminaire des données97
5.2.1. Structure de la base de données97
5.2.2. Critère de performance pour le pronostic98
5.2.3. Problématique autour de la définition d'un indicateur de dégradation98
5.3. Construction de l'indicateur de dégradation100
5.3.1. Idée générale100
5.3.2. Formalisation101
5.4. Estimation de la durée de vie résiduelle (RUL)104
5.4.1. Approche simple basée sur la durée de vie104
5.4.2. Modèle de dégradation stochastique106
5.4.3. Méthode de pronostic à base d'apprentissage110
5.5. Discussions et conclusion112
5.6. Bibliographie112
Chapitre 6. Diagnostic des systèmes à modes multiples de fonctionnement115
Taha Boukhobza, Frédéric Hamelin, Benoît Marx, Gilles Mourot, Anca Maria Nagy, José Ragot, Djamel Eddine Chouaib Belkhiat, Kevin Guelton, Dalel Jabri, Noureddine Manamanni, Sinuhé Martinez, Nadhir Messai, Vincent Cocquempot, Assia Hakem, Komi Midzodzi Pekpe, Talel Zouari, Michael Defoort, Mohammed Djemai et Jan Van Gorp
6.1. Introduction116
6.2. Détection de défauts pour une classe de systèmes à commutations117
6.2.1. Introduction117
6.2.2. Structure du générateur des résidus et synthèse de l'observateur118
6.2.3. Simulation et résultats121
6.2.4. Conclusions122
6.3. Méthode analytique d'obtention d'un multi-modèle123
6.3.1. Introduction123
6.3.2. Position du problème124
6.3.3. Transformation sous forme multi-modèle125
6.3.4. Conclusion130
6.4. Détection de commutations et reconnaissance du mode de fonctionnement sans utilisation explicite des paramètres du modèle130
6.4.1. Introduction130
6.4.2. Diagnostic des SAC à modes linéaires130
6.4.3. Diagnostic des SAC à modes non linéaires incertains137
6.4.4. Conclusions141
6.5. Modélisation, observation et surveillance des SAC : application à un convertisseur multicellulaire142
6.5.1. Introduction142
6.5.2. Convertisseur multicellulaire à deux bras ou quatre quadrants142
6.5.3. Diagnostic de défaut du convertisseur quatre quadrants143
6.5.4. Benchmark expérimental pour validation149
6.6. Bibliographie150
Chapitre 7. Apprentissage multi-tâches pour le diagnostic d'un parc de machines155
Xiyan He, Gilles Mourot, Didier Maquin, José Ragot, Pierre Beauseroy, André Smolarz et Edith Grall-Maës
7.1. Introduction155
7.2. Apprentissage mono-tâche d'un classifieur SVM à une classe159
7.3. Apprentissage multi-tâches de classifieurs 1-SVM162
7.3.1. Formulation du problème163
7.3.2. Problème dual164
7.4. Résultats expérimentaux165
7.4.1. Exemple académique non linéaire166
7.4.2. Analyse d'images texturées167
7.5. Conclusion173
7.6. Bibliographie178
Chapitre 8. Projet Approdyn : approches de la fiabilité dynamique pour modéliser des systèmes critiques181
Jean-François Aubry, Genia Babykina, Nicolae Brinzei, Slimane Medjaher, Anne Barros, Christophe Berenguer, Antoine Grall, Yves Langeron, Danh Ngoc Nguyen, Gilles Deleuze, Benoîte de Saporta, François Dufour et Huilong Zhang
8.1. Contexte et objectifs181
8.1.1. Contexte181
8.1.2. Objectifs182
8.2. Présentation rapide du cas test183
8.2.1. Généralités183
8.2.2. Description fonctionnelle183
8.2.3. Modélisation du procédé185
8.2.4. Modélisation de la logique de commande185
8.2.5. Données de fiabilité et graphes d'états186
8.2.6. Vieillissement187
8.2.7. Capteurs187
8.3. Modélisation par automates stochastiques hybrides187
8.3.1. Qu'est-ce qu'un automate stochastique hybride ?188
8.3.3. Approche par structuration et synchronisation de manière générique191
8.3.4. Modélisation du cas-test191
8.3.5. Résultats qualitatifs et quantitatifs194
8.3.6. Conclusion et perspectives pour l'approche ASH197
8.4. Modélisation par processus markoviens déterministes par morceaux197
8.4.1. Principes et références197
8.4.2. Qu'est-ce qu'un processus markovien déterministe par morceaux ?199
8.4.3. Modélisation du cas-test200
8.4.4. Modélisation du VVP203
8.4.5. Modélisation des CEX204
8.4.6. Résultats qualitatifs et quantitatifs204
8.4.7. Conclusion et perspectives pour l'approche par PMDPM et simulation207
8.5. Modélisation par réseaux de Petri Stochastiques208
8.5.1. Principes et références208
8.5.2. Qu'est-ce qu'un réseau de Petri stochastique RdPS ?209
8.5.3. Modélisation du cas-test210
8.5.4. Résultats qualitatifs et quantitatifs214
8.5.5. Conclusions et perspectives pour l'approche RdPS218
8.6. Bilan des travaux effectués et perspectives219
8.7. Bibliographie220
Troisième partie. Caractérisation de bruit de fond et identification de signatures caractéristiques dans le cas d'essais, détection de bruits dans les mesures au sein des réacteurs223
Chapitre 9. Objectif, contexte et type des signaux étudiés225
François Baque, Olivier Descombin, Olivier Gastaldi et Yves Vandenboomgaerde
Chapitre 10. Détection/classification d'injections d'argon ou d'eau dans le sodium de l'un des GV du réacteur à neutrons rapides233
Pierre Beauseroy, Edith Grall-Maës et Igor Nikiforov
10.1. Contexte et objectif233
10.2. Les données234
10.3. Détection-localisation en-ligne (séquentielle)235
10.3.1. Formulation du problème pratique236
10.3.2. Formulation du problème statistique237
10.3.3. Approche non récursive238
10.3.4. Approche récursive241
10.3.5. Algorithme pratique242
10.3.6. Résultats expérimentaux243
10.4. Classification hors-ligne (non séquentielle)244
10.4.1. Caractérisation et approche retenue244
10.4.2. Caractérisation initiale244
10.4.3. Attributs discriminants247
10.4.4. Classification248
10.4.5. Evaluation des performances250
10.4.6. Résultats expérimentaux250
10.5. Conclusion251
10.6. Bibliographie252
Chapitre 11. Approche à base d'apprentissage dynamique pour la surveillance et le suivi de fonctionnement du générateur de vapeur des réacteurs à neutrons rapides Prototype Fast Reactors255
Laurent Hartert, Danielle Nuzillard et Moamar Sayed-Mouchaweh
11.1. Introduction256
11.2. Méthode proposée pour la surveillance et le suivi de fonctionnement du générateur de vapeur258
11.2.1. Apprentissage et classification258
11.2.2. Détection de l'évolution d'une classe260
11.2.3. Adaptation d'une classe après validation de son évolution et création d'une nouvelle classe261
11.2.4. Validation des classes262
11.2.5. Définition des paramètres de la méthode KPPVFD-SS263
11.3. Résultats obtenus265
11.3.1. Analyse des données265
11.3.3. Définition d'un automate pour améliorer le taux de classification269
11.4. Conclusion et perspectives271
11.5. Bibliographie271
Chapitre 12. Classification temps-fréquence par SVM pour la détection d'états d'injection273
Simon Henrot, El-Hadi Djermoune et David Brie
12.1. Introduction273
12.2. Etude préliminaire des données274
12.2.1. Démarche274
12.2.2. Analyse spectrale des données274
12.2.3. Visualisation des classes277
12.2.4. Conclusion de l'étude préliminaire277
12.3. Algorithme de détection278
12.3.1. Implantation des machines à vecteurs de support (SVM)279
12.3.2. Calibration de l'algorithme281
12.4. Rôle des capteurs285
12.5. Résultats expérimentaux285
12.6. Bibliographie288
Chapitre 13. Approches fréquentielles et temporelles pour la caractérisation des états d'injection289
Jean-Philippe Cassar et Komi Midzodzi Pekpe
13.1. Introduction289
13.1.1. Cadre de l'étude289
13.1.2. Traitement des enregistrements fournis290
13.1.3. Détermination des zones d'injection290
13.1.4. Extraction de zones « hors injection »290
13.2. Analyse des propriétés statistiques des densités spectrales de puissance291
13.2.1. Méthodologie291
13.2.2. Résultats292
13.2.3. Exploration de la mise oeuvre sur une nouvelle installation296
13.3. Analyse des caractéristiques de filtrage299
13.3.1. Estimation des caractéristiques de filtrage par un modèle AR299
13.3.2. Comparaison des caractéristiques de filtrage300
13.3.3. Algorithme de détection des fuites303
13.3.4. Conclusion sur l'approche fondée sur une modélisation AR des signaux304
13.4. Conclusion sur les approches fréquentielles et temporelles304
13.5. Bibliographie305
Quatrième partie. Facteurs humains, organisationnels et environnementaux dans l'analyse des risques307
Chapitre 14. Maîtrise et analyse des risques des systèmes intégrant les domaines techniques, humains, organisationnels et environnementaux309
Geoffrey Fallet-Fidry, Carole Duval, Christophe Simon, Eric Levrat, Philippe Weber et Benoît Iung
14.1. Objectifs du projet309
14.2. Etat de l'art310
14.2.1. Contexte de l'étude310
14.2.2. Vers une approche « intégrée » des risques : la mise en commun de plusieurs disciplines métiers312
14.3. L'analyse intégrée des risques (AiDR)315
14.3.1. Concepts315
14.3.2. Description de l'approche316
14.4. La prise en compte de l'incertitude dans les analyses de risques320
14.4.1. Les différentes natures et sources d'incertitude320
14.4.2. Les cadres de modélisation de l'incertitude322
14.5. Modélisation du risque pour une estimation quantitative du risque327
14.5.1. Modèle de risque pour une estimation quantitative du risque : le choix des réseaux bayésiens327
14.5.2. Une évaluation des risques au-delà du cadre probabiliste328
14.6. Conclusions et perspectives329
14.7. Bibliographie330
Chapitre 15. Intégration des facteurs humains organisationnels dans le modèle BCD pour l'analyse des risques : une approche à base de diagrammes d'influence335
Karima Sedki, Philippe Polet et Frédéric Vanderhaegen
15.1. Introduction335
15.2. Introduction à l'approche BCD (Bénéfice, coût et déficit)337
15.3. Modèle d'analyse des actions humaines342
15.3.1. Prise en compte des facteurs organisationnels et humains343
15.3.2. Diagrammes d'influence344
15.3.3. Structure et paramètres associés au modèle d'analyse des risques345
15.4. Exemple d'application347
15.4.1. Description du cas d'étude : rotative industrielle347
15.4.2. Présentation du modèle pour le cas d'étude348
15.5. Conclusion352
15.6. Remerciements357
15.7. Bibliographie357
Conclusion361
Jean Arlat et Nada Matta
Index371