École Doctorale | Environnement et société
Attualità
École Doctorale  |
Attualità

Soutenance de thèse: Samuel TOMA (8 septembre 2014)

Discipline et mention: Informatique


Méthodologie de détection et d'identification des défauts multiples dans les systèmes complexes à partir d'évènements discrets et de réseaux de neurones : Applications aux aérogénérateurs

Résumé vulgarisé

La modélisation et la simulation est une discipline de plus en plus utilisée dans le domaine de l’informatique pour diagnostiquer des pannes dans des systèmes complexe. La modélisation à événements discrets considère un système comme une boite noire qui possède des entrées et des sorties et qui réagit à des évènements provenant de son environnement. Généralement cette boite noire est décrite à l’aide d’un formalisme mathématique. La simulation d’un tel modèle (boite noire) permet d’obtenir un comportement (des sorties) dans des conditions d’expérimentation correctement définit (des entrées). Lorsque le système n’est pas modélisable de manière mathématique, les chercheurs ont recours à l’utilisation de réseaux de neurones artificiels. Cette technique permet de faire apprendre un système à partir des données d’entrée et de sortie obtenues au cours d’expériences déjà réalisées sur le système réel. Lorsque le système a passé cette phase d’apprentissage il est capable de générer des sorties en fonction d’entrée connues et même d’estimer des sorties en fonction d’entrée inconnues (ne faisant pas partie de son apprentissage). L’utilisation d’un réseau de neurones artificiels passe par une configuration faisant intervenir un certain nombre de paramètres. A l’heure actuelle, il n’existe aucune méthode standard pour calibrer ces paramètres et la configuration d’un réseau de neurones artificiels est réalisée avec plusieurs tests correspondant à différentes valeurs des paramètres jusqu'à l’obtention de résultats « optimum ». Afin faciliter cette configuration, il faudrait exécuter de manière interactive et concurrente plusieurs configurations du réseau de neurones artificiels. La simulation comparative et concurrente est une technique qui permet de réaliser cette opération. Les travaux présentés dans cette thèse montrent comment il est possible d’effectuer le diagnostic d’un système à l’aide de réseaux de neurones artificiels modélisés avec un formalisme à évènements discrets et configurés grâce à la simulation comparative et concurrente. La simulation comparative et concurrent et réaliser d’une manière générique qui permet l’utilisation de différents simulateur DEVS. Cette étude a été réalisée avec un logiciel nommé DEVSimPy qui a permit d’obtenir d’excellent résultats présentés au cours de conférences internationales. Le système choisi pour cette étude est un prototype de moteur éolien sur lequel nous avons cherché à diagnostiquer des pannes électriques. En effet, bien que ce genre de moteur soit reconnu comme étant robuste, il existe un enjeu important à réaliser un diagnostique lorsque l’on connait le coût de maintenance de ce type de moteur suspendue à plus de 60 mètres sur une éolienne. Un prototype qui consiste à utiliser un système embarqué pour implanter le réseau de neurones est en court d’élaboration et pourra être connecté au moteur dans la nacelle d’une éolienne.  

En savoir plus

Moungar David | Mise à jour le 25/07/2014