Contenu

Surveillance des systèmes

La conception d'algorithmes de surveillance nécessite la maîtrise de deux exigences essentielles contradictoires qui sont, d'une part, une sensibilité suffisante aux défaillances que l'on veut détecter et localiser et, d'autre part, une insensibilité suffisante aux paramètres de nuisance : perturbations, erreurs et incertitudes. Associées à ces algorithmes, des techniques de tolérance aux fautes et de reconfiguration doivent garantir le fonctionnement sûr en présence d’une défaillance, qu’elle soit permanente ou transitoire. Les points de vue adoptés pour la conception de fonctions de surveillance sont multiples. Ils dépendent largement des communautés scientifiques dont ils émanent, ainsi que de la nature de la connaissance disponible sur le système. En particulier, les méthodes paramétriques supposent connu un modèle décrivant le comportement du système. Les méthodes non paramétriques utilisent un niveau de connaissance minimal constitué d’un historique de mesures. Des algorithmes de surveillance répondant à l’une ou l’autre de ces exigences sont conçus au LM2S. On considère dans chacun des cas les méthodes hors-ligne et en-ligne. On s’intéresse enfin aux méthodes décisionnelles décentralisées, où la fonction de surveillance est distribuée sur un réseau de capteurs par exemple. Les thèmes de recherche structurant suivants décrivent plus précisément les axes de travail du laboratoire.

 

tgv2
Approches probabilistes pour la surveillance et le diagnostic

Dans le cadre de l’approche paramétrique de la décision statistique, on suppose disposer d’un modèle décrivant le comportement du système. Celui-ci est accompagné de critères liés à la formalisation mathématique du problème de décision, par exemple la probabilité de fausse détection vis-à-vis de la probabilité de non détection, le retard à la détection vis-à-vis du taux de fausses alarmes, etc.

En savoir plus

 

Apprentissage et reconnaissance des formes et des situations
cyclone

Pour certaines applications, on ne dispose que d’un niveau de connaissance minimal du système où les modes de fonctionnement sont décrits, non pas par un modèle, mais par des données expérimentales généralement entachées d’incertitudes. Il s’agit alors d’apprendre la fonction de décision à partir de ces informations. Les outils utilisés pour la résolution de ce problème dépendent de la nature des données, et émanent de thématiques scientifiques aussi diverses que les statistiques et l’intelligence artificielle. Si les efforts du laboratoire LM2S se concentrent essentiellement sur les méthodes stochastiques, qui constituent son cœur de métier, il lance également quelques investigations en IA afin d’élargir ses compétences.

En savoir plus

 

Méthodes de surveillance distribuées
avion

Dans un réseau de capteurs, la détection automatique d'un événement ou d'un incident repose sur le caractère coopératif des capteurs constituant le réseau pour une prise de décision plus sûre. Les contraintes à respecter lors de la conception de réseaux de capteurs sont récurrentes : un faible encombrement, une alimentation autonome de longue durée, une stratégie de traitement du signal et de décision distribuée et coopérative, et un mode de communication efficace et robuste. Une très faible consommation est indispensable afin qu'une longue autonomie énergétique puisse être obtenue avec des batteries de petites dimensions. Dans le cas contraire, le remplacement fréquent de ces batteries entraînerait une maintenance contraignante et coûteuse. Dans ce contexte, où chaque capteur ne peut intégrer qu'une unité de traitement de l'information locale et sous-dimensionnée, une stratégie de traitement du signal et de prise de décision distribuée et reposant sur la collaboration de l'ensemble des capteurs s'avère primordiale. Dans le cadre de ce projet, nous reconsidérons deux familles de méthodes de détection non linéaires ayant fait preuve de leur efficacité pour la résolution de problèmes décisionnels classiques : le filtrage bayésien séquentiel et les méthodes à noyau. Il s'agit de conférer un caractère décentralisé et coopératif à ces techniques.

En savoir plus