Auswahl der wissenschaftlichen Literatur zum Thema „Surveillance multicapteurs“

Cette etude concerne la trajectographie de sources sous-marines grace a l'association d'influences multiples. Nous focalisons d'une part sur la contribution magnetostatique des sources, par mesure du champ et par mesure de ses gradients spatiaux, et nous etablissons les performances du filtre adapte multidimensionnel puis celles d'une approche par maximum de vraisemblance. Les associations proposees s'appuient par ailleurs sur l'exploitation d'indiscretions acoustiques a bande etroite et du phenomene doppler engendre par le deplacement relatif de la source et des capteurs. Trois types d'association exploitant un ou deux sites d'observation sont detaillees. Dans chaque cas, on etudie l'observabilite et les bornes de cramer rao des estimateurs sans biais. Des estimateurs de kalman etendu et du maximum de vraisemblance sont decrits et sont compares dans le cas de signaux synthetiques. Enfin, une experimentation terrestre a echelle reduite illustre le fonctionnement des differents estimateurs dans le cas de signaux reels.

L'usure excessive des outils de poinçonnage constitue une des plus importantes causes de dysfonctionnement de presse parmi d'autres, tels que le bris d'outil, la remontée des pastilles découpées, le défaut d'avance bande, etc ces problèmes entraine des conséquences graves sur la qualité des pièces découpées et sur la productivité. Il est donc nécessaire d'introduire des systèmes de surveillance permettant de détecter en temps réel de telles anomalies du processus afin d'améliorer la productivité et la qualité des produits en poinçonnage. Les signaux générés par l'opération de poinçonnage comme bruit audible, effort, émission acoustique, accélération, etc. , sont des effets physiques du processus de poinçonnage. Les anomalies du processus, lorsqu'elles entrainent des variations des signaux cités plus haut, peuvent être mesurées à l'aide de capteurs. Leurs identifications par observations numériques peuvent nous fournir des informations sur le processus de poinçonnage afin de le surveiller et de l'analyser. Cette étude a pour objectif de définir les spécifications d'un système expert capable d'assurer, à l'aide d'informations fournies par une acquisition multicapteurs, un suivi de l'usure et une détection des anomalies du processus. La méthodologie développée dans cette étude concerne l'acquisition des signaux issus de multicapteurs, l'analyse et l'interprétation de ces signaux à l'aide de plusieurs techniques de traitement du signal afin d'extraire les caractéristiques sensibles à l'usure d'outil, l'estimation de l'usure par un modèle adimensionnel, et enfin une décision à prendre sur l'état d'usure et l'alarme pour le changement de l'outil. Cette méthodologie doit être intégrée dans un système expert afin de développer un système de surveillance du poinçonnage efficace, fiable et convivial

Au sein du processus d'établissement d'une piste système, quatre fonctions sont identifiées : l'association plots-plots, l'association plots-pistes, l'extraction des caractéristiques cinématiques à partir des pistes (fusion cinématique), et l'identification des cibles à partir de données qualitatives. Pour les deux premières, l'évaluation analytique de la probabilité de bonne association permet de conditionner les problèmes. L'identification des cibles est proposée à travers la théorie de l'évidence. La fusion cinématique est traitée dans le cadre particulier d'un problème de trajectographie passive. En l'absence de manoeurvre significative du porteur, l'estimation de la distance à une cible en MRU est médiocre. L'apport d'informations a priori sur la vitesse ou la position de la cible via des algorithmes MCMC améliore considérablement la qualité d'estimation donnée par des intervalles HPD. *

La présente thèse porte sur la surveillance et l'évaluation de la qualité d'un cours d'eau qui alimente un réseau d'eau potable. Les données brutes recueillies à partir d'une installation multi-capteurs, sont transformées en information fusionnée. Cette fusion permet de qualifier les pollutions après avoir relevé les réponses de chaque capteur. Ceci se fait après avoir testé différentes pollutions en circuit confiné, en utilisant en partie, la méthode des plans d'expériences. Sur la base de ces états appelés " masques de pollutions ", l'aide multicritère à la décision permet de quantifier le degré de gravité de ces pollutions. L'information ainsi produite, définit le degré de pollution, permet une aide à la décision pour éviter la contamination du réseau d'eau potable, garantissant une action, selon une échelle d'alerte, qui décidera de l'arrêt du pompage par exemple
The present thesis investigates the monitoring and the evaluation of the quality of a river which supplies a drinking water network. The raw data collected from a multi-sensors installation, are transformed into data fusion information. This fusion makes it possible to qualify pollutions after having taken down the answers of each sensor. This is done after having tested various pollutions in confined circuit, while using partly, the method of the experimental plans. On the basis of these states called "masks of pollution", the multi-criterion assistance for the decision makes it possible to quantify the degree of seriousness of these pollutions. Information thus produced, defines the degree of pollution, allows a decision aid to avoid the contamination of the drinking water network, guaranteeing an action, according to a level of alarm, which will decide to stop the water pumping for example

La décennie en cours a marqué l’arrivée irrésistible et irréversible des systèmes GNSS dans la société en le rendant accessibles à tous et indispensable à de nombreuses utilisateurs. L’amélioration des performances et de la fiabilité des systèmes GNSS est parmi les facteurs qui concourent au développement exponentiel du champ des applications et de services GNSS. Cette amélioration repose sur l’utilisation des méthodes d’estimation de la géo-position qui assure un niveau d’intégrité très élevé. Pour cela, ces méthodes doivent intégrer une couche de surveillance d’intégrité bien élaborée. Dans ce travail, nous proposons des approches de contrôle et de surveillance d’intégrité d’une estimation d’une géo-position avec des mesures GNSS. Nous avons fait le choix de développer des approches basées sur un formalisme informationnel : filtre informationnel d’une part, et outils de la théorie de l’information d’autre part. Des résidus basés sur l’information mutuelle sont développés. Avec un seuillage adéquate, ces résidus permettent de détecter et d’exclure des mesures GNSS erronées. Dans ce contexte, d’autres idées ont été également mises à profit afin de robustifier les méthodes développées comme la projection des observations GNSS dans l’espace informationnel ainsi que des fonctions d’optimisation de la prédiction d’un filtre.Les méthodes proposées sont testées et validées avec des données réelles acquises avec un véhicule expérimental équipé de plusieurs systèmes GNSS ouverts
The current decade has marked the irresistible and irreversible arrival of the GNSS systems in society by making it accessible and essential to many users. Improved performance and reliability of GNSS systems is among the factors that contribute to the exponential development of the field of GNSS applications and services. This improvement is based on the use of estimation methods of geo-positioning which ensures a very high level of integrity. For this, these methods must incorporate a layer of well-developed autonomous integrity monitoring. In this work, we propose approaches for autonomous integrity monitoring of position estimation using GNSS measurements. We have chosen to develop approaches based on an informational formalism: Informational filter on the one hand and tools of the information theory of the other. Residuals based on mutual information are developed. With an appropriate thresholding, these residuals can detect and exclude GNSS erroneous measurements. In this context, other ideas were also developed in order to robustify the developed methods as the projection of GNSS observations in the information space and the development of optimization function in order to ameliorate the prediction of a filter. The proposed methods are tested and validated with real data acquired with an experimental vehicle with several open GNSS systems

Ce mémoire présente une méthode de fusion des données du trafic permettant à la fois la surveillance de la circulation en milieu urbain et la diffusion des états de trafic aux automobilistes en temps réel. Après une introduction présentant le contexte général de cette thèse, un état de l'art des systèmes actuels de mesure du trafic et des différents moyens d'information du conducteur est dressé. Cette partie se termine par la description du système informatique de fusion de données dans la suite du document. La partie suivante propose l'étude et l'évaluation d'une procédure de filtrage qui remédie aux pannes, souvent importantes, des postes de mesure. La procédure mise en œuvre permet de tester la fiabilité des mesures réelles grâce à l'utilisation d'estimateurs basés soit sur un modèle théorique de trafic, soit sur une analyse temporelle ou spatiale. La quatrième partie de ce mémoire, la plus conséquente, s'intéresse à l'étude d'un modèle prévisionnel des variables du trafic. Après une revue des méthodes existantes, une approche innovante est envisagée. Celle-ci s'appuie sur la théorie des réseaux de neurones artificiels (RN). Un algorithme d'apprentissage basé sur la technique de la rétropropagation du gradient, pouvant aussi bien calibrer des réseaux à couches directes que récurrentes a été implémenté. Cette méthode offre la possibilité de prédire le trafic dans le futur proche c'est-à-dire sur plusieurs périodes. Elle permet aussi d'ajuster les RN, pour une utilisation en temps réel, en fonction des situations réellement observées. Dans cette partie, on a évalué les performances de différentes structures neuronales capables de modéliser les phénomènes complexes du trafic sur des jeux de données réelles. Les expériences menées conduisent à des meilleurs résultats que ceux obtenus à partir de prédicteurs classiques (ARIMA). La cinquième partie de cette thèse propose un modèle d'estimation d'indicateurs du trafic non observables ; les temps de parcours et le niveau de circulation pour des trajets. La méthode retenue est basée sur un modèle déterministe qui intègre à la fois des mesures du trafic en certains points du réseau routier et les informations relatives aux feux tricolores. Enfin, la dernière partie s'intéresse à l'évaluation complète du système (filtrage, estimation et prédiction) de fusion de données sur des sites d'exploitations réels.

Les systèmes multicapteurs de gaz intelligents connaissent actuellement un développement accru pour de nombreux domaines d'application. Inscrite dans le large domaine de la lutte contre la pollution atmosphérique, notre étude a pour but principal la détection de deux gaz polluants antagonistes le sulfure d'hydrogène H2S, réducteur, et le dioxyde d'azote, NO2, oxydant. Après avoir situé ce sujet dans le cadre de la pollution atmosphérique, puis présenté le principe des nez électroniques, nous justifions notre choix d'une matrice de capteurs à base d'oxyde métallique, et mettons en évidence les avantages et inconvénients de ces capteurs. L'inconvénient majeur est leur sensibilité croisée, qui peut devenir un avantage par l'utilisation de méthodes de reconnaissance de formes. Les deux gaz sont étudiés seuls ou en mélange, successivement dans trois atmosphères, de plus en plus complexes. Les concentrations étudiées correspondent à une pollution industrielle près d'une source émissive. De chaque réponse des capteurs obtenue lors de la procédure systématique de caractérisation, nous avons extrait trois variables représentatives communes à toutes les mesures et une quatrième correspondant à un "pic" négatif spécifique de la réponse de tous les capteurs à H2S, non utilisé dans l'analyse de données, car il n'apparaît pas toujours dans les mélanges. Nous avons construit une base de données d'apprentissage de notre système (environ 1000 mesures) étudiée à l'aide de l'analyse factorielle discriminante, méthode multidimensionnelle supervisée. Nous obtenons identification et quantification des atmosphères gazeuses, en procédant par étapes qui tiennent compte notamment des atmosphères de références. Une identification rapide est obtenue avec deux variables représentatives, valable pour la détection d'un seuil. Grâce aux règles de décision fiables obtenues, nous proposons une méthode d'indentification d'atmosphères inconnues directement exploitable par des utilisateurs

Cette thèse apporte deux contributions principales, l'une à la construction de fonctions de croyance et l'autre au problème de détection de nouveauté. La première partie de la thèse résume les principales notions de la théorie des fonctions de croyance (Fe) avant d'introduire les contributions associées. Le problème considéré est celui dans lequel la variable d'intérêt est définie comme le résultat dune expérience aléatoire. Deux techniques basées sur des observations passées, et permettant de prédire quelle sera la prochaine observation, sont introduites. La seconde partie de la thèse établit un état de l'art de la classification à une classe avant de montrer quels peuvent être les apports de la théorie des FC dans ce domaine, notamment pour la comparaison ou la combinaison des sorties de différents classifieurs. Une application à la surveillance d'un procédé d'incinération de déchets est présentée en troisième partie de la thèse. Les résultats obtenus sont détaillés et critiqués
Abstract the main two contributions of this PhD Thesis are related with the belief function theory and the problem of novelty detection. The thesis is divided into three parts. The first introduces the main notions pertaining to the belief function theory before describing the associated contributions. The special case considered here is that where the variable of interest is defined from the result of a random experiment. Based on past observations, we introduce two different approaches to predict what the next observation will be. In the second part, the state of the art on the one-class classification problem is summarized before the benefits of the use of belief functions in this domain are shown. Indeed, this theory can be used together with novelty detectors so that the outputs of different classifiers are all expressed in the form of belief functions. The latter can then be compared or combined. Finally, an application to the monitoring of waste incineration plants is detailed