Dissertations / Theses on the topic 'Pronostic de durée de vie résiduelle'

La mise en place d’une politique de maintenance prévisionnelle est un défi majeur dans l’industrie qui tente de réduire le plus possible les frais relatifs à la maintenance. En effet, les systèmes sont de plus en plus complexes et demandent un suivi de plus en plus poussé afin de rester opérationnels et sécurisés. Une maintenance prévisionnelle nécessite d’une part d’évaluer l’état de dégradation des composants du système, et d’autre part de pronostiquer l’apparition future d’une panne. Plus précisément, il s’agit d’estimer le temps restant avant l’arrivée d’une défaillance, aussi appelé Remaining Useful Life ou RUL en anglais. L’estimation d’une RUL constitue un réel enjeu car la pertinence et l’efficacité des actions de maintenance dépendent de la justesse et de la précision des résultats obtenus. Il existe de nombreuses méthodes permettant de réaliser un pronostic de durée de vie résiduelle, chacune avec ses spécificités, ses avantages et ses inconvénients. Les travaux présentés dans ce manuscrit s’intéressent à une méthodologie générale pour estimer la RUL d’un composant. L’objectif est de proposer une méthode applicable à un grand nombre de cas et de situations différentes sans nécessiter de modification majeure. De plus, nous cherchons aussi à traiter plusieurs types d’incertitudes afin d’améliorer la justesse des résultats de pronostic. Au final, la méthodologie développée constitue une aide à la décision pour la planification des opérations de maintenance. La RUL estimée permet de décider de l’instant optimal des interventions nécessaires, et le traitement des incertitudes apporte un niveau de confiance supplémentaire dans les valeurs obtenues
Predictive maintenance strategies can help reduce the ever-growing maintenance costs, but their implementation represents a major challenge. Indeed, it requires to evaluate the health state of the component of the system and to prognosticate the occurrence of a future failure. This second step consists in estimating the remaining useful life (RUL) of the components, in Other words, the time they will continue functioning properly. This RUL estimation holds a high stake because the precision and accuracy of the results will influence the relevance and effectiveness of the maintenance operations. Many methods have been developed to prognosticate the remaining useful life of a component. Each one has its own particularities, advantages and drawbacks. The present work proposes a general methodology for component RUL estimation. The objective i to develop a method that can be applied to many different cases and situations and does not require big modifications. Moreover, several types of uncertainties are being dealt With in order to improve the accuracy of the prognostic. The proposed methodology can help in the maintenance decision making process. Indeed, it is possible to select the optimal moment for a required intervention thanks to the estimated RUL. Furthermore, dealing With the uncertainties provides additional confidence into the prognostic results

Cette thèse contribue au développement des recherches dans le domaine du Pronostic et Health Management : gestion de l’état de santé des systèmes complexes. Dans un contexte de management opérationnel et de sûreté de fonctionnement des systèmes, nous proposons d’étudier comment la modélisation par un Modèle Graphique Probabiliste Dynamique (MGPD) permet le diagnostic de l’état de santé courant d’un système, le pronostic de cet état et de l’évolution des dégradations, ainsi que l’estimation de sa durée de vie résiduelle en fonction de ses conditions opérationnelles. La dégradation des composants est en général inconnue et nécessite un arrêt du système pour être observée. Cependant, cela est difficile, voire impossible, durant l’exploitation du système. Néanmoins, un ensemble de grandeurs observables sur le système ou le composant peut caractériser le niveau de dégradation et faciliter l’estimation de la durée de vie résiduelle du composant et du système. Les MGPD offrent une approche adaptée à la modélisation de l’évolution de l’état de santé des systèmes et des composants. Nous étendons la modélisation classique des modèles de la famille des HMM vers les IOHMM pour permettre une propagation temporelle de l’incertitude afin de résoudre le problème de pronostic de l’état de santé et de l’estimation de la durée de vie résiduelle. Cette recherche comprend l’extension des algorithmes d’apprentissage et d’inférence appliqués aussi bien dans le cas d’un composant que pour un système structuré. Cette thèse a pour but de contribuer à lever les verrous scientifiques suivants : - Considérer l'état de santé du système par un modèle stochastique et apprendre les paramètres du modèle à partir des mesures disponibles sur le système. - Établir un diagnostic de l’état de santé du système et le pronostic de son évolution en intégrant plusieurs conditions opérationnelles. - Estimer la durée de vie résiduelle des composants et des systèmes structurés (série, parallèle) à partir de ses composants. L’enjeu est majeur, car le pronostic de la dégradation des composants du système permet de définir des stratégies soit de pilotage soit de maintenance par rapport à la durée de vie résiduelle du système. Cela permet la réduction de la probabilité d’occurrence d’un arrêt pour cause de dysfonctionnement du système, soit en ajustant la vitesse de dégradation pour s’accorder à un plan de maintenance préventif, soit en planifiant les interventions de maintenance de manière proactive
This thesis contributes to prognosis and health management for assessing health condition of complex systems. In the context of operational management and operational safety of systems, we propose to investigate how Dynamic Probabilistic Graphical Modelling (DPGM) can be used to diagnose the current health state of systems, prognostic the future health state, and the evolution of degradation, as well as estimate its remaining useful life based on its operating conditions. System degradation is generally unknown and requires shutting down the system to be observed. However, this is difficult or even impossible during system operation. Though, a set of observable quantities on a system or component can characterise the level of degradation and help to estimate the remaining useful life of components and systems. The DPGM provides an approach suitable for modelling the evolution of the health state of systems and components. The aim of this thesis is to transpose and capitalize on the experience of these previous works in a prognostic context on the basis of a more efficient DPGM taking into account the available knowledge on the system. We extend the classical HMM family models to the IOHMM to allow the time propagation of uncertainty to address prognostic problems. This research includes the extension of learning and inference algorithms. Variants of the HMM model are proposed to incorporate the operating environment into the prognosis. The aim of this thesis is to contribute to solving the following scientific locks: - Considering the state of health whatever the complexity of the system by a stochastic model and learning the model parameters from the available measurements on the system. - Establish a diagnosis of the state of health of the system and the prognosis of its evolution by integrating several operational conditions. - Estimate the remaining useful life of components and structured systems with series and parallel components. This is a major challenge because the prognosis of the degradation of system components makes it possible to define strategies for either control or maintenance in relation to the residual life of the system. This allows the reduction of the probability of occurrence of a shutdown due to a system malfunction either by adjusting the degradation speed to fit in with a preventive maintenance plan or by proactively planning maintenance interventions

Ce travail de recherche consiste en la proposition d’une nouvelle approche de caractérisation non destructive de l’endommagement des matériaux composites (carbone/époxy) sollicités en fatigue par des essais d’auto-échauffement (blocs de chargements croissants). Cette approche est basée sur l’utilisation de plusieurs techniques non destructives appliquées in-situ, en temps réel ou différé, dont l’analyse est, soit redondante soit complémentaire. Au total, six techniques ont été utilisées (émission acoustique, thermographie infrarouge, corrélation d’images numériques, acousto-ultrasons, ultrasons C-scan et ondes de Lamb) et leurs résultats post-traités puis fusionnés à l’aide d’algorithmes basés sur les réseaux de neurones. Les résultats obtenus ont permis d’évaluer et de localiser l’endommagement du matériau et d’estimer sa durée de vie résiduelle. Ce faisant, plusieurs avancés scientifiques ont été obtenus en réalisant, par exemple, une localisation 2D des évènements acoustiques à l’aide seulement de deux capteurs avec une précision millimétrique, ou encore le développement d’une nouvelle technique imagée d’acousto-ultrasons permettant un contrôle hors contraintes de l’état d’endommagement du matériau, …et enfin, le pronostic de la durée de vie résiduelle du matériau basé sur une fusion de données par réseaux de neurones
This research work consists in a new approach for non-destructive characterisation of damage in composite materials (carbon/epoxy) subjected to fatigue during self-heating tests (increasing load blocks). This approach is based on the use of several non-destructive techniques applied in-situ, in real time or delayed, whose analysis is either redundant or complementary. Six techniques were used (acoustic emission, infrared thermography, digital image correlation, acousto-ultrasound, C-scan ultrasound and lamb waves) and their post-processed results were merged using algorithms based on neural networks. The results obtained made it possible to assess and locate the damage of the material and to estimate its residual life. In doing so, several scientific advances have been obtained by, for example, carrying out a 2D localization of acoustic events using only two sensors with millimetric precision, or the development of a new pictorial acousto-ultrasonic technique allowing an control of the state of material damage at free stress conditions, ... and finally, the prognosis of the residual lifetime of the material based on a data fusion by neural networks

Cette thèse porte sur le diagnostic et le pronostic pour l’aide à la maintenance de systèmes complexes. Elle présente deux approches de diagnostic/pronostic qui permettent de générer les indicateurs utiles pour l’optimisation de la stratégie de maintenance. Plus précisément, ces approches permettent d’évaluer l’état de santé et de prédire la durée de vie résiduelle du système. Les approches présentées visent en particulier à pallier le problème d’absence d’indicateurs de dégradation. Les développements sont fondés sur l’utilisation d’observateurs, de formalisme de Modèle de Markov Caché, des méthodes d’inférences statistiques et des méthodes de prédiction de séries temporelles à base d’apprentissage afin de caractériser et prédire les modes de fonctionnement du système. Les deux approches sont illustrées sur des exemples de dégradation d’un système de régulation de niveau d’eau, d’une machine asynchrone et d’une batterie Li-Ion
The research presented in this thesis deals of diagnosis and prognosis of complex systems. It presents two approaches that generate useful indicators for optimizing maintenance strategies. Specifically, these approaches are used to assess the level of degradation and estimate the Remaining Useful Life of the system. The aim of these approaches is to overcome for the lack of degradation indicators. The developments are based on observers, Hidden Markov Model formalism, statistical inference methods and learning-based methods in order to characterize and predict the system operating modes. To illustrate the proposed failure diagnosis/prognosis approaches, a simulated tank level control system, an induction motor and a Li-Ion battery were used

La complexification des systèmes et la réduction du nombre de capteurs nécessitent l’élaboration de méthodes de surveillance de plus en plus efficaces. Le travail de cette thèse s’inscrit dans ce contexte et porte sur le diagnostic et le pronostic des Systèmes à Événements Discrets (SED) temporisés. Les réseaux de Petri stochastiques partiellement mesurés sont utilisés pour modéliser le système. Le modèle représente à la fois le comportement nominal et le comportement dysfonctionnel du système. Il permet aussi de représenter ses capteurs à travers une mesure partielle des transitions et des places. Notre contribution porte sur l’exploitation de l’information temporelle pour le diagnostic et le pronostic des SED. À partir d’une suite de mesures datées, les comportements du système qui expliqueraient ces mesures sont d’abord déterminés. La probabilité de ces comportements est ensuite évaluée pour fournir un diagnostic du système en termes de probabilité d’occurrence d’un défaut. Dans le cas où une faute est diagnostiquée, une approche permettant d’estimer la distribution de sa date d’occurrence est proposée. L’objectif est de donner plus de détails sur cette faute afin de mieux la caractériser. Par ailleurs, la probabilité des comportements compatibles est exploitée pour estimer l’état actuel du système. Il s’agit de déterminer les marquages compatibles avec les mesures ainsi que leurs probabilités associées. À partir de cette estimation d’état, la prise en considération des évolutions possibles du système permet d’envisager la prédiction de la faute avant son occurrence. Une estimation de la probabilité d’occurrence de la faute sur un horizon de temps futur est ainsi obtenue. Celle-ci est ensuite étendue à l’évaluation de la durée de vie résiduelle du système. Enfin, une application des différentes approches développées sur un cas d’un système de tri est proposée
Due to the increasing complexity of systems and to the limitation of sensors number, developing monitoring methods is a main issue. This PhD thesis deals with the fault diagnosis and prognosis of timed Discrete Event Systems (DES). For that purpose, partially observed stochastic Petri nets are used to model the system. The model represents both the nominal and faulty behaviors of the system and characterizes the uncertainty on the occurrence of events as random variables with exponential distributions. It also considers partial measurements of both markings and events to represent the sensors of the system. Our main contribution is to exploit the timed information, namely the dates of the measurements for the fault diagnosis and prognosis of DES. From the proposed model and collected measurements, the behaviors of the system that are consistent with those measurements are obtained. Based on the event dates, our approach consists in evaluating the probabilities of the consistent behaviors. The probability of faults occurrences is obtained as a consequence. When a fault is detected, a method to estimate its occurrence date is proposed. From the probability of the consistent trajectories, a state estimation is deduced. The future possible behaviors of the system, from the current state, are considered in order to achieve fault prediction. This prognosis result is extended to estimate the remaining useful life as a time interval. Finally, a case study representing a sorting system is proposed to show the applicability of the developed methods

Aujourd'hui, la maîtrise de l'énergie est la question prépondérante pour la croissance économique des entreprises industrielles. En effet, l’énergie est une ressource qui se raréfie et qui devient de plus en plus coûteuse. L’optimisation énergétique est donc un défi majeur que doit relever les entreprises et principalement celles manufacturières pour supporter les exigences du développement durable. Cette optimisation est à construire prioritairement par une amélioration de l’efficacité énergétique (EE), c'est-à-dire réduire la quantité d'énergie requise pour produire des produits et des services. En regard de ce défi énergétique, l’objectif de cette thèse est d’investiguer la considération de l’efficacité énergétique et de sa prévision comme un nouvel indicateur pertinent dans la prise de décision en maintenance. En ce sens, nous proposons tout d'abord un concept de l’efficacité énergétique, appelé EEI (EE indicator), applicable aux différents niveaux d’abstraction d’un système industriel. Nous définissons ensuite une formulation générique permettant d’évaluer l'EEI (et son évolution) en prenant en compte les facteurs d’influence statiques et dynamiques. Cela nous amène à fonder un concept de performance d’efficacité énergétique, appelé REEL (Remaining Energy-Efficient Lifetime), représentant la durée de vie énergétique résiduelle. Pour prédire l’évolution potentielle de l’EEI qui permettra de calculer la REEL, une approche générique basée sur des approches de pronostics existantes est également développée. Ensuite, nous investiguons l'utilisation d’EE dans la prise de décision en maintenance conditionnelle (Condition-Based Maintenance, CBM). Enfin, toutes ces contributions sont validées sur la plateforme laboratoire TELMA
Among sustainability consideration, energy is today the key for economic growth in industrial systems. Energy resources are however limited and becomes more and more expensive. The energy optimization of manufacturing systems must therefore be considered as a major challenge to be compliant with environmental impact and management of energy resources. This should be reflected primarily by using energy efficiency (EE) as main key lever to deploy sustainability to plants, i.e. reduce the amount of energy required to provide products and services. With regards to this EE context, the aim of this thesis is to investigate the problem of considering energy efficiency and its prediction as a new indicator in maintenance decision-making. In that way, we develop first a concept of energy efficiency, called EEI (energy efficiency indicator), applicable to the different levels of abstraction of an industrial system. Then, we propose a generic formulation to evaluate the EEI (and its evolution) taking into account static and dynamic factors of influence. The temporal evolution of this indicator with respect to the degradation of the system is addressed in a predictive maintenance objective. It leads to found an energy efficiency performance concept called REEL (remaining energy-efficient lifetime), representing the residual energy lifetime. To predict the potential evolution of the IEE to calculate REEL, a generic approach based on existing predictive approaches is also developed. Next, we investigate the use of EE in CBM maintenance decision-making. Finally, all these contributions are validated on the TELMA platform

Aujourd'hui, la maîtrise de l'énergie est la question prépondérante pour la croissance économique des entreprises industrielles. En effet, l’énergie est une ressource qui se raréfie et qui devient de plus en plus coûteuse. L’optimisation énergétique est donc un défi majeur que doit relever les entreprises et principalement celles manufacturières pour supporter les exigences du développement durable. Cette optimisation est à construire prioritairement par une amélioration de l’efficacité énergétique (EE), c'est-à-dire réduire la quantité d'énergie requise pour produire des produits et des services. En regard de ce défi énergétique, l’objectif de cette thèse est d’investiguer la considération de l’efficacité énergétique et de sa prévision comme un nouvel indicateur pertinent dans la prise de décision en maintenance. En ce sens, nous proposons tout d'abord un concept de l’efficacité énergétique, appelé EEI (EE indicator), applicable aux différents niveaux d’abstraction d’un système industriel. Nous définissons ensuite une formulation générique permettant d’évaluer l'EEI (et son évolution) en prenant en compte les facteurs d’influence statiques et dynamiques. Cela nous amène à fonder un concept de performance d’efficacité énergétique, appelé REEL (Remaining Energy-Efficient Lifetime), représentant la durée de vie énergétique résiduelle. Pour prédire l’évolution potentielle de l’EEI qui permettra de calculer la REEL, une approche générique basée sur des approches de pronostics existantes est également développée. Ensuite, nous investiguons l'utilisation d’EE dans la prise de décision en maintenance conditionnelle (Condition-Based Maintenance, CBM). Enfin, toutes ces contributions sont validées sur la plateforme laboratoire TELMA
Among sustainability consideration, energy is today the key for economic growth in industrial systems. Energy resources are however limited and becomes more and more expensive. The energy optimization of manufacturing systems must therefore be considered as a major challenge to be compliant with environmental impact and management of energy resources. This should be reflected primarily by using energy efficiency (EE) as main key lever to deploy sustainability to plants, i.e. reduce the amount of energy required to provide products and services. With regards to this EE context, the aim of this thesis is to investigate the problem of considering energy efficiency and its prediction as a new indicator in maintenance decision-making. In that way, we develop first a concept of energy efficiency, called EEI (energy efficiency indicator), applicable to the different levels of abstraction of an industrial system. Then, we propose a generic formulation to evaluate the EEI (and its evolution) taking into account static and dynamic factors of influence. The temporal evolution of this indicator with respect to the degradation of the system is addressed in a predictive maintenance objective. It leads to found an energy efficiency performance concept called REEL (remaining energy-efficient lifetime), representing the residual energy lifetime. To predict the potential evolution of the IEE to calculate REEL, a generic approach based on existing predictive approaches is also developed. Next, we investigate the use of EE in CBM maintenance decision-making. Finally, all these contributions are validated on the TELMA platform

La disponibilité élevée des systèmes technologiques comme l'aérospatial, la défense, la pétrochimie et l'automobile, est un but important des nouveaux développements de la technologie de conception des systèmes sachant que la défaillance onéreuse survient, en général, soudainement. Afin de rendre les stratégies classiques de maintenance plus efficaces et pour prendre en considération l'état et l'environnement évolutifs du produit, un nouveau modèle de pronostic analytique est développé en tant que complément des stratégies de maintenance existantes. Ce nouveau modèle est appliqué aux systèmes mécaniques soumis à la défaillance par fatigue sous charge cyclique répétitive. Sachant que l'effet de fatigue va initier des microfissures qui peuvent se propager soudainement et conduire à la défaillance. Ce modèle est basé sur des lois d'endommagement existantes dans la mécanique de la rupture comme la loi de propagation de fissures de Paris-Erdogan à côté de la loi de cumul de dommage de Palmgren-Miner. A partir d'un seuil prédéfini de dégradation DC, la durée de vie résiduelle (RUL) est estimée à l'aide de ce modèle de pronostic. Les dommages peuvent être cumulés linéairement (Loi de Palmgren-Miner) et aussi non linéairement afin de prendre en compte un comportement plus complexe des chargements et des matériaux. Le modèle de dégradation développé dans ce travail est basé sur une sommation d'une mesure de dommage D à la suite de chaque cycle de chargement. Quand cette mesure devient égale à un seuil prédéfini DC, le système est considéré dans l'état de panne. En plus, l'influence stochastique est incluse dans notre modèle pour le rendre plus précis et réaliste
The high availability of technological systems like aerospace, defense, petro-chemistry and automobile, is an important goal of earlier recent developments in system design technology knowing that the expensive failure can generally occur suddenly. To make the classical strategies of maintenance more efficient and to take into account the evolving product state and environment, a new analytic prognostic model is developed as a complement of existent maintenance strategies. This new model is applied to mechanical systems that are subject to fatigue failure under repetitive cyclic loading. Knowing that, the fatigue effects will initiate micro-cracks that can propagate suddenly and lead to failure. This model is based on existing damage laws in fracture mechanics, such as the crack propagation law of Paris-Erdogan beside the damage accumulation law of Palmgren-Miner. From a predefined threshold of degradation DC, the Remaining Useful Lifetime (RUL) is estimated by this prognostic model. Damages can be assumed to be accumulated linearly (Palmgren-Miner's law) and also nonlinearly to take into consideration the more complex behavior of loading and materials. The degradation model developed in this work is based on the accumulation of a damage measurement D after each loading cycle. When this measure reaches the predefined threshold DC, the system is considered in wear out state. Furthermore, the stochastic influence is included to make the model more accurate and realistic

Cette thèse développe des approches pour le diagnostic et le pronostic de systèmes dynamiques incertains en utilisant la technique de modélisation Bond Graph (BG). Tout d'abord, une représentation par intervalles des incertitudes paramétriques et de mesures est intégrée à un modèle BG-LFT (Linear Fractional Transformation). Une méthode de détection robuste de défaut est développée en utilisant les règles de l'arithmétique d'intervalle pour la génération de seuils robustes et adaptatifs sur les résidus nominaux. La méthode est validée en temps réel sur un système de générateur de vapeur.Deuxièmement, une nouvelle méthodologie de pronostic hybride est développée en utilisant les Relations de Redondance Analytique déduites d'un modèle BG et les Filtres Particulaires. Une estimation de l'état courant du paramètre candidat pour le pronostic est obtenue en termes probabilistes. La prédiction de la durée de vie résiduelle est atteinte en termes probabilistes. Les incertitudes associées aux mesures bruitées, les conditions environnementales, etc. sont gérées efficacement. La méthode est validée en temps réel sur un système mécatronique incertain.Enfin, la méthodologie de pronostic développée est mise en œuvre et validée pour le suivi efficace de la santé d'un sous-système électrochimique d’une pile à combustible à membrane échangeuse de protons (PEMFC) industrielle à l’aide de données de dégradation réelles
This thesis develops the approaches for diagnostics and prognostics of uncertain dynamic systems in Bond Graph (BG) modeling framework. Firstly, properties of Interval Arithmetic (IA) and BG in Linear Fractional Transformation, are integrated for representation of parametric and measurement uncertainties on an uncertain BG model. Robust fault detection methodology is developed by utilizing the rules of IA for the generation of adaptive interval valued thresholds over the nominal residuals. The method is validated in real time on an uncertain and highly complex steam generator system.Secondly, a novel hybrid prognostic methodology is developed using BG derived Analytical Redundancy Relationships and Particle Filtering algorithms. Estimations of the current state of health of a system parameter and the associated hidden parameters are achieved in probabilistic terms. Prediction of the Remaining Useful Life (RUL) of the system parameter is also achieved in probabilistic terms. The associated uncertainties arising out of noisy measurements, environmental conditions etc. are effectively managed to produce a reliable prediction of RUL with suitable confidence bounds. The method is validated in real time on an uncertain mechatronic system.Thirdly, the prognostic methodology is validated and implemented on the electrical electro-chemical subsystem of an industrial Proton Exchange Membrane Fuel Cell. A BG of the latter is utilized which is suited for diagnostics and prognostics. The hybrid prognostic methodology is validated, involving real degradation data sets

Le prognostic d'état de santé est un enjeu majeur dans le domaine de la maintenance prévisionnelle, et a été l'objet de nombreuses études ces dernières années, cherchant notamment à utiliser l'Intelligence Artificielle (IA) pour améliorer les performances de prédiction. Néanmoins, peu d'approches réalistes, prenant en compte les contraintes industrielles réelles, et notamment le manque de données sous dégradation, ont été proposées à ce jour. L'objectif des travaux de cette thèse est de proposer une approche de prognostic à base d'IA la plus réaliste possible, en prenant notamment en compte la problématique de l'absence de données de dégradation, et en utilisant les connaissances a priori disponibles. Une stratégie globale de prognostic en l'absence de données mesurées sous dégradation est proposée. Elle se divise en trois grandes étapes. Tout d'abord, une phase d'augmentation de données hybride basée sur l'utilisation de l'identification de systèmes couplée à l'injection d'un modèle de dégradation physique permet de générer à la fois des données nominales et des données sous dégradation. Ensuite, une méthode d'extraction non-supervisée de l'indicateur d'état de santé, utilisant l'erreur de reconstruction d'un autoencodeur, permet d'obtenir un indicateur d'état de santé à partir des données de capteur mesurées sur le système. Enfin, un processus de prédiction à long-terme de l'indicateur d'état de santé permet d'obtenir une prédiction de la durée de vie résiduelle. Certaines étapes sont d'abord validées sur un jeu de données académique (C-MAPSS), puis la méthode globale est appliquée à un cas industriel réel grâce au partenariat avec l'entreprise Dassault Aviation. Les travaux réalisés mettent en évidence la nécessité de proposer des approches réalistes d'un point de vue industriel, tenant compte des contraintes pratiques, et les résultats obtenus constituent une validation de l'apport des méthodes hybrides (modèles IA intégrant les connaissances disponibles a priori) pour évoluer vers un concept de maintenance prévisionnelle applicable en milieu industriel
State-of-Health prognostics is a major challenge in the predictive maintenance domain, and has been the subject of numerous studies in recent years, with particular emphasis on the use of Artificial Intelligence (AI) to improve prediction performance. However, few realistic approaches have been proposed so far that take into account the real industrial constraints, and in particular the lack of data under degradation. The aim of this PhD work is to propose an AI-based prognostics approach as realistic as possible, addressing in particular the problem of the absence of degradation data, and leveraging the available a priori knowledge. A global prognostics approach in the absence of measured degradation data is proposed. It is divided into three main stages. First of all, a hybrid data augmentation phase based on system identification coupled with the injection of a physics-based degradation model is used to generate both nominal data and degradation data. Next, an unsupervised Health Index (HI) extraction method, using the reconstruction error of an autoencoder, is used to obtain a HI from the sensor data collected on the system. Finally, a long-term HI prediction process leads to Remaining Useful Life (RUL) predictions. Some stages are first validated on an academic dataset (C-MAPSS), then the overall method is applied to a real industrial case thanks to a partnership with Dassault Aviation. The research conducted highlights the need for approaches that are realistic from an industrial point of view, taking account of real-life constraints, and the results obtained open up new opportunities for the practical use of AI in predictive maintenance

Avec la numérisation, l'internet des objets et la popularisation des services centrés sur les données, différents secteurs économiques ont connu des changements importants dans leur modèle d'entreprise. Pour le secteur automobile en particulier, ces changements concernent l'évolution vers des offres davantage axées sur les services. La vente d'un véhicule n'est plus le dernier contact avec le client, car les services après-vente représentent une part importante du chiffre d'affaires des constructeurs automobiles. Dans cette optique, le principal objectif de ce projet de recherche est de jeter les bases des futurs services pour les véhicules lourds.Ce travail souligne l'importance de l'optimisation de la maintenance ainsi que sa relation avec l'utilisation du véhicule. Dans le passé, la maintenance se limitait à des remplacements correctifs de pièces défectueuses, ce qui entraînait de longues périodes d'inactivité. Cela avait un impact sur l'activité du transporteur, ainsi que sur ses coûts de réparation. L'introduction de systèmes de surveillance et les techniques de communication actuelles permettent de développer de nouvelles méthodes d'optimisation dans lesquelles, non seulement les dates de remplacement sont déterminées de manière optimale, mais aussi l'utilisation du véhicule est modifiée en conséquence, ce qui permet d'optimiser les coûts et d'allonger continuellement la durée de vie utile des camions. Grâce à la technologie actuelle, ces méthodes d'optimisation pourraient être transformées en services qui aident les clients à définir les dates de remplacement, à gérer la logistique pour minimiser les niveaux de dégradation de la flotte, ou même à modifier les paramètres du logiciel du véhicule pour minimiser les coûts à long terme.Cette approche pour la maintenance, dans laquelle la durée de vie est prolongée par une myriade d'actions différentes englobant plusieurs aspects de l'utilisation du véhicule, est souvent appelée maintenance prescriptive. Bien que la maintenance prescriptive ait été dès le départ un élément important de ce travail, sa définition est assez controversée dans la littérature. Par conséquent, un effort conceptuel est fait dans ce document afin de clarifier la portée de ce type de paradigme de maintenance. Avec des définitions plus précises et un champ d'application clair, la maintenance prescriptive est appliquée dans le contexte des véhicules lourds.Les applications de maintenance prescriptive pour les véhicules lourds peuvent être considérées comme des problèmes d'optimisation originaux dans le domaine de la science des transports. Tout au long de l'étude de ces méthodes, des contributions scientifiques significatives ont été apportées. Tout d'abord, la maintenance prescriptive nécessite des modèles qui peuvent relier de manière réaliste la dégradation et l'utilisation du véhicule. De tels modèles sont difficilement adaptés aux problèmes de prise de décision et nécessitent une adaptation. Dans ce document, ces modèles sont étudiés en détail.La résolution des problèmes d'optimisation susmentionnés est une tâche non triviale. Toutes les formulations susmentionnées nécessitent un effort de calcul important pour être résolues avec exactitude. Ainsi, une autre dimension de la contribution de ce travail est le développement d'algorithmes adaptés à la résolution de ces problèmes. Les méthodes classiques sont adaptées en tirant parti des propriétés particulières des modèles utilisés et des heuristiques capables de combler l'écart d'optimisation en un temps raisonnable sont développées
With digitalization, the internet of things and the popularization of data-centric services, different economy sectors have gone through significant changes in their business model. For the automotive sector in particular, those changes relate to moving towards more service-oriented offers. Selling a vehicle is no longer the last contact with the client, as aftermarket services are responsible for a significant part of vehicle manufacturer's revenue. With that in mind, the main concern of this research project is to lay down the foundations for enabling future services for heavy vehicles.This work stresses the importance of maintenance optimization as well as its relationship with vehicle usage. In the past, maintenance was limited to corrective replacements of faulty parts resulting in long idle periods. This impacted the activity of the transporter, as well as its repair costs. The introduction of monitoring systems along with the current communication techniques allow the development of new optimization methods in which, not only replacement dates are determined optimally but also, vehicle usage is changed accordingly, ensuring cost optimization, and continuously extending trucks remaining useful life. With today's technology, those optimization methods could be turned into services that help clients defining replacement dates, manage logistics to minimize degradation levels of the fleet, or even change vehicle software parameters to minimize the long-term costs.This approach to maintenance, in which life is extend through a myriad of different actions encompassing several aspects of vehicle usage, is often referred to as prescriptive maintenance. Although prescriptive maintenance was from the beginning an important element of this work, its definition is rather controversial in the literature. As a consequence, a conceptual effort is done in this document in order to clarify the scope of this kind of maintenance paradigm. With more precise definitions and a clear scope, prescriptive maintenance is applied in the context of heavy vehicles.Prescriptive maintenance applications for heavy vehicles can be seen as original optimization problems in the realm of transportation science. Throughout the investigation of such methods, significant scientific contributions were made. First and foremost, prescriptive maintenance requires models that can realistically connect degradation and vehicle usage. Such models are hardly adapted for decision-making problems and require adaptation. In this document, such models are studied in detail.Solving those aforementioned optimization problems is a non-trivial task. All of the aforementioned formulations required significant computational effort to be solved exactly. As such, another dimension of this work contribution is the development of algorithms suitable for solving them. Classical methods are adapted taking advantage of particular properties of the models used and heuristics capable of closing the optimization gap in a reasonable time are developed

La maintenance est devenue dans plusieurs domaines (dont le domaine automobile), un aspect très important des performances économiques d’une entreprise. Dans ce cadre, on s’intéresse à l’amélioration de la prise de décision en maintenance principalement afin de réduire les coûts associés. Notre attention se porte plus précisément sur l'approche de maintenance prédictive utilisant la durée de vie résiduelle (RUL) en tant qu’indicateur pour la prise de décision. L’évaluation de la RUL permet d’intégrer des informations et des prévisions sur l’état d’un système et de son environnement. On s’intéresse d’abord à la modélisation de la défaillance basée sur la dégradation. On étudie et développe plusieurs modèles pouvant décrire différents comportements de la dégradation et mécanismes de défaillance. On étudie en particulier un cas pratique portant sur l’huile moteur. Pour les différents modèles considérés, on montre comment la distribution de la RUL peut être estimée conditionnellement à l’état du système et de son environnement. On propose ensuite des stratégies de maintenance prédictive dans plusieurs configurations et on montre comment la RUL peut être utilisée dans la prise de décision. L'ensemble des études menées montre l'intérêt de l’utilisation de la RUL et permet de quantifier le gain apporté pour différentes politiques de maintenance considérées
Maintenance has become in many fields such as the automotive field, a very important aspect due mostly to its economic dimension. In this context, we are interested in improving maintenance decision making in order to reduce its costs mainly. We focus specifically on the predictive maintenance approach using the residual useful lifetime (RUL) as a tool for decision support. The RUL integrates information about the state of a system and its environment in the past, present and future (prediction). At first, we consider degradation based failure models. We study and develop several models that can describe different behaviours of degradation and failure mechanisms. In particular we consider a case study on engine oil. For these different models, we propose methods to estimate the distribution of the RUL conditionally to the state of the system and its environment. Subsequently, we propose predictive maintenance strategies in several configurations and we show how the RUL can be used in decision making. The conducted studies show the benefit of using the RUL and allow us to quantify the resulting gain depending on the considered case and the way the RUL is used

Les travaux de cette thèse visent à apporter des éléments de solutions au problème de la durée de vie des systèmes pile à combustible (FCS – Fuel Cell System) de type à « membrane échangeuse de protons » (PEM – Proton Exchange Membrane) et se décline sur deux champs disciplinaires complémentaires :Une première approche vise à augmenter la durée de vie de celle-ci par la conception et la mise en œuvre d'une architecture de pronostic et de gestion de l'état de santé (PHM – Prognostics & Health Management). Les PEM-FCS, de par leur technologie, sont par essence des systèmes multi-physiques (électriques, fluidiques, électrochimiques, thermiques, mécaniques, etc.) et multi-échelles (de temps et d'espace) dont les comportements sont difficilement appréhendables. La nature non linéaire des phénomènes, le caractère réversible ou non des dégradations, et les interactions entre composants rendent effectivement difficile une étape de modélisation des défaillances. De plus, le manque d'homogénéité (actuel) dans le processus de fabrication rend difficile la caractérisation statistique de leur comportement. Le déploiement d'une solution PHM permettrait en effet d'anticiper et d'éviter les défaillances, d'évaluer l'état de santé, d'estimer le temps de vie résiduel du système, et finalement, d'envisager des actions de maîtrise (contrôle et/ou maintenance) pour assurer la continuité de fonctionnement. Une deuxième approche propose d'avoir recours à une hybridation passive de la PEMFC avec des super-condensateurs (UC – Ultra Capacitor) de façon à faire fonctionner la pile au plus proche de ses conditions opératoires optimales et ainsi, à minimiser l'impact du vieillissement. Les UCs apparaissent comme une source complémentaire à la PEMFC en raison de leur forte densité de puissance, de leur capacité de charge/décharge rapide, de leur réversibilité et de leur grande durée de vie. Si l'on prend l'exemple des véhicules à pile à combustible, l'association entre une PEMFC et des UCs peut être réalisée en utilisant un système hybride de type actif ou passif. Le comportement global du système dépend à la fois du choix de l'architecture et du positionnement de ces éléments en lien avec la charge électrique. Aujourd'hui, les recherches dans ce domaine se focalisent essentiellement sur la gestion d'énergie entre les sources et stockeurs embarqués ; et sur la définition et l'optimisation d'une interface électronique de puissance destinée à conditionner le flux d'énergie entre eux. Cependant, la présence de convertisseurs statiques augmente les sources de défaillances et pannes (défaillance des interrupteurs du convertisseur statique lui-même, impact des oscillations de courant haute fréquence sur le vieillissement de la pile), et augmente également les pertes énergétiques du système complet (même si le rendement du convertisseur statique est élevé, il dégrade néanmoins le bilan global)
This thesis work aims to provide solutions for the limited lifetime of Proton Exchange Membrane Fuel Cell Systems (PEM-FCS) based on two complementary disciplines:A first approach consists in increasing the lifetime of the PEM-FCS by designing and implementing a Prognostics & Health Management (PHM) architecture. The PEM-FCS are essentially multi-physical systems (electrical, fluid, electrochemical, thermal, mechanical, etc.) and multi-scale (time and space), thus its behaviors are hardly understandable. The nonlinear nature of phenomena, the reversibility or not of degradations and the interactions between components makes it quite difficult to have a failure modeling stage. Moreover, the lack of homogeneity (actual) in the manufacturing process makes it difficult for statistical characterization of their behavior. The deployment of a PHM solution would indeed anticipate and avoid failures, assess the state of health, estimate the Remaining Useful Lifetime (RUL) of the system and finally consider control actions (control and/or maintenance) to ensure operation continuity.A second approach proposes to use a passive hybridization of the PEMFC with Ultra Capacitors (UC) to operate the fuel cell closer to its optimum operating conditions and thereby minimize the impact of aging. The UC appear as an additional source to the PEMFC due to their high power density, their capacity to charge/discharge rapidly, their reversibility and their long life. If we take the example of fuel cell hybrid electrical vehicles, the association between a PEMFC and UC can be performed using a hybrid of active or passive type system. The overall behavior of the system depends on both, the choice of the architecture and the positioning of these elements in connection with the electric charge. Today, research in this area focuses mainly on energy management between the sources and embedded storage and the definition and optimization of a power electronic interface designated to adjust the flow of energy between them. However, the presence of power converters increases the source of faults and failures (failure of the switches of the power converter and the impact of high frequency current oscillations on the aging of the PEMFC), and also increases the energy losses of the entire system (even if the performance of the power converter is high, it nevertheless degrades the overall system)

Cette thèse de doctorat porte sur l’estimation de la durée de vie résiduelle d’un roulement sur la base des signatures obtenues à partir des signaux de vibration collectés pour un nombre restreint de roulements identiques durant un cycle complet de fonctionnement. Nous avons élaboré de nouvelles signatures qui ont une évolution monotone croissante avec l’état de dégradation des roulements et nous avons proposé un modèle d’estimation de la durée de vie résiduelle des roulements, basé sur un système d’inférence floue. Les paramètres du modèle sont identifiés par apprentissage à partir d’une petite quantité de données, en utilisant la méthode d’analyse du maximum de vraisemblance d’un mélange de distributions. Un ensemble de données d’apprentissage de petite taille ne permettant pas d’estimer les paramètres du modèle avec une grande précision. Nous avons donc élaboré une méthode de mise à jour des paramètres du modèle par un processus adaptatif de capitalisation de connaissances
Remaining useful life (RUL) estimation for bearings degradation monitoring is an important metric for decision making in condition based maintenance of rotating mechanics. RUL estimation involves generally two steps: degradation indicator extraction and model identification. Common vibration signal based features for bearings degradation monitoring are sensible on the last stage of the degradation process. In this thesis, we propose new bearing degradation monitoring indicators that are monotonic and incorporate historical degradation information. To overcome the drawback of a small size training datasets for model identification, we elaborated a mixture distribution analysis based fuzzy model identification method for RUL estimation. Furthermore, we proposed a method to tune the parameters of the fuzzy models for bearings RUL estimation when new knowledge becomes available. The aim is to improve the accuracy of the RUL estimation through a knowledge accumulation process

Durant ces dernières décennies, le secteur de la technologie a connu une nouvelle impulsion grâce à la multiplication des équipements de plus en plus miniaturisé de la vie quotidienne. Grâce à cette croissance fulgurante principalement dans le domaine de la radio et des technologies micro électroniques, les réseaux de capteurs, traditionnellement déployés dans des applications industrielles et de surveillance, connaissent aujourd’hui un nouvel essor. Ce nouvel élan se matérialise sous la forme des nouveaux réseaux de capteurs sans fil. Ces derniers sont équipés de petites batteries et sont généralement autonomes. Cette autonomie signifie que le réseau doit assurer ses fonctions avec la quantité d’énergie qui lui est attribuée et sans l’intervention de l’opérateur qui l’a déployé. C’est pour ces raisons, que les réseaux de capteurs sans fil quelque soit leur domaine d’application, civil, militaire ou médical, sont particulièrement sensibles d’une part à la qualité de la couverture du terrain observé, et d’autre part à la durée de vie. Dans cette thèse, notre travail est, principalement, consacré à ces deux volets. Nous proposons, dans un premier temps, différentes solutions de placement des nœuds sur une surface bidimensionnelle pour en assurer la couverture. Dans un deuxième temps, notre travail s’oriente vers les stratégies d’optimisation de la durée de fonctionnement d’un réseau de capteurs sans fil. Ces stratégies portent sur respectivement la méthode de distribution de l’énergie sur les nœuds déployés, sur le routage appliqué au niveau du réseau et sur la fiabilité de l’application de capteurs sans fil.

Nos travaux de thèses s’intéressent au pronostic de défaillance de composant critique et à l’estimation de la durée de vie résiduelle avant défaillance (RUL). Nous avons développé des méthodes basées sur l’expérience. Cette orientation nous permet de nous affranchir de la définition d’un seuil de défaillance, point problématique lors de l’estimation du RUL. Nous avons pris appui sur le paradigme de Raisonnement à Partir de Cas (R à PC) pour assurer le suivi d’un nouveau composant critique et prédire son RUL. Une approche basée sur les instances (IBL) a été développée en proposant plusieurs formalisations de l’expérience : une supervisée tenant compte de l’ état du composant sous forme d’indicateur de santé et une non-supervisée agrégeant les données capteurs en une série temporelle mono-dimensionnelle formant une trajectoire de dégradation. Nous avons ensuite fait évoluer cette approche en intégrant de la connaissance à ces instances. La connaissance est extraite à partir de données capteurs et est de deux types : temporelle qui complète la modélisation des instances et fréquentielle qui, associée à la mesure de similarité permet d’affiner la phase de remémoration. Cette dernière prend appui sur deux types de mesures : une pondérée entre fenêtres parallèles et fixes et une pondérée avec projection temporelle. Les fenêtres sont glissantes ce qui permet d’identifier et de localiser l’état actuel de la dégradation de nouveaux composants. Une autre approche orientée donnée a été test ée. Celle-ci est se base sur des caractéristiques extraites des expériences, qui sont mono-dimensionnelles dans le premier cas et multi-dimensionnelles autrement. Ces caractéristiques seront modélisées par un algorithme de régression à vecteurs de support (SVR). Ces approches ont été évaluées sur deux types de composants : les turboréacteurs et les batteries «Li-ion». Les résultats obtenus sont intéressants mais dépendent du type de données traitées
Our thesis work is concerned with the development of experience based approachesfor criticalcomponent prognostics and Remaining Useful Life (RUL) estimation. This choice allows us to avoidthe problematic issue of setting a failure threshold.Our work was based on Case Based Reasoning (CBR) to track the health status of a new componentand predict its RUL. An Instance Based Learning (IBL) approach was first developed offering twoexperience formalizations. The first is a supervised method that takes into account the status of thecomponent and produces health indicators. The second is an unsupervised method that fuses thesensory data into degradation trajectories.The approach was then evolved by integrating knowledge. Knowledge is extracted from the sensorydata and is of two types: temporal that completes the modeling of instances and frequential that,along with the similarity measure refine the retrieval phase. The latter is based on two similaritymeasures: a weighted one between fixed parallel windows and a weighted similarity with temporalprojection through sliding windows which allow actual health status identification.Another data-driven technique was tested. This one is developed from features extracted from theexperiences that can be either mono or multi-dimensional. These features are modeled by a SupportVector Regression (SVR) algorithm. The developed approaches were assessed on two types ofcritical components: turbofans and ”Li-ion” batteries. The obtained results are interesting but theydepend on the type of the treated data

L’estimation de la durée de vie résiduelle est un défi scientifique majeur et un thème central dans la communauté scientifique qui s’intéresse aux problèmes de pronostic. L’utilisation d’outils et méthodes rassemblés sous le terme de pronostic est largement répandue en aéronautique, électroniques, médecine, etc. La problématique sous-jacente commune est la mise en oeuvre de modèles qui tiennent compte en ligne de l’histoire d’un système et de son environnement, du diagnostic sur son état courant et éventuellement des conditions opérationnelles futures pour prédire une durée de vie résiduelle. Dans ce contexte, la problématique principale de ces travaux est l’utilisation d’approches probabilistes (de type processus stochastique non - stationnaire) pour construire des modèles de pronostic novateurs à partir d'un indicateur de dégradation d’un système et d’utiliser la prédiction de durée de vie résiduelle pour mettre en oeuvre des politiques de maintenance. L'avantage de ces modèles est d'avoir des propriétés de régularité qui facilitent les calculs de probabilité et l'estimation de la durée de vie résiduelle. Afin de tester les performances de nos modèles, nous avons réalisé une étude comparative sur un cas test fourni par la conférence IEEE PHM (Prognostic and Health Management) 2008
Remaining useful life (RUL) estimation is a major scientific challenge and a principal topic in the scientific community which takes an interest to prognosis problems. The use of tools and methods collected under the terms of prognostic is widely developed in many domains as aerospace industry, electronics, medicine, etc. The common underlying problem is the implementation of models which can take into account on-line the data histories of system and its environment, the diagnosis on its current state and possibly the future operational conditions for predicting the residual lifetime. In this context, the principal problem of our works is the use of probabilistic approaches (type of non-stationary stochastic process) to construct the innovatory prognostic models from a degradation indicator of system and to use the residual lifetime prediction for maintenance implementation. The advantage of these models is to have the regularity proprieties which make easy the probability calculation and RUL estimation. In order to test the performances of our models, a comparative study is carried out on the data provided by the 2008 IEEE Prognostic and Health Management (PHM)

Dans de nombreux secteurs industriels, la miniaturisation des systèmes est devenue une nécessité afin de réduire l’espace occupé, le poids, les prix et la consommation d’énergie et de matière. Pour ce faire, les industriels utilisent les Micro-Electro-Mechanical Systems (MEMS). En revanche, les MEMS présentent plusieurs problèmes de fiabilité dus à leurs nombreux mécanismes de défaillance qui ont un impact sur la disponibilité des systèmes dans lesquels ils sont utilisés. Il est alors important de surveiller ces microsystèmes, d’anticiper leurs défaillances et de recommander les actions nécessaires afin d’allonger leur durée de vie. Une solution efficace pour ce faire est de développer le Prognostics & Health Management (PHM) pour les MEMS. Dans cet esprit, la thèse porte sur le pronostic et l’étude de l’état de santé de MEMS et la prise de décision post-pronostic dans les systèmes contenant ces microsystèmes. L’objectif est de rendre un système à base de MEMS distribué intelligent en intégrant des modules d’évaluation et de prédiction de l’état de santé du système ainsi que des capacités d’auto-adaptation dépendant des missions que le système doit accomplir. Dans un premier temps, une approche de pronostic hybride pour les MEMS basée sur le filtrage particulaire est proposée. Dans un second temps, et afin de mieux utiliser les résultats de cette approche, une stratégie de décision post-pronostic dans les systèmes distribués à base de MEMS est introduite. Un simulateur distribué a été développé pour simuler la décision post-pronostic. La performance de l’approche de pronostic et de la stratégie de décision post-pronostic est validée sur une application réelle, à savoir un convoyeur modulaire à base de MEMS distribués. Un cycle complet de PHM est ainsi développé : de l’acquisition des données à la prise de décision
In many industrial sectors, system miniaturization becomes mandatory, allowing reducing occupied space, weight, price, power and material consumption. For this, manufacturers use Micro-Electro- Mechanical Sytems (MEMS). However, MEMS devices have several reliability issues due to their numerous failure mechanisms, which have an impact on the availability of systems where they are utilized. Therefore, it is important to monitor these micro-systems, to anticipate their failures and to perform appropriate actions to maximize their lifespan. One possible solution is to develop the Prognostics & Health Management (PHM) for MEMS. The thesis deals then with the prognostics and the study of MEMS health state and the post-prognostics decision making in systems containing these micro-systems. The aim is to make a MEMS-based system distributed and intelligent by integrating modules of health state assessment and prediction and capacities of self-adaptability dependent of the tasks performed by the system. Firstly, a hybrid prognostics approach for MEMS based on the particle filtering is proposed. Secondly, and to better use the results of this approach, a post-prognostics decision strategy in MEMS-based distributed systems is introduced. This strategy is based on a distributed decision algorithm. The performance of the prognostics approach and the post-prognostics strategy is validated on a real application consisting of a modular conveyor based on distributed MEMS. A complete PHM cycle is thus performed: from data acquisition to decision making

Avec l’émergence de nouvelles technologies, nous assistons au développement de techniques permettant d’améliorer la sûreté de fonctionnement et notamment la maintenabilité des convertisseurs statiques d’énergie et de leurs composants. Dans ces systèmes de conversion, les condensateurs électrolytiques, assurant un réseau DC stable, représentent un élément important de la chaine de conversion de l’énergie électrique AC/DC et/ou DC/AC. En fonctionnement, ils sont sujets à des contraintes électriques et environnementales (température ambiante, ondulation de courant, tension appliquée, humidité, vibrations, etc.). Ces condensateurs subissent des réactions d’oxydo-réductions, qui consomment et évaporent de l’électrolyte. La durée de vie du condensateur en est alors affectée. Dès lors, il est intéressant d’estimer l’état de santé de ces composants afin de pouvoir programmer des opérations de maintenance. Il est donc utile d’élaborer des outils permettant d’appliquer une maintenance préventive conditionnelle. C’est dans ce cadre que nous avons effectué ces travaux dont l’objectif est de proposer un système de surveillance de l’état de santé des condensateurs électrolytiques. Nous avons donc développé des modèles d’évolution de leurs indicateurs de vieillissement qui sont les variations de la résistance équivalente série ESR et de la capacité équivalente C. L’algorithme de prédiction se base sur l’évolution de ces indicateurs pour estimer l’état de santé et la durée de vie restante du module de condensateurs. Le système de surveillance en temps réel développé ne comporte pas de capteurs supplémentaires à ceux déjà existants dans les convertisseurs d’énergie considérés et ne nécessite pas d’essais de vieillissement accéléré préalables. Dans ce manuscrit, nous détaillons d’abord la procédure expérimentale de vieillissement accéléré, les différentes étapes de la caractérisation, le processus de vieillissement et les résultats associés. Nous proposons une méthode simple et efficace pour identifier les indicateurs de vieillissement ESR et C en temps réel. L’algorithme proposé est basé sur une mise à l’échelle temporelle et sur un référentiel de contraintes en température et en tension. Par la suite, les résultats de la simulation du système de surveillance et de la prévision de l’état de santé retenu sont présentés. Des essais expérimentaux ont été menés sur des condensateurs intégrés au sein d’un variateur de vitesse industriel de puissance 15 kW. Les algorithmes mis en œuvre et leurs contraintes d'implémentation respectives, pour une application temps réel, sont détaillés
With the emergence of new technologies, we are witnessing the development of techniques to improve dependability and in particular the maintainability of static energy converters and their components. In these conversion systems, the electrolytic capacitors, ensuring a stable DC network, represent an important element in the AC / DC and / or DC / AC electrical energy conversion chain. In operation, they are subject to electrical and environmental constraints (ambient temperature, current ripple, applied voltage, humidity, vibrations, etc.). These capacitors undergo redox reactions, which consume and evaporate electrolyte. The lifetime of the capacitor is thus affected. Therefore, it is interesting to estimate the state of health of these components in order to be able to schedule maintenance operations. It is therefore useful to develop tools for applying conditional monitoring. In the context of this work, the objective is to propose a system for monitoring the state of health of the electrolytic capacitors. We have therefore developed evolution models of their aging indicators which are the variations of the equivalent series resistance ESR and equivalent capacity C. The prediction algorithm is based on the evolution of these indicators to estimate the state remaining life of the capacitor module. The real-time monitoring system developed does not include additional sensors to those already existing in the energy converters considered and does not require prior accelerated aging tests. In this manuscript, we first detail the experimental procedure for accelerated aging, the different stages of characterization, the aging process and the associated results. We propose a simple and effective method to identify ESR and C aging indicators in real time. The proposed algorithm is based on time scaling and on a reference frame of temperature and voltage constraints. Subsequently, the results of the simulation of the surveillance system and the forecast of the selected state of health are presented. Experimental tests have been carried out on capacitors integrated into an industrial speed controller with a power of 15 kW. The algorithms implemented and their respective implementation constraints, for a real-time application, are detailed

Les systèmes de contrôle-commande jouent un rôle important dans le développement de la civilisation et de la technologie moderne. La perte d’efficacité de l’actionneur agissant sur le système est nocive dans le sens où elle modifie le comportement du système par rapport à celui qui est désiré. Cette thèse est une contribution au pronostic de la durée de vie résiduelle (RUL) et à la maintenance des systèmes de contrôle-commande en boucle fermée avec des actionneurs soumis à dégradation. Dans une première contribution, un cadre de modélisation à l'aide d’un processus markovien déterministe par morceaux est considéré pour modéliser le comportement du système. Dans ce cadre, le comportement du système est représenté par des trajectoires déterministes qui sont intersectées par des sauts d'amplitude aléatoire se produisant à des instants aléatoires et modélisant le phénomène de dégradation discret de l'actionneur. La deuxième contribution est une méthode de pronostic de la RUL du système composée de deux étapes : estimation de la loi de probabilité de l'état du système à l'instant de pronostic par le filtre particulaire et calcul de la RUL qui nécessite l'estimation de la fiabilité du système à partir de cet instant. La troisième contribution correspond à la proposition d’une politique de maintenance à structure paramétrique permettant de prendre en compte dynamiquement les informations disponibles conjointement sur l'état et sur l'environnement courant du système et sous la contrainte de dates d'opportunité
The automatic control systems play an important role in the development of civilization and modern technology. The loss of effectiveness of the actuator acting on the system is harmful in the sense that it modifies the behavior of the system compared to that desired. This thesis is a contribution to the prognosis of the remaining useful life (RUL) and the maintenance of closed loop systems with actuators subjected to degradation. In the first contribution, a modeling framework with piecewise deterministic Markov process is considered in order to model the overall behavior of the system. In this context, the behavior of the system is represented by deterministic trajectories that are intersected by random size jumps occurring at random times and modeling the discrete degradation phenomenon of the actuator. The second contribution is a prognosis method of the system RUL which consists of two steps: the estimation of the probability distribution of the system state at the prognostic instant by particle filtering and the computation of the RUL which requires the estimation of the system reliability starting from the prognostic instant. The third contribution is the proposal of a parametric maintenance policy which dynamically take into account the available information on the state and on the current environment of the system and under the constraint of opportunity dates

La pile à combustible (PàC) est actuellement la solution alternative aux énergies fossiles la plus prometteuse. Il convient cependant d’améliorer sa fiabilité. Cela nécessite la mise en place d’algorithmes capables d’estimer en temps réel l´état de santé de son fonctionnement et de prédire sa durée de vie résiduelle. Les méthodes de pronostic basées sur un modèle physique offrent des résultats précis car ne nécessitent ni apprentissage de modes de fonctionnement ni expertise de l’opérateur. Toutefois, la problématique pour un système PàC réside dans le couplage de plusieurs phénomènes physique, l’incertitude des paramètres du modèle et la faible instrumentation du cœur de pile. Ainsi, nous utilisons des modèles incertains basés sur l’outil Bond Graph bien adapté pour la PàC. Concrètement, les incertitudes sont intégrées au modèle d´évolution des puissances qui est utilisé pour la détection du vieillissement et l’estimation de la dégradation de la PàC. Un modèle de dégradation est utilisé par un filtre de Kalman étendu pour l’estimation de l’état de santé, de la dynamique du vieillissement et permet de quantifier l’incertitude pour toute condition opératoire. Un algorithme Inverse First Order Reliability Method permet ensuite la prédiction de la durée de vie résiduelle et de l’incertitude de prédiction inhérente. La méthode globale a été validée sur différents jeux de données expérimentales. Grâce à l’ensemble de ces outils, un contrôle par inversion de modèle REM (Représentation Energétique Macroscopique) à paramètres variant, robuste au vieillissement a été développé en se basant sur l’estimation de l’état de santé
The fuel cell (FC) is at present the alternative solution to the fossil fuels the most promising. It is however advisable to improve its reliability. This requires the implementation of algorithms capable of estimating in real time the state of health and forecasting its remaining useful life (prognostics). The methods of prognostics based on a physical model offer precise results once they do not requiring either learning or expertise of the operator. However, the problem for a FC system lies in the coupling of several physical phenomena, the uncertainty of the parameters of the model and the low instrumentation of the FC stack.Thus, we use uncertain models based on the Bond Graph tool well adapted for the FC. Concretely, the parameters uncertainties are integrated in the model of evolution of the powers which is used for the detection of the beginning of the aging and the estimation of the degradation of the FC based on the causal and structural properties of the model. The generated model of degradation is used by an extended Kalman filter which allows the estimation of the state of health , the dynamics of the aging and the quantification of the uncertainty for any operating condition (of temperature, current and pressure). An Inverse First Order Reliability Method is then used for the prediction of the remaining useful life and the inherent uncertainty. The global method was validated on various sets of experimental data. Thanks to this set of tools, a control based on the inversion of an Energetic Macroscopic Representation (EMR) model with time varying parameters, robust to aging is developed based on the state of health estimation

Le développement de nouveaux convertisseurs d’énergie, plus efficients et plus respectueux de l’environnement, tels que les piles à combustibles, tend à s’accélérer. Leur diffusion à grande échelle suppose cependant des garanties en termes de sécurité et de disponibilité. Une solution possible pour ce faire est de développer des solutions de Prognostics and Health Management (PHM) de ces systèmes, afin de mieux les surveiller, anticiper les défaillances et recommander les actions nécessaires à l’allongement de leur durée de vie. Dans cet esprit, cette thèse porte sur la proposition d’une approche de pronostic dédiée aux piles à combustibles de types PEMFC à l’aide de filtrage particulaire.Le raisonnement s’attache tout d’abord à mettre en place une formalisation du cadre de travail ainsi que des exigences de mise en. Ceci se poursuit par le développement d’un modèle basé sur la physique permettant une estimation d’état de santé et de son évolution temporelle. L’estimation d’état est réalisée grâce à du filtrage particulaire. Différentes variantes de filtres sont considérées sur la base d’une de la littérature et de nouvelles propositions adaptées au PHM sont formulées et comparées à celles existantes. Les estimations d’état de santé fournies par le processus de filtrages ont utilisées pour réaliser des prédictions de l’état de santé futur du système, puis de sa durée devie résiduelle. L’ensemble des propositions est validé sur 4 jeux de données obtenus sur des PEMFC suivant des profils de mission variés. Les résultats montrent de bonnes performances de prédictions et d’estimations de durée de vie résiduelle avant défaillance
The development of new energy converters, more efficient and environment friendly, such as fuelcells, tends to accelerate. Nevertheless, their large scale diffusion supposes some guaranties in termsof safety and availability. A possible solution to do so is to develop Prognostics and HealthManagement (PHM) on these systems, in order to monitor and anticipate the failures, and torecommend the necessary actions to extend their lifetime. In this spirit, this thesis deals with theproposal of a prognostics approach based on particle filtering dedicated to PEMFCs.The reasoning focuses first on setting a formalization of the working framework and theexpectations. This is pursued by the development of a physic-based modelling enabling a state ofhealth estimation and its evolution in time. The state estimation is made thanks to particle filtering.Different variants of filters are considered on the basis of the literature and new proposals adaptedto PHM are proposed and compared to existing ones. State of health estimates given by the filter areused to predict the future state of the system and its remaining useful life. All the proposals arevalidated on four datasets from PEMFC following different mission profiles. The results show goodperformances for predictions and remaining useful life estimates before failure

L’objectif de ce travail est d’élaborer un modèle performant/précis de la machine électrique permettant de proposer une technique de pronostic. Dans cette thèse, nous commençons par un état de l’art sur les véhicules électriques hybrides (VHE), les différents types de machines électriques utilisées dans les VHE ainsi que les différents types de défauts pouvant survenir dans ces machines électriques. Nous identifions également les indicateurs de défauts appropriés aux différents défauts considérés. Ensuite, une synthèse de techniques de pronostic pouvant être appliquées est proposée. Le modèle à éléments finis électromagnétiques, thermiques et vibratoires (FEM) de la machine à aimants permanents est présenté. Le modèle est élaboré en fonctionnement normal et défaillant. Les types de défauts considérés sont : démagnétisation, court-circuit et excentricité. Une comparaison entre les deux approches analytique et FEM (méthode numérique) pour la modélisation de machines électromagnétiques est effectuée. Les indicateurs de défauts analysés pour l’extraction les plus pertinents utilisent les différents signaux mesurées suivants : le couple, la température ainsi que les signaux vibratoires en états sains et défectueux. L’approche de pronostic adoptée qui est le modèle de Markov caché (HMM) est développée. L'aspect technique de la méthode est présenté et le module du pronostic est formulé. La méthode de HMM est utilisée pour détecter et localiser les défauts à petites amplitudes. Une stratégie systématique a été développée. Le vieillissement de l’équipement de la machine, en particulier des éléments sensibles comme la bobine de stator et l’aimant permanent, est une question très importante pour le calcul du RUL (Remaining Useful Life). Une stratégie d’estimation pour le calcul RUL est présentée et discutée. La configuration en boucle fermée est très importante. Elle est adoptée par tous les systèmes de véhicules disponibles. Par conséquent, les mêmes étapes mentionnées précédemment s'appliquent également à une configuration en boucle fermée. Un modèle global où l’entrée du FEM de la machine provient de l’onduleur modélisé est élaboré
The core of the work is to build an accurate model of the electrical machine where the prognostic technique is applied. In this thesis we started by a literature review on hybrid electric vehicles (HEV), the different types of electrical machine used in HEV’s and the different types of faults that may occur in those electrical machine. We also identify the useful monitoring parameters that are beneficial for those different types of faults. Then, a survey is presented where all the prognostic techniques that can be applied on this application are enumerated. The electromagnetic, thermal and vibration finite element model (FEM) of the permanent magnet machine is presented. The model is built at healthy operation and when a fault is integrated. The considered types of faults are:demagnetization, turn to turn short circuit and eccentricity. A confrontation between analytical and FEM (numerical method) for electromagnetic machine modeling is illustrated. Fault indicators where useful measured parameters forfault identification are recognized and useful features from the measured parameters are extracted; torque, temperature and vibration signal are elaborated for healthy and faulty states. The strategy of the adopted prognostic approach which is Hidden Markov Model (HMM) is explained. The technical aspect of the method is presented and the prognostic model is formulated. HMM is applied to detect and localize small scale fault small scale faults were where a systematic strategy is developed. The aging of the machine’s equipment,specially the sensitive ones that are the stator coil’s and the permanent magnet, is a very important matter for RUL calculation. An estimation strategy for RUL calculation is presented and discussed for those mentioned machine’s components. Closed loop configuration is very important; it is adopted by all available vehicle systems. Hence, the same previously mentioned steps are applied for a closed loop configuration too. A global model where the input of the machine’s FEM comes from the modeled inverter is built

La maintenance conditionnelle consiste à suivre à l'aide d'outils spécifiques le comportement des élément mécanique d'une machine. Parmi ces outils, l'analyse vibratoire permet de localiser des défauts. Il s'agit ensuite de prédire leur évolution afin d'envisager au mieux des périodes d'intervention. Cette prédiction est conditionné par la connaissance de la loi d'endommagement de l'élément mécanique concerné. Parmi les éléments des machines tournantes, le roulement est l'organe mécanique le plus sensible. Dans des conditions idéales de montage et d'utilisation, seule la dégradation due à la fatigue de roulement subsiste. Cette endommagement de fatigue engendre de la fissuration puis un écaillage. L'objectif de cette thèse est de détecter, de modéliser et de suivre, par analyse vibratoire, l'endommagement en fatigue des paliers à roulements. Dans ce but, une modélisation, est proposée et validée expérimentalement. Ensuite, une méthode de détection précoce des défauts d'écaillage est proposée. Finalement l'analyse vibratoire est utilisée pour recaler le modèle de croissance d'un écaillage ainsi que la durée de vie résiduelle du roulement.

Les préoccupations environnementales actuelles nous amènent à envisager des solutions alternatives, telles que la pile à combustible. Cette dernière malgré ses avantages présente des faiblesses qui ralentissent sa diffusion au sein de l'industrie, entre autres, sa trop courte durée de vie. Face à cette considération, nous proposons d'appliquer le PHM à la PEMFC. Il faut donc développer le pronostic puis considérer son insertion au sein d'un système industriel. Nous choisissons de baser l'approche proposée sur un modèle de comportement, tout en proposant de combler le manque de connaissance concernant le vieillissement de la pile par les données, ce qui nous permet amène à développer une approche hybride. Dans ces travaux, le modèle comportemental est étudié sur des durées de plus en plus grandes pour enfin proposer une prédiction de l'ordre du millier d'heure. Afin de prendre en compte une implantation au sein d'un système réel, une étude sur la généricité et applicabilité de l'approche est réalisée. Ainsi, ces travaux proposent une approche de pronostic hybride basée sur un modèle de comportement et étudie son insertion au sein d'un système réel
The current environmental concerns lead us to consider alternative solutions. The fuel cell can be one of them with numerous advantages, it presents however weaknesses, especially, its life duration which is too short. Face to this issue, we offer to apply the PHM to the PEMFC. For that, it is necessary to develop the prognostics for this application and the possibility of the on-line implementation on an industrial system. It was chosen to base the approach on a behavioral model in which the knowledge gaps are completed with the use of data. So, the approach proposed here, is hybrid. In this work, the behavioral model is studied on laps of time longer in order to finally introduce a prediction of a thousand of hours. Then, the online implementation on a real system is considered with a genericity and an applicability study. This work proposes a hybrid prognostics approach based on a behavioral model and study its implementation on an industrial system

La maintenance prédictive joue un rôle important dans le maintien des systèmes de production continue car elle peut aider à réduire les interventions inutiles ainsi qu'à éviter des pannes imprévues. En effet, par rapport à la maintenance conditionnelle, la maintenance prédictive met en œuvre une étape supplémentaire, appelée le pronostic. Les opérations de maintenance sont planifiées sur la base de la prédiction des états de détérioration futurs et sur l'estimation de la vie résiduelle du système. Dans le cadre du projet européen FP7 SUPREME (Sustainable PREdictive Maintenance for manufacturing Equipment en Anglais), cette thèse se concentre sur le développement des modèles de détérioration stochastiques et sur des méthodes d'estimation de la vie résiduelle (Remaining Useful Life – RUL en anglais) associées pour les adapter aux cas d'application du projet. Plus précisément, les travaux présentés dans ce manuscrit sont divisés en deux parties principales. La première donne une étude détaillée des modèles de détérioration et des méthodes d'estimation de la RUL existant dans la littérature. En analysant leurs avantages et leurs inconvénients, une adaptation d’une approche de l'état de l'art est mise en œuvre sur des cas d'études issus du projet SUPREME et avec les données acquises à partir d’un banc d'essai développé pour le projet. Certains aspects pratiques de l’implémentation, à savoir la question de l'échange d'informations entre les partenaires du projet, sont également détaillées dans cette première partie. La deuxième partie est consacrée au développement de nouveaux modèles de détérioration et les méthodes d'estimation de la RUL qui permettent d'apporter des éléments de solutions aux problèmes de modélisation de détérioration et de prédiction de RUL soulevés dans le projet SUPREME. Plus précisément, pour surmonter le problème de la coexistence de plusieurs modes de détérioration, le concept des modèles « multi-branche » est proposé. Dans le cadre de cette thèse, deux catégories des modèles de type multi-branche sont présentées correspondant aux deux grands types de modélisation de l'état de santé des système, discret ou continu. Dans le cas discret, en se basant sur des modèles markoviens, deux modèles nommés Mb-HMM and Mb-HsMM (Multi-branch Hidden (semi-)Markov Model en anglais) sont présentés. Alors que dans le cas des états continus, les systèmes linéaires à sauts markoviens (JMLS) sont mis en œuvre. Pour chaque modèle, un cadre à deux phases est implémenté pour accomplir à la fois les tâches de diagnostic et de pronostic. A travers des simulations numériques, nous montrons que les modèles de type multi-branche peuvent donner des meilleures performances pour l'estimation de la RUL par rapport à celles obtenues par des modèles standards mais « mono-branche »
Predictive maintenance plays a crucial role in maintaining continuous production systems since it can help to reduce unnecessary intervention actions and avoid unplanned breakdowns. Indeed, compared to the widely used condition-based maintenance (CBM), the predictive maintenance implements an additional prognostics stage. The maintenance actions are then planned based on the prediction of future deterioration states and residual life of the system. In the framework of the European FP7 project SUPREME (Sustainable PREdictive Maintenance for manufacturing Equipment), this thesis concentrates on the development of stochastic deterioration models and the associated remaining useful life (RUL) estimation methods in order to be adapted in the project application cases. Specifically, the thesis research work is divided in two main parts. The first one gives a comprehensive review of the deterioration models and RUL estimation methods existing in the literature. By analyzing their advantages and disadvantages, an adaption of the state of the art approaches is then implemented for the problem considered in the SUPREME project and for the data acquired from a project's test bench. Some practical implementation aspects, such as the issue of delivering the proper RUL information to the maintenance decision module are also detailed in this part. The second part is dedicated to the development of innovative contributions beyond the state-of-the-are in order to develop enhanced deterioration models and RUL estimation methods to solve original prognostics issues raised in the SUPREME project. Specifically, to overcome the co-existence problem of several deterioration modes, the concept of the "multi-branch" models is introduced. It refers to the deterioration models consisting of different branches in which each one represent a deterioration mode. In the framework of this thesis, two multi-branch model types are presented corresponding to the discrete and continuous cases of the systems' health state. In the discrete case, the so-called Multi-branch Hidden Markov Model (Mb-HMM) and the Multi-branch Hidden semi-Markov model (Mb-HsMM) are constructed based on the Markov and semi-Markov models. Concerning the continuous health state case, the Jump Markov Linear System (JMLS) is implemented. For each model, a two-phase framework is carried out for both the diagnostics and prognostics purposes. Through numerical simulations and a case study, we show that the multi-branch models can help to take into account the co-existence problem of multiple deterioration modes, and hence give better performances in RUL estimation compared to the ones obtained by standard "single branch" models

Ce travail de recherche porte sur la modélisation et l'analyse de la dégradation d'une micropince pour la chirurgie intracorporelle. Nous avons d'abord mené une revue de la littérature pour identifier les limites de la mise en œuvre du pronostic et de la gestion de santé dans les microsystèmes médicaux. Deuxièmement, une méthodologie basée sur la gestion des risques selon la norme ISO 14971 pour les dispositifs médicaux a été développée afin de sélectionner les composants critiques de la micro-pince. Ensuite, les données ont été collectées sur la cinématique du système de micro-pince, en considérant les variables de position angulaire, de vitesse, d'accélération et de jerk, à travers une méthodologie incluant les exigences en matière de données, les méthodes et les protocoles. Une fois les données disponibles, une analyse des données a été réalisée, ce qui a permis de comprendre le comportement de dégradation du système de micro-pince. Cette analyse a conduit à l'identification de trois étapes distinctes de dégradation, classées en trois zones : sécurité, dégradation et critique. En outre, il a été identifié que plus la plage de fermeture est grande, plus le nombre de cycles avant l'apparition de la défaillance est faible. Enfin, pour prédire la durée de vie utile du système de micro-pince, une approche basée sur le Gradient Boosting et le réseau de neurones (acronyme anglais LSTM) a été mise en œuvre. La performance de l'approche proposée a été validée par les résultats de certaines métriques, ainsi que par la mise en œuvre de la prédiction en ligne de la vie restante
This research work deals with the degradation modeling and analysis for a microgripper for intracorporeal surgery. We first conducted a literature review to identify limitations for Prognostics and Health Management (PHM) implementation in medical microsystems. Secondly, a methodology based on risk management according to ISO 14971 for medical devices was developed to select the critical components of the microgripper. Thirdly, the data was collected on the microgripper system's kinematics, considering the angular position, velocity, acceleration, and jerk variables through a methodology that included data requirements, methods, and protocols. Once data were available, data analysis was performed, which allowed an understanding of the degradation behavior of the microgripper system, this understanding led to the identification of three distinct stages of degradation, which were categorized into three zones: safety, degradation, and critical. Moreover, it was identified the larger the closing range, the lower the number of cycles before failure occurs. Lastly, to predict the remaining useful life (RUL) of the microgripper system, a machine learning and deep learning approach was implemented. This approach consisted of fusing Gradient Boosting and Long short-term memory (LSTM) results to predict the RUL. The proposed approach performance was validated by the results of the RMSE, MAE, and R^2 metrics, as well as the online RUL implementation

Les systèmes de piles à combustible à membrane d'échange de protons (PEMFC) conviennent à diverses applications dans le domaine des transports, mais leur coût élevé et leur manque de durabilité restent les principaux facteurs limitant leur commercialisation à grande échelle. Dans les applications de transport, la détérioration des PEMFC est aggravée par des conditions de charge variables, ce qui entraîne une diminution de leur durée de vie utile restante (RUL). La gestion des pronostics et de la santé (PHM) est un outil efficace pour prévoir les risques du système, gérer les calendriers de contrôle/maintenance du système, améliorer la sécurité et la fiabilité du système, prolonger la durée de vie du système et réduire les coûts d'exploitation/maintenance. Le pronostic est une base importante et un support clé pour le PHM, et ses tâches principales incluent l'extraction d'indicateurs de santé, la prédiction des tendances de dégradation et l'estimation de la RUL. Les caractéristiques de dégradation à long terme des PEMFC sont dissimulées dans des conditions de charge variables, ce qui augmente la difficulté d'extraction des indicateurs de santé, réduit la précision de la prédiction de la dégradation et inhibe la fiabilité de l'estimation de la durée de vie. Dans cette optique, le travail de thèse part de la modélisation du comportement de dégradation des PEMFC dans des conditions de charge variables et mène des travaux de recherche sur l'extraction d'indicateurs de santé, la prédiction des tendances de dégradation à court/long terme, l'estimation RUL et l'évaluation de la fiabilité
Proton exchange membrane fuel cell (PEMFC) systems are suitable for various transportation applications thanks to their compact structure, high power density, low start/running temperature, and zero carbon emissions. High cost and lack of durability of PEMFC are still the core factors limiting their large-scale commercialization. In transportation applications, the deterioration of PEMFCs is aggravated by variable load conditions, resulting in a decrease in their Remaining Useful Life (RUL). Prognostics and health management (PHM) is an effective tool to forecast potential system risks, manage system control/maintenance schedules, improve system safety and reliability, extend system life, and reduce operation/maintenance costs. Prognostics is an important foundation and key support for PHM, and its core tasks include health indicator extraction, degradation trend prediction, and RUL estimation. The long-term degradation characteristics of PEMFC are concealed in variable load conditions, which increases the difficulty of health indicator extraction, reduces the accuracy of degradation prediction, and inhibits the reliability of life estimation. In view of this, the thesis work starts from modeling the degradation behavior of PEMFC under variable load conditions and carries out research work on health indicator extraction, short/long-term degradation trend prediction, RUL estimation and reliability evaluation

Les travaux présentés dans ce mémoire concernent le développement de méthodes de pronostic à base de modèles. Le pronostic à base de modèles a pour but d'estimer le temps qu'il reste avant qu'un système ne soit défaillant, à partir d'un modèle physique de la dégradation du système. Ce temps de vie restant est appelé durée de résiduelle (RUL) du système.Le pronostic à base de modèle est composé de deux étapes principales : (i) estimation de l'état actuel de la dégradation et (ii) prédiction de l'état futur de la dégradation. La première étape, qui est une étape de filtrage, est réalisée à partir du modèle et des mesures disponibles. La seconde étape consiste à faire de la propagation d'incertitudes. Le principal enjeu du pronostic concerne la prise en compte des différentes sources d'incertitude pour obtenir une mesure de l'incertitude associée à la RUL prédite. Les principales sources d'incertitude sont les incertitudes de modèle, les incertitudes de mesures et les incertitudes liées aux futures conditions d'opération du système. Afin de gérer ces incertitudes et les intégrer au pronostic, des méthodes probabilistes ainsi que des méthodes ensemblistes ont été développées dans cette thèse.Dans un premier temps, un filtre de Kalman étendu ainsi qu'un filtre particulaire sont appliqués au pronostic de propagation de fissure, en utilisant la loi de Paris et des données synthétiques. Puis, une méthode combinant un filtre particulaire et un algorithme de détection (algorithme des sommes cumulatives) a été développée puis appliquée au pronostic de propagation de fissure dans un matériau composite soumis à un chargement variable. Cette fois, en plus des incertitudes de modèle et de mesures, les incertitudes liées aux futures conditions d'opération du système ont aussi été considérées. De plus, des données réelles ont été utilisées. Ensuite, deux méthodes de pronostic sont développées dans un cadre ensembliste où les erreurs sont considérées comme étant bornées. Elles utilisent notamment des méthodes d'inversion ensembliste et un observateur par intervalles pour des systèmes linéaires à temps discret. Enfin, l'application d'une méthode issue du domaine de l'analyse de fiabilité des systèmes au pronostic à base de modèles est présentée. Il s'agit de la méthode Inverse First-Order Reliability Method (Inverse FORM).Pour chaque méthode développée, des métriques d'évaluation de performance sont calculées dans le but de comparer leur efficacité. Il s'agit de l'exactitude, la précision et l'opportunité
In this manuscript, contributions to the development of methods for on-line model-based prognosis are presented. Model-based prognosis aims at predicting the time before the monitored system reaches a failure state, using a physics-based model of the degradation. This time before failure is called the remaining useful life (RUL) of the system.Model-based prognosis is divided in two main steps: (i) current degradation state estimation and (ii) future degradation state prediction to predict the RUL. The first step, which consists in estimating the current degradation state using the measurements, is performed with filtering techniques. The second step is realized with uncertainty propagation methods. The main challenge in prognosis is to take the different uncertainty sources into account in order to obtain a measure of the RUL uncertainty. There are mainly model uncertainty, measurement uncertainty and future uncertainty (loading, operating conditions, etc.). Thus, probabilistic and set-membership methods for model-based prognosis are investigated in this thesis to tackle these uncertainties.The ability of an extended Kalman filter and a particle filter to perform RUL prognosis in presence of model and measurement uncertainty is first studied using a nonlinear fatigue crack growth model based on the Paris' law and synthetic data. Then, the particle filter combined to a detection algorithm (cumulative sum algorithm) is applied to a more realistic case study, which is fatigue crack growth prognosis in composite materials under variable amplitude loading. This time, model uncertainty, measurement uncertainty and future loading uncertainty are taken into account, and real data are used. Then, two set-membership model-based prognosis methods based on constraint satisfaction and unknown input interval observer for linear discete-time systems are presented. Finally, an extension of a reliability analysis method to model-based prognosis, namely the inverse first-order reliability method (Inverse FORM), is presented.In each case study, performance evaluation metrics (accuracy, precision and timeliness) are calculated in order to make a comparison between the proposed methods

Les travaux présentés dans ce mémoire concernent le développement de méthodes de pronostic à base de modèles. Le pronostic à base de modèles a pour but d'estimer le temps qu'il reste avant qu'un système ne soit défaillant, à partir d'un modèle physique de la dégradation du système. Ce temps de vie restant est appelé durée de résiduelle (RUL) du système.Le pronostic à base de modèle est composé de deux étapes principales : (i) estimation de l'état actuel de la dégradation et (ii) prédiction de l'état futur de la dégradation. La première étape, qui est une étape de filtrage, est réalisée à partir du modèle et des mesures disponibles. La seconde étape consiste à faire de la propagation d'incertitudes. Le principal enjeu du pronostic concerne la prise en compte des différentes sources d'incertitude pour obtenir une mesure de l'incertitude associée à la RUL prédite. Les principales sources d'incertitude sont les incertitudes de modèle, les incertitudes de mesures et les incertitudes liées aux futures conditions d'opération du système. Afin de gérer ces incertitudes et les intégrer au pronostic, des méthodes probabilistes ainsi que des méthodes ensemblistes ont été développées dans cette thèse.Dans un premier temps, un filtre de Kalman étendu ainsi qu'un filtre particulaire sont appliqués au pronostic de propagation de fissure, en utilisant la loi de Paris et des données synthétiques. Puis, une méthode combinant un filtre particulaire et un algorithme de détection (algorithme des sommes cumulatives) a été développée puis appliquée au pronostic de propagation de fissure dans un matériau composite soumis à un chargement variable. Cette fois, en plus des incertitudes de modèle et de mesures, les incertitudes liées aux futures conditions d'opération du système ont aussi été considérées. De plus, des données réelles ont été utilisées. Ensuite, deux méthodes de pronostic sont développées dans un cadre ensembliste où les erreurs sont considérées comme étant bornées. Elles utilisent notamment des méthodes d'inversion ensembliste et un observateur par intervalles pour des systèmes linéaires à temps discret. Enfin, l'application d'une méthode issue du domaine de l'analyse de fiabilité des systèmes au pronostic à base de modèles est présentée. Il s'agit de la méthode Inverse First-Order Reliability Method (Inverse FORM).Pour chaque méthode développée, des métriques d'évaluation de performance sont calculées dans le but de comparer leur efficacité. Il s'agit de l'exactitude, la précision et l'opportunité
In this manuscript, contributions to the development of methods for on-line model-based prognosis are presented. Model-based prognosis aims at predicting the time before the monitored system reaches a failure state, using a physics-based model of the degradation. This time before failure is called the remaining useful life (RUL) of the system.Model-based prognosis is divided in two main steps: (i) current degradation state estimation and (ii) future degradation state prediction to predict the RUL. The first step, which consists in estimating the current degradation state using the measurements, is performed with filtering techniques. The second step is realized with uncertainty propagation methods. The main challenge in prognosis is to take the different uncertainty sources into account in order to obtain a measure of the RUL uncertainty. There are mainly model uncertainty, measurement uncertainty and future uncertainty (loading, operating conditions, etc.). Thus, probabilistic and set-membership methods for model-based prognosis are investigated in this thesis to tackle these uncertainties.The ability of an extended Kalman filter and a particle filter to perform RUL prognosis in presence of model and measurement uncertainty is first studied using a nonlinear fatigue crack growth model based on the Paris' law and synthetic data. Then, the particle filter combined to a detection algorithm (cumulative sum algorithm) is applied to a more realistic case study, which is fatigue crack growth prognosis in composite materials under variable amplitude loading. This time, model uncertainty, measurement uncertainty and future loading uncertainty are taken into account, and real data are used. Then, two set-membership model-based prognosis methods based on constraint satisfaction and unknown input interval observer for linear discete-time systems are presented. Finally, an extension of a reliability analysis method to model-based prognosis, namely the inverse first-order reliability method (Inverse FORM), is presented.In each case study, performance evaluation metrics (accuracy, precision and timeliness) are calculated in order to make a comparison between the proposed methods