Academic literature on the topic 'Pronostic et gestion de la santé des systèmes (PHM)'

Les approches de Pronostic et gestion de la santé des systèmes (Prognostics and Health Management : PHM) guidées par les données sont fortement dépendantes de la disponibilité et de la qualité d’historiques de défaillances, une exigence souvent difficile à satisfaire dans les systèmes de surveillance en conditions industrielles. Cette divergence crée un écart significatif entre les méthodologies de PHM et leur application pratique sur des systèmes réels. L’accent prédominant mis sur les ensembles de données unimodales dans les travaux de recherche en PHM basée sur les données met en lumière le potentiel des données multimodales pour combler cet écart.Cette thèse explore l’intégration des données multimodales afin d’améliorer les méthodes et les algorithmes de PHM appliqués aux machines industrielles. Elle aborde de manière systématique des défis cruciaux tels que l’absence de données, les données bruitées, les données clairsemées et irrégulières, le déséquilibre des classes et la rareté des données de fonctionnement jusqu’à la défaillance. Elle propose des méthodologies innovantes qui intègrent plusieurs modalités de données et exploitent l’expertise spécifique au domaine pour créer des modèles prédictifs robustes.Les contributions principales de la thèse se déclinent comme suit :1. Apprentissage basé sur l’attention intermodale : une nouvelle méthode d’apprentissage multimodal conçue pour atténuer les limites posées par les données manquantes et bruitées. Elle permet d’intégrer des informations provenant de multiples modalités, améliorant ainsi la précision et la robustesse des modèles prédictifs.2. Méthodologie de diagnostic multimodal assisté par les connaissances d’experts : cette méthodologie combine l’expertise du domaine avec l’apprentissage multimodal pour permettre des diagnostics complets, améliorant ainsi la détection et la classification des défauts dans les machines industrielles.3. Approche de pronostic basée sur des graphes : cette approche innovante construit des trajectoires de fonctionnement jusqu’à la défaillance à partir de données incomplètes en utilisant des techniques basées sur les graphes, offrant une avancée significative dans le domaine du pronostic de défaillances.Ces méthodologies ont été rigoureusement validées sur des données de simulation ainsi que sur des données industrielles provenant d’hydro-générateurs, démontrant des améliorations significatives des algorithmes de PHM et de maintenance prédictive. Les résultats soulignent le potentiel des données multimodales pour améliorer considérablement la fiabilité et l’efficacité des modèles de PHM.Cette thèse apporte un cadre complet pour exploiter diverses sources de données et l’expertise du domaine, promettant de transformer les stratégies de maintenance et de réduire les coûts opérationnels dans diverses industries. Les résultats ouvrent la voie à des recherches futures et à des applications pratiques, positionnant l’intégration des données multimodales comme une avancée essentielle dans le domaine du PHM
Prognostics and Health Management (PHM) with data-driven techniques is heavily dependent upon the availability of extensive and high-quality datasets, a requirement often challenging to fulfill in industrial condition monitoring environments. This discrepancy creates a significant gap between state-of-the-art PHM methodologies and their practical application in real-world scenarios. The prevailing focus in data-driven PHM research on unimodal datasets highlights the potential of multimodal data to bridge this gap.This thesis explores the integration of multimodal data to advance PHM models for industrial machines. It systematically addresses pivotal challenges such as data missingness and noise, sparse and irregular datasets, class imbalance, and the scarcity of run-to-failure data. The research develops innovative methodologies that incorporate multiple data modalities and harness domain-specific expertise to create robust predictive models.The primary contributions of this research include:1. Cross-modal attention-based learning: A new multimodal learning method is designed to mitigate the limitations posed by missing and noisy data. It allows integrating information across multiple modalities, thereby enhancing the accuracy and robustness of predictive models.2. Expert-knowledge-assisted multimodal diagnostics methodology: This methodology combines domain expertise with multimodal learning to enable comprehensive diagnostics, thereby improving fault detection and classification in industrial machinery.3. Graph-based prognostics approach: This innovative approach constructs run-to-failure trajectories from incomplete data using graph-based techniques, offering a significant advancement in failure prognostics.These methodologies were rigorously validated using both simulation and industrial dataset of hydrogenerators, demonstrating significant improvements in PHM and predictive maintenance capabilities. The results underscore the potential of multimodal data to significantly enhance the reliability and efficiency of PHM methods and algorithms.This thesis proposes a comprehensive framework for leveraging diverse data sources and domain expertise, promising to transform maintenance strategies and reducing operational costs across various industries. The findings pave the way for future research and practical implementations, positioning multimodal data integration as a pivotal advancement in the field of PHM

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

Pour maintenir leur compétitivité, les industries du semi-conducteur doivent être en mesure de produire des circuits intégrés en technologies avancées, avec des temps de cycle de plus en plus courts et à des coûts raisonnables. Un des axes d'amélioration réside dans le traitement des défaillances des équipements de production tenus responsables de plus de 50%des rejets produits. Cette thèse se fixe comme objectif de contribuer au développement d'une boucle réactive partant d'une dérive produit à la mise en place d'une solution appropriée tout en assurant un meilleur compromis entre disponibilité des équipements, coûts d'exploitation, qualité et compétitivité du produit. Joignant l'expertise humaine et les événements réels, nous nous sommes proposé ici de développer une méthodologie générique permettant de construire un modèle d'estimation du comportement des équipements de production (Equipment Health Factor EHF) à partir d'un raisonnement mathématique centré sur un formalisme probabiliste. L'approche a été amenée à sa validation expérimentale sur des outils, à base de réseaux Bayésiens, que nous avons développés. Les résultats obtenus amènent des éléments de décision permettant à l'industriel d'intervenir au plus tôt pour envisager par exemple de maintenir l'équipement avant qu'il n'ait dérivé. Cette thèse a été préparée dans le cadre du projet européen IMPROVE en collaboration avec STMicroelectronics, Lfoundry et Probayes

Cette étude s’inscrit dans le domaine de la gestion de santé des systèmes, qui vise à développer des outils d’aide à la maintenance, mais également à améliorer les prises de décision en autonomie des systèmes en cas de pannes. Dans ce cadre, des techniques de diagnostic déterminent si et pourquoi le système est en panne, alors que des techniques de pronostic déterminent quand les pannes vont survenir et leurs conséquences. Si elles semblent être corrélées, elles sont généralement étudiées séparément, car les échelles de temps manipulées par les deux processus sont très différentes.Ces travaux ont pour objectif de développer un outil intégrant les méthodes de diagnostic et de pronostic pour la surveillance des système hybrides, dont les dynamiques sont à la fois continues et discrètes. La méthodologie proposée, basée sur les réseaux de Petri hybrides particulaires, est appliquée sur un rover planétaire pour démontrer son utilisabilité en cas réel à travers la gestion des incertitudes liées au système et aux données
This study takes place in the field of system health management, which aims at developing maintenance aid tools, but also at improving the systems autonomous decision-making in case of failures. In this context, diagnostic techniques determine whether and why the system is down, while prognostic techniques determine when failures will occur and their consequences. If they seem to be correlated, they are usually studied separately because the time scales manipulated by the two processes are very different. This work aims at developing a tool that integrates both diagnosis and prognosis methods for the monitoring of hybrid systems, whose dynamics are both continuous and discrete. The proposed methodology, based on hybrid particle Petri nets, is applied to a planetary rover to demonstrate its usability in real cases through the management of knowledge-based and data-based uncertainty

Spherea (anciennement Cassidian Test & Services), initiateur de la thèse, est un des leaders sur le marché des systèmes automatiques de test (ATE) pour la maintenance des véhicules aéronautiques et de défense. L’intérêt de la société dans la recherche en gestion intégrée de la santé de véhicules est motivé par le taux élevé de fausses déposes d’équipements survenues lors de la maintenance opérationnelle, détectées par les ATE. Ceci engendre des actions de maintenance superflues, et par conséquent des pertes majeurs de temps, d'énergie et d'argent. L’IVHM, de par ses capacités avancées de diagnostic et de pronostic, et son intégration au niveau de l'entreprise de la gestion de santé de véhicules pourrait permettre la réduction des taux de NFF. Néanmoins, les solutions de systèmes IVHM proposées par les communautés scientifique et industrielle sont la plupart du temps développées pour des systèmes spécifiques, et souvent fondées sur des concepts propriétaires. Cela a pour conséquence un manque de consensus à la fois dans les principes structurants des systèmes IVHM et dans leur ingénierie. Aujourd'hui, un défi majeur est de fournir un cadre de modélisation d’IVHM indépendamment du type de système d’intérêt, soutenant l’ingénierie des systèmes IVHM. Vers ce cadre, les principales contributions développées dans cette thèse construisent progressivement les fondations et les piliers d'un cadre de modélisation d’IVHM. La proposition, dans une vision système, des principes structurants d’un système de systèmes permet de définir au général un système IVHM. A partir de cette vision système, le focus de la thèse est orienté sur la gestion de santé du véhicule, fonction de l’IVHM centrée sur le véhicule constituant le catalyseur des décisions de maintenance au niveau opérationnel, ayant la capacité de résoudre le problème industriel à la genèse de la thèse. Les principes structurant clés de cette fonction en trois dimensions (dimension fonctionnelles, dimension d’abstraction, dimension de distribution entre le segment embarqué/sol) sont à la base de la proposition d’un cadre générique de modélisation d’IVHM considérant à la fois les fonctions internes et externes au véhicule. Ce cadre est investigué en cohérence avec une approche construite sur les modèles (MBSE). Conformément à cette approche MBSE, la modélisation, au sein de ce cadre d’IVHM, du module générique de gestion de la santé (gHMM) constitue le support d’intégration des fonctionnalités de diagnostic et de pronostic. Cette modélisation repose sur une vision « boîte noire » et « boîte blanche » du module traduite par un ensemble cohérent de diagrammes SysML, et se basant sur les structures de données standardisées d’OSA-CBM. La formalisation du gHMM permet d'intégrer le diagnostic et le pronostic, processus clés de l’IVHM, dans son sens conventionnel : du diagnostic vers le pronostic, que dans un sens original : du pronostic vers le diagnostic. Ce dernier sens est illustré par la proposition d'un algorithme support à une activité élémentaire du gHMM dans la finalité de réduire les groupes d’ambiguïtés dans le diagnostic. Cette ingénierie aboutit par conséquent à un cadre générique de modélisation, qui par un principe d’instanciation, permet la construction d’une architecture de gestion de l’état de santé d’un système IVHM particulier. Vers cette instanciation la thèse examine les caractéristiques qui impactent la conception d’architectures de gestion de la santé et la sélection d’algorithmes supportant ces architectures, et en propose une formalisation basée sur les ontologies pour la sélection multicritères d’algorithmes de diagnostic et de pronostic appropriés pour la gestion de la santé de véhicules. Finalement, le protocole de validation de l’ensemble des contributions est proposé et illustré à des échelles différentes pour la gestion de l’état de santé d’éoliennes et de drones
Spherea (formerly Cassidian Test & Services), initiator of the PhD thesis, is a leading provider of Automatic Test Equipment (ATE) solutions for aerospace and military vehicles’ maintenance. The company’s interest in Integrated Vehicle Health Management (IVHM) research is motivated by occurrence of No Fault Found (NFF) events detected by ATE, and determining superfluous maintenance activities and consequently major wastes of time, energy and money. IVHM, through its advanced diagnostics and prognostics capabilities, and integration at enterprise level of vehicle health management could solve NFF events occurring during operational-level maintenance. Nevertheless, IVHM systems proposed so far are most of the times developed and matured empirically, for specific vehicle systems, founded on proprietary concepts, and lacking of consensual structuring principles. This results in a lack of consensus in both the structuring principles of IVHM systems and their Systems Engineering. Today, the challenge is to provide an IVHM modelling framework independent from the type of supported system and usable for IVHM Systems Engineering. Towards such framework, the main contributions developed in this thesis progressively build the foundation and pillars of an IVHM modelling framework. The notion of system of systems drives our first proposal of defining principles of an overall IVHM system. From this system vision, the focus of the thesis is oriented on the vehicle centric function of IVHM as catalyst of maintenance decisions at operational level, having the ability to solve the industrial problems at the genesis of the thesis. The key structuring principles of this function are analysed upon three dimensions (functional dimension, a dimension of abstraction, and distribution between the on-board /on-ground segment), setting the basis of the proposal of a generic modelling framework IVHM, considering both vehicle and enterprise centric functions. This framework is built following a Model-based Systems Engineering (MBSE) approach, supported by SysML. The major contribution of the thesis is the modelling, within the framework of IVHM, of the generic Health Management Module (gHMM), support for integration of diagnostics and prognostics, key processes of health management. The gHMM formalization enables to integrate diagnostics and prognostics not only in the conventional way: from diagnosis to prognosis, but also in an original one: from prognostics to diagnostics with the purpose of reducing ambiguity groups; the latter is backed-up through the proposal of an algorithm for one elementary activities of the gHMM. The gHMM MBSE engineering thus leads to a generic modelling framework, which, by a principle of instantiation, allows the construction of an IVHM system designed for the health management of individual vehicle systems. Towards such particularization, the thesis investigates characteristics impacting selection of appropriate supporting algorithms. This analysis enables to identify ten generic macro-criteria, which are further formalized based on ontologies and used within a multi-criteria based methodology suited for selecting diagnostics and prognostics algorithms for vehicle health management. Finally, the validation protocol of the scientific contributions is proposed, and applied at different scales of implementation in the field of wind turbine and UAV health management

Spherea (anciennement Cassidian Test & Services), initiateur de la thèse, est un des leaders sur le marché des systèmes automatiques de test (ATE) pour la maintenance des véhicules aéronautiques et de défense. L’intérêt de la société dans la recherche en gestion intégrée de la santé de véhicules est motivé par le taux élevé de fausses déposes d’équipements survenues lors de la maintenance opérationnelle, détectées par les ATE. Ceci engendre des actions de maintenance superflues, et par conséquent des pertes majeurs de temps, d'énergie et d'argent. L’IVHM, de par ses capacités avancées de diagnostic et de pronostic, et son intégration au niveau de l'entreprise de la gestion de santé de véhicules pourrait permettre la réduction des taux de NFF. Néanmoins, les solutions de systèmes IVHM proposées par les communautés scientifique et industrielle sont la plupart du temps développées pour des systèmes spécifiques, et souvent fondées sur des concepts propriétaires. Cela a pour conséquence un manque de consensus à la fois dans les principes structurants des systèmes IVHM et dans leur ingénierie. Aujourd'hui, un défi majeur est de fournir un cadre de modélisation d’IVHM indépendamment du type de système d’intérêt, soutenant l’ingénierie des systèmes IVHM. Vers ce cadre, les principales contributions développées dans cette thèse construisent progressivement les fondations et les piliers d'un cadre de modélisation d’IVHM. La proposition, dans une vision système, des principes structurants d’un système de systèmes permet de définir au général un système IVHM. A partir de cette vision système, le focus de la thèse est orienté sur la gestion de santé du véhicule, fonction de l’IVHM centrée sur le véhicule constituant le catalyseur des décisions de maintenance au niveau opérationnel, ayant la capacité de résoudre le problème industriel à la genèse de la thèse. Les principes structurant clés de cette fonction en trois dimensions (dimension fonctionnelles, dimension d’abstraction, dimension de distribution entre le segment embarqué/sol) sont à la base de la proposition d’un cadre générique de modélisation d’IVHM considérant à la fois les fonctions internes et externes au véhicule. Ce cadre est investigué en cohérence avec une approche construite sur les modèles (MBSE). Conformément à cette approche MBSE, la modélisation, au sein de ce cadre d’IVHM, du module générique de gestion de la santé (gHMM) constitue le support d’intégration des fonctionnalités de diagnostic et de pronostic. Cette modélisation repose sur une vision « boîte noire » et « boîte blanche » du module traduite par un ensemble cohérent de diagrammes SysML, et se basant sur les structures de données standardisées d’OSA-CBM. La formalisation du gHMM permet d'intégrer le diagnostic et le pronostic, processus clés de l’IVHM, dans son sens conventionnel : du diagnostic vers le pronostic, que dans un sens original : du pronostic vers le diagnostic. Ce dernier sens est illustré par la proposition d'un algorithme support à une activité élémentaire du gHMM dans la finalité de réduire les groupes d’ambiguïtés dans le diagnostic. Cette ingénierie aboutit par conséquent à un cadre générique de modélisation, qui par un principe d’instanciation, permet la construction d’une architecture de gestion de l’état de santé d’un système IVHM particulier. Vers cette instanciation la thèse examine les caractéristiques qui impactent la conception d’architectures de gestion de la santé et la sélection d’algorithmes supportant ces architectures, et en propose une formalisation basée sur les ontologies pour la sélection multicritères d’algorithmes de diagnostic et de pronostic appropriés pour la gestion de la santé de véhicules. Finalement, le protocole de validation de l’ensemble des contributions est proposé et illustré à des échelles différentes pour la gestion de l’état de santé d’éoliennes et de drones
Spherea (formerly Cassidian Test & Services), initiator of the PhD thesis, is a leading provider of Automatic Test Equipment (ATE) solutions for aerospace and military vehicles’ maintenance. The company’s interest in Integrated Vehicle Health Management (IVHM) research is motivated by occurrence of No Fault Found (NFF) events detected by ATE, and determining superfluous maintenance activities and consequently major wastes of time, energy and money. IVHM, through its advanced diagnostics and prognostics capabilities, and integration at enterprise level of vehicle health management could solve NFF events occurring during operational-level maintenance. Nevertheless, IVHM systems proposed so far are most of the times developed and matured empirically, for specific vehicle systems, founded on proprietary concepts, and lacking of consensual structuring principles. This results in a lack of consensus in both the structuring principles of IVHM systems and their Systems Engineering. Today, the challenge is to provide an IVHM modelling framework independent from the type of supported system and usable for IVHM Systems Engineering. Towards such framework, the main contributions developed in this thesis progressively build the foundation and pillars of an IVHM modelling framework. The notion of system of systems drives our first proposal of defining principles of an overall IVHM system. From this system vision, the focus of the thesis is oriented on the vehicle centric function of IVHM as catalyst of maintenance decisions at operational level, having the ability to solve the industrial problems at the genesis of the thesis. The key structuring principles of this function are analysed upon three dimensions (functional dimension, a dimension of abstraction, and distribution between the on-board /on-ground segment), setting the basis of the proposal of a generic modelling framework IVHM, considering both vehicle and enterprise centric functions. This framework is built following a Model-based Systems Engineering (MBSE) approach, supported by SysML. The major contribution of the thesis is the modelling, within the framework of IVHM, of the generic Health Management Module (gHMM), support for integration of diagnostics and prognostics, key processes of health management. The gHMM formalization enables to integrate diagnostics and prognostics not only in the conventional way: from diagnosis to prognosis, but also in an original one: from prognostics to diagnostics with the purpose of reducing ambiguity groups; the latter is backed-up through the proposal of an algorithm for one elementary activities of the gHMM. The gHMM MBSE engineering thus leads to a generic modelling framework, which, by a principle of instantiation, allows the construction of an IVHM system designed for the health management of individual vehicle systems. Towards such particularization, the thesis investigates characteristics impacting selection of appropriate supporting algorithms. This analysis enables to identify ten generic macro-criteria, which are further formalized based on ontologies and used within a multi-criteria based methodology suited for selecting diagnostics and prognostics algorithms for vehicle health management. Finally, the validation protocol of the scientific contributions is proposed, and applied at different scales of implementation in the field of wind turbine and UAV health management

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)