Vu les besoins croissants en termes de disponibilité, de sécurité et de performance des systèmes automatisés de production, il est nécessaire de développer un module de diagnostic permettant de détecter les défauts pouvant affecter le fonctionnement de ces systèmes et de localiser leur origine ou source. L'objectif de la fonction de diagnostic est de permettre d'envisager des actions correctives pour que ces systèmes retournent à leur fonctionnement nominal. C'est pourquoi, un module de diagnostic est nécessaire pour améliorer les performances et la productivité des systèmes ainsi que limiter les conséquences des pannes qui peuvent être catastrophiques sur les biens et les vies humaines.
Les systèmes automatisés de production sont de moins en moins représentés par un comportement purement discret ou purement continu mais plutôt par un mélange entre les deux. Ces systèmes dynamiques sont nommés : Systèmes dynamiques hybrides (SDH). Ces derniers sont des systèmes continus auxquels sont associés des commutations discrètes, c'est-à-dire commandes, ou bien des systèmes à événements discrets auxquels sont associés certaines évolutions continues.
Le diagnostic des défauts des SDH nécessite donc la prise en compte des interactions entre les dynamiques continue et discrète afin de détecter et isoler les défauts qui affectent le comportement continu (défauts paramétriques) et/ou le comportement discret (défauts discrets).
Le principe général des méthodes de diagnostic est basé sur l'utilisation d'un modèle représentant les comportements normal et défaillant du système. Les approches à base de modèle discret ignorent la dynamique continue du système tandis que les approches à base de modèle continu ne prennent pas en compte les changements des modes discrets (configurations) de ce système. Ils ne sont donc pas capables de réaliser un diagnostic correct des défauts pouvant impacter le fonctionnement des SDH puisqu'ils n'intègrent pas à la fois les dynamiques continue et discrète dans le modèle. C'est pourquoi, les méthodes de diagnostic des SDH sont basées sur l'utilisation d'un modèle hybride représentant les dynamiques continue et discrète. Plusieurs outils de modélisation des SDH ont été proposé dans la littérature. Parmi ces outils, nous pouvons citer :
-
les automates hybrides ;
-
les réseaux de Petri hybrides ;
-
les statecharts hybrides ;
-
les bond graphs hybrides, etc.
Dans cet article, les méthodes de diagnostic des SDH les plus connues sont étudiées. Elles sont classifiées en trois catégories :
-
méthodes de diagnostic des défauts paramétriques ;
-
méthodes de diagnostic des défauts discrets ;
-
méthodes de diagnostic des défauts paramétriques et discrets.
Le principe général des méthodes de diagnostic de chacune de ces catégories est présenté et les avantages et les inconvénients de ces méthodes sont illustrés et comparés en utilisant plusieurs exemples pédagogiques.
Un glossaire reprenant la définition des principaux termes utilisés ici est donné en fin d'article.