Présentation

Article

1 - DIAGNOSTIC ET PRONOSTIC DE DÉFAILLANCE BASÉS SUR LES MODÈLES PHYSIQUES

2 - TYPOLOGIES DES MODÈLES

3 - DIAGNOSTIC ET PRONOSTIC DE DÉFAILLANCE BASÉS SUR LES MODÈLES PHYSIQUES

4 - AVANTAGES ET INCONVÉNIENTS DES MÉTHODES BASÉES SUR DES MODÈLES PHYSIQUES

  • 4.1 - Avantages des modèles physiques
  • 4.2 - Inconvénients des modèles physiques

5 - CONCLUSION

6 - GLOSSAIRE

Article de référence | Réf : MT9133 v1

Diagnostic et pronostic de défaillance basés sur les modèles physiques
Méthodes de diagnostic et de pronostic de défaillance basées sur les modèles physiques

Auteur(s) : Gilles ZWINGELSTEIN

Date de publication : 10 nov. 2020

Pour explorer cet article
Télécharger l'extrait gratuit

Vous êtes déjà abonné ?Connectez-vous !

Sommaire

Présentation

RÉSUMÉ

Cet article présente un état de l’art des méthodes de diagnostic et de pronostic de défaillance basées sur les modèles physiques dont les objectifs sont d’éviter l’occurrence d’une défaillance et de prédire la durée de vie résiduelle. Après un rappel des objectifs de la CBM/PHM, on expose les caractéristiques des modèles physiques empiriques et de connaissances. Ces méthodes étant basées sur le suivi des paramètres du modèle, les méthodes d’identification et d’estimation des paramètres physiques et des composantes d’état sont détaillées. Quatre exemples d’applications représentatives y sont présentés. L’article conclut sur les avantages et inconvénients de ces méthodes et outils.

Lire cet article issu d'une ressource documentaire complète, actualisée et validée par des comités scientifiques.

Lire l’article

ABSTRACT

Diagnosis and failure prognosis methods based on physical models

This article presents a state of the art of methods of diagnosis and prognosis of failures based on physical models whose objectives are to avoid the occurrence of a failure and to predict the residual service life. After a reminder of the objectives of the CBM / PHM, the characteristics of the empirical physical models and of knowledge are explained. As these methods are based on monitoring the parameters of the model, the methods for identifying and estimating physical parameters and state components are detailed. Four examples of representative applications are presented. The article concludes on the advantages and disadvantages of these methods and tools.

Auteur(s)

  • Gilles ZWINGELSTEIN : Ingénieur de l’École nationale supérieure d’électrotechnique, d’électronique, d’informatique et d’hydraulique et des télécommunications de Toulouse (ENSEEIHT), docteur-ingénieur, docteur ès sciences, professeur associé des universités en retraite, université Paris-Est

INTRODUCTION

L’état de santé des équipements représente un enjeu important pour les industriels exploitant des systèmes industriels complexes. La surveillance de l’état de santé pendant la durée du cycle de vie permet de détecter l’apparition des dégradations, de réaliser le diagnostic et d’estimer la durée de vie restante avant l’apparition de la défaillance (DEFAD, RUL en anglais). Depuis plusieurs décennies, de très nombreuses méthodes ont vu le jour dans le cadre de la CBM (condition based monitoring-PHM [physical health management]) en utilisant des modèles spécifiques. Cet article présente un état de l’art des méthodes et outils reposant uniquement sur des modèles physiques pour réaliser le diagnostic et le pronostic de défaillances. La première section fournit un rappel succinct des enjeux et des objectifs de la CBM-PHM pour la prédiction de la durée de vie résiduelle (RUL) en utilisant la terminologie définie par les normes internationales NF EN 13306, ISO 13372 et ISO 13381. Elle recense ensuite les phases de la procédure CBM-PHM adaptées aux modèles physiques : observation, prétraitement des données pour identifier les paramètres des modèles et la détection d’une anomalie, diagnostic de la dégradation ou de la défaillance à partir de l’analyse des paramètres du modèle (empiriques ou de connaissance), pronostic en présence d’une dégradation diagnostiquée pour estimer la durée de vie résiduelle et prise de décision pour des actions de maintenance appropriée. Elle fournit également une liste non exhaustive des principales métriques utilisées pour caractériser la confiance et la prévision du RUL. La seconde section est consacrée à la définition d’une topologie des différents modèles physiques en deux catégories. La première catégorie est déduite de la discipline des mécanismes de défaillance (physics of failure, PoF) et est particulièrement adaptée à la modélisation de la fiabilité des composants électroniques et aux mécanismes de ruine des matériaux utilisés en mécanique. Pour les modèles physiques de prédiction de fiabilité des composants électroniques, les modèles HDBK 217F, 217F plus™, FIDES, sont précisés. Pour les modèles empiriques associés aux mécanismes de ruine des matériaux, des exemples de lois empiriques sont présentées : norme ISO 281, loi de Paris-Erdogan, Whôler, Manson-Coffin… Un exemple de modèle utilisé pour les mécanismes de ruine d’une boîte de vitesses d’éolienne illustre cette problématique. Par souci d’exhaustivité, les différents concepts de mécanique statistique qui prennent en compte les incertitudes dans les tests d'endurance font l’objet de rappels succincts. La seconde catégorie de modèles physiques repose sur les lois connues de la physique (électricité, électromécanique) et dont les structures mathématiques sont connues ainsi que leur nombre de paramètres. Ces modèles font l’objet d’une classification en fonction de leurs caractéristiques (modèle de représentation ou de connaissance), propriétés et expressions mathématiques (équations différentielles, équations d’état…). La troisième section est consacrée aux techniques de diagnostic et de pronostic qui consistent à identifier et à estimer les paramètres ou le vecteur d’état pour réaliser la détection, une évolution caractéristique d’une dégradation, ou d’une défaillance. Cette section détaille la méthode du modèle de référence, la méthode des moindres carrés ordinaires pour le cas où les bruits de mesure ne sont pas pris en compte. Ensuite, les méthodes d’estimation des paramètres et du vecteur d’état en présence de bruits de mesure font l’objet de descriptions détaillées : méthode des moindres carrés généralisés, modèles régressifs (ARMA, ARIMA, ARMAX) et méthodes basées sur les différents filtres de Kalman. Quatre exemples d’application illustrent les performances de ces techniques. Le premier exemple est une application du filtrage de Kalman étendu à l’identification des paramètres d’un réacteur nucléaire de recherche de type Argonaute. Le deuxième cas concerne la modélisation empirique de l’usure des engrenages de la boîte de vitesse d’une éolienne. Le troisième cas est une application de filtre de Kalman non parfumé pour l’estimation de la durée de vie résiduelle de la membrane d’une pile à combustible à hydrogène de type PEMFC. Le dernier cas traite d’une application d’un filtre particulaire à l’estimation du RUL d’un roulement à billes. La quatrième section dresse un inventaire des avantages et inconvénients de l’utilisation de modèles physiques pour le diagnostic et le pronostic. Elle fait ressortir que l’utilisation de modèles physiques fournit des estimation précises du RUL à condition d’utiliser des modèles adaptés avec des paramètres bien identifiés. En conclusion, en dépit des performances de ces modèles physiques, des recommandations sont formulées pour sensibiliser aux sources d’erreurs et d’approximation qui pourraient défiabiliser les résultats du diagnostic et du pronostic.

Cet article est réservé aux abonnés.
Il vous reste 95% à découvrir.

Pour explorer cet article
Téléchargez l'extrait gratuit

Vous êtes déjà abonné ?Connectez-vous !


L'expertise technique et scientifique de référence

La plus importante ressource documentaire technique et scientifique en langue française, avec + de 1 200 auteurs et 100 conseillers scientifiques.
+ de 10 000 articles et 1 000 fiches pratiques opérationnelles, + de 800 articles nouveaux ou mis à jours chaque année.
De la conception au prototypage, jusqu'à l'industrialisation, la référence pour sécuriser le développement de vos projets industriels.

KEYWORDS

diagnosis   |   prognosis   |   RUL   |   models

DOI (Digital Object Identifier)

https://doi.org/10.51257/a-v1-mt9133


Cet article fait partie de l’offre

Maintenance

(76 articles en ce moment)

Cette offre vous donne accès à :

Une base complète d’articles

Actualisée et enrichie d’articles validés par nos comités scientifiques

Des services

Un ensemble d'outils exclusifs en complément des ressources

Un Parcours Pratique

Opérationnel et didactique, pour garantir l'acquisition des compétences transverses

Doc & Quiz

Des articles interactifs avec des quiz, pour une lecture constructive

ABONNEZ-VOUS

Lecture en cours
Présentation

1. Diagnostic et pronostic de défaillance basés sur les modèles physiques

Le diagnostic consiste à rechercher ou analyser la cause d’une défaillance ou d’une dégradation survenant sur un équipement, alors que le pronostic concerne le calcul ou la prévision de son comportement futur en fonction des analyses et des données pertinentes disponibles. Les différentes définitions des termes diagnostic et pronostic sont proposées dans de nombreuses normes internationales pour caractériser des états de panne, de dégradation et pour le pronostic auxquelles le lecteur pourra se référer : NF EN 13306 , ISO 13372 : 2012 , ISO 13381 : -1 , [MT 9 572], [MT9570v1], ...

Cet article est réservé aux abonnés.
Il vous reste 93% à découvrir.

Pour explorer cet article
Téléchargez l'extrait gratuit

Vous êtes déjà abonné ?Connectez-vous !


L'expertise technique et scientifique de référence

La plus importante ressource documentaire technique et scientifique en langue française, avec + de 1 200 auteurs et 100 conseillers scientifiques.
+ de 10 000 articles et 1 000 fiches pratiques opérationnelles, + de 800 articles nouveaux ou mis à jours chaque année.
De la conception au prototypage, jusqu'à l'industrialisation, la référence pour sécuriser le développement de vos projets industriels.

Cet article fait partie de l’offre

Maintenance

(76 articles en ce moment)

Cette offre vous donne accès à :

Une base complète d’articles

Actualisée et enrichie d’articles validés par nos comités scientifiques

Des services

Un ensemble d'outils exclusifs en complément des ressources

Un Parcours Pratique

Opérationnel et didactique, pour garantir l'acquisition des compétences transverses

Doc & Quiz

Des articles interactifs avec des quiz, pour une lecture constructive

ABONNEZ-VOUS

Lecture en cours
Diagnostic et pronostic de défaillance basés sur les modèles physiques
Sommaire
Sommaire

BIBLIOGRAPHIE

  • (1) - NF EN 13306 -   Maintenance - Terminologie de la maintenance,  -  NF EN 13306 (2018).

  • (2) - ISO 13372:2012 -   Surveillance et diagnostic de l’état des machines,  -  Vocabulaire ISO 13381-1 (2015).

  • (3) - ISO 13381-1:2015 -   Surveillance et diagnostic des machines — Pronostic — Partie 1 : Lignes directrices générales,  -  ISO 13381-1 (2015).

  • (4) - KIM (N.-H) -   Prognostics and Health Management of Engineering Systems: An Introduction,  -  Springer (2016).

  • (5) - GOURIVEAU (R.), MEDJAHER (K.), ZERHOUNI (N.) -   Du concept de PHM à la maintenance prédictive 1 Workbook,  -  ISTE (2017).

  • (6) - VACHTSEVANOS (G.), LEWIS (F.L.), ROEMER (M.), HESS (A.), WU (B.) -   Intelligent Fault Diagnosis and Prognosis for...

1 Outils logiciels

MATLAB

Les Montalets 2, rue de Paris 92196 MEUDON Cedex FRANCE

https://fr.mathworks.com/products/matlab.html

RELIASOFT

4, allée du Doyen Georges BRUS Parc Technologique UNITEC 1 33600 PESSAC

https://statxpert.net/

HAUT DE PAGE

2 Sites Internet

Campus de l’École des Mines de Douai :

https://campus.mines-douai.fr/pluginfile.php/9812/mod_resource/content/0/fatigue20101001/co/Cours3_3_2.html

Institut de la Maîtrise des Risques : https://www.imdr.eu/

FIDES : https://www.fides-reliability.org

CETIM, Centre technique des industries mécaniques : http://www.cetim.fr/

Cœur des matériaux cristallins : https://nte.mines-albi.fr/SciMat/co/SM6uc3-2.html

HAUT DE PAGE

3 Normes et standards

NF EN 13306 (2018), Maintenance - Terminologie de la maintenance NF...

Cet article est réservé aux abonnés.
Il vous reste 94% à découvrir.

Pour explorer cet article
Téléchargez l'extrait gratuit

Vous êtes déjà abonné ?Connectez-vous !


L'expertise technique et scientifique de référence

La plus importante ressource documentaire technique et scientifique en langue française, avec + de 1 200 auteurs et 100 conseillers scientifiques.
+ de 10 000 articles et 1 000 fiches pratiques opérationnelles, + de 800 articles nouveaux ou mis à jours chaque année.
De la conception au prototypage, jusqu'à l'industrialisation, la référence pour sécuriser le développement de vos projets industriels.

Cet article fait partie de l’offre

Maintenance

(76 articles en ce moment)

Cette offre vous donne accès à :

Une base complète d’articles

Actualisée et enrichie d’articles validés par nos comités scientifiques

Des services

Un ensemble d'outils exclusifs en complément des ressources

Un Parcours Pratique

Opérationnel et didactique, pour garantir l'acquisition des compétences transverses

Doc & Quiz

Des articles interactifs avec des quiz, pour une lecture constructive

ABONNEZ-VOUS