Upload
others
View
19
Download
2
Embed Size (px)
Citation preview
METHODES DE DETECTION ET DE DIAGNOSTIC DE DEFAUTS DANS LES SYSTEMES ELECTRIQUES
Paris le 27 septembre 2007
D. Diallo, M.E.H. Benbouzid
Problème complexe et multidisciplinaire
Méthodes de Détection et de Diagnostic de Défauts dans les Systèmes électriques
Paris le 27 septembre 2007SEEDS - MACS
SOMMAIRE
IntroductionDiagnostic ?Importance des systèmes électriques ?
Techniques de traitement du signal
Techniques de traitement de données
Techniques d’estimation (états et paramètres)
Techniques de l’intelligence artificielle
Méthodes de Détection et de Diagnostic de Défauts dans les Systèmes électriques
Paris le 27 septembre 2007SEEDS - MACS
INTRODUCTION
Sûreté de fonctionnement (RAMS)
FIABILITE
MAINTENABILITE
ORGANISATION DELA MAINTENANCE
SYSTEME DE DIAGNOSTIC
COUT ET DISPONIBILITEDES PIECES DE RECHANGE
DISPONIBILITE DU SYSTEME
COUTDE
MAINTENANCE
SURETEDE
FONCTIONNEMENT
FIABILITE
MAINTENABILITE
ORGANISATION DELA MAINTENANCEORGANISATION DELA MAINTENANCE
SYSTEME DE DIAGNOSTIC
COUT ET DISPONIBILITEDES PIECES DE RECHANGECOUT ET DISPONIBILITEDES PIECES DE RECHANGE
DISPONIBILITE DU SYSTEME
COUTDE
MAINTENANCE
COUTDE
MAINTENANCE
SURETEDE
FONCTIONNEMENT
SURETEDE
FONCTIONNEMENT
Composantes de la disponibilité
Méthodes de Détection et de Diagnostic de Défauts dans les Systèmes électriques
Paris le 27 septembre 2007SEEDS - MACS
Détection et Diagnostic
Détection
Analyse Temporelle et/ou fréquentielle de signaux
Estimation d’états et /ou de paramètres
Techniques I.A.
Diagnostic
Procédé
Modélisation
Méthodes de Classification
Méthodes d’inférence
Données
Méthodes de Détection et de Diagnostic de Défauts dans les Systèmes électriques
Paris le 27 septembre 2007SEEDS - MACS
Pourquoi les systèmes électriques ?
Transport Production d’énergie
Méthodes de Détection et de Diagnostic de Défauts dans les Systèmes électriques
Paris le 27 septembre 2007SEEDS - MACS
Détection et Diagnostic des composants
Machines électriques (défauts électriques et mécaniques)
Convertisseurs statiques (composants actifs et passifs)
Câbles
Connecteurs
Détection et Diagnostic du système
Variateur
Réseau
Méthodes de Détection et de Diagnostic de Défauts dans les Systèmes électriques
Paris le 27 septembre 2007SEEDS - MACS
Grandeurs électromagnétiques
Courants, Tensions, Flux
Grandeurs mécaniques
Vitesse, Position, Accélération
Température
Mesures dans les Systèmes Électriques ?
Méthodes de Détection et de Diagnostic de Défauts dans les Systèmes électriques
Paris le 27 septembre 2007SEEDS - MACS
TECHNIQUES DE TRAITEMENT DU SIGNAL (TdS)
Signal Périodique Signal Stochastique
Signal non-stationnaire
FFT
Filtrage
Densité spectrale
Analyse de corrélation
…
Analyse spectrale
ARMA
Analyse de corrélation
…
STFT
Ondelettes
ARMA
…
Méthodes de Détection et de Diagnostic de Défauts dans les Systèmes électriques
Paris le 27 septembre 2007SEEDS - MACS
Diagnostic de la machine avec les courants
-80 -60 -40 -20 0 20 40 60 80-40
-30
-20
-10
0
10
20
30
40
Iα (A)
Iβ(A
)
Healthy motor
Open phase
-80 -60 -40 -20 0 20 40 60 80-40
-30
-20
-10
0
10
20
30
40
Iα (A)
Iβ(A
)
Healthy motor
Open phase
Ouverture de phase
Reconnaissance de formes
Techniques I.A.
LIME - SPEE Labs
Méthodes de Détection et de Diagnostic de Défauts dans les Systèmes électriques
Paris le 27 septembre 2007SEEDS - MACS
TdS
Transformée de Fourier Rapide – FFT (LIME)
Moteur sain Moteur en défaut 1
Moteur en défaut 2
Méthodes de Détection et de Diagnostic de Défauts dans les Systèmes électriques
Paris le 27 septembre 2007SEEDS - MACS
FFT de la puissance instantanée (GREEN, LIME)
( ) ( ) ( )
( ) ( )
p t p t MV I t
t t
LL Losc
osc osc
= + + − −⎡⎣⎢
⎤⎦⎥
⎧⎨⎩
+ − − −⎡⎣⎢
⎤⎦⎥+ +⎛
⎝⎜⎞⎠⎟
⎫⎬⎭
0 22
6
26
26
cos
cos cos cos
ω ω ϕπ
ω ω ϕπ
ϕπ
ω
TdS
Méthodes de Détection et de Diagnostic de Défauts dans les Systèmes électriques
Paris le 27 septembre 2007SEEDS - MACS
FFT densité spectrale de puissance (Laplace)
TdS
Méthodes de Détection et de Diagnostic de Défauts dans les Systèmes électriques
Paris le 27 septembre 2007SEEDS - MACS
TdS
Bispectre
Transformée de Fourier 2DInformation “Amplitude et Phase”Processus de détection enrichi
Détection de défauts de type électriques
Moteur sain Moteur en défaut
Méthodes de Détection et de Diagnostic de Défauts dans les Systèmes électriques
Paris le 27 septembre 2007SEEDS - MACS
TdS
Analyse spectrale haute résolution (LIME)
Estimateurs de fréquenceMUSIC ou ROOT-MUSICRetient les composantes spectrales utiles
Détection de défauts à signature spectrale
Moteur sain
Moteur en défaut
Méthodes de Détection et de Diagnostic de Défauts dans les Systèmes électriques
Paris le 27 septembre 2007SEEDS - MACS
TdS
Ondelettes
Analyse du courant durant les transitoiresAnalyse de petites sections du signal (STFT)Précision fonction de la taille de la fenêtre
STFT + Ondelettes
STFT
STFT + Ondelettes
Méthodes de Détection et de Diagnostic de Défauts dans les Systèmes électriques
Paris le 27 septembre 2007SEEDS - MACS
TdS
Techniques temps-fréquence
Courant = Signal aléatoire non stationnaireCadre statistique adaptatifMéthode de traitement de signal statistique
Cassures de barres et usure de roulements
Moteur sain Moteur en défaut
Méthodes de Détection et de Diagnostic de Défauts dans les Systèmes électriques
Paris le 27 septembre 2007SEEDS - MACS
Analyse de signaux à fréquence variable (Laplace)
TdS
Méthodes de Détection et de Diagnostic de Défauts dans les Systèmes électriques
Paris le 27 septembre 2007SEEDS - MACS
Analyse de signaux à fréquence variable (Laplace)
TdS
Méthodes de Détection et de Diagnostic de Défauts dans les Systèmes électriques
Paris le 27 septembre 2007SEEDS - MACS
Traitement de données (G2ELab)
TD Fouille de données (data mining)
Méthodes de Détection et de Diagnostic de Défauts dans les Systèmes électriques
Paris le 27 septembre 2007SEEDS - MACS
Traitement de données (G2ELab)
TD
Méthodes de Détection et de Diagnostic de Défauts dans les Systèmes électriques
Paris le 27 septembre 2007SEEDS - MACS
TECHNIQUES D’ESTIMATION
PrincipalementSurveillance thermiqueDétection de défauts mécaniquesDétection de défauts électriquesPrise en compte de la températurePrise en compte de la saturation
Application industrielle – CapteursCourants statoriquesTensions statoriquesEventuellement un capteur de vitesse
Est.
Méthodes de Détection et de Diagnostic de Défauts dans les Systèmes électriques
Paris le 27 septembre 2007SEEDS - MACS
TECHNIQUES D’ESTIMATION DE PARAMETRES
Rr identification après 300 min
Rr identification après 240 min
Rr identification après 60 min
Rr identification au démarrage
Temps (s)
Identification de Rr
Temps (s)
Surveillance thermique
Est.
LIME
Méthodes de Détection et de Diagnostic de Défauts dans les Systèmes électriques
Paris le 27 septembre 2007SEEDS - MACS
TECHNIQUES D’ESTIMATION
• Utilisation directe du modèle
• Relations de Redondance Analytique
• Observateurs
Méthodes de Redondance Analytique pour la surveillance de la Machine à Induction
CEGELY, LAG, LAIL, LAP, LEGBanc d’essais du LAII
Est.
Méthodes de Détection et de Diagnostic de Défauts dans les Systèmes électriques
Paris le 27 septembre 2007SEEDS - MACS
TECHNIQUES D’ESTIMATION
LAG, LAIL, LEG : Utilisation directe des équations du modèle
Modèle
Modèles locaux
Génération et Traitement de résidus
MesuresSimulation ou
Substitution
Est.
Méthodes de Détection et de Diagnostic de Défauts dans les Systèmes électriques
Paris le 27 septembre 2007SEEDS - MACS
TECHNIQUES D’ESTIMATION
LAIL : Relations de Redondance Analytique
Génération de résidus
Modèle
Détermination des RRA
Est.
Méthodes de Détection et de Diagnostic de Défauts dans les Systèmes électriques
Paris le 27 septembre 2007SEEDS - MACS
TECHNIQUES D’ESTIMATION
CEGELY, LAG, LAP, LEG : Utilisation des observateurs
Modèle de référence adaptatif (MRA)
Filtre de Kalman étendu
Observateur (s) à entrée inconnue
Observateur à grand gain étendu d’ordre réduit
Est.
Rs, Rr, Ω
Rs, Rr
Rs, Ls, Rr, I, Ω, Onduleur
Rr
Méthodes de Détection et de Diagnostic de Défauts dans les Systèmes électriques
Paris le 27 septembre 2007SEEDS - MACS
TECHNIQUES DE L’INTELLIGENCE ARTIFICIELLE
Pourquoi ?Alternative aux méthodes traditionnellesSurmonter les limitations
AvantagesNe nécessitent pas de modélisation exacteSimplicité de modification et d’extension
Ce qu’elles nécessitentMinimum d’expertise et de données
TechniquesRéseaux de neuronesLogique floueAlgorithmes génétiques, systèmes experts, …
TIA
Méthodes de Détection et de Diagnostic de Défauts dans les Systèmes électriques
Paris le 27 septembre 2007SEEDS - MACS
Flux d’information
Couche d’entrée Couches cachées Couche de sortie
x1
xn
y1
ym
Flux d’information
Couche d’entrée Couches cachées Couche de sortie
x1
xn
y1
ym
TIA
Les réseaux de neurones artificiels
Application industrielle – CapteursCourants statoriquesEventuellement un capteur de vitesseArchitecture de base pour le diagnostic
Méthodes de Détection et de Diagnostic de Défauts dans les Systèmes électriques
Paris le 27 septembre 2007SEEDS - MACS
TIA
Les réseaux de neurones artificiels
Approche classiqueCapteurs de courantCapteur de vitesse
Approche évolutive mais coûteuse en capteursDétecteur de Défauts
I ΩNc
Bc
PC
ConvertisseurAnalogiqueNumérique
Architecturedécentralisée
Méthodes de Détection et de Diagnostic de Défauts dans les Systèmes électriques
Paris le 27 septembre 2007SEEDS - MACS
TIA Approche hybrideCapteurs de courantArchitecture de base
Entrée : Capteurs de courant
CS1
CS2
CS3
Transformée
CS1
CS2CS3
CSd
CSq
Contourde Concordia
-1.5 -1 -0.5 0 0.5 1 1.5-10
-8
-6
-4
-2
0
2
4
6
8
10
Id (A)
Iq (A)
RN
Sortie : Détection du défaut
CS1
CS2
CS3
TransforméeTransformée
CS1
CS2CS3
CSd
CSq
Contourde Concordia
Contourde Concordia
-1.5 -1 -0.5 0 0.5 1 1.5-10
-8
-6
-4
-2
0
2
4
6
8
10
Id (A)
Iq (A)
-1.5 -1 -0.5 0 0.5 1 1.5-10
-8
-6
-4
-2
0
2
4
6
8
10
Id (A)
Iq (A)
RN
Sortie : Détection du défautSortie : Détection du défaut
Les réseaux de neurones artificiels
Méthodes de Détection et de Diagnostic de Défauts dans les Systèmes électriques
Paris le 27 septembre 2007SEEDS - MACS
TIA Approche hybrideCapteurs de courantArchitecture de base
MAS
ChargeRéseaux
3φ
Acquisition de Données
Data Acquisition & TreatmentContour de Park
φ
φ
φ
Traitement des Données
-20 -15 -10 -5 0 5 10 15 20-20
-15
-10
-5
0
5
10
15
20
Id (A)
Iq (A)Stator Currents
0 0.005 0.01 0.015 0.02-15
-10
-5
0
5
10
15
Réseaux de Neurones
Détection / Alarmes
Acquisition et Traitement des Données
Défaut 1
Défaut 2
Défaut n
FFNN1
FFNNn
FFNN2
RN
Architecture décentralisée
Les réseaux de neurones artificiels
Méthodes de Détection et de Diagnostic de Défauts dans les Systèmes électriques
Paris le 27 septembre 2007SEEDS - MACS
TIA
0 2 4 6 8 1090
91
92
93
94
95
96
97
98
99
100
Number of hidden nodes
Performance of fault detection (%)
Open phase detection
Voltage unbalance detection
Test du détecteur classique
Test du détecteur à architecture décentralisée
Open phase classification
Voltage unbalance classification
Résultats expérimentaux
Les réseaux de neurones artificiels
LIME
Méthodes de Détection et de Diagnostic de Défauts dans les Systèmes électriques
Paris le 27 septembre 2007SEEDS - MACS
TIA
La logique floue
Application industrielle – CapteursCourants statoriquesFonctions d’appartenance & règlesArchitecture de base pour le diagnostic
Alim
enta
tion
Trip
hasé
e
Inférence Floue
Basedes Règles
Basede Données
Base de Connaissances
Traitement des Données
Etat de la Machine
Alim
enta
tion
Trip
hasé
e
Inférence Floue
Basedes Règles
Basede Données
Base de Connaissances
Traitement des Données
Etat de la Machine
Méthodes de Détection et de Diagnostic de Défauts dans les Systèmes électriques
Paris le 27 septembre 2007SEEDS - MACS
TIA
La logique floue
Bon Endommagé SérieusementEndommagé
VariablesLinguistiques
Valeursdes VariablesLinguistiques
Universde discours
Etat de la Machine
Bon Endommagé SérieusementEndommagé
VariablesLinguistiques
Valeursdes VariablesLinguistiques
Universde discours
Etat de la Machine
Variables linguistiques
Méthodes de Détection et de Diagnostic de Défauts dans les Systèmes électriques
Paris le 27 septembre 2007SEEDS - MACS
TIA
La logique floue
Fonctions d’appartenance
0 70 Q
μQ
1 Z P M G
Q = Ia, Ib, Ic
Courants
0 1 CM
μCM
1B E SE
Etat de la machine
Méthodes de Détection et de Diagnostic de Défauts dans les Systèmes électriques
Paris le 27 septembre 2007SEEDS - MACS
TIA
La logique floue
Tests du détecteur flou – Diagramme d’inférence
Machine saine LIME
Méthodes de Détection et de Diagnostic de Défauts dans les Systèmes électriques
Paris le 27 septembre 2007SEEDS - MACS
TIA
La logique floue
Tests du détecteur flou – Diagramme d’inférence
Machine endommagée LIME
Méthodes de Détection et de Diagnostic de Défauts dans les Systèmes électriques
Paris le 27 septembre 2007SEEDS - MACS
TIA
La logique floue
Tests du détecteur flou – Diagramme d’inférence
Machine sérieusement endommagée LIME
Méthodes de Détection et de Diagnostic de Défauts dans les Systèmes électriques
Paris le 27 septembre 2007SEEDS - MACS
MAS
Charge3φ
~
Acquisition des Données
Acquisition & Traitement des DonnéesContour de Concordia
φ
φ
φ
Traitement des DonnéesStator Currents
0 0.005 0.01 0.015 0.02-15
-10
-5
0
5
10
15
Fuzzy Fault Detector
Détection / Alarmes
Règles Données
-80 -60 -40 -20 0 20 40 60 80-40
-30
-20
-10
0
10
20
30
40
Iα (A)
Iβ(A
)
Healthy motor
Open phase
-80 -60 -40 -20 0 20 40 60 80-40
-30
-20
-10
0
10
20
30
40
Iα (A)
Iβ(A
)
Healthy motor
Open phase
MAS
Charge3φ
~3φ
~
Acquisition des Données
Acquisition & Traitement des DonnéesContour de Concordia
φ
φ
φ
Traitement des DonnéesStator Currents
0 0.005 0.01 0.015 0.02-15
-10
-5
0
5
10
15Stator CurrentsStator Currents
0 0.005 0.01 0.015 0.02-15
-10
-5
0
5
10
15
Fuzzy Fault Detector
Détection / Alarmes
RèglesRègles DonnéesDonnées
-80 -60 -40 -20 0 20 40 60 80-40
-30
-20
-10
0
10
20
30
40
Iα (A)
Iβ(A
)
Healthy motor
Open phase
-80 -60 -40 -20 0 20 40 60 80-40
-30
-20
-10
0
10
20
30
40
Iα (A)
Iβ(A
)
Healthy motor
Open phase
TIA
La logique floue
Approche hybrideCourants statoriquesTransformée de Concordia
Diagnostic & Sévérité
Méthodes de Détection et de Diagnostic de Défauts dans les Systèmes électriques
Paris le 27 septembre 2007SEEDS - MACS
TIA
Autres techniques
NeuroflouCapacité de mémorisation des RNRaisonnement heuristique de la LF
Algorithmes génétiquesDiagnostic de défauts à évolution lente
Systèmes experts
Méthodes de Détection et de Diagnostic de Défauts dans les Systèmes électriques
Paris le 27 septembre 2007SEEDS - MACS
Vers la commande tolérante ?
Fonctionnement en présence de défautsSurveillance, diagnostic puis commande
Induction Motor
Sensorless Fuzzy ControlFVBCFVBC
Encoder-BasedSliding Mode Control SMCSMC
Fuzzy Switchover BlockFSBFSB
PWM Inverter
Flux Estimation
Us
Is
Ω
Us-vf
Us-sm
fs-ref
φr
φr-ref
•
Fault Tolerant Controller
HybridHybrid Electric Electric VehicleVehicle
Induction Motor
Sensorless Fuzzy ControlFVBCFVBC
Encoder-BasedSliding Mode Control SMCSMC
Fuzzy Switchover BlockFSBFSB
PWM Inverter
Flux Estimation
Us
Is
Ω
Us-vf
Us-sm
fs-ref
φr
φr-ref
•
Fault Tolerant Controller
Induction Motor
Sensorless Fuzzy ControlFVBCFVBC
Encoder-BasedSliding Mode Control SMCSMC
Fuzzy Switchover BlockFSBFSB
PWM Inverter
Flux Estimation
Us
Is
Ω
Us-vf
Us-sm
fs-ref
φr
φr-ref
•
Fault Tolerant Controller
HybridHybrid Electric Electric VehicleVehicle
Time (sec)
Rot
or S
peed
(rad
/sec
)
Speed sensor failure
Speed sensor recovery
Time (sec)
Rot
or S
peed
(rad
/sec
)
Speed sensor failure
Speed sensor recovery
Vitesse
LIME – SPEE Labs