Détection de défauts dans les procédés industriels par l'utilisation des méthodes d'identification paramétrique

Abstract

Les installations industrielles sont des systèmes complexes de grandes échelles qui nécessitent la conception de systèmes robustes de détection de défauts pour assurer une bonne qualité des produits, la fiabilité et la sécurité dans les différentes conditions de fonctionnement. Le travail réalisé dans cette thèse concerne l’étude de la détection de défauts dans une colonne à distilleren utilisant une approche issue de la combinaison de la modélisation de type boîte noire et des tests séquentiels d’hypothèses. Dans un premier temps, plusieurs modèles linéaires et nonlinéaires sont développés afin de prédire l’évolution de la température en tête de la colonne à distiller. Afin de sélectionner le modèle optimal du processus, trois critères statistiques sont utilisés. Les résultats obtenus montrent que le modèle NARMAX offre la meilleure prédiction de la température en tête de colonne. Dans un deuxième temps, les tests statistiques sont employés afin de détecter les anomalies. Ainsi, quatre tests séquentiels sont proposés pour détecter des déviations dans la moyenne du résidu généré par le modèle NARMAX. Les méthodes de détection de défauts proposées sont implémentées et validées expérimentalement en utilisant des défauts réalistes de la colonne à distiller. Les résultats expérimentaux montrent que les méthodes proposées sont efficaces.