1 détection et isolation de défauts dans les procédés industriels introduction
TRANSCRIPT
1
Détection et isolation de défauts dans les procédés industriels
Introduction
2
Notion de défaut
Événement qui modifie fonctionnement procédé de sorte que performances dégradées ou objectif pas atteint
Exemples• Dérive de capteur• Fuite dans un réservoir• Friction importante dans vanne• Endommagement bille dans un roulement• Court-circuit entre spires d’un enroulement
moteur
3
Le monitoring classique
Poste opérateur – Ensemble structuré hiérarchique de synoptiques
Comparaisons signaux mesurés à valeurs limites fixes et/ou tests sur le gradient du signal
Alarme: opérateur choisit synoptique avec information détaillée concernant signal déduit action à entreprendre
4
Limitations
Détection de défauts importants (et pas de défauts naissants)
Peu d’aide à l’analyse de la source du défaut
Etape supplémentaire : supervision
5
Automatisation intégrée
D. Maquin et J. Ragot (2000) Diagnostic des systèmes linéaires, page 12, Hermes
6
Pourquoi déceler défauts naissants ?
Meilleure aide à la décision pour l’opérateur
Maintenance prédictive
Reconfiguration automatique de régulateur
(systèmes autonomes)
7
Conséquences
Moins d’arrêts inopinés de l’installation Produit de meilleure qualité (meilleur respect
des tolérances) Diminution des coûts de maintenance Meilleur respect des contraintes
environnementales …..
8
Notion de redondance
Redondance matérielle
inconvénients: côut, encombrement, …
applications où la sécurité est critique
(nucléaire, aviation, …) Redondance analytique
Vérifier compatibilité entre mesures de différents types et modèle mathématique du système supervisé.
9
Structure d’un système de DID
Système supervisé
Générateur de résidus
Module de décision
Résidus Défauts vraisemblables
Amplitude du défaut
Entrées connues
Perturbations
Sorties mesurées
10
Exemple simpliste (1)
)()( tatv
)()()( tftvtv vm )()()( tftata am
Relation vitesse accélération
Equations de mesure
)()()()()( tftftatvtr avmm
Générateur de résidu
11
Exemple simpliste (2)
Système de décision
Comparaison de r(t) à un seuil Généralisation
• Combinaison de différentes équations du modèle de façon à atteindre isolation des défauts (détermination de l’élément défectueux)
• Prise en compte du bruit de mesure et des erreurs de modélisation dans le processus de décision
12
Application industrielle – Détection d’encrassement d’un bouilleur (1)
Output :vapour
Steam
Water
S
E
Liquidpurge
FC
PVGvapPG
Gintot TS PS
GoutInput :Fluid toevaporate
Tin
LC
Gpurge
13
Application industrielle – Détection d’encrassement d’un bouilleur (2)Juste après maintenance
2 2.5 3 3.5 4 4.5
x 104Time (*1 min)
Gou
t
2 2.5 3 3.5 4 4.5
x 104Time (*1min)
ri
2 2.5 3 3.5 4 4.5
x 104
0
Time (*1 min)
Gou
t
2 2.5 3 3.5 4 4.5
x 104time (*1min)
ri
Juste avant maintenance suivante
14
Application industrielle – Détection d’encrassement d’un bouilleur (3)
0 0 . 5 1 1 . 5 2 2 . 5 3 3 . 5 4 4 . 5
x 1 04
0
te m p s (m in )
ri
October 97
0 0 . 5 1 1 . 5 2 2 . 5 3 3 . 5 4 4 . 5
x 1 04
0
te m p s (m in )
ri
November 97
0 0. 5 1 1. 5 2 2. 5 3 3. 5 4 4. 5
x 104
0
te mp s (min)
ri
December 97
0 0 . 5 1 1 . 5 2 2 . 5 3 3 . 5 4 4 . 5
x 1 04
0
te m p s (m in )
ri
January 98
0 0 .5 1 1 .5 2 2 .5 3 3 .5 4 4 .5
x 1 04
0
te m p s (m in )
ri
February 98
0 0.5 1 1.5 2 2.5 3 3.5 4 4.5
x 104
0
temp s (min)
ri
March 98
0 0 . 5 1 1 . 5 2 2 . 5 3 3 . 5 4 4 . 5
x 1 04
0
t e m p s (m in)
ri
April 98
0 0 . 5 1 1 . 5 2 2 . 5 3 3 . 5 4 4 . 5
x 1 04
0
t e m p s (m in )
ri
May 98
Replacement of thereboiler