SEIZIME COLLOQUE GRETSI 15-19 SEPTEMBRE 1997 GRENOBLE

1403

Espace de parit pour les systmes linaires incertains

Synthse, quelques rsultats nouveaux et mise en oeuvre
Jos Ragot, Frdric Kratz, Didier Maquin
Centre de Recherche en Automatique de Nancy - UA CNRS 821
2, Avenue de la Fort de Haye
54 516 Vandoeuvre les Nancy, France

RESUME

ABSTRACT

Pour analyser le bon fonctionnement d'un systme, l'une des

techniques couramment utilises consiste tester la nullit
d'quations de redondance entre diffrentes grandeurs
connues caractrisant ce systme. Ces quations sont
gnralement obtenues en liminant, des quations
modlisant le systme, les grandeurs inconnues ; dans le cas
o les paramtres de ce modle sont incertains, le rsultat
de l'limination est critiquable. Dans cette communication,
on expose ce problme ainsi qu'une technique de gnration
d'quations de redondance robustes vis--vis des
imprcisions des paramtres. Des exemples illustrent les
diffrentes propositions.

In order to test the behavior of a process, one of the most

popular method is based on the analysis of residuals
obtained from redundancy equations. These equations are
generated by the eliminination of the unknown variables.
However, when the parameters of the model are not well
known, the validity of the results obtained by this method
may be critisized. The aim of this paper is to present this
problem and to propose a technique of generation of
redundancy equations taking into account these
uncertainties. Some examples illustrate the different
proposed techniques.

1 Introduction
Le diagnostic d'un systme physique a comme objectif de
prciser dans quel tat se trouve ce systme : tat normal ou
tat anormal de fonctionnement. La plupart des mthodes
de diagnostic utilisent la connaissance du processus
physique reprsent par son modle mathmatique. La
redondance analytique (due au modle), permet de
comparer les informations issues de plusieurs capteurs avec
celles correspondant aux variables calcules partir des
modles (1) ; cette comparaison se traduit par la gnration
de variables d'cart appeles rsidus. Quand le processus
fonctionne normalement, ces rsidus sont nuls ; leur
dviation par rapport la valeur zro est alors significative
d'une dfaillance.
Dans ce qui suit, on insiste sur la conception du vecteur
parit dont la structure s'tablit partir des quations du
systme. Lorsque celles-ci sont connues avec une certaine
imprcision, le vecteur parit est lui aussi sensible cette
imprcision et il semble donc utile d'en tudier l'influence.
La section 2 de l'expos est un rappel sur la dfinition du
vecteur parit associ un systme certain, puis en section
3, un exemple simple introduit le vecteur parit dans le cas
de systmes modles multiples. La gnration du vecteur
parit pour une classe de systmes paramtres incertains
fait l'objet de la section 4.

2 Vecteur parit d'un systme certain

2.1 Exemple introductif

Considrons, un instant k particulier, le systme de

mesure

(1) qui correspond une configuration o lon dispose de

cinq mesures couples de trois grandeurs.
1
1
y(k ) = 1
1

2
0
1
0
0

1
2
1 x(k )
1
2

(1)

On constate la redondance suivante :

y1 (k) + 2y 3 (k) y4 (k) = 0
2y1 (k) + 4y 3 (k) y5 (k ) = 0

(2a)
(2b)

Dune faon gnrale, ltablissement des quations de

redondance relve de la thorie de l'limination [6] ; en
effet, si on considre l'exemple prcdent, on voit quil
suffit dliminer entre cinq quations de mesure trois
variables inconnues. En labsence derreurs de mesure, les
quations (2) sont vrifies. Elles ne le sont pas si une ou
plusieurs mesures yi (k ) sont entaches derreurs.

2.2 Modle gnral d'un systme de mesure

Considrons lquation de mesure l'instant k :
y(k ) = Cx(k) + e(k) + Fd(k)
x n , y m , d p , e m

(3)

1404

m.n

, D

d (k) . Ceci conduit dtailler l'expression du vecteur de

mesure sous la forme :

m. p

o y(k ) est le vecteur de mesure, x(k) le vecteur des

variables mesurer, d(k ) le vecteur des dfaillances et
e(k) le vecteur des bruits de mesure ; C est la matrice
caractrisant le systme de mesure et F est la matrice des
directions des dfaillances. Pour dtecter la prsence de
dfaillances, on cherche tablir des relations de
redondance analytique entre les mesures qui sont
indpendantes des grandeurs inconnues x mais qui restent
sensibles aux dfaillances d.

2.3 Gnration de redondance par projection

On dfinit le vecteur parit :
p(k ) = Wy(k )

(4)

o W est une matrice de projection [1], [3], [5] orthogonale

C ce qui entrane :
p(k ) = We(k )+ WFd(k )

(5)

L'expression (4) constitue la forme "calcul" du vecteur

parit partir des mesures y(k ) alors que l'expression (5)
explique l'influence des dfaillances sur le vecteur parit.
En l'absence d'erreur de mesure e(k) et de dfaillance
d(k ) , le vecteur parit est nul. Dans cette situation,
l'quation (4) traduit l'ensemble des redondances qui lient
les mesures y(k) :
(6)

Wy( k ) = 0

2
0
1
0
0

1
1
1
1
0
2

1 x(k ) + 1 e(k ) + 0
1
1
1

2
1
0

0
0
0 d(k )
1
0

Pour gnrer le vecteur parit, on cherche une matrice W

orthogonale l'espace engendr par les colonnes de
(C F ) et non orthogonale l'espace engendr par les
colonnes de F + .

2.5 Dcouplage approch

Le principe qui prvaut pour la gnration du vecteur parit
est celui du dcouplage par rapport aux grandeurs
indsirables au profit des grandeurs auxquelles on souhaite
tre sensible. Pour des raisons gomtriques videntes, ce
dcouplage a ses limites et lexistence de W nest pas
garantie. On peut chercher une solution approche : gnrer
un vecteur parit dcoupl "totalement" par rapport l'tat x
du systme, "trs" insensible aux perturbations d ( k ) et
"trs" sensible aux perturbations dtecter d + (k ) . On peut
alors rechercher un vecteur solution de :

T C = 0

+
+
max f (T F )
(9)

min f ( T F )

+

o les fonctions f et f sont dfinir par l'utilisateur. Il

s'agit d'un problme multicritre [4], dont la solution ne
peut tre exhibe que si le poids relatif d'un critre par
rapport l'autre est prcis.

Le formalisme prcdent s'tend aisment au cas de

systmes de mesure dont les variables sont contraintes.
Cette situation apparat quand on considre un processus
caractris par un modle et une quation de mesure :

-1 0 2 -1 0
ce qui permet de
On obtient W =
-2 0 4 0 -1
donner les deux formes du vecteur parit :
y (k) + 2y3 (k ) y 4 (k )
p(k ) = 1

2y1 (k) + 4y 3 (k) y5 (k)

0 2d1 (k) d2 (k)
p(k ) = e(k) +

2d1 (k)

(8)

2.6 Systmes avec contraintes

Considrons, par exemple, le systme de mesure :

1
1
y(k ) = 1
1

+ +
y( k ) = Cx ( k ) + e ( k ) + F d ( k ) + F d ( k )

(7a)

y(k) = Cx(k ) + e(k) + Fd(k)

Ax(k ) = 0

(10)

On retrouve la structure du cas non contraint en crivant ce

systme sous la forme agrge :
I
C
I
F
y(k) = x(k) + e(k) + d(k)
0
A
0
0

(11)

(7b)

La forme (7a) permet le calcul du vecteur parit ; comme

les erreurs e(k) sont valeur moyenne nulle, la forme (7b)
est utilisable pour dtecter et estimer les dfaillances
ventuelles.

2.4 Extension
De faon plus gnrale, le concepteur peut souhaiter
disposer d'un vecteur parit sensible certaines dfaillances
d + (k ) dtecter et insensible d'autres dfaillances

Comme prcdemment, la gnration du vecteur parit

repose sur l'limination des variables inconnues x(k) .

2.7 Directions de dfaillance

Lors de la dfaillance d'un capteur, l'amplitude du vecteur
parit crot et s'oriente dans la "direction de dfaillance"
associe ce capteur. On suppose que e suit une loi
normale ; en l'absence de dfaillance d(k ) le carr de la
norme du vecteur parit suit alors une loi du chi-2. On peut
donc comparer cette norme un seuil qui est fix partir

1405

d'un niveau de confiance associ la loi de distribution du

chi-2. Cette phase de dtection de la prsence d'une
dfaillance doit tre complte de faon localiser la
dfaillance. Une solution repose sur l'analyse de la
corrlation entre le vecteur parit et les diffrentes
directions de dfaillance matrialises par les vecteurs
forms par les colonnes de la matrice W et la dtermination
de la corrlation la plus grande.

3 Vecteur parit d'un multi-modles

On considre maintenant le cas d'un systme de mesure
parfait, c'est--dire non soumis des dfauts, mais pouvant
prsenter diffrentes configurations :
y = Cq x

q = 0,1, ..., Q

o q indique les diffrents modles que ce systme peut

revtir. Pour q=0, on peut considrer que le modle
correspond au modle nominal du systme de mesure pour
lequel on a vu prcdemment comment gnrer le vecteur
parit associ :
p = Wy
WC0 = 0
Il faut cependant noter que le complment orthogonal d'un
espace d'observation spcifique ne peut pas tre orthogonal
d'autres espaces. Par consquent, un rsidu gnr pour
l'espace d'observation particulier C0 peut tre significativement non nul pour d'autres espaces d'observation et de
ce fait entraner des fausses alarmes. Comme il est
impossible de trouver une unique matrice W orthogonale
tous les Cq , on cherche une solution approche W tant "le
plus orthogonal possible" toutes les matrices Cq en
recherchant le minimum des projections des vecteurscolonne des matrices sur les directions engendres par les
colonnes de la matrice W . Cette matrice W tant
dtermine, le vecteur parit, en prsence d'une dfaillance
dans la jime direction et pour le systme nominal est alors
dfini par :
p = WC0 x + We + w . j

(12)

Le vecteur parit est donc sensible la dfaillance . On

notera, cependant, la prsence du terme "rsiduel" WC0 x
qui explique aussi une partie du vecteur parit. On conoit
donc, au niveau de la dtection du dfaut , la ncessit
d'utiliser un seuil de dtection dpendant de ce terme
rsiduel.

3.1 Formulation gnrale

= w Ce

2
P

o P, choisie diagonale, permet de prendre en compte

l'importance relative d'une matrice Cq par rapport une
autre (en fonction par exemple de leurs frquences
d'occurrence). Le vecteur recherch minimise le critre
. La solution, obtenue par la technique des multiplicateurs
de Lagrange, satisfait lquation suivante :
T

(Ce PCe min I ) = 0

Elle s'interprte de la faon suivante : est le vecteur
propre de la matrice Ce PCeT associ sa plus petite valeur
propre.

4 Systmes paramtres incertains

On considre maintenant le cas de systmes dont les
paramtres varient dans un domaine donn. Il s'agit alors de
trouver un vecteur parit valable pour l'ensemble de ces
modles.

4.1 Formulation gnrale

On considre maintenant le systme de mesure :
y = C() x + e + Fd
x , y m , p , C m.n
q = {min , max }
n

dans lequel reprsente le vecteur des paramtres

incertains. La matrice C est suppose tre de plein rang
colonne ; dans le cas contraire, qui correspond la prsence
de redondances parmi les variables du systme, on peut
toujours extraire une sous-matrice de plus grand rang
colonne. Pour chaque systme de mesure (correspondant
une valeur particulire de ), le vecteur parit est dfini par
:
o W

p = Wy

(m n) .q

et p m n

Si lon note T un vecteur ligne de W, on satisfait au

mieux l'existence du vecteur parit en minimisant
l'ensemble des quantits T C () . Comme ce minimum doit
tre recherch pour l'ensemble des valeurs prises par , le
problme revient chercher le minimum de la fonction :

...

= ...

Soit le vecteur recherch c'est--dire orthogonal "le plus

possible" aux colonnes des diffrentes matrices Cq Formons
au pralable la matrice Ce :
Ce = C0 C2 ... CQ

puis la somme pondre des carrs des projections

prcdemment dfinies :

T
C( 1 ... p ) d1 d p
P

T
sous la contrainte de normalisation 1 = 0

Soit S la matrice dfinie par :

...

S = ...

C(1 . .. p )PC T (1 .. . p )d1 d p

1406

En cherchant les extremum de la fonction de Lagrange

associe au critre, on montre facilement que est le
vecteur propre de S correspondant sa plus petite valeur
propre. On peut aussi, par extension, gnrer plusieurs
vecteurs parit correspondant aux q plus petites valeurs
propres de la matrice S ; le choix de q est dict par des
considrations sur la valeur du critre rsiduel traduisant la
"qualit de l'orthogonalisation".

4
2
0
-2
-4

4.2 Calcul du seuil de dtection

50

100

150

200

250

300

350

400

350

400

Figure 1a : Evolution des mesures

1

Nous avons prcdemment soulign la prsence d'une

composante rsiduelle dans l'expression du vecteur parit 0.5
(12) qui peut rendre dlicate la procdure de dtection de
dfaut. La prsence de cette composante oblige dtecter 0
les variations du vecteur parit au-del d'un certain seuil
dont nous allons prciser la valeur. Si on note W -0.5
l'estimation de la matrice de projection, le vecteur parit est
-1
dfini par :

soit en fonction de l'tat du systme : p = W Cq x

Comme l'tat x n'est pas directement connu, on propose de
fournir une estimation du vecteur parit partir d'une
estimation du vecteur d'tat :
p = W Cq x
Le vecteur d'tat peut tre estim partir des mesures y du
qime systme
x = (CqT Cq ) 1 CqT y
ce qui donne comme estimation du vecteur parit dans la
plus mauvaise situation :
p = Sup WCq (CTq Cq ) 1 CqT y

100

150

200

250

300

Figure 1b : Vecteur parit et seuil adaptatif

p = W y

Cq

50

Remarque Dans le cas d'un systme o les incertitudes

paramtriques interviennent de faon linaire dans
l'expression du modle :
p

C() = C0 + qk Ck
k =1

le calcul de S peut tre conduit de faon analytique.

4.3 Exemple
Considrons le systme de mesure :
a 0
C = 0 1
a [0.8 1.2 ]

1 1
La figure 1a reprsente l'volution des mesures issues des
trois capteurs. La figure 1b indique les variations du vecteur
parit (ici rduit un scalaire) ainsi que le seuil adaptatif de
dtection (trac avec son symtrique). Les deux zones
limites par des traits en pointill correspondent au domaine
temporel o des dfauts affectent les capteurs. La dtection
des dfauts est correctement effectue, le vecteur parit
tant suprieur au seuil dans ces zones ; un seuil
d'amplitude fixe n'aurait pu permettre cette dtection.

5 Conclusion
On a montr comment gnrer des quations de
redondance analytique partir des quations d'tat d'un
systme. Lorsque les paramtres de ce systme sont
incertains, les rsidus d'quations de redondance ne sont pas
systmatiquement nuls et on a propos ladaptation du seuil
de dtection de dfaillances afin de limiter l'apparition de
fausses alarmes. Pour des raisons de concision, le cas des
systmes dynamiques n'a pas t prsent ; cependant, les
auteurs ont pris en compte cette situation et d'un point de
vue formel, il se traite de faon semblable lorsqu'on prend
soin de raisonner sur des modles discrets.

6 Rfrences
[1] Brunet M., Jaume D., Labarrre M., Rault A., Verg M.
Dtection et diagnostic de pannes. Trait des nouvelles
technologies, srie diagnostic et maintenance, Herms,
1990.
[2] Frank P.M. Fault diagnosis in dynamical systems using
analytical and knowledge based redundancy - a survey
and some new results. Automatica, 26 (3), p. 459-474,
1990.
[3] Potter J.E., Suman M.C. Thresholdless redundancy
management with arrays of skewed instruments.
Electronic flight control systems, Agardograph 224, p.
2115-2121, 1977.
[4] Staroswiecki M., Hamad M. Validation of
measurements and detection of sensors failures in
control systems. Signal processing III : theory and
applications. I.T. Young editor, Elsevier, 1986.
[5] Ragot J., Maquin D. An algorithm for obtaining the
redundancy equations of LTI systems. Automatica, 30
(9), 1994.
[6] Ritt J., Differential algebra. American Mathematical
Society, Providence, RI, USA, 1950.