PECASE : Pronostic/Diagnostic Et CommAnde : Santé et Energie

L’équipe PECASE, rattachée au pôle ACS, est issue de l’évolution de l’équipe ESCODI suite aux recommandations du CNRS. Les thématiques de l’équipe PECASE se situent dans l’automatique continue. Plus précisément, le projet scientifique de l’équipe est fondé sur des lignes de force et des axes stratégiques clairement identifiés qui sont : Commande, Pronostic, Diagnostic, Estimation, Energie et Santé.Les activités de recherche de l’équipe s’organisent autour des travaux sur la commande des systèmes non-linéaires et sur le pronostic/diagnostic à base de données ou les techniques fondées sur l’utilisation des modèles dynamiques. Une spécificité de l’équipe dans le cadre du diagnostic, est le développement d’activités sur le pronostic des systèmes. Les applications considérées se situent dans le domaine de l’énergie et de la santé.

ESTIMATION
Nous continuerons à développer des méthodologies pour la reconstruction des variables d’état non mesurables des systèmes dynamiques. Nous continuerons aussi à nous intéresser à la classe des systèmes non-linéaires à une entrée inconnue. L’objectif est de généraliser des résultats de la littérature afin d’exploiter ce type de modèles pour répondre à des problématiques liées au Pronostic/Diagnostic.

COMMANDE
Dans le cadre de l’analyse et la commande des systèmes, nous continuerons à nous intéresser aux problématiques de l’analyse des systèmes, de la stabilisation par rétroaction et de la commande tolérante aux défauts (FTC). Le but de ce type de commande est de maintenir le fonctionnement du système en mode dégradé en dépit de la présence de défauts et de s’adapter automatiquement au nouveau contexte du processus défaillant. Les modèles considérés seront des systèmes dynamiques non-linéaires sous forme d’équations différentielles.

Au sein de l’équipe PECASE, nous nous abordons des problématiques liées aux procédés à base de sources d’énergie renouvelable. Par exemple, nous considérons le problème du contrôle de la pompe à chaleur, des hydroliennes et des éoliennes. Nous nous intéresserons aussi à la commande de l’échangeur et du compresseur en vue d’améliorer le coefficient de performance. Aussi, nous avons développé la commande vectorielle tolérante aux défauts avec et sans capteur mécanique des actionneurs électriques asynchrones et synchrones. L’objectif est d’établir des résultats qui soient validés expérimentalement sur les systèmes électriques avec les plateformes disponibles au laboratoire et gérées par les membres de l’équipe.

Concernant la commande tolérante aux défauts, nos travaux sont dédiés principalement à des applications liées aux axes stratégiques que sont l’énergie et la santé.

PRONOSTIC/DIAGNOSTIC
Nous abordons la problématique du Pronostic/Diagnostic en explorant les méthodes à base de données et les techniques fondées sur des modèles dynamiques. Une première thématique, est celle de l’analyse des dégradations en vue du pronostic des systèmes. Par ailleurs, et dans le cadre du pronostic à base de données, la génération d’indice de santé représente un aspect fondamental. Ainsi, nous abordons cette thématique et notre approche est fondée sur les trois étapes suivantes : la réduction de la taille des données, le traitement de l’indice de santé brut, puis, le pronostic. Actuellement, cette approche a été utilisée avec succès, par des membres de l’équipe, dans un cadre industriel. Cette approche sera améliorée et adaptée pour l’exploitation dans le domaine de la santé. Il s’agit de développer des stratégies pour le pronostic pour certaines maladies, par exemple, le diabète.

A propos des systèmes électriques, nous développons des stratégies du diagnostic/pronostic. Trois types de défauts seront considérés : défauts actionneurs (défauts électriques, défauts mécaniques, etc.), défauts convertisseur de puissance (défauts de composants de puissance, défaut des signaux de commande, etc.) et défauts capteurs (capteurs électriques, capteurs mécaniques, etc.).

Par ailleurs, nous avons développé des stratégies de diagnostic de défaut pour les systèmes pile à combustible (à savoir : le noyage, l’assèchement, la contamination, etc.). Notre objectif actuellement est de synthétiser des lois de commande qui s’adaptent à la présence de ces types de défauts.

Les compétences sont homogènes, complémentaires et caractérisent aussi bien par l’emploi des systèmes dynamiques que par l’exploitation des techniques de l’analyse des données. En outre, tous les membres développent des méthodologies et se focalisent sur diverses applications issues des systèmes énergétiques, « Manufacturing » et de la santé.

L’équipe est impliquée dans une collaboration industrielle très importante sur la thématique du Diagnostic/Pronostic des systèmes de production. A titre d’exemples avec le grand groupe STMicroelectronics est effectuée, en particulier, à travers le projet d’investissement MAGE et le projet européen INTEGRATE. Cette collaboration est réalisée à travers une série de thèses qui traitent de la problématique du Diagnostic/Pronostic en utilisant de données réelles issus des chaines de productions de STMicroelectronics.

Les plates-formes

PECASE dispose de plusieurs plateformes :

• La plateforme SUPER sur la gestion des systèmes multi-sources à énergies renouvelables.
• Deux plateformes expérimentales dédiées aux actionneurs électriques. La première plateforme est dédiée à la commande tolérante aux défauts de la machine synchrone triphasée à aimants permanents et la deuxième plateforme est dédiée à la FTC de la machine asynchrone (MAS) triphasée avec ou sans capteur mécanique en présence d’ouverture simple ou multiple des composants de puissance de l’onduleur.
• Une plateforme expérimentale sur la motorisation de drone avec une alimentation au sol.

Les membres de l’équipe PECASE sont en collaboration avec un grand nombre chercheurs nationaux et internationaux. À titre d’exemple, des collaborations sont tissées à travers des codirections de thèses ou des projets nationaux et internationaux avec les universités suivantes : Université de Marrakech (Maroc), Université Libanaise (Liban), Université de Rosario (Argentine), Université de Washington (USA), ONERA (Salon, France), ENIST, ENIS (Tunisie), Institut FCLab (Belfort, France), etc.