Ecole Nationale d’Ingénieurs de Gabès

Département : Génie Électrique - Automatique

Année Universitaire : 2025/2026

TP 1 - Diagnostic à base de l’espace de parité

Manuel des Travaux Pratiques

Diagnostic et Commande tolérante aux fautes

Ce Manuel de TP est préparé par

Pr. Karim CHABIR & [Link] BOUSSAID
et destiné aux étudiants de GEA 3.

Note Bien : Ce document est à usage personnel.

Il est strictement interdit de le reproduire ou de le publier.
1 Rappel de cours

1.1 Les principes du diagnostic

Le diagnostic d’un système industriel nécessite un certain nombre d’étapes résumées à la
figure 1 .

Figure 1 – Les différentes étapes du diagnostic

1
— Étape d’élaboration d’indicateurs de défauts : À partir des mesures réalisées et
des observations issues des opérateurs en charge de l’installation, il s’agit de construire
des indicateurs permettant de mettre en évidence des éventuels défauts pouvant ap-
paraître au sein du système. Dans le domaine du diagnostic, les indicateurs de défauts
sont couramment dénommés les résidus ou symptômes. Un résidu représente un écart
entre les grandeurs estimées et mesurées. Cet écart de comportement doit donc être
idéalement nul en l’absence défaut et différent de zéro dans le cas contraire.
— Étape de détection : Cette étape doit permettre de décider si le système se trouve
ou non dans un état de fonctionnement normal. En pratique, le système surveillé est
toujours soumis à des perturbations non nécessairement mesurables ou mesurées. Le
modèle utilisé, qu’il soit quantitatif ou qualitatif, n’est qu’une représentation toujours
imparfaite de la réalité, de sorte que les résidus peuvent être non nuls en absence de
défaut. Par conséquent, cette étape fait le plus souvent appel aux test statistiques ou,
de manière plus simple, est réalisé à l’aide d’un seuillage.
— Étape de localisation : Il s’agit, à partir des résidus détectés non statistiquement,
de localiser le défaut, c’est à dire de déterminer le ou les éléments défaillants. On
appelle signature d’un défaut l’effet de celui-ci sur un ou plusieurs résidus. Si l’on
dispose de la connaissance de la signature des défauts, il est possible, à partir de
celui-ci, de remonter des effets (résidus non nuls) aux causes (les éléments défaillants).
Cette étape nécessite donc un modèle des défauts du système permettant la résolution
du problème inverse. Ceci peut être réalisé à l’aide d’un arbre de défaillance, d’un
classifieur construit à l’aide d’un réseau de neurone, d’un système d’inférences floues,
etc.
En résumé, quelle que soit la méthode employée, une procédure de diagnostic comprend
deux étapes, une étape de génération de résidus et une étape d’évaluation des résidus.

1.2 Approche par espace de parité

L’idée de base de l’approche par espace de parité est de vérifier la cohérence entre les
relations mathématiques du système et les mesures (relations de redondance analytique).
Supposons en effet, qu’une mesure puisse s’exprimer en fonction des autres par une re-
lation connue. La différence entre la mesure et sa valeur calculée à l’aide du modèle est
appelée résidu. Si le résidu est nul, les mesures sont cohérentes par rapport au modèle,
le système est déclaré sans défaut. Un résidu non nul indique l’apparition d’un défaut.
L’approche par espace de parité suppose donc la connaissance d’un modèle mathématique
du système. Il existe deux types de relation de redondance analytique :
— La redondance statique : ensemble de relations algébriques entre les mesures
fournies par les différents capteurs.
— La redondance dynamique : ensemble d’équations différentielles ou récurrentes
entre les sorties des capteurs et les entrées du système.

2
1.2.1 Redondance statique

Modèle de mesure :
y(t) = Cx(t) + f (t) (1.1)
où y(t) ∈ Rp est le vecteur des mesures, C ∈ Rp×n est la matrice d’observation, x(t) ∈ Rn
est le vecteur d’état et f (t) ∈ Rp est le vecteur des défauts de capteurs.

Les équations de redondance sont obtenues par élimination de l’inconnue x(t). Ceci est
possible que si la matrice est de rang plein colonne et si le nombre de mesures est supérieur à
la dimension de l’inconnue. Dans ces conditions, il est possible de trouver une matrice V , dite
de parité, orthogonale à C (c’est à dire telle que V C = 0), permettant de trouver des relations
indépendantes liant les mesures entre elles.

Vecteur de parité :
nv
X
r(t) = V y(t) = V Cx(t) + V f (t) = V f (t) = Vi fi (t) (1.2)
i=1

où r(t) est le vecteur de parité de dimension p − n et Vi (t) le vecteur colonne numéro i

de la matrice V .

En l’absence de défaut, le vecteur de parité est nul (aux bruits de mesure près). En présence
d’un défaut fi (t), le vecteur de parité s’oriente dans la direction Vi correspondant au vecteur
défectueux. Les lignes de V forment une base de l’espace de parité de dimension p − n. V est
une matrice de projection dans l’espace de parité.
Une façon simple de déterminer une matrice de parité V est de réarranger l’équation (1.1).
En absence de défaut (f (t) = 0), la relation (1.1) peut s’écrire sous la forme suivante :
   
′ ′ ′ ′ yn (t) ′ Cn
y (t) = C x (t), avec y (t) = , C = (1.3)
yp−n (t) Cp−n
la matrice carrée Cn de la relation (1.3) est construite à partir de n ligne indépendante de
C, ceci afin d’assurer l’existence de son inverse. La matrice Cp−n est obtenue à l’aide de p − n
ligne restantes de C. Nous avons alors :

−1
yp−n (t) = Cp−n Cp−n yn (t) (1.4)
Cette relation est indépendante des inconnues et permet de vérifier la cohérence des mesures.
La relation (1.4) peut encore s’écrire sous la forme suivante :
 
−1

yn (t)
−Cp−n Cp−n Ip−n =0 (1.5)
yp−n (t)
−1
La matrice de parité V ′ = Cp−n Cp−n Ip−n de dimension (p − n, n) est orthogonale à C ′

(V ′ C ′ = 0).

Notons que la nécessité d’avoir un nombre de mesures supérieurs à la dimension de l’état

limite l’intérêt pratique de la redondance statique. Avec la redondance dynamique cette
contrainte disparaît, car l’on prend en compte l’évolution des mesures et des entrées au
cours du temps, on parle alors aussi de redondance temporelle ou dynamique.

3
1.2.2 Redondance dynamique

Modèle d’état discret :


x(k + 1) = F x(k) + Gu(k)

y(k) = Cx(k) (1.6)

x(k) ∈ Rn , u(k) ∈ Rm , y(k) ∈ Rp


La redondance dynamique est une généralisation de la redondance statique dans le cas où

l’on utilise un modèle dynamique du système étudié. L’objectif est de rechercher des relations
entre les mesures fournies par les différents capteurs et les entrées du système à différents
instants.
La succession des états, depuis un état initial x(t) jusqu’à un état final quelconque x(k + h)
peut s’exprimer uniquement en fonction de l’état à l’instant k et des entrées aux instants k à
k + h − 1. En effet, on successivement :

x(k + 1) = F x(k) + Gu(k)

x(k + 2) = F x(k + 1) + Gu(k + 1) = F 2 x(k) + F Gu(k) + Gu(k + 1)
x(k + 3) = F x(k + 2) + Gu(k + 2) = F 3 x(k) + F 2 Gu(k) + F Gu(k + 1) + Gu(k + 2)
..
.
h
X
h
x(k + h) = F x(k) + F h−i Gu(k + i − 1)
i=1

sur un horizon d’observation [k, k + h], les sorties aux différents instants k à k + h s’écrivent
alors :

      
y(k) C 0 0 ··· 0 0 u(k)
 y(k + 1)   CF 
   
 CG
 CG ··· 0 0   u(k + 1) 
 
 y(k + 2)  CF 2   CF G CG ··· 0 0  u(k + 2) 
=  x(k) +  (1.7)
 
 
 ..   ..   .. .. .. ....   .. 
 .   .   . . . . .  . 
h h−1 h−2
y(k + h) CF CF G CF G · · · CG 0 u(k + h)

Posons :
     
y(k) u(k) C
 y(k + 1)   u(k + 1)   CF 
     
 y(k + 2)   u(k + 2)  CF 2 
y(k, h) =   , u(k, h) =  , C(h) =  ,
 ..   ..   .. 
 .   .   . 
y(k + h) u(k + h) CF h
 
0 0 ··· 0 0
 CG
 CG · · · 0 0 
ϱ(h) =  CF G
 CG · · · 0 0 
 .. .. .. .. .. 
 . . . . .
h−1 h−2
CF G CF G · · · CG 0
La relation (1.7) s’écrit donc, de manière plus condensée :

4
 y(k, h) = C(h)x(k) + ϱ(h)u(k, h) (1.8)

Vecteur de parité généralisé :

r(k, h) = V (y(k, h) − ϱ(h)u(k, h)) (1.9)

qui ne dépend que des entrées et des sorties du système.

En l’absence de défaut, le vecteur de parité est nul (au bruit de mesure près), et différent
de zéro si non. On peut donc l’utiliser comme résidus dans le but de détecter et de localiser,
par exemple, un défaut de capteur ou actionneur. Toutefois, les relations ainsi obtenues ne sont
pas toutes nécessairement indépendantes, surtout si la fenêtre d’observation est importante.
Les techniques d’auto-redondance et d’inter-redondance permettent alors de contourner cette
difficulté.

Auto-redondance Les relations d’auto-redondance sont obtenues en écrivant la rela-

tion (1.8) pour chacun des capteurs. On ne conserve alors, pour un capteur donné, que
les relations indépendantes permettant d’exprimer une partie de l’état.

Pour faire apparaître que les mesures aux divers instants, issues du capteur considéré et les
entrées. Par exemple, pour le capteur numéro j la relation (1.7) s’écrit :
    
yj (k) Cj 0 0 ··· 0 0 u(k)
 yj (k + 1)   Cj F
   Cj G 0 ··· 0 0   u(k + 1) 
 
 yj (k + 2)  Cj F 2 Cj F G Cj G 0 · · · 0
=   u(k + 2) 
 

.. . .. .. .. .. .. ..
  ..
     
 . . . . . .  . 
h h−1 h−2
yj (k + h) Cj F Cj F G C j F G · · · Cj G 0 u(k + h)
où Cj représente le vecteur ligne numéro j de la matrice C. Cette relation s’écrit sous forme
plus condensée :

yj (k, h) = Cj (h)x(k) + Gj (h)u(k, h) (1.10)

Soit nj le rang maximum de la matrice Cj (h) (la matrice Cj (h) comporte h + 1 ligne).
Dans ces conditions, il est possible d’exprimer nj composantes du vecteur d’état à l’aide des nj
mesures yj (k) à yj (k + nj − 1).
La matrice de rang maximum Cj (nj − 1) est appelée matrice d’observabilité réduite. La
relation (1.10) s’écrit alors :

yj (k, nj − 1) = Cj (nj − 1)x(k) + Gj (nj − 1)u(k, nj − 1) (1.11)

Remarquons que si le système est complètement observable par la sortie numéro j alors le
rang de la matrice d’observabilité réduite est de n. Afin d’obtenir de la redondance, on ajoute
une ligne supplémentaire à Cj (nj − 1) et la relation (1.11) devient donc :

yj (k, nj ) = Cj (nj )x(k) + Gj (nj )u(k, nj ) (1.12)

L’équation d’auto-redondance est alors obtenue en éliminant l’état de la relation (1.12).
Pour cela, on cherche un vecteur ligne Vj tel que :

Vj Cj (nj ) = 0 (1.13)

5
 Équation d’auto-redondance :
 
yj (k)
 yj (k + 1) 
 
rj (k) = Vj  yj (k + 2)  − Vj Gj (nj )u(k, nj )
 
 .. 
 . 
yj (k + nj )

En absence de défaut, la grandeur rj (k) est réduite aux bruits des mesures et des structures.
L’apparition d’un défaut se traduit par une évolution de rj (k) ; ce qui permettra la détection
de l’anomalie.

Inter-redondance Les relations d’inter-redondances permettent de relier les mesures

provenant de plusieurs capteurs. On les obtient en considérant les nj (j = 1 à q) relations
indépendantes obtenues à partir de (1.11).

y1 (k, n1 − 1) C1 (n1 − 1) G1 (n1 − 1) u(k, n1 − 1)

      
.. .. .. ..
. . . .
      
      
yj (k, nj − 1) = Cj (nj − 1) x(k) + Gj (nj − 1) u(k, nj − 1) (1.14)
      

 .
..
 
  .
..



 .
..

 .
..


yq (k, nq − 1) Cq (nq − 1) Gq (nq − 1) u(k, nq − 1)

Le système (1.14) est composé de N relations indépendantes, avec N = qj=1 nj . Le vecteur

P
d’état étant de dimension n, il existe N − n relations d’inter-redondance indépendantes. Les
équations d’inter-redondance sont obtenues par élimination du vecteur d’état. cela revient à
rechercher une matrice V telle que :

C1 (n1 − 1)
 
..
.
 
 
V Cj (nj − 1) = 0 (1.15)
 
 .. 
 . 
Cq (nq − 1)

Relations d’inter-redondance :
    
y1 (k, n1 − 1) G1 (n1 − 1) u(k, n1 − 1)
y2 (k, n2 − 1) G2 (n2 − 1) u(k, n2 − 1)
r(k) = V  −V (1.16)
    
..  ..  .. 
 .   .  . 
yq (k, nq − 1) Gq (nq − 1) u(k, nq − 1)

6
2 Étude théorique

[title=Système d’étude] Considérons le système défini par la représentation d’état discrète

suivante :

   
( 0.5 1 0 0 1  
x(k + 1) = F x(k) + Gu(k) 1 0 1
, F =  0 0.1 0  , G = 1 1  , C=
y(k) = Cx(k) 0 1 1
0 0 0.5 0 −1

avec x(k) = [x1 (k) x2 (k) x3 (k)]T , u(k) = [u1 (k) u2 (k)]T , y(k) = [y1 (k) y2 (k)]T .

2.1 Auto-redondance
1. Déterminer la matrice d’observabilité réduite par rapport à la sortie y1 (on prend
n1 = 2). Modifier la matrice précédente pour obtenir de la redondance. Trouver une
relation entre x(k), u(k), u(k + 1) et la sortie y1 .
2. Déduire la relation d’auto-redondance sur le premier capteur y1 , r1 (k).
3. Déterminer la matrice d’observabilité réduite par rapport à la sortie y2 (on prend
n2 = 2). Modifier la matrice précédente pour obtenir de la redondance. Trouver une
relation entre x(k), u(k), u(k + 1) et la sortie y2 .
4. Déduire la relation d’auto-redondance sur le second capteur y2 , r2 (k).
5. Déterminer le vecteur d’auto-redondance r(k).
6. Déterminer la table des signatures des défauts si on considère 2 défauts fy1 et fy2
liés aux capteurs y1 et y2 , et 2 défauts fu1 et fu2 liés aux actionneurs d’entrées u1
et u2 .
7. Donner la table d’orientation du vecteur de parité en fonction des défauts.
8. Tracer dans l’espace de parité (le plan (r1 , r2 )) les différentes directions, susceptibles
d’être occupées par le vecteur de parité, en fonction des défauts.

2.2 Inter-redondance
1. Sachant que les matrices d’observabilité réduite par rapport à y1 et y2 sont de rang
2, déduire 4 relations indépendantes et écrire une relation d’inter-redondance.
2. En éliminant le vecteur des états de l’équation précédente, déduire une relation
d’inter-redondance r3 en fonction de y1 , y2 et u1 .
3. Regrouper ce résidu avec les 2 autres (obtenus par les relations d’auto-redondance).
Déduire la table des signatures des défauts dans ce cas.
4. Donner la table d’orientation du vecteur de parité en fonction des défauts.

7
3 Etude Pratique

3.1 Système d’étude

Le système d’étude correspond à un système dont le modèle discret (F, G, C) est donnée
ci-dessus. Nous disposons des fichiers de mesures reflétant l’état du système dans des dif-
férents modes de fonctionnement sur un intervalle de temps = 50 secondes. Chaque fichier
de mesure contient les informations suivantes enregistrées dans l’ordre : k, u1 , u2 , y1 , y2
où k est le numéro de l’échantillon (la période d’échantillonnage = 1 seconde), (u1 , u2 )
sont les composantes du vecteur de commande u(k) et (y1 , y2 ) sont les composantes du
vecteur de sortie y(k).

[Code MATLAB pour lire les mesures]

load mes_5;
mes=mes_5;
[n,m]=size(mes);
k=mes(1,:);
u(:,1)=mes(:,2);
u(:,2)=mes(:,3);
y(:,1)=mes(:,4);
y(:,2)=mes(:,5);

3.2 Génération de résidus

1. Par analogie avec l’exemple théorique précédent, construire un générateur de résidus
en exploitant les relations de redondance dynamique (auto-redondance et inter-
redondance).
2. Tracer ces différentes résidus sur la même figure. (Utiliser subplot).
3. Tester votre algorithme avec des différentes mesures.

3.3 Evaluation de résidus

1. En fonction des résidus tracés, choisir un seuil T pour que les résidus soient insen-
sibles aux bruits.
2. Déterminer la signature de chaque résidu.
3. À partir de la table des signatures, construire un système de localisation des défauts.
4. Tester votre algorithme avec des différentes mesures.