Un processaus sera dit en "état normal" ou "sain"
si les relations de cause à effet ne se sont modifiées.
A l'inverse, nous disons qu'un processus est "en état de
défaut" ou "défaillant" si les relations de cause
à effet se sont modifiées.
Différents niveaux d'état de dégradation peuvent etre constatés, et l'on note par ordre croissant d'importance les défauts en reconnaissant leur caractère, soit purement aléatoire (défauts cataleptiques) soit progressif dans le cas de l'usure ou du vieillissement (défauts évolutifs):
Les défauts sont également classés selon leur
origine. La modification des relations de cause à effet peut provenir
de l'observation que l'on a du phénomène (capteur) ou encore
de la cause que l'on croit appliquée au processus (organe de commande)
ou du processus lui-meme.
On classe ainsi:
Le diagnostic de pannes consiste donc à détecter et
localiser chacun de ces types de défauts. Les méthodes permettant
de réaliser ces étapes sont diverses; citons à titre
indicatif les approches "traitement du signal" (transformée
de fourier, analyse du spectre), les approches "statistiques" (information
de Kullback) et les approches à "base de modèles".
Les approches dites "à bases de modèles" utilisent des modèles mathématiques. Ils ont été définis comme un ensemble de représentations abstraites dans un cadre d'hypothèses. Pour un ensemble d'hypothèses communes, des structures classiques se retrouvent et ce sont celles que nous utiliseront dans nos approches. Ces structures bien connues des automaticiens sont la représentation d'état et les matrices de transfert.
L'opération de diagnostic de pannes se décomposent donc en deux étapes.
La Localisation
des défauts:
L'opération de localisation suit l'étape de détection
et attribue le défaut aux modules capteurs, actionneurs ou composants.
Cette fois-ci un ensemble de signaux indicateurs générer
à base de modèles, est nécessaire afin de mener à
bien cette opération. Encore une fois, du au caractère incertain
du modèle à traduire le système physique, ces signaux
se doivent d'etre robustes vis à vis des perturbations et incertitudes
de modèle.