Mémoire Sameh Vuuuuuuuuuuuuu

République Tunisienne Cycle de Formation en Mastère
Ministère de l’Enseignement Supérieur dans la Discipline automatique

et de la Recherche Scientifique Et système embarqué
Université de Gafsa Mémoire de MASTERE

N° d’ordre: …..
Institut Supérieur des Sciences
Appliquées et de Technologie de
GAFSA
MEMOIRE
Présenté à
L’Institut Supérieur des Sciences Appliquées et de

Technologie de Gafsa
(Département Automatique et Système Industrielle)
En vue de l’obtention du
MASTERE
Dans la discipline Automatique et Systèmes Embarqués
Par
AFFI Sameh
Diagnostic des Systèmes à évènement discrets

décrit par des réseaux de Petri
Soutenu le 28 / 12 / 2019, devant le jury composé de :
Mr. BASDOURI Imed Président

Mr. LADGHAM Anis Rapporteur
Mr. KHEDHER Atef Encadreur
Mr DECLERCK Philippe Invité
A.U : 2019 – 2020
Dédicaces
D’abord, je remercie ALLAH, le tout puissant qui m’a permis de réaliser ce
travail.
Je dédie ce modeste travail à :
Ma très chère et douce mère et mon très cher père .
J’implore ALLAH pour la conservation de leur santé, de leurs sacrifices et
bienveillances.
Mes chers frères
Ma chère sœur
Pour leurs soutiens et leurs précieux conseils
Mes très chers amis
Pour l’entente et le lien profond qui a toujours existé entre nous, je n’oublierai
jamais les moments de joie, de peur et de bonheur.
Qu’ALLAH vous offre la réussite, le bonheur et la joie.
AFFI Sameh
Remerciements
J’adresse tout d’abord mes vifs remerciements à Mr. KHEDHER Atef, qui n’a pas
épargné le moindre effort dans l’encadrement de cette mémoire, pour ses conseils, son
encouragement et pour l’aide qu’il m’a apportée aussi par sa responsabilité, ses informations
fructueuses et ses remarques constructives.
Je tiens aussi à remercier Mr. DECLERCK Philippe, maitre de conférences à L’ISTIA

école d’ingénieurs de l’université d’Angers en France pour les précieuses guidances ,
conseils, patiences et directions pour l’aide tout au long de mon travail.
Je remercie également les enseignants de l’ISSAT Gafsa pour la formation que j’ai
reçue tout au long de mon cursus universitaire.
Je ne vais quand-même pas oublier de présenter mes sincères salutations à tous les
membres du jury, pour leurs attentions et pour avoir accepté d’évaluer ce modeste travail.
Finalement, je tiens à remercier tout le personnel de « ISTIA», et surtout Mr.

DECLERCK Philippe qui m’accueillie pour passer mon stage dans de bonnes conditions.
Sommaire
Liste de Figure
Liste de Tableaux
Introduction générale .................................................................................................................. 1
Chapitre I : Le diagnostic et les systèmes à évènements discrets .............................................. 3
Introduction ................................................................................................................................ 3
I .1.Concepts et terminologies de diagnostic.............................................................................. 3
I.1.1.Défaut ............................................................................................................................. 4
I.1.2.Défaillance ..................................................................................................................... 4
I.1.3.Panne .............................................................................................................................. 5
I.1.4.Résidu ............................................................................................................................. 5
I.1.5.Etapes du diagnostic ....................................................................................................... 5
I.1.6.Classification des défauts ............................................................................................... 6
I.1.6.1.Défauts d’actionneur ................................................................................................ 6
I.1.6.2.Défauts de capteur ................................................................................................... 7
I.1.6.3.Défauts de systèmes................................................................................................. 7
I.2.Les différentes méthodes du diagnostic ................................................................................ 7
I.2.1.Méthodes de diagnostic avec modèles ........................................................................... 8
I.2.1.1.Redondance Analytique ........................................................................................... 8
I.2.1.2.Analyse des Modes de Défaillances, de leurs Effets et de leur Criticité AMDEC . 8
I.2.2.Méthodes sans modèles .................................................................................................. 8
I.2.2.1.L’analyse en Composantes Principales ................................................................... 8
I.2.2.2.Reconnaissance des formes ..................................................................................... 9
I.2.2.3.Diagnostic de défauts par observateurs ................................................................... 9
Conclusion ................................................................................................................................ 10
Chapitre II : Les systèmes à évènements discrets (SED) et leurs modélisations ..................... 12
Introduction .............................................................................................................................. 12
II.1.Définitions ......................................................................................................................... 12
II.2.Modélisation de SED ......................................................................................................... 12
II.2.1.Le premier formalisme : les automates à états finis .................................................... 12
II.2.2.Deuxième formalisme : les réseaux de Pétri ............................................................... 13
II.3.Les Réseaux de Pétri.......................................................................................................... 13
II.3.1.Exemples d’´évènements ............................................................................................ 14
II.3.1.1.Exemple d’´états ................................................................................................... 14
II.3.1.2.Définition formelle d’un RdP ............................................................................... 15
II.3.1.3.Dynamique d’un RdP ........................................................................................... 16
II.3.1.3.1.Conditions de franchissement d’une transition ................................................. 16
II.3.1.3.2.Franchissement d’une transition t...................................................................... 16
II.3.1.3.3.Définition .......................................................................................................... 17
II.3.1.3.4.Marquage résultant de franchissement d’une séquence de transitions .............. 17
II.3.2.Propriétés des RdP ...................................................................................................... 17
II.3.2.1.Accessibilité ......................................................................................................... 18
II.3.2.2.Bornitude .............................................................................................................. 18
II.3.2.3.Vivacité ................................................................................................................ 18
II.3.3.Sous classes des RdP .................................................................................................. 18
II.3.3.1.Graphes d’états ..................................................................................................... 18
II.4.Graphes d’événements ....................................................................................................... 19
II.4.1.Graphes d’évènements temporises (GET) .................................................................. 19
II.4.2.Graphes d’évènements temporels ............................................................................... 20
II.4.2.1.Rdp avec conflit ................................................................................................... 20
II.4.2.2.RdP sans conflit .................................................................................................... 21
Conclusion ................................................................................................................................ 22
Chapitre III : Estimation d’état et détection des défauts des SED ........................................... 24
Introduction .............................................................................................................................. 24
III.1.Etude d’un RdP BCF (cas normal): .................................................................................. 24
III.1.1.Equations générales ................................................................................................... 24
III.1.2.Simulation .................................................................................................................. 24
III.1.3.Estimation .................................................................................................................. 25
III.1.4.Etude comparative ..................................................................................................... 25
III.1.5.Environnement du travail .......................................................................................... 26
III.1.6.Mise en place de l’outil galaxy .................................................................................. 27
III.1.7.Interprétation à base de Microsoft Excel ................................................................... 28
III.2.Application à détection des défauts .................................................................................. 29
III.2.1.Simulation .................................................................................................................. 30
III.2.2.Estimation .................................................................................................................. 30
III.2.3.Etudecomparative ...................................................................................................... 31
III.3.Etude d’un RdPFCF ......................................................................................................... 33
III.3.1.Simulation .................................................................................................................. 35
III.3.2.Estimation .................................................................................................................. 35
III.3.3.Etude comparative ..................................................................................................... 36
III.4.Détection d’un défaut d’actionneur .................................................................................. 39
III.4.1.Simulation .................................................................................................................. 39
III.4.2.Estimation .................................................................................................................. 40
III.4.3.Etude Comparative .................................................................................................... 40
Conclusion ................................................................................................................................ 43
Conclusion générale ................................................................................................................. 44
Bibliographie ............................................................................................................................ 45
Liste des Figures
Figure 1: Termes et nomenclature .............................................................................................. 4

Figure 2: Les étapes de diagnostique ......................................................................................... 5
Figure 3: Les types des défauts .................................................................................................. 6
Figure 4: Les méthodes de diagnostique .................................................................................... 7
Figure 5: Algorithme de reconnaissance des formes.................................................................. 9
Figure 6: Modèle d’une machine a état fini ............................................................................. 13
Figure 7: Matrice d'incidence ................................................................................................... 15
Figure 8: Matrice d'incidence exemple 02 ............................................................................... 16
Figure 9: RDP marqué.............................................................................................................. 16
Figure 10 : Exemple d'un graphe d'état .................................................................................... 19
Figure 11: Exemple d'un graphe d’événements ....................................................................... 19
Figure 12 : Exemple d'un GET t-temporel ............................................................................... 20
Figure 13 : Exemple d'un GET p-temporel .............................................................................. 20
Figure 14 : Exemple d'un Rdp avec conflit .............................................................................. 21
Figure 15 : Exemple d'un Rdp avec conflit .............................................................................. 21
Figure 16 : Exemple d'un Rdp BCF ......................................................................................... 21
Figure 17 : Exemple d'un Rdp FCF .......................................................................................... 22
Figure 18: Exemple d'un RDP BCF ......................................................................................... 24
Figure 19 : Interface d'accueil galaxy ...................................................................................... 27
Figure 20 : Enregistrement du module du démarrage de création d'automate ......................... 27
Figure 21 : Courbe d'interprétation (U(t),Uest(t)) .................................................................... 28
Figure 22 : Représentation graphique des entrés systèmes (U, X1) ......................................... 28
Figure 23 : Courbe d'interprétation (X2(t), X2est(t)) ............................................................... 29
Figure 24 : Représentation graphique des entrés systèmes (X3,X3est) ................................... 29
Figure 25 : L’augmentation du nombre des jetons ................................................................... 30
Figure 26 : Courbe d'interprétation (U(t),Uest(t)) .................................................................... 32
Figure 27 : Présentation graphique de résultats de comparaison (X1) ..................................... 32
Figure 30 : Exemple d'un RdP FCF ......................................................................................... 34
Figure 31 : Présentation graphique de résultats de comparaison (U(t),Uest(t)) ....................... 37
Figure 33 : Présentation graphique de résultats de comparaison (X2(t),X2est(t)) ................... 38
Figure 34 : Présentation graphique de résultats de comparaison (X3(t),X3et(t)) .................... 38
Figure 35 : Présentation graphique de résultats de comparaison (X4(t),X4est(t)) ................... 39
Figure 36: Présentation graphique de résultats (U(t)) ............................................................. 41
Figure 37: Présentation graphique de résultats de comparaison (X1(t)) .................................. 41
Figure 38: Présentation graphique de résultats de comparaison (X2(t)) .................................. 42
Figure 39: Présentation graphique du résultats de simulation ( x3(t), x3est(t)) ....................... 42
Figure 40: Présentation graphique des résultats de simulation (X4(t), X4est(t)) ..................... 43
Liste des Tableaux
Tableau 1 : Exemples d’´évènements et d’´états d’un RdP...................................................... 14

Tableau 2 : Résultat de simulation en connaissant l’entrée..................................................... 25
Tableau 3: Estimation d’état et de l’entrée du système en connaissant la sortie...................... 25
Tableau 4:Tableau comparatif .................................................................................................. 26
Tableau 5 : Les résultats de simulation en connaissant l'entrée ............................................... 30
Tableau 6:Estimation du système en connaissant la sortie ...................................................... 31
Tableau 7 : Les valeurs simulées et estimées et montre la comparaison entre elles. ............... 31
Tableau 8 : Résultat de simulation en connaissant l’entrée ..................................................... 35
Tableau 9 : Estimation d’état et de l’entrée du système en connaissant la sortie..................... 36
Tableau 10 : Tableau comparatif .............................................................................................. 36
Tableau 11 : Simulation du système en présence d'un défaut .................................................. 39
Tableau 12 : Estimation d'état du système en présence d'un défaut ......................................... 40
Tableau 13 : Comparaison entre valeur simulé et estimation ................................................. 40
Diagnostic des Systèmes à évènement discrets décrit par des réseaux de Petri AFFI Sameh
Introduction générale
Le contrôle des systèmes automatisés est, depuis longtemps, un problème de grand intérêt
pour le monde scientifique. Une littérature abondante a été développée pour la synthèse de
contrôleurs pour les systèmes ayant des modèles continus que ce soit en vue de leur
commande et/ou de leur diagnostic. Le problème de diagnostic des défaillances dans le cas
des systèmes complexes est l’un des domaines de recherche ayant attiré l’attention et est le
sujet de plusieurs travaux portants sur le diagnostic à base de modèles. Une défaillance d’une
partie du processus peut endommager tout le système de production et peut engendrer des
pertes en vies humaines et des dommages sur le plan économique. Ainsi, les défaillances plus
ou moins critiques représentent une limite aux bénéfices résultant de l’automatisation. Cette
situation a justifié la mise en œuvre d’une recherche scientifique ayant pour objectif le
développement des approches fiables de surveillance des systèmes afin de détecter de façon
précise et précoce l’apparition des défauts et de trouver des solutions adaptées à chaque
procédé industriel.
Les systèmes à événements discrets sont des systèmes dynamiques fondamentalement

asynchrones pour lesquels l’espace d’états est discret. Leur évolution se fait conformément à
l’arrivée des événements caractérisant le changement d’état du système. Il y a maintenant une
multitude d’outils permettant la modélisation des systèmes à événements discrets, tels que la
simulation sur ordinateur, les réseaux de files d’attente, les langages de programmation
parallèle temps réel, les modèles dynamiques algébriques, les chaînes de Markov, les
automates et les réseaux de Petri stochastiques pour les systèmes stochastiques, ou les réseaux
de Petri déterministes pour les systèmes déterministes.
Nous allons rappeler dans ce mémoire les approches d’analyse des systèmes à événements
discrets principalement d´écrits par les réseaux de Petri. viii Introduction générale Les lignes
directrices de ce mémoire, ainsi que son organisation sont présentées sous formes de trois
chapitres organisés de la manière suivante.
Le premier chapitre présente un tour d’horizon sur la supervision et les différentes approches
de détection et de diagnostic des défaillances développées par les différentes communautés de
recherche. On va définir le principe du diagnostic et la classification des défauts. Les
méthodes de diagnostic sans et avec modèles seront ensuite détaillées.
Le deuxième chapitre sera consacré à la modélisation des Systèmes à Evénements Discrets
Page 1
par les Réseaux de Perti. Les notions de base se rapportant avec les réseaux de Petri, leurs
propriétés et leurs sous- classes telle que les graphes d’états et les graphes d’événements
temporisés ou temporels sont aussi présentés à la fin du chapitre. Et enfin le troisième a pour
but de développer l’utilisation des réseaux de Petri pour l’estimation d’état et de l’entrée des
systèmes à événement discrets.
On présente une application à l’estimation d´état dans le cas des RdP temporisé F.C.F. La
même application est étendue par la suite pour la détection des défauts d’actionneur et du
système. On présente aussi une application sur un RdP B.C.F pour l’estimation d’état et des
entrées du système ainsi que pour la détection des défauts. Les défauts considérés sont des
défauts sur l’entrée ou sur le système.
Page 2
Chapitre I : Le diagnostic et les systèmes à évènements discrets
Introduction
Dans ce chapitre en premier lieu on introduira le principe du diagnostic. En effet, de

différentes communautés de recherche artificielle ont développé des approches pour le
diagnostic qui s'effectue par des méthodes qui se répartissent en deux grandes familles :
Méthodes avec modèle basées sur la manipulation des modèles mathématique, et méthodes
sans modèle supposant qu'un ne peut pas décrire le fonctionnement des processus par des
modèles mathématiques. En fait ces méthodes différentes selon le raisonnement dans chaque
type de méthodes.
I .1.Concepts et terminologies de diagnostic
Un diagnostic est un état expliqué d’un système physique compatible avec les informations
disponibles sur le comportement réel du système et avec le modèle de comportement de
référence disponible. Habituellement, le diagnostic est exprimé par les états des composants
ou les états des relations de description du comportement
« Le diagnostic est l’identification de la cause probable de la (ou des) défaillance(s) à l’aide

d’un raisonnement logique fondé sur un ensemble d’informations provenant d’une inspection,
d’un contrôle ou d’un test. » AFNOR, CEI.
D’une manière générale la détection et localisation de défauts pour la surveillance des

systèmes nécessitent d’obtenir des symptômes caractéristiques du fonctionnement du procédé
Surveillé et dès les analyser pour en déduire l’état du système. L’établissement des
symptômes se fait toujours en référence à la connaissance du comportement sain dont on
dispose.
Le terme diagnostic correspond à la caractérisation du défaut, pour effectuer ce dernier il faut

passer par un certain nombre d’étapes.
Le diagnostic industriel est toujours basé sur la comparaison entre le comportement du

procédé défaillant et la connaissance du comportement sain ou de son modèle. La
comparaison nécessite des indicateurs, des symptômes révélateurs qui une fois analysés
permettent d'abord de détecter le comportement défaillant, d'en déduire la fonction ou
l’élément en dysfonctionnement (localiser), puis d'en déterminer la cause et enfin, si possible
Page 3
d’y remédier.
En premier lieu, il convient de définir quelques termes auxquels nous aurons souvent recours
par la suite. L’Association Française de Normalisation (AFNOR) et la Commission
Electrotechnique Internationale (CEI) ont défini avec précision les vocabulaires à utiliser dans
les différents secteurs industriels et les principaux termes utilisés en diagnostic.[1]
Résistance
Résidu
Panne
Défaillance
Défaut
Figure 1: Termes et nomenclature
I.1.1.Défaut
Le concept de défaut est important dans les opérations de surveillance et la maintenance des
processus industriels. On considère comme défaut tout écart entre la caractéristique observée
sur le dispositif et la caractéristique de référence, lorsque celui- ci est en dehors des
spécifications.[2] Un défaut n'implique pas nécessairement une défaillance, une déviation
intolérable, au moins d'une propriété caractéristique ou paramètre du système de conditions de
fonctionnement standards acceptables.
I.1.2.Défaillance
C’est la cessation de l’aptitude d’un ensemble à accomplir ses ou ses fonctions requises (s)
avec les performances définies dans les spécifications techniques. Une interruption
permanente de la capacité du système à exécuter la fonction demandé sous des conditions
d'opération spécifiques.
Page 4
I.1.3.Panne
C’est une interruption permanente de la capacité du système à réaliser sa fonction requise.

Une panne résulte toujours d’une défaillance et donc d’un défaut. Dans le cadre de la
maintenance préventive conditionnelle, il est clair que le diagnostic doit permettre de détecter
et de localiser un défaut avant que celui‐ci ne conduise à une défaillance ou à une panne qui
entrainerait l’arrêt du système. [3]
I.1.4.Résidu
Un résidu est un signal potentiellement indicateur de défauts. Il reflète la cohérence des

données vis-à-vis du modèle comportemental du système, Indicateur de défaut, basé sur la
déviation entre les mesures et la valeur calculée basée sur les équations du modèle. [4]
I.1.5.Etapes du diagnostic
Les différentes étapes du diagnostic nécessaires à la conception, au développement et à

l’exploitation de systèmes d’aide au diagnostic, s’articule autour des étapes suivantes :
Détection de défaut: détermination

des défauts présents dans le système
et le temps de détection.
Détection
Isolation de défaut: détermination du
type de l'endroit (localisation) et le
temps de détection de défaut. Suivi
la détection de défaut.
Localisation
Identification de défaut:
détermination du poids, la variation
dans le temps du comportement du
défaut. Suivi par l'isolation du
défaut.
Identification
Figure 2: Les étapes de diagnostique
Critères de performance d'un système de diagnostic
Comment s'assurer que le système de diagnostic développé soit le plus performant possible ?
Pour répondre à une telle question, il convient tout d'abord de définir en vertu de quels
Page 5
critères le système peut être évalué. D'une manière générale, nous pouvons regrouper les
différents critères de performance du système de détection de la manière suivante : [5]
1. Détectabilité,
2. Insolvabilité,
3. Sensibilité,
4. Robustesse,
5. Coût économique,
6. Temps de développement
I.1.6.Classification des défauts
On considère comme défaut tout écart entre la caractéristique observée sur le dispositif et la
caractéristique de référence, lorsque celui-ci est en dehors des spécifications. Les types de
défauts s‘articule autour de trois point principale. [6]
Affectent le signal
d’entrée des systèmes
Défauts
d’actionneur Ce type de défauts peut
être partiel ou total
Défauts de
capteur Changement dans les
paramètres du
systèmes
Défauts de
système
Figure 3: Les types des défauts
I.1.6.1.Défauts d’actionneur
Ce type de défaut peut rendre la totalité ou une partie du système incontrôlable. Les ´défauts
d’actionneurs peuvent provoquer une perte totale ou partielle des actionneurs.
Une perte totale d’actionneur peut se produire suite à la coupure d’un fil électrique qui relie
l’actionneur au système. [7] Une perte partielle d’un actionneur peut se produire suite à une
Page 6
fuite hydraulique ou pneumatique dans un vérin.
I.1.6.2.Défauts de capteur
Un défaut capteur total fournit une valeur qui n’est pas en rapport avec la grandeur à mesurer.
Un défaut capteur partiel fournit un signal avec plus ou moins d’adéquation avec la valeur
vraie du variable à mesurer. [8]
I.1.6.3.Défauts de systèmes
Ces défauts ne peuvent pas être considérer comme des défauts d’actionneur ou de capteurs.
Ces défauts représentent des changements dans les paramètres du système entrainent des
changements du comportement dynamique de ce dernier. [9]
I.2.Les différentes méthodes du diagnostic
Pour la sélection de la méthode de diagnostic adéquate à la problématique de ce projet de

recherche, nous avons réalisé une recherche bibliographique relative aux méthodes de
diagnostic classiques et intelligentes appliquées dans la littérature et
l’industrie.
Méthode de diagnostic
Méthode avec
Méthode sans
modèles
modèles
Diagnostic classique Diagnostic intelligent
➢ Redondance Analytique ➢ L’analyse en Composantes

➢ Estimation des Paramètres Principales
➢ AMDEC ➢ Reconnaissance des formes
➢ Méthode à base d’observateur
d’état
Figure 4: Les méthodes de diagnostique
Page 7
I.2.1.Méthodes de diagnostic avec modèles
I.2.1.1.Redondance Analytique
Les méthodes de redondance analytiques [10] déterminent l’état du système surveillé via des
mesures des grandeurs d’entrées/sortie. En effet, Ces méthodes utilisent un modèle d’état. Les
méthodes de redondances analytiques sont appropriées pour le diagnostic des systèmes
électriques.
Les paramètres du processus ne sont pas totalement on suffisamment connut. Ensuite, ils
peuvent être déterminés par des méthodes d’estimation si la structure de base du modèle est
connue en mesurant les signaux d’entrée et de sortie.
Dans ce cas, les relations entre les erreurs de processus et les changements dans les
coefficients ont été élaborées. [11]
I.2.1.2.Analyse des Modes de Défaillances, de leurs Effets et de leur Criticité AMDEC
Cette méthode est appliquée par [9]. Elle est composée de l’analyse des modes de défaillances
et ses effets (AMDE), et l’analyse de leur criticité (AC).
L’AMDEC
Cette analyse est une forme d’évaluation des risques avec une résolution complète et efficace
de défauts. Cependant, sa prescription doit être reconnue. Elle ne devrait pas être utilisée
comme un substitut à une évaluation complète des risques quantifiée pour un système à risque
élevé. [12]
L’AC
Sur la base du taux et de la gravité de l’effet des défauts, un classement en priorité du niveau
d’importance de chaque défaut est déterminé. [13] Le processus de classement du AC peut
être réalisé, en utilisant les informations de défauts existants, ou par une procédure d’un
propre classement menée par une équipe d’expertises.
I.2.2.Méthodes sans modèles
I.2.2.1.L’analyse en Composantes Principales
L’analyse en composantes principales (ACP) est une technique descriptive permettant

d’étudier les corrélations qui existent entre les variables, sans tenir compte à priori d’un
quelconque modèle. Le but de l’ACP est d’identifier la structure de dépendance entre des
Page 8
observations multi variables afin d’obtenir une description ou une représentation compacte de
ces dernière. L’analyse en composantes principales peut être vue comme une technique de
projection orthogonale linéaire qui projette les observations multidimensionnelles
représentées dans un espace de dimension m (m est le nombre de variables observées) dans un
sous‐espace de dimension inférieur en maximisant la variance des projections.[14]
I.2.2.2.Reconnaissance des formes
Parmi toutes les approches du diagnostic, la reconnaissance des formes est une technique de
définition d’algorithmes permettant de classer des objets dont l’aspect a varié par rapport à un
objet type. Il s’agit de définir à quelle forme type une forme observée ressemble le plus [15].
La procédure de diagnostic basée sur les techniques de reconnaissance des formes met en
œuvre quatre étapes principales qui sont résumées sur la figure suivante :
Choix de la signature initiale
Constructions des vecteurs

formes
Réalisation de la base d’apprentissage

de Représentation des classes
Acquisition de nouvelles
données,(représentation, classification)
Figure 5: Algorithme de reconnaissance des formes
I.2.2.3.Diagnostic de défauts par observateurs
Le principe fondamentale des méthodes de diagnostic à l’aide d’observateurs est de

reconstruire une partie ou l’ensemble des sorties du système à partir de grandeurs accessible
du procédé. Les signaux indicateurs de défauts sont générés en formant la différence entre les
sorties estimées et les sorties réelles. En absence de défauts, les différences convergentes vers
zéro dès qu’un défaut apparaisse, ces différences ne sont plus égales à zéro.[16] Cependant,
tout système physique est exposé à des perturbations inévitables, qui sont traduites, tout
Page 9
comme les défauts, par un changement dans le modèle du procédé. Ces perturbations
entraînent alors à une incohérence entre les sorties du système physique et celle de
l’observateur.
Conclusion
Le diagnostic consiste à déterminer les causes des défaillances. Les principales méthodes de
diagnostic peuvent être divisées en deux familles : les méthodes avec modèles et les méthodes
sans modèles. Les méthodes avec modèles (méthodes internes) sont basées sur des modèles
mathématiques d´écrivant le fonctionnement des systèmes.
Ces méthodes regroupent la redondance analytique, la méthode d’identification des

paramètres et la méthode à base d’observateurs d’´état. Les méthodes sans modèles (méthodes
externes) consistent à établir les liens entre les causes initiales des défaillances et leurs effets.
Ces méthodes regroupent l’arbre des défaillances, l’AMDE, l’AMDEC et l’analyse des
composantes principales.
Page 10
Chapitre II : Les systèmes à évènements discrets (SED) et leurs

modélisations
Introduction
Au cours de ce chapitre. On va aborder des notions utiles aux systèmes à événements discrets
(SED) et les réseaux de Pétri (RDP). En dernier lieu, on abondera des définitions et des
propriétés des RDP des SED.
II.1.Définitions
Un système à événement discret (SED) est un système dynamique à espace d’état discret dont
à espace d’état discret dont les transitions entre états social occurrence d’événement discret
asynchrones (à des intervalles de temps irréguliers ou inconnus).
Il existe des nombreux formalismes de modélisation ont été développées pour l’analyse des
SED.
II.2.Modélisation de SED
II.2.1.Le premier formalisme : les automates à états finis
Un automate fini est une machine est utilisée dans la calculabilité et l’étude des langages
formels. Il est constitué d´états et de transitions associes à des évènements discrets. Cette
machine possède un nombre fini d’´états distincts.
Graphiquement un automate est un graphe étiquetée, Où les états sont présentés par des
nœuds (cercles) qui contiennent leur nom et sont étiquetés par leurs actions d’entrée et de
sortie. Et les transitions sont présentées par des arcs (flèches) qui associé à un symbole de
l’alphabet [17]. La figure ci-dessous présente un exemple de modèle d’une machine à états
finis.
Page 12
Figure 6: Modèle d’une machine a état fini
Les automates à états finis représentent un formalisme important de modélisation des SED,
mais leurs avantages sont néanmoins atténués par leur grande sensibilité au problème de
l’explosion combinatoire du nombre d’états. Ce défaut est résolu par le deuxième formalisme
appelées réseaux de pétri RdP. [18]
II.2.2.Deuxième formalisme : les réseaux de Pétri
Par rapport aux automates les réseaux de Pétri ont l’avantage d’être un modèle plus général
avec des structures plus riches et un gain net d’´échelle, ils s’adaptent parfaitement à la
description de différents types à événements discrets (SED).
II.3.Les Réseaux de Pétri
Les réseaux de pétri est une représentation graphique orienté contenant un ensemble fini de
places et un ensemble fini de transitions, avec des arcs orientés assurant le passage.[19]
Les places sont figurées par des cercles et représentent des conditions spécifiques pour chaque
état du système, des informations de type nombre de ressources, état d’une ressource, etc.
Les évènements du système sont visualisés par un ensemble de transitions T R = {t1, t2, ...,
tn} qui sont représentées graphiquement par des traits. Des arcs orientés (pi, tj) relient des
places à des transitions et des arcs orientés (tj, pi) relient des transitions à des places. Le
tableau (Tableau 1) donne quelques exemples d’évènements et d’états.
Page 13
Tableau 1 : Exemples d’évènements et d’´états d’un RdP
Exemples d’évènements Exemple d’états

-Une commande arrive -Une machine est au repos
-Une machine débute le traitement de -Une machine est en réparation
la commande
- Une machine termine le traitement -Une machine est en attente

de la commande
-La commande st envoyée -Une machine est en cours de

traitement
II.3.1.Exemples d’évènements
II.3.1.1.Exemple d’´états
❖ Une commande arrive -Une machine est au repos

❖ La machine d´débute le traitement de la commande
❖ Une machine est en réparation
❖ La machine termine le traitement de la commande
❖ Une commande est en attente
La commande est envoyée
➢ Une commande est en cours de traitement Les définitions suivantes d´écrivent les
RdPs :
➢ Marquage d’une place : Nous notons M(pi) le marquage de la place pi qui représente
le nombre de jetons contenus dans p i à un instant donné.
➢ Marquage d’un RdP : C’est le vecteur M de dimension égale au nombre de places,
composée du nombre de jetons dans chaque place du RdP.
➢ L’application d’incidence avant : Nous notons Pré : P × T R → N l’application
d’incidence avant d´définie par P ré = W−(pi, tj ) qui est le poids de l’arc (pi, tj).
➢ L’application d’incidence arrière : Nous notons P ost : T R × P → N l’application
d’incidence arrière d´définie par P ost = W+(pi, tj ) qui est le poids de l’arc (tj, pi).
➢ Places d’entrée d’une transition : Nous notons
 tj = {pi ∈ P|P re(pi, tj ) > 0} l’ensemble des places d’entrée de tj.
➢ Places de sortie d’une transition : Nous notons tj
 = {pi ∈ P|P ost(pi, tj ) > 0}l’ensemble des places de sortie de tj.
➢ -Transitions d’entrée d’une place : Nous notons •pi = {tj∈ T R|P ost(pi, tj ) >
0}l’ensemble des transitions d’entrée de pi.
Page 14
➢ -Transitions de sortie d’une place : Nous notons •pi = {tj∈ T R|P re(pi, tj ) >
0}l’ensemble des transitions de sortie de pi.
➢ S´séquence de franchissements : C’est le franchissement successif de transitions dans
un ordre donné `à partir d’un marquage donné. Nous notons T R∗ l’ensemble des
s´séquences de franchissements.
II.3.1.2.Définition formelle d’un RdP
Un réseau de Pétri généralise est un quadruplet R tel que R = (P, T, Pre, Post) avec :
P : ensemble des places du réseau ;
T : ensemble des transitions du réseau ;
Pre : application d’incidence avant, de P × T dans N. 8p 2 P, 8t 2 T, Pre(p, t) = v(p, t) si (p, t)

2 G, 0 sinon. Post : application d’incidence arrière, de P × T dans N. 8p 2 P, 8t 2 T, Post(p, t)
= v(t, p) si (t, p) 2 G, 0
Sinon. À chaque application d’incidence est associée une matrice |P| × |T|.
Exemple
Figure 7: Matrice d'incidence
Page 15
Figure 8: Matrice d'incidence exemple 02
II.3.1.3.Dynamique d’un RdP
II.3.1.3.1.Conditions de franchissement d’une transition
Une transition t est franchissable (ou tirable, ou validée) si
∀pi ∈ P; M(pi) ≥ P re(pi , t) (1.2)
Si t est franchissable, cela ne signifie pas qu’elle est automatiquement franchie mais que c’est
une possibilité. Pour dire que la transition t est franchissable à partir du marquage M, nous
utilisons la notation M[t >.
II.3.1.3.2.Franchissement d’une transition t
Le franchissement d’une transition t entraine des modifications dans le marquage du RdP : on

enlève ni = P re(pi , t) jetons de pi et on ajoute mj = P ost(pj , t) jetons de pj .
Marquage résultant de franchissement d’une transition t
Soit t une transition franchissable d’un RdP marqué< R, M0 > et p une place d’entrée de t
Figure 9: RDP marqué
Page 16
Soit M(p) le marquage de p avant le franchissement de t. Le franchissement de t résulte un

nouveau marquage de p d´défini par :
M0 (p) = M(p) + P ost(p, t) − P re(p, t)
M et M0 appartiennent `à l’ensemble des marquages atteignables à partir du marquage initial

M0 en franchissant une ou plusieurs transitions. Nous notons cet ensemble A(R, M0) et nous
le d´définissons comme suit :
II.3.1.3.3.Définition
Un marquage M est atteignable à partir d’un marquage initial M0 s’il existe une s´séquence
de franchissements σ à partir de M0 dont le franchissement résulte un nouveau marquage M,
on note M0[σ > M. Formellement, l’ensemble des marquages accessibles A(R, M0) à partir
du marquage M0 est d´défini comme suit :
A(R, M0) = {M | ∃σ ∈ T R∗ ; M0[σ > M} (1.4)
La propriété de l’accessibilité (atteignabilité) permet de savoir si un ´état non d´désiré d’un

réseau de Petri R risque de se produire.
II.3.1.3.4.Marquage résultant de franchissement d’une séquence de transitions
La dynamique de fonctionnement d’un RdP se traduit par l’´évolution des marquages. Alors,
si on passe d’un marquage Mi à un marquage Mf par une s´séquence de franchissements σ
(Mi [σ >M ), ceci est d´écrit par l’équation fondamentale :
Mf = Mi + W * x (1.5)
avec W = W+ − W− est la matrice d’incidence, et x est le vecteur qui contient le nombre de

franchissement de chaque transition tj∈ T R associé à la séquence σ. Nous définissons alors la
fonction de comptage comme suit :
π : T R* → N n , n = |T R|(1.6) σ 7→ x = π(σ)
π(σ) est appelé le vecteur de compte associé à la séquence σ.
II.3.2.Propriétés des RdP
Les RdP fournissent un plein ensemble des propriétés intéressantes pour la modélisation des
Page 17
systèmes manufacturiers et du partage des ressources. On présente dans la suite les différentes
propriétés :
II.3.2.1.Accessibilité
Le problème d’accessibilité consiste à trouver si l’on peut accéder à un marquage M d’un RdP
à partir de son marquage initial M0.
Soit un RdP (N, M0), on dit qu’un marquage M ′ est atteignable à partir de M0 s’il existe une
s´séquence de franchissement σ telle que M0 σ→ M ′. On note R(M0) l’ensemble des
marquages que l’on peut accéder en partant de M0.
II.3.2.2.Bornitude
On dit qu’un RdP (N, M0) est borné si, quelques soient la place Pi et le marquage accessible
M ′ à partir M0, le nombre de jetons dans cette place Pi est borné.
II.3.2.3.Vivacité
On dite qu’une transition xj est vivante si elle peut être franchie que lorsque soit le marquage
atteint.
Un RdP (N, M0) est vivant si chacune de ses transitions est vivante.
Dans un RdP (N, M0), un état de blocage est un marquage tel qu’aucune transition n’est
validée.
II.3.3.Sous classes des RdP
Dans l’étude des systèmes à événements discrets (SED), on aperçoit fréquemment des
phénomènes de types concurrence et synchronisation, qui sont modélisés par différentes sous-
classes de RdPs que nous d´écrivons maintenant. [20]
II.3.3.1.Graphes d’états
Un RdP est un graphe d’´états, si et seulement si, toute transition a exactement une place
d’entrée et une place de sortie. La figure suivante présente un exemple d’un graphe d’état.
Page 18
Figure 10 : Exemple d'un graphe d'état
II.4.Graphes d’événements
Un graphe d’événements est dual de celle d’un graphe d’états. Un RdP est un graphe
d’évènements si, et seulement si, toute place a exactement une transition d’entrée et une
transition de sortie. La figure ci-dessous présente un exemple d’un graphe d’évènement. [21]
Figure 11: Exemple d'un graphe d’événements
Les graphes d’évènements dépendants du temps peuvent être soit temporisées soit temporels
selon la manière avec laquelle est introduit le paramètre temps.
II.4.1.Graphes d’évènements temporises (GET)
Le paramètre du temps introduit sur les graphes d’événements permet de définir les graphes
d’évènements temporisés (GET). Ceci peut être réalisé selon deux manières :
➢ Soit en associant à chaque transition x une durée minimale de tir τ (x), qui représente le
temps de réservation d’un jeton dans une place en amont, avant d’être disponible à
nouveau, dans une place située en aval. On parle alors de graphes d’événements
t- temporisés.
➢ Soit en associant à chaque place une durée minimale τ (P), qui correspond à un temps
d’indisponibilité d’une marque après son arrivée dans cette place, avant d’être utile pour
Page 19
un nouveau franchissement. On parle alors de graphes d’événements p- temporisés. Du

fait de la possibilité de transformer une place temporisée en une transition temporisée et
vice versa, l’´équivalence entre les deux types de graphes peut être établie.
II.4.2.Graphes d’évènements temporels
Il existe deux formes de réseau de Petri temporel :
➢ Les GET t-temporels associent un intervalle temporel aux transitions. L’intervalle de

tir d’une transition est relatif à la date où la transition devient sensibilisée. La figure
suivante présente un exemple d’un RdP t-temporel.
Figure 12 : Exemple d'un GET t-temporel
➢ Les GET p-temporels associent un intervalle de temps aux places. Ces intervalles
temporels spécifient des durées de séjour. La figure suivante présente un exemple d’un
RdP p-temporel
Figure 13 : Exemple d'un GET p-temporel
II.4.2.1.Rdp avec conflit
Un RdP avec conflit est un réseau qui possède une place avec au moins deux transitions de
sorties. Cette situation du conflit correspond à la concurrence à la consommation des jetons à
une place. La figure ci-dessous présente un exemple d’un RdP avec conflit.[22]
Page 20
Figure 14 : Exemple d'un Rdp avec conflit
II.4.2.2.RdP sans conflit
Un réseau de Petri est dit sans conflit si et seulement si toute place a au plus une transition de
sortie. Un conflit (structurel) correspond à l’existence d’une place Pi qui a au moins deux
transitions de sortie Tj ,Tk, etc...Notation <Pi ,Tj ,Tk,... >. La figure suivante présente un
exemple d’un RdP sans conflit. [23]
Figure 15 : Exemple d'un Rdp avec conflit
On distingue deux catégories des RdP sans conflit, les RdP BCF et les RdP FCF.
➢ Un Rdp est dit BCF (Backward Conflict Free) si chaque deux transition distincte n’ont
aucune place commune de sortie. La figure suivante présente un exemple d’un RdP BCF.
[24]
Figure 16 : Exemple d'un Rdp BCF
Page 21
➢ Un Rdp est dit FCF (Forward Conflict Free) si chaque deux transitions distinctes n’ont
aucune place commune d’entrée. La figure ci-dessous présente un exemple d’un RdP
FCF.
Conclusion
Figure 17 : Exemple d'un Rdp FCF
Dans ce chapitre, nous avons présenté les systèmes à évènements discrets généralement
modélisés à l’aide des réseaux de Petri. Parmi les classes des réseaux de Petri, le graphe
d’évènements sont largement utilisés pour la modélisation des systèmes à évènements
discrets. Vue leur simplicité d’analyse. Les graphes d’évènements peuvent être temporisés ou
temporels. Les propriétés ainsi que les différentes sous classes des RdP sont aussi présentés.
Page 22
Chapitre III : Estimation d’état et détection des défauts des SED
Introduction
Ce chapitre a pour objectif de développer la partie analyse des systèmes à événement discrets
modélisés à l’aide des réseaux de Pétri à fin d’optimiser l’estimation d’état et de l’entrée du
système. Cette modélisation sera appliquée sur un système de Petri BCF, FCF puis on va
appliquer le système de détection des défauts d’actionneur ou de système.
III.1.Etude d’un RdP BCF (cas normal)
Figure 18: Exemple d'un RDP BCF
III.1.1.Equationsgénérales
X1(t)+X2(t)≤u(t-1)+3 (3.1)
X3 (t)≤X1(t-1)+2 (3.2)
X3 (t)≤X2(t-1)+4 (3.3)
Y(t)≤X3(t-1)+2 (3.4)
III.1.2.Simulation
Pour la simulation du système on peut utiliser les équations suivantes :

X1(t)+X2(t)≤u(t-1)+3 (3.5)
X3 (t)≤ minX1(t-1)+2, X2(t-1)+4) (3.6)
Y(t)≤X3(t-1)+2(3.7) (3.7)
Pour chercher les valeurs de X(t)et la sortie y(t), on considère les inégalités (3.1),
(3.2), (3.3), (3.4) et (3.5) e on suppose qu’on connait la commande U(t) du
système et le vecteur d’état initial à t=0 ; on aura A1Xi(0) ≤b.
Page 24
Le tableau suivant présente les résultats de la simulation
Tableau 2 : Résultat de simulation en connaissant l’entrée
T 0 12 3 4 5 6 7 8 9 10
U(t) 0 12 3 4 5 6 7 8 9 10
X1(t) 0 22 3 3 4 4 5 5 6 6
X2(t) 0 12 2 3 3 4 4 5 5 6
X3(t) 0 24 4 5 5 6 6 7 7 8
Y(t) 0 24 6 6 7 7 8 8 9 9
III.1.3.Estimation
Pour l’estimation du système, on peut utiliser les équations suivantes :
U(t)≥X1(t+1)+X2(t+1)-3 (3.8)
X1(t)≥X3(t+1)-2 (3.9)
X2(t)≥X3(t+1)-4 (3.10)
X3(t)≥Y(t+1)-2 (3.11)
Pour faire l’estimation d’état X(t) et de l’entrée(t) du système on suppose connaitre

Y(t) et on établit l’estimateur. Le tableau suivant présente les résultats d’estimation.
Tableau 3: Estimation d’état et de l’entrée du système en connaissant la sortie
T 0 1 2 3 4 5 6 7 8 9 10
Uest(t 0 0 1 1 3 3 5 5 - - -
)
X1est(t) 0 2 2 3 3 4 4 5 5 - -
X2est( 0 0 0 1 1 2 2 3 3 - -
t)
X3est( 0 2 4 4 5 5 6 6 7 7 -
t)
Y(t) 0 2 4 6 6 7 7 8 8 9 9
III.1.4.Etude comparative
Le tableau (4) présente toutes les valeurs simulées et montre la comparaison entre elles.
Page 25
Tableau 4:Tableau comparatif
T 0 1 2 3 4 5 6 7 8 9 1
0
U(t) 0 1 2 3 4 5 6 7 8 9 1
0
Uest(t) 0 0 1 1 3 3 5 5 - - -
X1(t) 0 2 2 3 3 4 4 5 5 6 6
X1est(t) 0 2 2 3 3 4 4 5 5 - -
X2(t) 0 1 2 2 3 3 4 4 5 5 6
X2est(t) 0 0 0 1 1 2 2 3 3 - -
X3(t) 0 2 4 4 5 5 6 6 7 7 8
X3est(t) 0 2 4 4 5 5 6 6 7 7 -
Y(t) 0 2 4 6 6 7 7 8 8 9 9
III.1.5.Environnement du travail
Dans cette section, nous présenterons les environnements matériel et logiciel de notre travail.
Environnement matériel:
Afin de mener à bien cette mémoire , il a été mis à notre disposition un ordinateur acer avec
les caractéristiques suivantes :
 Processeur : Intel ® Core ™ i3-2328M CPU @ 2.20 GHz 2.20GHz
 RAM : 4,00 Go
 Disque Dur : 500Go
 Type de système : système d’exploitation 64 bit.
 OS : Microsoft Windows10
Environnement logiciel :
 Microsoft Excel :
Il est destiné à fonctionner sur les plates-formes Microsoft Windows, Mac OS X,
Android ou Linux (moyennant l'utilisation de Wine). Le logiciel Excel intègre des fonctions
de calcul numérique, de représentation graphique, d'analyse de données (notamment
de tableau croisé dynamique) et de programmation, laquelle utilise les macros écrites dans
le langage VBA (Visual Basic for Applications) qui est commun aux autres logiciels de
Microsoft Office. Depuis sa création au début des années 1980 mais surtout à partir de sa
version 5 (en 1993), Excel a connu un grand succès tant auprès du public que des entreprises
prenant une position très majoritaires face aux logiciels concurrents, tel Lotus 1-2-3. [25]
Page 26
 Pourquoi Microsoft Excel :

Est complété par de multiples boîtes à outils. Parmi les plus utilisés, on trouve :
 Contrôle des tableaux
 Réalisation des formulaires
 Traçage des courbes
III.1.6.Mise en place de l’outil Galaxy
Figure 19 : Interface d'accueil galaxie
Figure 20 : Enregistrement du module du démarrage de création d'automate
Page 27
III.1.7.Interprétation à base de Microsoft Excel
Les résultats donnés par ce tableau sont représentés graphiquement aux figures suivantes :
12
10
6 U(t)
Uest(t)
4
0
1 2 3 4 5 6 7 8 9 10 11
Figure 21 : Courbe d'interprétation (U(t),Uest(t))
4
X1(t)
3 X1est(t)
2
0
1 2 3 4 5 6 7 8 9 10 11
Figure 22 : Représentation graphique des entrés systèmes (U, X1)
Page 28
4
X2(t)
3 X2est(t)
0
1 2 3 4 5 6 7 8 9 10 11
Figure 23 : Courbe d'interprétation (X2(t), X2est(t))
5
X3(t)
4 X3est(t)
3
0
1 2 3 4 5 6 7 8 9 10 11
Figure 24 : Représentation graphique des entrés systèmes (X3,X3est)
III.2.Application à détection des défauts
On considère le RBCF de la figure (25) et on suppose qu’on a un défaut du système qui est
l’augmentation du nombre des jetons dans la P3 à partir de t=0.
Page 29
Figure 25 : L’augmentation du nombre des jetons
III.2.1.Simulation
Les équations décrivant l’évolution du système sont les suivants :
X1 (t)+X2(t)≤u(t-1)+3 (3.12)
X3 (t)≤ min(X1 (t-1)+2,X2(t-1)+ 4)(3.13) Y(t)≤X3(t-1)+2 (3.13)
Le tableau suivant présente les résultats de simulation
Tableau 5 : Les résultats de simulation en connaissant l'entrée
T 0 1 2 3 4 5 6 7 8 9 10
U(t) 0 1 2 3 4 5 6 7 8 9 10
X1(t) 0 2 2 3 3 4 4 5 5 6 6
X2(t) 0 1 2 2 3 3 4 4 5 5 6
X3(t) 0 2 4 4 5 5 6 6 7 7 8
Y(t) 0 2 4 6 6 7 7 8 8 9 9
III.2.2.Estimation
Pour faire l’estimation d’état du système on peut utiliser les équations ci-dessous
U(t)≥X1(t+1)+X2(t+1)-3 (3.14)
X1(t)≥X3(t+1)-2 (3.15)
X2(t)≥X3(t+1)-∞ (3.16)
X3(t)≥Y(t+1)-2 (3.17)
Page 30
Tableau 6: Estimation du système en connaissant la sortie
T 0 1 2 3 4 5 6 7 8 9 10
Uest(t) 0 0 1 1 3 3 5 5 - - -
X1est(t) 0 2 2 3 3 4 4 5 5 - -
X2est(t) 0 0 0 0 0 0 0 0 0 - -
X3est(t) 0 2 4 4 5 5 6 6 7 7 -
Yest(t) 0 2 4 6 6 7 7 8 8 9 9
Le tableau suivant présente toute les valeurs simulées et estimées et montre la comparaison
entre elles.
Tableau 7 : Les valeurs simulées et estimées et montre la comparaison entre elles.
T 0 1 2 3 4 5 6 7 8 9 1
0
U(t) 0 1 2 3 4 5 6 7 8 9 1
0
Uest(t 0 0 1 1 3 3 5 5 - - -
)
X1(t) 0 2 2 3 3 4 4 5 5 6 6
X1est( 0 2 2 3 3 4 4 5 5 - -
t)
X2(t) 0 1 2 2 3 3 4 4 5 5 6
X2est( 0 0 0 1 1 2 2 3 3 - -
t)
X3(t) 0 2 4 4 5 5 6 6 7 7 8
X3est( 0 2 4 4 5 5 6 6 7 7 -
t)
Y(t) 0 2 4 6 6 7 7 8 8 9 9
Les résultats de la comparaison entre les variables réelles et les variables estimées données par
le tableau précédent sont présentées graphiquement aux figures suivantes.
L’analyse du tableau et des courbes montre que les résultats d’estimation et de la simulation.
Page 31
12
10
6 U(t)
Uest(t)
4
0
1 2 3 4 5 6 7 8 9 10 11
Figure 26 : Courbe d'interprétation (U(t),Uest(t))
4
X1(t)
3 X1est(t)
0
1 2 3 4 5 6 7 8 9 10 11
Figure 27 : Présentation graphique de résultats de comparaison (X1)
Page 32
4
X2(t)
3 X2est(t)
0
1 2 3 4 5 6 7 8 9 10 11
5
X3(t)
4
X3est(t)
3
0
1 2 3 4 5 6 7 8 9 10 11
sont prouvés, ceci prouve que l’estimation utilisée permet une bonne estimation d’état
mêmeen présence de défaut d’estimation.
III.3.Etude d’un RdPFCF
On considère le système décrit par le réseau de Petri FCF P-temporisé suivant ou toutes les
temporisations des places sont égales es égal à 1.
Page 33
Figure 30 : Exemple d'un RdP FCF
X1 (t)≤u(t-1)+1↔ X1 (t)- u(t-1)≤ 1 (3.18)

X2 (t)≤ X1 (t-1)+2↔ X2 (t)- X1 (t-1)≤ 2 (3.19)
X3 (t)≤ X1(t-1)+X2 (t-1)+1↔ X3(t)- X1(t-1)–X2 (t-1)+≤1 (3.20)
X4 (t)≤X3 (t-1)+2↔ X4 (t)- X2 (t)-X3(t-1)≤2 (3.21)
Y(t)≤X4(t-1)+1↔ Y(t)-X4(t-1)≤1 (3.22)
Les inégalités (3.18), (3.19), (3.20), (3.21) et (3.22) peuvent s’écrire pour ce réseau de Petri
sous la forme suivante :
(3.23)
(3.24)
(3.25)
Les équations (3.23), (3.24) et (3.25) mises sous la forme AX(t)≤b peuvent être regroupées
sous la forme A1 Xi(t)≤b+A2Xi(t-1) ou le vecteur Xi(t)représente l’état inconnu à chaque
Page 34
itération et le terme b+A2Xi(t-1) est le terme connu changeant à chaque itération en tenant
compte la dernière valeur de X(t).
Cette forme est décrite par l’équation (3.26)
(3.26)
III.3.1.Simulation
Pour chercher les valeurs de X(t), on considère l’inégalités (3.26) et on suppose qu’on connait
la commande U(t) du système et le vecteur d’état initial à t=0 ; on aura A1Xi(0)≤b.
Le vecteur Xi(t) est déterminé ensuite par la résolution de 3.9. Le tableau suivant présente les
résultats de la simulation .
Tableau 8 : Résultat de simulation en connaissant l’entrée
t 0 1 2 3 4 5 6 7
U(t) 0 1 1 1 1 2 2 3
X1(t) 0 1 2 2 2 2 3 3
X2(t) 0 2 3 3 3 3 4 4
X3(t) 0 2 4 6 6 6 6 7
X4(t) 0 2 3 6 8 8 8 8
Y(t) 0 1 3 4 7 9 9 9
III.3.2.Estimation
Pour l’estimation du système, on peut utiliser les équations suivantes :
U(t)≥max(X1(t+1)-1, X2(t+1)-2) (3.27)
X1(t)+X2(t)≥X3(t+1)-1 (3.28)
X3(t)≥ X4(t+1)+2 (3.29)
X4(t)≥ Y(t+1)-1 (3.30)
Page 35
Pour faire l’estimation de l’état x(t) et l’entrée u(t) du système on suppose y(t) et on établit
l’estimation.
Le tableau ci-dessous présente les résultats d’estimation
Tableau 9 : Estimation d’état et de l’entrée du système en connaissant la sortie
t 0 1 2 3 4 5 6 7
Uest(t) 0 1 1 1 - - - -
X1est(t) 0 1 2 2 2 - - -
X2est(t) 0 2 3 3 3 - - -
X3est(t) 0 1 4 6 6 6 - -
X4est(t) 0 2 3 6 8 8 8 -
Y(t) 0 1 3 4 7 9 9 9
Le tableau ci-dessous présente toutes les valeurs simulées et montre la comparaison entre
elles.
Tableau 10 : Tableau comparatif
t 0 1 2 3 4 5 6 7
U(t) 0 1 1 1 1 2 2 3
Uest(t 0 1 1 1 - - - -
)
X1(t) 0 1 2 2 2 2 3 3
X1est( 0 1 2 2 2 - - -
t)
X2(t) 0 2 3 3 3 3 4 4
X2est( 0 2 3 3 3 - - -
t)
X3(t) 0 2 4 6 6 6 6 7
X3est( 0 1 4 6 6 6 - -
t)
X4(t) 0 2 3 6 8 8 8 8
X4est( 0 2 3 6 8 8 8 -
t)
Y(t) 0 1 3 4 7 9 9 9
Les résultats donnés par ce tableau sont représentés graphiquement aux figures suivantes.
L’analyse du tableau et des figures montre que le modèle algébrique utilisé pour l’estimation
d’état et de l’entrée est bien validée et qu’il permet une estimation acceptable de ces
Les résultats donnés par ce tableau sont représentés graphiquement aux figures suivantes.
Page 36
3,5
2,5
2
U(t)
1,5 Uest(t)
0,5
0
1 2 3 4 5 6 7 8
Figure 31 : Présentation graphique de résultats de comparaison (U(t),Uest(t))
3,5
2,5
2
X1(t)
1,5 X1est(t)
0,5
0
1 2 3 4 5 6 7 8
Page 37
4,5
3,5
2,5
X2(t)
2 X2est(t)
1,5
0,5
0
1 2 3 4 5 6 7 8
Figure 33 : Présentation graphique de résultats de comparaison (X2(t),X2est(t))
4 X3(t)
X3est(t)
3
0
1 2 3 4 5 6 7 8
Figure 34 : Présentation graphique de résultats de comparaison (X3(t),X3et(t))
Page 38
5
X4(t)
4
X4est(t)
3
0
1 2 3 4 5 6 7 8
Figure 35 : Présentation graphique de résultats de comparaison (X4(t),X4est(t))
III.4.Détection d’un défaut d’actionneur
Dans la suite on suppose qu’un défaut d’actionneur affecte le système pour modéliser ce
défaut on suppose que l’entrée U(t) prend des valeurs infinis aux instants t=2 et 5
III.4.1.Simulation
On reprend l’équation (3.26) pour faire la simulation.

Le tableau suivant présente les résultats de simulation :
Tableau 11 : Simulation du système en présence d'un défaut
t 0 1 2 3 4 5 6 7
U(t) 0 1 +∞ 1 1 +∞ 2 3
X1(t) 0 1 2 +∞ 2 2 +∞ 3
X2(t) 0 2 3 +∞ 3 3 +∞ 4
X3(t) 0 2 4 6 +∞ 6 6 7
X4(t) 0 2 3 6 8 +∞ 8 8
Y(t) 0 1 3 4 7 9 +∞ 9
On remarque que le défaut d’actionneurs se propage à tous les transitions mais dans des
instants de temps différents, il apparait avec un seul instant de retard dans l’état 1 et 2
puisqu’ilssontenrelationdirecteavecl’entréeU(t)puisavec2instantsenretarddansl’état 3 avec 3
instants de retard dans la transition 4 et enfin dans la sortie avec un retard de 4 instants de
temps.
Page 39
III.4.2.Estimation
On reprend les équations (3.27),(3.28),(3.29) et (3.30) pour faire l’estimation d’état Xi(t) et de
l’entrée U(t).
Le tableau suivant présente les résultats d’estimation

Tableau 12 : Estimation d'état du système en présence d'un défaut
t 0 1 2 3 4 5 6 7
Uest(t) 0 1 +∞ 1 - - - -
X1est(t) 0 1 2 +∞ 2 - - -
X2est(t) 0 2 3 +∞ 3 - - -
X3est(t) 0 1 4 6 +∞ 6 - -
X4est(t) 0 2 3 6 8 +∞ 8 -
Y(t) 0 1 3 4 7 9 +∞ 9
Le défaut d’actionneur peut être détecté à travers les résultats d’estimation puisque la sortie du
système Y(t) est aussi affectée par ce défaut.
III.4.3.Etude Comparative
Le Tableau suivant avec les figures présentent les valeurs simulées et estimées et montre la
comparaison entre elles.
Tableau 13 : Comparaison entre valeur simulé et estimation
t 0 1 2 3 4 5 6 7
U(t) 0 1 +∞ 1 1 +∞ 2 3
Uest(t) 0 1 +∞ 1 - - - -
X1(t) 0 1 2 +∞ 2 2 +∞ 3
X1est(t) 0 1 2 +∞ 2 - - -
X2(t) 0 2 3 +∞ 3 3 +∞ 4
X2est(t) 0 2 3 +∞ 3 - - -
X3(t) 0 2 4 6 +∞ 6 6 7
X3est(t) 0 1 4 6 +∞ 6 - -
X4(t) 0 2 3 6 8 +∞ 8 8
X4est(t) 0 2 3 6 8 +∞ 8 -
Y(t) 0 1 3 4 7 9 +∞ 9
Page 40
L’analyse du tableau et des figures montre que les résultats d’estimation et de simulation sont
proches ceci prouve que l’estimateur utilisé permet une bonne estimation d’état même en
Présence de défaut d’actionneur.
3,5
2,5
2
U(t)
1,5
Uest(t)
1
0,5
0
1 2 3 4 5 6 7 8
Figure 36: Présentation graphique de résultats (U(t))
3,5
2,5
2
X1(t)
1,5
X1est(t)
1
0,5
0
1 2 3 4 5 6 7 8
Figure 37: Présentation graphique de résultats de comparaison (X1(t))
Page 41
4,5
3,5
2,5
X2(t)
2
X2est(t)
1,5
0,5
0
1 2 3 4 5 6 7 8
Figure 38: Présentation graphique de résultats de comparaison (X2(t))
4 X3(t)
3 X3est(t)
0
1 2 3 4 5 6 7 8
Figure 39: Présentation graphique du résultats de simulation ( x3(t), x3est(t))
Page 42
9
8
7
6 X4(t)
5
X4est(t)
4
3
2
1
0
1 2 3 4 5 6 7 8 9
Figure 40: Présentation graphique des résultats de simulation (X4(t), X4est(t))
L’analyse du tableau et des figures montre que les résultats d’estimation et de simulation sont
proches ceci prouve que l’estimateur utilisé permet une bonne estimation d’état même en
présence de défaut d’actionneur.
Conclusion
Ce chapitre a été consacré à l’application des résultats proposés au chapitre précédent. Dans la
première partie on a présenté une application dans le cas d’un RdP temporisé FCF. Puis cette
application a été utilisée pour la détection et la localisation des défauts.
Page 43
Conclusion générale
Les travaux présentés dans ce rapport entrent dans le cadre de la modélisation et le diagnostic
des systèmes a événements discrets décrits par réseaux de Petri.
En premier lieu, nous avons essayé de mettre en relief l’intérêt du diagnostic, son principe et
les différentes méthodes de surveillance et de diagnostic les plus fréquemment utilisées dans
l’industrie.
Il existe deux grandes familles des méthodes de diagnostic. Les méthodes avec modèles
(internes) qui sont appropriées quand l’information disponible sur le processus permet
d’utiliser les principes physiques du processus et leur compréhension et les méthodes sans
modèles (externes) supposant qu’on ne peut pas décrire le fonctionnement des processus par
des modèles mathématiques. Selon la connaissance du processus, on définit deux formulations
différentes de l’approche avec modèles en distinguant deux types de modèles : les modèles
quantitatifs qui sont construits à partir des lois fondamentales (physique, chimie,...) et décrits
par des relations mathématiques sur les entrées-sorties du système.
Dans certains cas, il devient très difficile d’avoir de la connaissance complète pour faire un
modèle analytique du processus à cause de sa complexité structurelle ou de son
comportement. Une alternative pour traiter les connaissances incomplètes est de faire des
abstractions selon le principe du raisonnement qualitatif. Les modèles décrivent la structure
du processus à diagnostiquer. Ces dernières années, l’utilisation de modèles qualitatifs pour la
surveillance et le diagnostic de défaillances a pris une grande ampleur.
Les systèmes à événements discrets sont généralement modélisés à l’aide des réseaux de Petri
et les automates à état fini. Les RdP ont été détaillés, pour cela on a présenté les propriétés et
les sous classes des RdP qui regroupent les graphes d’état et d’événements temporisés et
temporels.
L’application de la modélisation, la simulation et l’estimation dans le cas d’un réseau de Pétri
F.C.F et les Graphes d’évènements P- temporisés a été faite et appliquée également pour la
détection des défauts d’actionneur et de système.
Dans certains cas, la détection des défauts de système est impossible. Ce travail de recherches
peut donc être étendu pour considérer ce cas et en chercher des solutions.
Au terme de ces travaux, plusieurs perspectives de recherche se dégagent :
➢ A court termes :
❖ nous allons envisager une implantation d’un logiciel permettant la simulation et la
validation des RdP à intervalles.
❖ Nous comptons proposer l’extension de cet outil a une modélisation à d’autres
Page 44
problématiques telles que la supervision et la détection. On pourra alors exploiter la

robustesse pour filtrer les alarmes qualifiées de « non critiques » ou la détection de
non conformité du produit hors marges.
Bibliographie
[1] : G. Zwingelstein, ʺDiagnostic des défaillancesʺ, Editions Hermès, Paris, 1995.
[2] : A. Khedher, Diagnostic des systèmes non linéaires représentés a` l’aide des structures
multi modèles, Thèse de Doctorat, ENIT,2011.
[3] : P. Ripoll, "conception d'un système de diagnostic flou appliqué au moteur automobile",
thèse de doctorat, université de Savoie, 1999.
Page 45
[4] : D. Maquin et J. Ragot , Diagnostic des systèmes linéaires, Collection Pédagogique

d’Automatique, Hermès, Paris, 2000.
[5] : H. Guozhen, C. Tao, C. Changsong, D. Shanxu, " Solutions for SCADA system
communication reliability in photovoltaic power plants, "in the proceeding of 2009 IEEE
IPEMC (6th International Power Electronics and Motion Control Conference), pp. 2482 –
2485, 2009.
[6] A. Ioana Vasiliu ,Synthèse de contrôleurs des systèmes à évènements discrets basée sur
les réseaux de Petri , Thèse de Doctorat, Université Grenoble Alpes, 2012.
[7] :M. Catelani, L.Ciani, L. Cristaldi, M. Faifer, M. Lazzaroni, P. Rinaldi, FMECA technique
on photovoltaic module, in the proceeding of 2011 IEEE I2MTC (Instrumentation and
Measurement Technology Conference), pp. 1 – 6, Binjiang, 10-12 May 2011.
[8] H. Dhouibi, Utilisation des réseaux de Petri à intervalles pour la régulation d'une qualité :
Application à une manufacture de Tabac , Thèse de Doctorat, ENIT,2005.
[9] G. Zwingelstein, ʺDiagnostic des défaillancesʺ, Editions Hermès, Paris, 1995.
[10] Abdellatif BOURJIJ, Contribution à la Sureté de Fonctionnement des Processus

Industriels par les Réseaux De Petri, Thèse de doctorat, UNIVERSITE HENRI POINCARE
DE NANCY 1 1994.
[11] Vânio Murilo SAVI , conception préliminaire des systèmes de production à l'aide des
réseaux de Petri , thèse de doctorat , université de Metz , 1994.
[12] : H. Rong, M. Jinhua, H. Tianyou, F. Minling, P. Yang, "Reliability research for PV

system using BDD-based fault tree analysis, "in the proceeding of 2013 IEEE Crèmes
(International Conference on Quality, Reliability, Risk, Maintenance, and Safety
Engineering), pp. 359 – 363, 2013.
[13]: A. Colli, "Extending performance and evaluating risks of PV systems failure using a
fault tree and event tree approach: Analysis of the possible application ,"in the proceeding of
2012 IEEE PVSC (38th Photovoltaic Specialists Conference), pp. 002922 – 002926, 2012.
[14]:S. Guillaume and B. Charnomordic, "Systèmes d’inférence floue: collaboration expertise

et données dans un environnement de modélisation intégrée à l’aide de FisPro, "Rev.
d’intelligence Artif., p. 26, 2013
Page 46
[15] Alban Grastien, Diagnostic de systèmes à événements discrets à base de cohérence par
SAT, NICTA et The Australian National University Canberra Research Laboratory, Australia
2010.
[16] G. Scorletti et G. Binet, Réseaux de Petri, Cours EL401T2, UNIVERSITE de

CAEN/BASSE-NORMANDIE 2006
[17]: W.Khansa, J.P.Denat, S.Collart-Dutilleul, P-Time Petri Nets for Manufacturing Sys-
tems. Wodes’96, Edinburgh UK, August 19-21, pp.94-102, 1996, International Workshop on
Discret Event Systems.
[18] Claude Jard, Thomas Chatain et Pierre Bourhis, Diagnostic temporel dans les systèmes
répartis à l'aide de dépliages de réseaux de Petri temporels, Campus de Beaulieu 2005.
[19] Eugenia MINCA, Florin FILIP et Ryad ZEMOURI, Approche de la surveillance des
systèmes par réseaux de Petri synchronisés flous, Proceeding of thr Romanian Acadamy,
Series A 2008.
[20]P. Chrétienne. Les réseaux de Petri temporisés. Thèse Université Pierre et Marie Curie
(Paris VI), Paris, 1983.
[21] Mehdi LHOMMEAU, Etude de systèmes à événements discrets dans l'algèbre (max,
+).Université d’Angers ISTIA, 2003.
[22]P. Chrétienne. Les réseaux de Petri temporisés. Thèse Université Pierre et Marie Curie
(Paris VI), Paris, 1983.
[23] René David, Hassane Alla, Du Grafcet au réseaux de Petri Hermès, 1992.
[24] M. K.DIDI ALAOUI, Etude et supervision des graphes d'événements temporisés et

temporels: vivacité, estimation et commande, Thèse de doctorat, ISTIA 2005.
[25] A.GUEZZI, Modélisation, analyse de performances et commande des systèmes à

événements discrets. Thèse de doctorat, ISTIA 2010.
Page 47
Page 48
Résumé
La complexité des systèmes industriels et l’augmentation de la fiabilité mènent à la
présentation des méthodes multicritères d’aide à la décision. L’impact de la modélisation des
préférences du décideur sur le choix d’une méthode d’agrégation. L’analyse multicritère
semble être un outil parfaitement adapté pour intégrer de nouveaux facteurs, difficilement
quantifiables et de grande importance dans la prise de décision.
Le systèmes industriels Deviennent un enjeu très important de l’automatisation. les

chercheurs ont développé diverses techniques et méthodes pour le diagnostic et la surveillance
des systèmes industriels . En premier lieu, nous avons essayé de mettre en relief l’intérêt du
diagnostic, son principe et les différentes méthodes de surveillance et de diagnostic les plus
fréquemment utilisées dans l’industrie. Il existe deux grandes familles des méthodes de
diagnostic.
Mots clés : complexité, automatisation, diagnostic, Pétri, Automate, industriels, Système
d’information, Analyse de prise de décision.
Abstract
The complexity of industrial systems and the increase in reliability lead to the presentation of
multi-criteria decision support methods. The impact of modeling decision-maker preferences
on the choice of an aggregation method. Multi-criteria analysis seems to be a perfectly suited
tool for integrating new factors, which are difficult to quantify and which are of great
importance in decision-making.
Industrial systems are becoming a very important issue in automation. Researchers have
developed various techniques and methods for the diagnosis and monitoring of industrial
systems. First, we tried to highlight the value of diagnostics, its principle and the various
methods of monitoring and diagnostics most frequently used in the industry. There are two
main families of diagnostic methods.
Keywords: complexity, automation, diagnosis, Petri dish, Automate, industrial, Information

system, Decision-making analysis

Mémoire Sameh Vuuuuuuuuuuuuu

Transféré par

Droits d'auteur :

Formats disponibles

Mémoire Sameh Vuuuuuuuuuuuuu

Transféré par

Informations du document

Copyright

Formats disponibles

Partager ce document

Partager ou intégrer le document

Options de partage

Avez-vous trouvé ce document utile ?

Ce contenu est-il inapproprié ?

Droits d'auteur :

Formats disponibles

Mémoire Sameh Vuuuuuuuuuuuuu

Transféré par

Droits d'auteur :

Formats disponibles

République Tunisienne Cycle de Formation en Mastère

Ministère de l’Enseignement Supérieur dans la Discipline automatique

Université de Gafsa Mémoire de MASTERE

L’Institut Supérieur des Sciences Appliquées et de

Diagnostic des Systèmes à évènement discrets

Soutenu le 28 / 12 / 2019, devant le jury composé de :

Mr. BASDOURI Imed Président

Je tiens aussi à remercier Mr. DECLERCK Philippe, maitre de conférences à L’ISTIA

Finalement, je tiens à remercier tout le personnel de « ISTIA», et surtout Mr.

Figure 1: Termes et nomenclature .............................................................................................. 4

Tableau 1 : Exemples d’´évènements et d’´états d’un RdP...................................................... 14

Les systèmes à événements discrets sont des systèmes dynamiques fondamentalement

Le deuxième chapitre sera consacré à la modélisation des Systèmes à Evénements Discrets

Chapitre I : Le diagnostic et les systèmes à évènements discrets

Dans ce chapitre en premier lieu on introduira le principe du diagnostic. En effet, de

I .1.Concepts et terminologies de diagnostic

« Le diagnostic est l’identification de la cause probable de la (ou des) défaillance(s) à l’aide

D’une manière générale la détection et localisation de défauts pour la surveillance des

Le terme diagnostic correspond à la caractérisation du défaut, pour effectuer ce dernier il faut

Le diagnostic industriel est toujours basé sur la comparaison entre le comportement du

Figure 1: Termes et nomenclature

C’est une interruption permanente de la capacité du système à réaliser sa fonction requise.

Un résidu est un signal potentiellement indicateur de défauts. Il reflète la cohérence des

Les différentes étapes du diagnostic nécessaires à la conception, au développement et à

Détection de défaut: détermination

Figure 2: Les étapes de diagnostique

Critères de performance d'un système de diagnostic

I.1.6.Classification des défauts

Figure 3: Les types des défauts

fuite hydraulique ou pneumatique dans un vérin.

I.2.Les différentes méthodes du diagnostic

Pour la sélection de la méthode de diagnostic adéquate à la problématique de ce projet de

Diagnostic classique Diagnostic intelligent

➢ Redondance Analytique ➢ L’analyse en Composantes

Figure 4: Les méthodes de diagnostique

I.2.1.Méthodes de diagnostic avec modèles

I.2.1.2.Analyse des Modes de Défaillances, de leurs Effets et de leur Criticité AMDEC

I.2.2.Méthodes sans modèles

I.2.2.1.L’analyse en Composantes Principales

L’analyse en composantes principales (ACP) est une technique descriptive permettant

I.2.2.2.Reconnaissance des formes

Choix de la signature initiale

Constructions des vecteurs

Réalisation de la base d’apprentissage

Figure 5: Algorithme de reconnaissance des formes

I.2.2.3.Diagnostic de défauts par observateurs

Le principe fondamentale des méthodes de diagnostic à l’aide d’observateurs est de

Ces méthodes regroupent la redondance analytique, la méthode d’identification des

Chapitre II : Les systèmes à évènements discrets (SED) et leurs

II.2.1.Le premier formalisme : les automates à états finis

Figure 6: Modèle d’une machine a état fini

II.2.2.Deuxième formalisme : les réseaux de Pétri

II.3.Les Réseaux de Pétri

Tableau 1 : Exemples d’évènements et d’´états d’un RdP

Exemples d’évènements Exemple d’états

- Une machine termine le traitement -Une machine est en attente

-La commande st envoyée -Une machine est en cours de

❖ Une commande arrive -Une machine est au repos

II.3.1.2.Définition formelle d’un RdP

P : ensemble des places du réseau ;