Predictive Maintenance with Hidden Semi Markov Model
Les travaux présentés dans cette thèse portent sur la gestion de l état de santé et du pronostic de systèmes industriels par une approche guidée par les données. Dans ce contexte, nous proposons l'utilisation de modèle semi-markovien caché. L'objectif de cette étude est de trouver la strat...
Tallennettuna:
| Päätekijä: | |
|---|---|
| Muut tekijät: | , , , , , , |
| Aineistotyyppi: | Thèse numérique |
| Kieli: | Anglais |
| Julkaistu: |
2022.
|
| Aiheet: | |
| Linkit: | Accès au texte intégral http://www.theses.fr/2022ISAB0007/abes |
| Huomautus: |
Titre provenant de l'écran-titre Ecole(s) Doctorale(s) : École doctorale Mathématiques, Informatique, Physique Théorique et Ingénierie des Systèmes (Centre-Val de Loire ; 2012-....) Partenaire(s) de recherche : Laboratoire Pluridisciplinaire de recherche en ingénierie des systèmes, mécanique et énergétique (Orléans ; 2008-....) (Laboratoire) Autre(s) contribution(s) : Frédéric Kratz, Mitra Fouladirad, Zohra Cherfi-Boulanger, Pascal Vrignat, Toufik Aggab, Harris Simaremare, Marc Zolghadri (Membre(s) du jury) ; Mitra Fouladirad, Zohra Cherfi-Boulanger (Rapporteur(s)) |
| Autres localisations: | Voir dans le Sudoc |
| Variante du titre: | Maintenance prévisionnelle à partir d'un modèle semi-markovien caché |
| Yhteenveto: | Les travaux présentés dans cette thèse portent sur la gestion de l état de santé et du pronostic de systèmes industriels par une approche guidée par les données. Dans ce contexte, nous proposons l'utilisation de modèle semi-markovien caché. L'objectif de cette étude est de trouver la stratégie optimale pour obtenir le modèle semi-markovien caché qui sera utilisé pour la gestion de l état de santé et du pronostic des systèmes étudiés. Elle prend en compte la qualité des données en effectuant un prétraitement. Un travail particulier a été mené dans le cadre du prétraitement des données. De plus, la recherche de la bonne topologie est effectuée à l'aide de la valeur du critère d'information d'Akaïke et de la similarité topologique. Les résultats sont comparés à ceux obtenus en utilisant un modèle caché de Markov en regardant plus particulièrement les performances du point de vue détection des défauts et estimation de la durée de vie utile restante. Des données synthétiques et des données réelles de pompes à eau sont utilisées pour vérifier et valider nos travaux. The research presented in this thesis is related to Prognostics and Health Management (PHM) with a data-driven approach. We propose the Hidden semi-Markov Model (HSMM) method to address the health of the system, especially in diagnosis and prognosis. The aim of this study was to find the optimal HSMM strategy for PHM. It considers data quality by doing preprocessing. To overcome the lack of degradation indicators, clustering is carried out, which is also useful for defining the initial value of the HSMM parameter. In addition, finding the right topology is by using the value of the AIC criteria and topological similarity. The HSMM results were compared with the HMM method for fault detection and RUL estimation. Synthetic data and water pump data are used to check and confirm this idea. |
|---|---|
| Huomautukset: | Titre provenant de l'écran-titre Ecole(s) Doctorale(s) : École doctorale Mathématiques, Informatique, Physique Théorique et Ingénierie des Systèmes (Centre-Val de Loire ; 2012-....) Partenaire(s) de recherche : Laboratoire Pluridisciplinaire de recherche en ingénierie des systèmes, mécanique et énergétique (Orléans ; 2008-....) (Laboratoire) Autre(s) contribution(s) : Frédéric Kratz, Mitra Fouladirad, Zohra Cherfi-Boulanger, Pascal Vrignat, Toufik Aggab, Harris Simaremare, Marc Zolghadri (Membre(s) du jury) ; Mitra Fouladirad, Zohra Cherfi-Boulanger (Rapporteur(s)) |
| Aineistotyyppi: | Configuration requise : un logiciel capable de lire un fichier au format : application/pdf |