Contrôle en ligne d'une installation de générateur de vapeur par Bond Graph

En informatique industrielle, la supervision des procédés est une application de contrôle-commande évolué et de surveillance (en termes de détection et localisation de défauts). Dans les processus industriels, le système de supervision est connu sous l'appellation de SCADA (Supervisory Control And Data Acquisition), qui inclut des composants matériels (collecte des données) et logiciels (génération des alarmes sur la base d'algorithmes de surveillance). Un logiciel de supervision fonctionne généralement sur un ordinateur en communication, via un réseau local ou distant industriel, avec un ou plusieurs équipements :

• Automate programmable industriel (API) ;

• ordinateur ;

• carte spécialisée.

Dans le monde industriel, la régulation automatique de type PID (Proportionnel intégral dérivée), ou avancée (de type observateur ou flou, par exemple) est bien maîtrisée. L'application industrielle des systèmes de surveillance en ligne est, par contre, peu développée. Elle se limite souvent à des systèmes de seuillage des variables et/ou un suivi des variables (monitoring) : l'opérateur humain reste encore le « superviseur » principal. La robustesse et la fiabilité les nombreux outils académiques développés dans la littérature [AG 3 550], ainsi que les contraintes de sécurité, sont des verrous technologiques à résoudre.

Le présent article, qui est une suite à l'article [AG 3 550], a pour objectif l'application des modèles bond graph pour la surveillance en ligne d'une installation réelle complexe représentant le fonctionnement d'une centrale thermique. Il est organisé comme suit :

La première partie présente la description et la modélisation dynamique de l'installation en tenant compte des incertitudes paramétriques du système. L'installation est alors représentée par un modèle bond graph incertain sous forme de transformations linéaires fractionnelles, dites « LFT » (Linear Fractionnal Transformation). L'intérêt des bond graphs pour cette tâche est justifié par la complexité du processus non linéaire (en raison du couplage de plusieurs phénomènes : mécanique, thermodynamique, thermique, fluidique…) et l'approche modulaire pour la représentation d'une façon graphique des incertitudes.

Les modèles obtenus sont utilisés dans la deuxième partie pour la génération systématique des indicateurs de fautes robustes, et des seuils adaptatifs pour éviter les fausses alarmes.

Dans la troisième partie, ces valeurs de sensibilité des résidus sont analysées dans la phase d'implémentation temps réel, pour déterminer les seuils de détection des fautes en utilisant un logiciel de supervision temps réel basé sur DSPACE (Digital Signal Processing And Control Engineering). Des scenarii de défaillance sont introduits expérimentalement sur le processus pour tester la validité et la robustesse des algorithmes développés.

Enfin, la quatrième partie conclut l'article.