Etude des cas et diagnostic d'imperfection de l’onduleur et leurs impacts sur la machine tournante

Abstract

This thesis deals with open switch Faut Detection and Diagnosis (FDD) in three-level Neutral Point Clamped (NPC) inverter combined with an asynchronous machine for the propulsion of an electric vehicle (EV) or a hybrid electric vehicle (HEV). The approach is based on the already available phase current time series measurements for different operating conditions (motor speed, load, environment noise). Both faut detection and classification are studied and the efficiency performances of the proposed selected features are shown. For the faut detection, we focus on the first four statistical moments and the extracted features, then the Cumulative Sum (CUSUM) algorithm and as the feature analysis technique to improve the performances, and the Kullback-Leibler divergence (KLD) particularly suitable for the detection of incipient changes. For the classification study we propose to couple the knowledge on the faulty system brought by the statistical moments and the Kullback-Leibler divergence to exploit the advantage of each method. The Principal Component Analysis (PCA) is then used to perform the classification. A 2D framework is obtained allowing the faults to be clasified efficiently within the considered operating conditions for all the selected fault durations. Cette thèse traite la détection et le diagnostic des défauts (FDD) de type circuit ouvert sur les interrupteurs de puissance d’un onduleur tris niveaux à structure NPC associé à une machine asynchrone pour la propulsion d’un véhicule électrique (VE) ou u véhicule hybride électrique (VEH). L’approche est basée sur les mesures temporelles des courants de phases déjà disponibles dans différentes conditions de fonctionnement (vitesse, charge, bruit ambiant). La détection et la classification des défauts sont étudiées et l’efficacité des performances des caractéristiques proposées sont exposées. Pour la détection des défauts, on se concentre sur les quatre premiers moments statistiques et les caractéristiques extraites, puis l’algorithme de la somme cumulée des résidus récursifs (CUSUM) comme technique d’analyse des caractéristiques pour améliorer les performances, et la divergence de Kullback-Leibler particulièrement adaptée pour la détection des changements naissants. Pour la classification, nous proposons de coupler les connaissances sur le système en défaut apportées par les moments statistiques et la divergence Kullback-Leibler pour exploiter les avantages de chaque méthode. L’analyse en composantes principales (PCA) est ensuite utilisée pour réaliser la classification. Un plan de 2 dimensions est obtenue, permettant de classer efficacement les défauts dans les conditions d’exploitation considérées pour toutes les durées de défauts sélectionnées. تتناول هذه الأطروحة الكشف و التشخيص عن الأعطال من نوع دارة مفتوحة لقاطع قدرة من عاكس كهربائي ذو ثلاث مستويات مربوط بمحرك كهربائي لدفع السيارة الكهربائية الحرارية. تعتمد المنهجية على القياسات الزمنية الحالية اتيارات المحرك الثلاثة المتاحة لظروف التشغيل المختلفة (السرعة، الحمولة ضوضاء البيئة ). تتم دراسة كل من الكشف عن الأخطاء و تصنيفها ، كما يتم عرض أداء الكفاءة للميزات المفتوحة. للكشف عن العيوب ،نركز على اللحظات الإحصائية الأربعة الأولى و الميزات المستخرجة منها ، يتم بعد ذلك تطبيق خوارزمية المجموع التراكمي كتقنية تحليل الميزات لتحسين الأداء ، و تباعد كلبلاك-لايبلير المناسب بشكل خاص للكشف عن التغيرات الأولية. بالنسبة لدراسة التصنيف ، نقترح دمج المعلومات حول النظام الخاطئ الناتجة عن اللحظات الإحصاءية ، و تباعد كلبلاك-لايبلير لاستغلال ميزة كل طريقة. ثم يتم استخدام تحليل المكونات الرئيسية لأداء التصنيف. ثم الحصول على معلم ثنائي الأبعاد يسمح بتصنيف الأعطال بكفاءة في ظروف التشغيل المحددة لجميع الأعطال المدروسة أيا كانت مدتها