HyDiag : moteur générique de diagnostic à base de modèles pour les systèmes hybrides

Ce logiciel a été développé (ou est en cours de développement) dans la communauté de l'Enseignement Supérieur et de la Recherche. Son état peut être variable (cf champs ci-dessous) donc sans garantie de bon fonctionnement.
Fiche dév Ens Sup - Recherche
  • Création ou MAJ importante : 20/10/09
  • Correction mineure : 19/03/10
  • Auteur de la fiche : Mehdi Bayoudh (DISCO LAAS)
  • Responsable thématique : Véronique Baudin (LAAS)
Mots-clés
Fonctionnalités générales du logiciel

Contexte :
Pour le besoin en autonomie en général, et pour les satellites autonomes en particulier, un moteur de diagnostic en ligne capable de doter le système d'une conscience de son état de santé est plus que nécessaire afin de pouvoir décider des meilleurs actions de réparation et/ou de reconfiguration. Dans ce contexte, HyDiag est un moteur générique de diagnostic en ligne pour les systèmes dynamiques complexes combinant à la fois une dynamique continue et une dynamique discrète, appelés «systèmes hybrides».

Fonctionnalités :
Hydiag permet l'estimation en ligne, et en temps échantillonné, de l'état de croyance (ensemble des états discrets possibles) du système hybride, à partir des signaux continus d'entrée et de sortie, et des événements discrets observables.

Utilisation :
Hydiag est un moteur de diagnostic à base de modèles, son utilisation nécessite donc un travail préalable de modélisation, qui requiert une certaine connaissance du domaine du diagnostic à base de modèles et plus précisément de l’approche de diagnostic présentée dans [1]. Le modèle du système hybride doit être introduit sous forme d’automate de comportement. Les relations testables (Relations de Redondance Analytique) doivent être renseignées et peuvent être calculées dans le cas d’une dynamique continue sous-jacente de type linéaire, par un petit programme de calcul matriciel développé sous Matlab Simulink.

Deux fichiers «modèles» contenant d’un côté, les informations sur la dynamique discrète, et de l’autre côté les informations sur la dynamique continue, doivent être renseignés.
Le fichier d’entrée contient les valeurs des entrées/sorties continues ainsi que l’événement discret observé, à chaque période d’échantillonnage. La taille de ces trois vecteurs, le temps de simulation ainsi que la période d’échantillonnage sont fixés en entête de ce fichier d’entrée.

Le fichier de sortie contient l’état de croyance (ensemble des modes possibles ainsi que l’information sur l’occurrence de faute) à chaque temps d’échantillonnage.

Le choix du contexte de simulation : les noms des fichiers d’entrée, de sortie, des deux fichiers «modèles», ainsi que la fenêtre temporelle et la sensibilité (la précision) du filtre sont précisées en ligne de commande au lancement du programme.

Conception :
Le programme est développé en langage objet C++, à partir d’une spécification UML qui pourrait être fournie afin de mieux comprendre le fonctionnement. Les grands principes de l’approche théorique de diagnostic pour les systèmes hybrides, qui est derrière, sont fournis dans [1]. Pour plus de détails, il faut se référer au mémoire de thèse [2].

Contexte d’utilisation du logiciel

Utilisation interne.

Publications liées au logiciel

[1] Hybrid systems diagnosis by coupling continuous and discrete event techniques, Mehdi Bayoudh, Louise Travé-Massuyès and Xavier Olive. In Proceeding of the 17th IFAC World Congress, (IFAC-WC’08), pages 7265-7270, Séoul, Corée du Sud, July, 2008.

[2] Active diagnosis of hybrid systems guided by diagnosability properties - application to autonomous satellites, Mehdi Bayoudh. Mémoire de thèse de l’université de Toulouse, institut national polytechnique, Février 2009. Pages 1-135. Rapport LAAS n° 09134.