Loading...
Please wait, while we are loading the content...
Similar Documents
Contributions à la détection et au diagnostic de fautes dans les systèmes par réseaux Bayésiens
| Content Provider | Semantic Scholar |
|---|---|
| Author | Atoui, Mohamed Amine |
| Copyright Year | 2015 |
| Abstract | Les fautes systemes peuvent conduire a des consequences serieuses pour l’humain, l’environnement et le materiel. Or, y remedier peut s’averer couteux voire meme dangereux. Ainsi, afin d’eviter ces situations, il est devenu essentiel pour les systemes complexes modernes de detecter et d’identifier tout changement dans leur fonctionnement nominal avant que cela ne devienne critique. De ce fait, plusieurs methodes de detection et de diagnostic ont ete proposees ou ameliorees durant les dernieres decennies. Parmi ces methodes, celles presentant un fort interet se basent sur un outil statistique et probabiliste nomme reseau Bayesien. Toutefois, la majorite d’entre elles ne tiennent pas compte du risque de fausse alarme dans leur prise de decision. L’interet de cette these est alors d’introduire sous reseau Bayesien des limites probabilistes permettant le respect d’un niveau de signification considere. Plus exactement, nous proposons une modelisation des statistiques quadratiques et les limites leurs correspondant sur reseau Bayesien. Ceci nous permet de generaliser sous reseau Bayesien des schemas de detection de fautes comme par exemple ceux bases sur l’analyse en composantes principale. Cette modelisation nous permet egalement de proposer une famille de reseaux Bayesiens permettant de faire de la detection et du diagnostic de facon simultanee, tout en tenant compte d’un rejet de distance. Enfin, nous proposons un cadre probabiliste permettant d’unifier les differents reseaux Bayesiens pouvant etre utilises pour la detection ou le diagnostic de fautes. |
| File Format | PDF HTM / HTML |
| Alternate Webpage(s) | https://tel.archives-ouvertes.fr/tel-01266666/document |
| Language | English |
| Access Restriction | Open |
| Content Type | Text |
| Resource Type | Article |
