Enfin, la dernière famille des méthodologies de diagnostic regroupe les approches de traitement de l’information réalisé de façon logique, statistique ou bien encore probabiliste. L’approche logique a été exploitée dans [You08] pour diagnostiquer respectivement le noyage, la dégradation des couches actives et les défaillances systèmes pouvant survenir sur un système Nexa Ballard. Pour y parvenir, les auteurs exploitent les arbres de défaillances et leurs fonctions logiques (ET, OU, NON…).
Une stratégie de diagnostic basée sur une approche stochastique a été réalisée par
[Her06-1],[Her06-2]. Cette approche se base sur la distribution des tensions des cellules
unitaires du générateur. La méthodologie a permis une différenciation claire entre différents modes de fonctionnement. De plus, cette approche présente l’intérêt de rester simple du point de vue algorithmique et donc facile à implanter sur des systèmes embarqués en vue d’un diagnostic temps réel.
Enfin, les approches probabilistes ont été envisagées en vue du diagnostic de PàC dans
[Ria07],[Ria06],[Ria08]. Cette méthode graphique définit ou trouve les relations logiques de
dans le réseau bayésien. Le développement d’un réseau bayésien avec cinq paramètres d’entrées (tension, courant, puissance électrique, température, pression de l’hydrogène en amont du stack) a permis le diagnostic de nombreux défauts comme la défaillance du circuit d’alimentation en air (appauvrissement en oxygène), la défaillance du système de refroidissement, un niveau anormal de dihydrogène traversant la membrane (rupture physique de la membrane) ainsi que la défaillance du circuit d’alimentation en hydrogène (appauvrissement en hydrogène). La construction du réseau bayésien s’est appuyée sur une base de données de 10000 cas. Cependant, dans le but de limiter les coûts de développement du modèle, la base d’apprentissage n’a pas été réalisée expérimentalement mais au moyen d’un modèle mathématique multi-physique. La base de données considère différentes conditions opératoires avec différents types de défauts simulés et choisis dans une séquence aléatoire. La base de données doit aussi inclure l’expertise du développeur, lequel doit connaitre le statut du système pour chacun des cas. Enfin, le modèle graphique du réseau bayésien est construit à l’aide de variables discriminantes, d’observations et de diagnostics. Ces variables ne peuvent être définies autrement que par le constructeur du réseau. Le développement du réseau se décompose en plusieurs étapes. La première consiste à trouver une structure optimale par rapport à la base de données. Si l’utilisateur pense que le réseau a créé des liens causaux impossibles, il peut alors modifier la structure du réseau. Dans ce cas, une troisième étape visant à optimiser les paramètres en fonction de la nouvelle structure est alors nécessaire. Nous reviendrons plus en détails sur cette méthodologie dans le dernier chapitre de cette thèse.
Conclusions.
Dans la première partie de ce chapitre, nous avons fait état des diverses dégradations qui peuvent subvenir au cours de la durée de vie du générateur électrique. Il a été montré que l’ensemble des constituants de la PàC est soumis à d’importantes contraintes et de natures différentes. Si les dégradations au cours du temps ont toutes pour conséquence de réduire la tension de fonctionnement du générateur, leurs origines sont diverses. On distingue alors trois types de dégradation : thermique, chimique ou électrochimique et mécanique.
La contrainte de la durée de vie pourrait néanmoins être contournée en optant pour des procédures de diagnostic qui permettraient de détecter à quel moment il convient de changer certains organes du système PàC. Dans la deuxième partie de ce chapitre, il a été fait mention de plusieurs philosophies et stratégies de diagnostic. Il apparait que la maintenance préventive conditionnelle constitue un excellent choix possible pour l’application PàC. Les objectifs visés par la maintenance préventive conditionnelle consistent à l’amélioration de la fiabilité du matériel, une augmentation des performances du système, la garantie d’une plus grande sécurité humaine et matérielle et enfin, la réduction des coûts d’exploitation du système.
La troisième partie de ce chapitre a été consacrée aux différents moyens expérimentaux en vue du diagnostic de PàC. Il apparaît clairement que la spectroscopie d’impédance électrochimique (SIE) est un outil à considérer pour l’étude de la PàC, puisqu’elle permet la détection et l’identification de plusieurs défauts majeurs (assèchement, noyage, contamination au CO, appauvrissement en gaz,..). Néanmoins, dans la pratique, l’utilisation de la spectroscopie d’impédance en vue du diagnostic d’un système embarqué dynamique est plus compliquée. Dans la théorie, la SIE s’applique sur un système linéaire ou non-linéaire comme c’est le cas de la PàC. Cependant la détermination de l’impédance complexe est beaucoup plus difficile à obtenir. Pour simplifier la mesure de l’impédance sur des systèmes non-linéaires, on recherche généralement un point de fonctionnement particulier permettant de considérer le système comme linéaire autour de ce point. L’utilisation d’un signal d’excitation à faible amplitude pour ne pas perturber le système loin de son équilibre est nécessaire [Bru09]. Il est aussi possible d’envisager d’analyser le contenu harmonique des ondes électriques pour détecter et isoler les défauts comme cela a été proposé dans [Kad09]. Cependant l’effet de sollicitations fréquentielles à forte amplitude peut avoir un effet sur les systèmes de régulation (auxiliaires) équipant le banc de mesure et donc générer une interaction du banc de test sur la réponse du système. Une autre problématique de la mesure par SIE est liée au temps nécessaire pour acquérir le spectre d’impédance complet sur une plage fréquentielle contenant notamment des fréquences inférieures au Hz. Cette problématique peut néanmoins être limitée par l’utilisation d’une stimulation multi- fréquentielle [Bru09] ou par la détection de fréquences/ bande de fréquences permettant d’identifier et d’isoler le défaut [Lat01].
Le besoin fort d’une station électrochimique performante et fiable permettant de réaliser une acquisition de l’impédance fréquentielle sur un générateur de forte puissance et multi-cellules a été exprimé sur la plateforme FC LAB. Au début de cette thèse, aucune société ne fournissait d’équipement capable de mesurer avec une qualité suffisante, une ou plusieurs impédances électrochimiques de façon séquentielle ou parallèle avec un potentiel supérieur à 12 V. Le développement d’un spectromètre d’impédance permettant la mesure fréquentielle de l’impédance électrochimique sur un générateur multi-cellules s’est donc avéré nécessaire afin de répondre d’une part au cahier des charges du projet DIAPASON (projet ANR PAN’H) mais aussi aux besoins plus généraux exprimés sur la plateforme de Belfort. Le développement du système de mesure fait donc logiquement l’objet de la seconde partie de ce manuscrit.
Enfin dans, la dernière partie de ce chapitre nous nous sommes intéressés aux différentes approches assurant le traitement des mesures réalisées via le système d’acquisition expérimental. Il apparaît clairement que les modélisations physiques donnent lieu à des temps de calcul souvent trop importants, qui les rendent incompatibles avec des approches diagnostic temps réel. Des approches de types boîtes noires, basées « signal » ou faisant appel à des techniques de traitement de l’information sont donc préférables et plus compatibles avec les objectifs de cette thèse. Cependant, il faut garder à l’esprit que ces modélisations ne
décrivent pas analytiquement les relations physiques entre les variables et que leurs performances sont directement liées aux données expérimentales considérées.
Certaines méthodologies, notamment les solutions à base de reconnaissance de formes floue ou autre (réseau de neurones) [His07],[Fou06] peuvent générer des résultats intéressants en termes de détection de défauts. Les approches probabilistes, statistiques ou logiques comme les arbres de défaillance ou les réseaux bayésiens présentent une meilleure capacité à percevoir l’origine du défaut et la démarche à effectuer pour contrecarrer le défaut. L’approche bayésienne possède un avantage supplémentaire par rapport aux méthodologies statistiques ou logiques : elle permet la découverte de liens causaux entre les variables à partir de la base de données, alors que l’utilisateur ne les connaissait pas a priori. Cet atout est particulièrement intéressant pour les systèmes complexes et/ ou mal connus. Dans le cadre de notre application, il nous a semblé intéressant de développer cette approche bayésienne. Cette méthode présente de nombreux intérêts qui coïncident avec les idées essentielles du projet DIAPASON et la réalisation d’un système de diagnostic temps réel sans modèle.