Gustavo Pérez-Zuñiga

Analyse Structurelle pour le Diagnostic des Systèmes Distribués: Les récents développements des systèmes technologiques ont mené à une complexification des comportements des systèmes actuels. Une solution pour gérer cette complexité croissante consiste à les considérer comme un ensemble de sous-systèmes hétérogènes et à développer des techniques distribuées pour les contrôler et les gérer. Cette solution soulève plusieurs problèmes. Tout d’abord, l’augmentation de la taille et du nombre de composants entraîne immanquablement l’augmentation du nombre de fautes qui peuvent conduire le système dans un état de défaillance critique. De fait, parmi les fonctions opérationnelles, les tâches de détection et d’isolation des fautes (Fault Detection and Isolation ou FDI), de maintenance et de réparation sont devenues prédominantes et elles influent considérablement sur le coût total des produits finaux.Cette thèse porte sur la détection et l’isolation de fautes. Parmi les différentes méthodes pour générer des tests de diagnostic utilisant la redondance analytique, cette thèse adopte l’approche par espace de parité qui utilise les relations de redondance analytique (RRA). Étant donné un modèle du système sous la forme d’un ensemble d’équations différentielles, les RRA sont des relations obtenues à partir du modèle en éliminant les variables non mesurées. Ceci peut être effectué dans un cadre analytique en utilisant la théorie de l’élimination. Une autre solution consiste à utiliser l’analyse structurelle. L’analyse structurelle est basée sur une abstraction du modèle qui ne conserve que les liens entre variables et équations. Malgré son apparente simplicité, l’analyse structurelle fournit un ensemble d’outils puissants, s’appuyant sur la théorie des graphes, pour analyser et inférer des informations sur le système. Par ailleurs, elle a l’avantage de s’appliquer indifféremment sur les systèmes linéaires ou non linéaires.L’objectif de cette thèse est de développer des techniques efficaces basées sur l’analyse structurelle pour le diagnostic des systèmes continus distribué. Dans ce cadre, le système se décompose en un ensemble de sous-systèmes en fonction de contraintes fonctionnelles, géographiques ou de confidentialité. La thèse se divise principalement en deux parties :• la première partie cherche à mettre à lumière, à partir des modèles structurels obtenus au niveau des sous-systèmes, les redondances qui généreront des tests de diagnostic pertinents au niveau du système global,• la deuxième partie vise à formuler et résoudre le problème d’optimisation lié au choix d’un sous-ensemble de tests de diagnostic au niveau des sous-systèmes permettant une diagnosticabilité maximale pour le système global.La première partie utilise le concept d’ensemble minimal structurellement surdéterminé guidé par les fautes (Fault-Driven Minimal Structurally Overdetermined Set ou FMSO set). Ce concept est introduit dans la thèse. Il s’agit d’un sousensemble d’équations du modèle avec une redondance minimale à partir de laquelle une RRA sensible à un ensemble de fautes peut être obtenu. Deux solutions pour générer des ensembles FMSO pour le système global sont présentées, d’une part dans un cadre décentralisé avec des superviseurs imbriqués suivant une hiérarchie; d’autre part dans un cadre totalement distribué. Ces solutions sont basées sur les propriétés des ensembles FMSO au niveau des sous-systèmes qui sont présentées dans la thèse. La deuxième partie pose un problème d’optimisation dans le cadre d’une recherche heuristique et propose trois solutions basées sur un algorithme A* itératif combiné avec une fonction capable d’évaluer si un ensemble FMSO au niveau global peut être obtenu à partir des ensembles FMSO locaux sélectionnés. Les concepts introduits dans la thèse et les résultats sont appliqués à deux cas d’étude industriels. Le premier est une usine de désalinisation. Le second est un système de détermination et de contrôle d’attitude pour un satellite en orbite basse.

Most solutions for detecting, estimating, and localizing leaks in water networks rely on complex banks of Kalman filters (BKFs) or advanced stand-alone Kalman filter (KF) algorithms to account for the network’s model uncertainty, requiring extra hardware, extensive calibration, and maintenance. This study proposes a modulating function (MF) regressor based on a lumped model with pressure-flow boundary conditions to detect and localize a single leak in a water network. The uncertainty of the lumped model is reduced by adapting the MF regressor via a Lyapunov-based adaptive law. A real water network system (WNS) test bench was employed to validate the effectiveness of the proposed regressor. Initially, an experimental phase was conducted to identify and analyze the primary sources of uncertainty of the plant models concerning the test setup. Subsequently, the proposed leak detection, estimation, and localization algorithm was tested and compared with the robust adaptive unscented Kalman Filter (RAUKF), showing promising results.

New technologies such as AUVs are used for marine exploration, considered a widespread solution in ocean monitoring, whose conventional controllers such as PID or LQR present inaccuracy in the path traversal and instability when faced with disturbances. Such that, in order to achieve sufficient precision in the path traversal and to be able to measure seabed parameters, the design of a Reference Model Adaptive Fuzzy Controller (MRAFC) is proposed. Which is a control strategy based on a combination of fuzzy systems theories using the Takagy- Sugeno model and adaptive control laws, respecting Lyapunovs nonlinear control theories to generate a robust control against inherent disturbances of the environment. Thus, the results obtained when comparing the MRAFC controller versus LQR and MRAC test controllers show better performance in different scenarios. Where the first scenario is ideal conditions, whose result is similar when the AUV is close to the origin and unstable in the LQR controller when it moves away from the design convergence point. A second scenario is considered the disturbances, obtaining unstable behaviors from the moment of the disturbance in the LQR and MRAC controllers, observing overstresses in the control variable causing chattering effect. While the last scenario is dedicated to recreate an environment with noise affecting the reading of the vehicle variables where only the MRAFC control law is able to compensate and control in a hostile environment. Therefore, based on the results of this research it is possible to identify the MRAFC controller as suitable for AUV where precision and stability are necessary.

This paper presents a novel V-nets-Based Alarm Management (VBAM) methodology designed to enhance supervision and safety in Green Hydrogen Plants (GHPs). The proposed approach integrates visual modeling and temporal pattern analysis to accurately detect and manage alarms, seeking to reduce false positives and optimize response times. The methodology starts with a Preliminary Hazard and Operability (HAZOP) analysis to identify potential hazards and critical operational conditions, which are the foundation for constructing V-nets that map the temporal relationships between discrete events. By systematically capturing event sequences and their interdependencies, the VBAM approach allows for early fault detection and a proactive alarm management system fit for varying operational scenarios. A case study of the EL30N Green Hydrogen Plant proves the efficacy of the VBAM methodology in reducing downtime, improving system safety, and enhancing overall operational efficiency. This work provides a comprehensive framework for addressing discrete event challenges in alarm management, paving the way for safer and more resilient practices in green hydrogen production. Future directions will include expanding the application of VBAM to other operational phases and incorporating real-time analytics for further performance optimization.