AVIS DE SOUTENANCE
Mme Lu ZHANG
Laboratoire des Signaux et Systèmes,
Laboratoire Génie Électrique et Électronique de Paris
Soutiendra publiquement ses travaux de thèse, intitulés :
« Détection et diagnostic des défauts des machines électriques multi-phasées »
« Fault detection and diagnosis for multi-phase electrical machines»
Dirigés par Monsieur Claude DELPHA et Monsieur Demba DIALLO
Soutenance prévue le Mardi 03 décembre 2024 à 14h00
Lieu : CentraleSupélec, campus de Saclay,
Salle : Amphithéâtre Rousseau, Bâtiment Bouygues
Visio-conférence: https://teams.microsoft.com/l/meetup-join/19%3ameeting_ZTI0ZTY0ZjktMzM3ZS00MDllLTk1YzAtZDgyMTdlZTM5YzI4%40thread.v2/0?context=%7b%22Tid%22%3a%2261f3e3b8-9b52-433a-a4eb-c67334ce54d5%22%2c%22Oid%22%3a%2238af888d-1224-40c4-9c7f-8e9991fa708f%22%7d
Membres du jury :
Pr Didier THEILLIOL, Université de Lorraine
Pr Abdelmounaïm TOUNZI, Université de Lille
Dr Abdenour SOUALHI, Université de Saint-Etienne
Pr Anne MIGAN-DUBOIS, Université Paris Saclay
Encadrement :
Pr Claude DELPHA, Université Paris Saclay
Pr Demba DIALLO, Université Paris Saclay
Mot clés : Machines à sept phases, Détection et diagnostic des défauts, Modèles analytiques actuels, approches basées sur les données
Keywords: Seven-phase machines, Fault detection and diagnosis, Current analytical models, data-driven approaches
Abstract: Compared to conventional three-phase drives, multi-phase machines have several advantages. However, these advantages come with increased system cost, due to the need for additional current sensors, gate drive circuits, and an appropriate power supply. Among the various multi-phase machine configurations, seven-phase machines have attracted increasing attention. Thus, this thesis focuses on developing robust Fault Detection and Diagnosis (FDD) methodologies for seven-phase permanent magnet synchronous machines. Regardless of the fault type and its evolution, faults directly or indirectly affect the current flowing in the windings, causing changes in three parameters: gain, phase shift, and mean value change. To capture these effects, this thesis proposes three analytical models of the currents flowing in the windings in three reference frames (natural, stationary, and synchronous) and four fictitious machines (Principal Machine, PM; Secondary Machine, SM; Tertiary Machine, TM; and Homopolar Machine, HM), with a particular focus on the analytical models in the stationary reference frame.
After the models are validated, fault detection techniques are first explored in the time and frequency domains, focusing on the trajectories of the current vectors in the stationary reference frame in healthy and faulty modes. Then, for fault isolation, the simulation results show that in the presence of low noise levels, the multi-step classification methodology allows for low noise levels to effectively separate severe faults from incipient ones and to discriminate them. For multi-parameter changes in one or more faulty phases, the advanced t-SNE clustering method is used, showing superior clustering performance when combined with Mahalanobis distance to correct for feature correlations. The last task, fault estimation, focuses on quantifying fault severity using entropy- and sampling-based approaches, adopting univariate and multivariate perspectives. Jensen-Shannon divergence (JSD) and Wasserstein distance (WD) are used to evaluate fault estimation performance under different noise and fault severity conditions. Finally, the slope of the decision function from the CUSUM algorithm is introduced as a fast fault assessment metric, showing particular effectiveness in scenarios with Gaussian-distributed data.
Résumé : Comparées aux entraînements conventionnels à trois phases, les machines multiphases présentent plusieurs avantages. Cependant, ces avantages s’accompagnent d’une augmentation du coût du système, en raison de la nécessité de capteurs de courant supplémentaires, de circuits de commande des transistors (gate drive circuits) et d’une alimentation électrique appropriée. Parmi les différentes configurations de machines multiphases, les machines à sept phases ont attiré une attention croissante. Ainsi, cette thèse se concentre sur le développement de méthodologies robustes de détection et diagnostic de défauts (Fault Detection and Diagnosis, FDD) pour les machines synchrones à aimants permanents à sept phases. Quel que soit le type de défaut et son évolution, les défauts affectent directement ou indirectement le courant circulant dans les enroulements, provoquant des modifications de trois paramètres: gain, déphasage et changement de valeur moyenne. Afin de capturer ces effets, cette thèse propose trois modèles analytiques des courants circulant dans les enroulements, dans trois référentiels (naturel, stationnaire et synchronisé) et quatre machines fictives (Machine Principale, PM; Machine Secondaire, SM; Machine Tertiaire, TM; et Machine Homopolaire, HM), avec un accent particulier sur les modèles analytiques dans le référentiel stationnaire.
Après validation des modèles, des techniques de détection de défauts sont explorées dans les domaines temporel et fréquentiel, en se concentrant sur les trajectoires des vecteurs de courant dans le référentiel stationnaire en modes sain et défaillant. Les résultats des simulations montrent qu’en présence de faibles niveaux de bruit, la méthodologie de classification en plusieurs étapes permet pour de faibles niveaux de bruit de séparer efficacement les défauts sévères de ceux naissants et de les discriminer. Pour des changements multi-paramètres dans une ou plusieurs phases défaillantes, la méthode avancée de regroupement t-SNE est utilisée, montrant des performances de regroupement supérieures lorsqu’elle est combinée à la distance de Mahalanobis pour corriger les corrélations entre les caractéristiques. La dernière tâche, l’estimation des défauts, se concentre sur la quantification de la sévérité des défauts à l’aide d’approches basées sur l’entropie et l’échantillonnage, en adoptant des perspectives univariées et multivariées. La divergence de Jensen-Shannon (JSD) et la distance de Wasserstein (WD) sont utilisées pour évaluer les performances d’estimation des défauts sous différentes conditions de bruit et de sévérité des défauts. Enfin, la pente de la fonction de décision issue de l’algorithme CUSUM est introduite comme une mesure rapide d’évaluation des défauts, montrant une efficacité particulière dans les scénarios avec des données distribuées selon une loi gaussienne.
