Retour au site du LAAS-CNRS

Laboratoire d’analyse et d’architecture des systèmes

Publications de l'équipe DISCO

Choisir la langue : FR | EN

814documents trouvés

16414
01/03/2017

Diagnosability analysis of patterns on bounded labeled prioritized Petri nets

H.E.GOUGAM, Y.PENCOLE, A.SUBIAS

DISCO

Revue Scientifique : Discrete Event Dynamic Systems, Vol.27, N°1, pp.143-180, Mars 2017 , N° 16414

Diffusable

Plus d'informations

Abstract

Checking the diagnosability of a discrete event system aims at determining whether a fault can always be identified with certainty after the observation of a bounded number of events. This paper investigates the problem of pattern diagnosability of systems modeled as bounded labeled prioritized Petri nets that extends the diagnosability problem on single fault events to more complex behaviors. An effective method to automatically analyze the diagnosability of a pattern is proposed. It relies on a specific Petri net product that turns the pattern diagnosability problem into a model-checking problem.

138772
16123
18/12/2016

A novel algorithm for dynamic clustering: properties and performance

N.BARBOSA ROA, L.TRAVE-MASSUYES, V.H.GRISALES

DISCO, UNAL

Manifestation avec acte : IEEE International Conference on Machine Learning and Applications ( ICMLA ) 2016 du 18 décembre au 20 décembre 2016, Anaheim (USA), Décembre 2016, 6p. , N° 16123

Diffusable

138532
16432
12/12/2016

De l'illustration du guidage à l'optimisation d'un plan par un robot Lego Mindstorm NXT

E.CHANTHERY, G.LE CORRE, P.E.HLADIK

DISCO, INSAT, VERTICS

Revue Scientifique : Journal sur l'enseignement des sciences et technologies de l'information et des, Vol.15, 12p., Décembre 2016 , N° 16432

Lien : https://hal.archives-ouvertes.fr/hal-01392601

Diffusable

Plus d'informations

Résumé

Cet article présente un projet mené au Département Génie Électrique et Informatique de l’Institut National des Sciences Appliquées (INSA) de Toulouse dont le but est la commande d’un robot Lego NXT. L’objectif est d’illustrer les différents niveaux de commande, du guidage bas niveau effectué par une régulation de position jusqu’à l’optimisation d’un plan de mission.

138343
16470
02/12/2016

A data-based approach for dynamic classification of functional scenarios oriented to industrial processes

N.BARBOSA ROA

DISCO

Doctorat : Université de Toulouse III - Paul Sabatier, 2 Décembre 2016, 212p., Président: M.V.LE LANN, Rapporteurs: C.V.ISAZA NARVAEZ, R.GOURIVEAU, Examinateurs: G.D.ZAPATA , Directeurs de thèse: L.TRAVE-MASSUYES, V.H.GRISALES PALACIO , N° 16470

Lien : https://hal.laas.fr/tel-01445834

Diffusable

Plus d'informations

Abstract

The main objective of this thesis is to propose a dynamic clustering algorithm that can handle not only dynamic data but also evolving distributions. This algorithm is particularly fitted for the monitoring of processes generating massive data streams, but its application is not limited to this domain. The main contributions of this thesis are: 1. Contribution to dynamic clustering by the proposal of an approach that uses distance- and density-based analyses to cluster non-linear, non-convex, overlapped data distributions with varied densities. This algorithm, that works in an online fashion, fusions the learning and classification stages allowing to continuously detect and characterize new concepts and at the same time classifying the input samples, i.e. which means recognizing the current state of the system in a supervision application. 2. Contribution to feature extraction by the proposal of a novel approach to extract dynamic features. This approach ,based on piece-polynomial approximation, allows to represent dynamic behaviors without losing magnitude related information and to reduce at the same time the algorithm sensitivity to noise corrupting the signals. 3. Contribution to automatic discrete event modeling for evolving systems by exploiting informations brought by the clustering. The generated model is presented as a timed automaton that provides a high-level representation of the behavior of the process. The latter is adaptive in the sense that its construction is elaborated following the discovery of new concepts by the clustering algorithm.

Résumé

L'objectif principal de cette thèse est de développer un algorithme dynamique de partitionnement de données (classification non supervisée ou ‘’clustering’’ en anglais) qui ne se limite pas à des concepts statiques et qui peut gérer des distributions qui évoluent au fil du temps. Cet algorithme peut être utilisé dans les systèmes de surveillance du processus, mais son application ne se limite pas à ceux-ci. Les contributions de cette thèse peuvent être présentées en trois groupes: 1. Contributions au partitionnement dynamique de données en utilisant : un algorithme de partitionnement dynamique basé à la fois sur la distance et la densité des échantillons est présenté. Cet algorithme ne fait aucune hypothèse sur la linéarité ni la convexité des groupes qu'il analyse. Ces clusters, qui peuvent avoir des densités différentes, peuvent également se chevaucher. L'algorithme développé fonctionne en ligne et fusionne les étapes d'apprentissage et de reconnaissance, ce qui permet de détecter et de caractériser de nouveaux comportements en continu tout en reconnaissant l'état courant du système. 2. Contributions à l'extraction de caractéristiques : une nouvelle approche permettant d'extraire des caractéristiques dynamiques est présentée. Cette approche, basée sur une approximation polynomiale par morceaux, permet de représenter des comportements dynamiques sans perdre les informations relatives à la magnitude et en réduisant simultanément la sensibilité de l'algorithme au bruit dans les signaux analysés. 3. Contributions à la modélisation de systèmes à événements discrets évolutifs a partir des résultats du ‘clustering’ : les résultats de l'algorithme de partitionnement sont utilisés comme base pour l'élaboration d'un modèle à événements discrets du processus. Ce modèle adaptatif offre une représentation du comportement du processus de haut niveau sous la forme d'un automate dont les états représentent les états du processus appris par le partitionnement jusqu'à l'instant courant et les transitions expriment l'atteignabilité des états.

Mots-Clés / Keywords
Dynamic clustering; Fault diagnosis; Monitoring; Pattern recognition; System tracking;

138513
16466
01/12/2016

Enhanced chronicle learning for process supervision

J.VASQUEZ, L.TRAVE-MASSUYES, A.SUBIAS, F.JIMENEZ

DISCO, Andes

Rapport LAAS N°16466, Décembre 2016, 6p.

Diffusable

138477
14259
01/12/2016

Set membership identifiability of nonlinear models and related parameter estimation properties

N.VERDIERE, C.JAUBERTHIE, L.TRAVE-MASSUYES

Université du Havre, DISCO

Revue Scientifique : International Journal of Applied Mathematics and Computer Science, Vol.26, N°4, pp.803-813, Décembre 2016 , N° 14259

Diffusable

Plus d'informations

Abstract

Identifiability guarantees that the mathematical model of a dynamic system is well defined in the sense that it maps unambiguously its parameters to the output trajectories. This paper casts identifiability in a set-membership (SM) framework and relates recently introduced properties, namely, SM-identifiability, μ-SM-identifiability, and ε-SM-identifiability, to the properties of parameter estimation problems. Soundness and ε-consistency are proposed to characterize these problems and the solution returned by the algorithm used to solve them. This paper also contributes by carefully motivating and comparing SM-identifiability, μ-SM-identifiability and ε-SM-identifiability with related properties found in the literature, and by providing a method based on differential algebra to check these properties.

138773
16508
22/11/2016

Développement du système d'analyse des données recueillies par les capteurs et choix du groupement de capteurs optimal pour le suivi de la cuisson des aliments dans un four.

T.MONROUSSEAU

DISCO

Doctorat : 22 Novembre 2016, 115p. , N° 16508

Lien : Président: L.TRAVE-MASSUYES, Rapporteurs: S.CHARBONNIER, P.THOMAS, Examinateurs: C.TRELEA, S.VOLATIER, Directeurs de thèse: M.V.LE LANN

Non diffusable

138894
16501
18/10/2016

Estimation of uncertain dynamical systems and related properties. Application to health-monitoring.

C.JAUBERTHIE

DISCO

Habilitation à diriger des recherches : 18 Octobre 2016, 153p., Président: D.MAQUIN, Rapporteurs: A.EL BADIA, L.JAULIN, M.KIEFFER, Examinateurs: M.COMBACAU, L.DENIS-VIDAL, F.LE GALL, Garant: L.TRAVE-MASSUYES , N° 16501

Diffusable

Plus d'informations

Résumé

Dans ce travail, nous nous intéressons principalement à la surveillance préventive des systèmes non linéaires à incertitudes bornées, c’est-à-dire des systèmes pour lesquels les incertitudes ne sont définies que par leur appartenance à des intervalles. Pour cela, nous nous sommes placés dans un contexte dit « ensembliste » dans lequel nous avons pu étendre deux propriétés importantes largement étudiées en contexte stochastique qui sont l’identifiabilité et la diagnosticabilité. Au delà des définitions conceptuelles requises par ce travail, nous avons proposé des outils liés à l’algèbre différentielle permettant de vérifier ces deux propriétés. L’impact de l’identifiabilité ensembliste sur les résultats d’une estimation de paramètres a également été analysé, l’estimation de paramètres étant l’une des approches retenues pour la détection et l’isolation de défauts dans ce travail. Nous avons également cherché à améliorer l’estimation de paramètres en développant des critères pour la planification d’expériences, consistant ici en l’optimisation des conditions initiales, entrées et/ou période d’échantillonnage. Ces critères ont été appliqués à deux cas d’étude (pharmacocinétique et aéronautique) avec de très bons résultats. Par ailleurs, nous nous sommes intéressés à la modélisation des systèmes à incertitudes « mixtes », combinant des incertitudes bornées et stochastiques, en proposant notamment une amélioration du filtre de Kalman par intervalles. Le travail réalisé formalise des problèmes non abordés auparavant et pose des jalons pour les recherches futures.

Mots-Clés / Keywords
Diagnosticabilité ensembliste; Estimation; Identifiabilité ensembliste; Incertitudes bornées; Incertitudes mixtes; Planification d'expériences ensembliste; Set-membership diagnosability; Set-membership identifiability; Bounded uncertainties; Mixed uncertainties; Set-membership experiment design;

138753
16249
04/10/2016

Definition of model-based diagnosis problems with Altarica

Y.PENCOLE, E.CHANTHERY, T.PEYNOT

DISCO, QUT

Manifestation avec acte : International Workshop on Principles of Diagnosis ( DX ) 2016 du 04 octobre au 07 octobre 2016, Denver (USA), Octobre 2016, 8p. , N° 16249

Lien : https://hal.archives-ouvertes.fr/hal-01358693

Diffusable

Plus d'informations

Abstract

This paper presents a framework for modeling diagnosis problems based on a formal language called Altarica. The initial purpose of the language Altarica was to define a modeling language for safety analysis. This language has been developed as a collaboration between academics and industrial partners and is used in some industrial companies. The paper shows that the expres-sivity of this language, mixing event-based and state-based models, is sufficient to model classical model-based diagnosis problems (logic-based and event-based) and problems that combine state-based and event-based behaviors. This modeling framework, whose semantics is fully specified, is a promising framework to design richer diagnosis problems. As example, we introduce a robotic diagnosis problem that benefits from the full ex-pressivity of the language.

137872
16422
04/10/2016

Fault-driven minimal structurally overdetermined set in a distributed context

C.PEREZ, E.CHANTHERY, L.TRAVE-MASSUYES, J.SOTOMAYOR

DISCO, PUCP

Manifestation avec acte : International Workshop on Principles of Diagnosis ( DX ) 2016 du 04 octobre au 07 octobre 2016, Denver (USA), Octobre 2016, 8p. , N° 16422

Lien : https://hal.archives-ouvertes.fr/hal-01392572

Diffusable

Plus d'informations

Abstract

Distributed diagnosis is important for on-board systems as a way to reduce computational costs or for large geographically distributed systems that require minimizing data transfer. This paper presents a distributed diagnosis framework for continuous systems that only requires the knowledge of local models and limited knowledge of their neighboring subsystems. We introduce the notion of Fault-Driven Minimal Structurally Overdetermined (FMSO) set as the corner stone of the design of residual generators. We show that all the FMSO sets of the global system can be obtained in a distributed manner from so-called shared FMSO sets and shared CMSO sets that are computed along a structural approach for every local site

138311
Les informations recueillies font l’objet d’un traitement informatique destiné à des statistiques d'utilisation du formulaire de recherche dans la base de données des publications scientifiques. Les destinataires des données sont : le service de documentation du LAAS.Conformément à la loi « informatique et libertés » du 6 janvier 1978 modifiée en 2004, vous bénéficiez d’un droit d’accès et de rectification aux informations qui vous concernent, que vous pouvez exercer en vous adressant à
Pour recevoir une copie des documents, contacter doc@laas.fr en mentionnant le n° de rapport LAAS et votre adresse postale. Signalez tout problème de dysfonctionnement à sysadmin@laas.fr. http://www.laas.fr/pulman/pulman-isens/web/app.php/