Abstract FR:

Le travail présenté est consacré au diagnostic des systemes industriels par reconnaissance des formes. Les principes du diagnostic par reconnaissance des formes sont présentés dans le chapitre I. La première partie décrit les deux grandes étapes d'un système de diagnostic par reconnaissance des formes, à savoir l'apprentissage du système de diagnostic et de son exploitation en ligne, en insistant sur le caractère adaptatif d'un tel système. Les deux parties suivantes sont consacrées à l'étude de la capacité de la reconnaissance des formes à résoudre le problème du diagnostic de systemes industriels. Pour cela, une revue des différentes méthodes est présentée en mettant l'accent sur les considérations théoriques et pratiques auxquelles un utilisateur est confronte. Les critères pris en compte sont les propriétés et les domaines d'application des méthodes de reconnaissance des formes, l'influence de la taille de l'ensemble d'apprentissage et du nombre de variables, ainsi que leurs robustesses. A ces critères s'ajoutent des contraintes supplémentaires liées à la complexité des méthodes et à leurs couts d'utilisation. Dans le deuxième chapitre, nous étudions le problème de la constitution de l'ensemble d'apprentissage dans le cas non supervise. Cette étape est cruciale pour les performances du système de diagnostic et elle est particulièrement difficile à résoudre dans ce contexte. Après avoir positionné le problème en présentant une revue des différentes procédures et méthodes utilisées, nous proposons une procédure d'apprentissage non supervisé pour pallier les principaux inconvénients des méthodes décrites. Cette procédure est basée principalement sur la classification floue de l'ensemble des données, sur la validation floue et l'interprétation de la classification floue obtenue. Une revue des différentes méthodes floues de classification et de validation est présentée ainsi qu'une étude théorique et pratique de leurs propriétés