Model-based fault detection in diesel engines air-path

The study of model-based fault detection for mass production Diesel engines isthe aim of this thesis. The necessity of continuous vehicles health monitoring is nowenforced by the Euro VI pollutant legislation, which will probably be tightened in itsfuture revisions. In this context developing a robust strategy that could be easilycalibrated and work with different systems (due to production variability) would bea tremendous advantage for car manufacturers. The study developed here tries toanswer to those necessities by proposing a generic methodology based on local adaptiveobservers for scalar nonlinear state-affine systems. The fault detection, isolation andestimation problems are thus solved in a compact way. Moreover, the uncertaintiesdue to measurement or model biases and time drifts lead to the necessity of improvingthe detection methodology by the use of robust thresholds that could avoid undesiredfalse alarms. In this thesis a variable threshold is proposed based on the observabilitycondition and the sensitivity analysis of the parameter impacted by the fault withrespect to input or model uncertainties. This approach allows, among other things, tobe used as an analysis tool for the individuation of the system operating points for whichthe diagnosis is more reliable and more robust to inputs uncertainties. The discussedapproach has been successfully implemented and experimentally tested on a real Dieselengine for the intake leak detection and for the turbine efficiency loss drift detectionin a co-simulation environment showing its advantages in term of detection reliability,calibration effort and engines diagnosis operating condition analysis.Cette thèse a pour but l’étude de la détection basée sur modèle de défauts pour lesmoteurs Diesel produits en grande série. La nécessité d’une surveillance continue del’état de santé des véhicules est maintenant renforcée par la législation Euro VI sur lesémissions polluantes, qui sera probablement rendue encore plus contraignante dans sesprochaines révisions. Dans ce contexte, le développement de stratégies robustes, faciles àcalibrer et valides pour des systèmes dispersés (car produits en grande série) procureraitun avantage considérable aux constructeurs automobile. L’étude développée ici tentede répondre à ces besoins en proposant une méthodologie générique. On utilise desobservateurs adaptatifs locaux pour des systèmes scalaires non linéaires et affines parrapport à l’état, pour résoudre les problèmes de la détection de défauts, de son isolationet de son estimation d’une façon compacte. De plus, les incertitudes liées aux biais demesure et de modèle et aux dérives temporelles nécessitent d’améliorer les méthodes dedétection par l’utilisation de seuils robustes pour éviter les fausses détections. Dans cettethèse, on propose un seuil variable basé sur la condition d’observabilité du paramètreimpacté par le défaut et sur une étude de sensibilité par rapport aux incertitudes surles entrées ou sur le modèle. Cette méthode permet, entre autres, de fournir un outild’analyse pour la sélection des conditions de fonctionnement du système pour lesquelsle diagnostic est plus fiable et plus robuste par rapport aux incertitudes sur les entrées.L’approche présentée a été appliquée avec succès et validée de façon expérimentale surun moteur Diesel pour le problème de détection de fuite dans le système d’admissiond’air, puis dans un environnement de simulation pour le problème de détection dedérive d’efficacité turbine. On montre ainsi ses avantages en termes de fiabilité dedétection, d’effort de calibration, et pour l’analyse des conditions de fonctionnementmoteur adaptées au diagnostic