Diagnostic de défauts sur un moteur diesel

Long time considered pollutants; diesel engines are today as much clean, or even more, than the gasoline engines. In order to respect the environmental standards, even in presence of malfunctions, the automotive manufacturers set up systems of faults detection and isolation. Most previous works in the diesel engine diagnosis determined parts of the engine and not the complete engine.This thesis proposes an innovative fault-diagnosis system for a turbocharged diesel engine with variable-geometry turbocharger control. Numerous and diversified actuator and/or sensors faults are identified and analyzed such as air-leakage in the admission collector, compressor malfunctioning, intake-valves fault, intercooler fault, deterioration in the turbine-compressor coupling, defect in the variable geometry of the turbine, and fault in rotational speed sensor. Two different strategies for developing a Fault Detection and Isolation algorithm (FDI) were proposed:The first one based on the adaptive training theory of an on line nonlinear observer with sliding mode. The second one based on the theory of Gain Schedule Control operated on a Takagi-Sugeno model of the diesel. Simulations with a nonlinear Diesel model in the presence of noise were carried out and which demonstrated the effectiveness of the proposed algorithm.Longtemps considérés comme polluants, les moteurs diesels sont aujourd’hui autant, voire plus, propres que les moteurs à essence. Afin de respecter au mieux les normes environnementales, même en présence de dysfonctionnements, les constructeurs automobiles mettent en œuvre des systèmes de détection et de localisation de défauts. La plupart des recherches précédentes pour le diagnostic des moteurs diesel étudie des parties bien déterminées du moteur et non pas le moteur complet. Cette thèse propose deux stratégies différentes de diagnostic sur un modèle de connaissance d’un moteur diesel ce qui permet de détecter, d’isoler et d’estimer six défauts dans les différentes parties d’un moteur diesel équipé d’un turbocompresseur à géométrie variable : fuite d’air dans le collecteur d’admission, mauvais fonctionnement du compresseur, défaut d’ouverture des soupapes d’admission, défaut dans l’échangeur, détérioration dans le couplage turbine compresseur, défaut dans la commande de la turbine à géométrie variable et défaut dans le capteur de vitesse. L'idée de base de la première stratégie est d'utiliser l’apprentissage récursif d’un observateur à modes glissants.La seconde stratégie utilisée pour concevoir un FDI (Fault Detection and Isolation) est basée sur la théorie de contrôle par «Séquencement de gain» appliquée sur un système multilinéaire de type Takagi_Sugeno. Des simulations avec un modèle diesel non-linéaire validé, en présence de bruit, ont été effectuées et qui a démontré l'efficacité de l'algorithme proposé