Modélisation et diagnostic des systèmes non linéaires par acp à noyaux

• .emerciementf
  
• ?'esum'e
  
• ?bstract
  
• Chapitre 1
  
• Introduction au diagnostic
  
• Chapitre 2
  
• Chapitre 3
  
• Annexes
  
  • 2.8 Évolution de La projection de X sur les premiers (l) et dernièrs (in - l)
    
  • 2.9 Comparaison entre X et l'estimationXà à partir des composantes principale . 20 2.10 Indice SPE dans le cas sain et le cas défaillant avec un seuil de 95% . . . . 21
    
• ntroduction générale
  
• ntroduction au diagnostic
  
  • 1.1 Introduction
    
    • 1.2.1 Principe du diagnostic
      
    • 1.2.2 Définitions
      
  • 1.3 Les différentes étapes du diagnostic d'un système
    
  • 1.4 Classification des approches de diagnostic
    
    • 1.4.1 Les approches relationnelles
      
    • 1.4.2 Les méthodes de traitement de données
      
    • 1.4.3 Les méthodes à base de modèles
      
• ?nalyse en composantes principales
  
  • 2.1 Introduction à l'ACP
    
  • 2.2 Identification du modèle ACP
    
  • 2.3 Estimation des paramètres du modèle ACP
    
  • 2.4 Détermination de la structure du modèle
    
    • 2.4.1 Pourcentage cumuléde la variance totale (PCV)
      
    • 2.5.1 Génération de résidus par estimation d'état
      
    • 2.5.2 Statistique SPE
      
    • 2.5.3 Statistique T2 de Hotelling
      
• ?'ACP à Noyau (Kernel PCA)
  
  • 3.1 Introduction
    
    • 3.2.1 Méthodes à noyaux
      
    • 3.2.2 Kernel PCA
      
  • 3.3 Détection et localisation en Kernel PCA
    
    • 3.3.1 Détection en Kernel PCA
      
      • 3.3.1.1 Statistique Q (SPE)
        
      • 3.3.1.2 Statistique T2
        
    • 3.3.2 Localisation de défauts par KPCA partielle
      
• ?pplication
  
  • 4.1 Introduction
    
  • 4.2 Description du processus
    
  • 4.3 Identification du modèle Kernel PCA
    
  • 4.4 Détection et localisation de défauts
    
    • 4.4.1 Détection de défauts
      
    • 4.4.2 Localisation de défauts
      
• Conclusion générale
  
• ?ibliographie
  
• ?'esum'e ?bstract