Identifiant pérenne de la notice : 226348326
Notice de type
Notice de regroupement
Note publique d'information : Ce travail de thèse présente l'élaboration de méthodes de diagnostic pour un système
complexe de l'infrastructure ferroviaire, le circuit de voie. La tâche de diagnostic
porte sur l'estimation de variables latentes, lie��es aux défauts, à partir de variables
observées, extraites de signaux d'inspection et les solutions proposées s'appuient
sur une approche générative permettant de modéliser les liens et relations entre ces
variables. Dans la première partie de ces travaux, des méthodes non supervisées ont
été envisagées pour le diagnostic. Les approches développées dans ce contexte ont
montré l'intérêt de prendre en compte certaines informations a priori sur la structure
du modèle ou sur l'aspect temporel de données prélevées séquentiellement. La seconde
partie de cette thèse porte sur le diagnostic du système dans un cadre partiellement
supervisé et consistait à utiliser des données réelles étiquetées de manière imprécise
et incertaine par plusieurs experts lors de l'apprentissage. L'approche proposée repose
sur l'utilisation de la théorie des fonctions de croyance pour modéliser et combiner
les différents avis avant de les intégrer au modèle statistique proposé. Les résultats
obtenus ont permis de montrer l'intérêt d'une telle démarche pour le diagnostic.
Note publique d'information : This thesis aims to develop diagnosis tools for a complex railway infrastructure system,
namely the track circuit. The diagnosis task is based on the estimation of latent
variables linked to the system component defects from observed variables extracted
from inspection signals. The proposed solutions are based on a generative approach
which allows to model the relationships between these variables. In the Frst part,
unsupervised methods are considered for the diagnosis. The models developed in this
context have shown the interest of taking into account some prior information regarding
the model structure or the temporal aspect of the collected data. The second part
of this thesis focuses on the diagnosis of the system in a partially supervised context.
In this part, real data partially labelled by several experts are available. The adopted
approach is then based on the theory of belief functions to represent and fuse the
dfferent opinions intended to be used during the learning phase. The obtained results
demonstrate the interest of this proposition for the diagnosis task.
paprika.idref.fr
data.idref.fr
Documentation
