Le projet scientifique de l’équipe ToSyMA vise à concevoir des outils méthodologiques capables de garantir la tolérance aux fautes, la supervision et la sûreté de fonctionnement des systèmes dynamiques coopératifs et distribués. Les compétences de l’équipe sont axées sur le diagnostic, incluant la détection, la localisation et l’estimation des défauts (Fault Detection and Isolation - FDI), ainsi que sur la conception de méthodes de fusion multi-capteurs tolérantes aux fautes (Fault Tolerant Fusion - FTF) avec supervision de l’intégrité, et de lois de commande tolérantes aux fautes (Fault Tolerant Control - FTC). Notre objectif est de développer des méthodes de FDI, FTC et FTF pour des systèmes dynamiques complexes distribués, en intégrant les interactions entre le diagnostic, la fusion multi-capteurs et la commande en présence de défauts pour garantir un niveau global de sûreté de fonctionnement et de sécurité du système. Les méthodes de diagnostic développées peuvent être basées sur des modèles préétablis ou être indépendantes de tout modèle, en utilisant des approches data-driven et des techniques d’apprentissage automatique, y compris le machine learning et l’apprentissage profond, pour renforcer la sûreté des systèmes. Dans notre démarche, nous cherchons à fusionner les deux approches exploitant le meilleur de chaque paradigme pour améliorer les performances des systèmes.

La recherche menée au sein de l’équipe s’articule autour de trois axes thématiques méthodologiques et théoriques, qui sont :

• Diagnostic, observation d’état, commande tolérante aux fautes et pronostic ;
• Fusion multi-capteurs tolérante aux fautes pour la localisation ;
• Cybersécurité et sûreté de fonctionnement.