Grant: Alliance Grants

Afin d'allonger la durée de vie des infrastructures existantes, les propriétaires s'orientent vers la surveillance des ouvrages à partir des technologies de l'information où la tâche centrale consiste à inférer la présence d'anomalies à partir de l'identification d'une dérive dans les comportements observés. L'incapacité à distinguer les vraies et les fausses alarmes est le principal défi auquel fait font face les propriétaires d'ouvrages comme Hydro-Québec qui gère plus de 350 grands barrages sur lesquels de nombreuses données instrumentales sont recueillies. Nos travaux en cours se penchent sur les problématiques liées aux fausses alarmes et ont conduit aux développements de méthodes afin d'adapter les Bayesian dynamic linear models (BDLM) aux particularités des infrastructures. Bien que de multiples applications pratiques aient démontré la robustesse et la performance de la méthode BDLM, celle-ci demande une expertise de pointe afin de configurer les modèles. Les réseaux de neurones sont connus pour omettre cette limitation, mais puisqu'ils sont entrainés à partir de la rétropropagation des gradients, ils sont incompatibles avec la détection d'anomalies par identification probabiliste de changement de régimes. En réponse à ce constat, nous avons développé la méthode TAGI (tractable approximate Bayesian inference) qui permet d'entrainer des réseaux de neurones à partir d'une inférence analytique. Cette nouvelle proposition de recherche bâtira sur TAGI afin de créer un ensemble de méthodes qui permettront de coupler des réseaux de neurones récurrents (RNN) et la méthode BDLM pour la détection d'anomalies. Le objectif principal à travers ces développements méthodologiques est de permettre la détection d'anomalies en temps réel à l'échelle du parc de barrages d'Hydro-Québec. Afin d'atteindre cet objectif, l'équipe de recherche développera les formulation mathématiques permettant de coupler les réseaux de neurones récurrents (RNN) avec les BDLM, ainsi que des méthodes qui permettront l'apprentissage en ligne et en continu des paramètres des RNN. Un des objectif central est également de fournir à la communauté scientifique et industrielle des librairies ouvertes regroupant les méthodes développées lors du projet.