La perte d'équipements de procédé suite à la destruction par un feu non détecté, ou l'arrêt complet de toute une installation à cause d'une fausse alarme d'incendie sont deux des scénarii qu'aucune entreprise ne souhaite jamais connaître en raison des coûts financiers et éventuellement humains que ces accidents peuvent générer. D'autant plus quand il existe des mesures préventives disponibles pour éviter une telle catastrophe. La décision concernant la meilleure façon de protéger le personnel, l'installation et les investissements d'une entreprise est donc un facteur critique et les industriels n'ont pas forcément toutes les cartes en mains. Pour pallier cet inconvénient, la solution qu'a développée General Monitors en matière de détection de flamme, à savoir une méthode infrarouge multispectrale ( Multi-Spectral Infrared ou SMRI) utilisant la technologie de réseaux neuronaux, est une réponse très intéressante.

Avant d'aller plus loin, faisons un petit rappel sur ce que sont les réseaux neuronaux. Il s'agit de modèles mathématiques qui ont été très schématiquement inspirés par les réseaux de neurones biologiques. Dans un réseau neuronal artificiel ( voir figure 1 ), un groupe de neurones artificiels interconnectés assure le traitement de l'information et modifie réellement sa structure au cours d'une phase d'apprentissage afin de s'adapter au mieux aux besoins de l'application. Cela permet ainsi au réseau neuronal de modéliser des relations complexes au sein des données fournies par des capteurs, par l'intermédiaire d'une recherche rapide de modèles. Depuis les années 40, les chercheurs en informatique se sont en fait inspirés du cerveau humain, un neuroscientifique et un chercheur en logique s'étant associés pour créer le premier modèle conceptuel de réseau de neurones artificiels.

Les conséquences d'un feu non détecté peuvent être dramatiques en termes de production, de bilan humain ou d'installation… surtout s'il existe des mesures préventives disponibles pour éviter une telle catastrophe. Parmi ces solutions, le détecteur de flamme FL4000H de General Monitors intègre une méthode infrarouge multispectrale et une technologie de réseaux neuronaux.

Un processus aperceptif au cœur de l'apprentissage

Leur but était de résoudre certains types de problèmes qui sont faciles à résoudre pour un être humain, mais difficiles pour un ordinateur, à l'instar de la reconnaissance de formes. Les réseaux neuronaux offrent ainsi une gamme d'applications pratiques, à l'instar de ceux mis en œuvre dans le détecteur de flamme infrarouge multispectral FL4000H de General Monitors. On retrouve en effet la reconnaissance de formes proprement dite, le traitement du signal afin d'avoir la possibilité de filtrer les données non pertinentes et les contrôles qui gèrent les décisions. Les autres fonctionnalités peuvent être les capteurs «logiciels» qui analysent une collection de valeurs ou la détection des anomalies. Il s'agit, dans ce dernier exemple, de la capa-cité à générer une sortie lorsque quelque chose se produit et ne correspond pas à des schémas prédéfinis. Des alertes sont alors émises lorsque quelque chose ne fonctionne pas correctement.

La technologie de réseaux neuronaux est par essence une intelligence artificielle. Un des principaux éléments sous-jacents à cette technologie est sa capacité d'apprentissage. Il apprend par l'intermédiaire d'un type de processus aper-ceptif. Cela signifie que la compréhension ou l'assimilation de quelque chose, comme un nouveau concept, peut alors être reliée à des expériences ou des perceptions antérieures. La technologie de réseaux neuronaux fonctionne de façon similaire à celle d'un esprit humain dans la manière dont il permet à un e personne de reconnaître un visage rencontré dans un passé lointain. Par exemple, le cerveau humain facilite la reconnaissance en faisant correspondre un visage avec une image qu'il aurait stockée comme dans une mémoire. Tout comme le cerveau humain, un détecteur de flamme infrarouge multispectral dispose dans sa mémoire de milliers d'éléments d'informations issus de centaines de modèles de flammes et de « non-flammes » observés auparavant. Il a été programmé pour reconnaître une flamme sur la base de ces données et pour prendre des décisions quant à savoir s'il est, ou non, en présence d'une flamme réelle, même si cette dernière ne correspond pas exactement au modèle déjà vu.

Concrètement, le détecteur de flamme infrarouge multispectral FL4000H combine une matrice de capteurs associée à des algorithmes de traitement des signaux. Le principe de fonctionnement est le suivant: les quatre capteurs échantillonnent un spectre unique dans les longueurs d'onde infrarouges, et convertissent ces signaux en un format numérique afin d'en extraire les données temporelles et fréquentielles. Les données acquises par les quatre capteurs sont automatiquement acheminées vers un prétraitement de signal puis le réseau neuronal proprement dit. C'est à ce moment que le «vrai» travail de détermination du niveau de danger est réalisé, grâce entre autres aux nouvelles capacités de reconnaissance de formes.

Des économies en termes de nombre de détecteurs utilisés

La technologie infrarouge multispectraleper-met la couverture d'une zone jusqu'à six fois plus grande ( voir figure 2 ) que celle des détecteurs de flamme plus classiques reposant sur la technologie ultraviolet et infrarouge (UV/ IR). Le modèle FL4000H présente ainsi une distance de détection accrue de 70 m au maximum, pour un feu de n-heptane d'une surface de 0,1m ² et en utilisant le mode haute sensibilité. La technologie infrarouge multispectrale offre également un temps de réponse plus rapide, inférieur ou égal à 10s, et peut fonctionner dans diverses conditions environnementales, dans une plage de température allant de - 40 à+80°C et d'humidité relativede10à95%HR sans condensation. Le revers de la médaille d'une couvertureplus grande est le risque plus élevé de détecter des fausses alarmes.

Au-delà de l'amélioration des performances, la technologie de réseau neuronal permet aux industriels du pétrole et du gaz d'accroître la protection des installations et des personnes contre le feu et ainsi de réaliser des économies significatives.

Grâce au réseau neuronal, le détecteur de flamme aeneffet été programmé pour différencier de manière fiable les menaces réelles d'incendie des activités quotidiennes ethabituelles sur un site industriel. Il peut s'agir d'un mouvement aléatoire, de la modulation de surfaceschauffées, de la présence d'un flux d'air chaud, d'une réflexion sur des surfaces d'eau, de la foudreet/ou de l'opération de soudage àl'arc,pour ne nommer que quelques événements de «non-flammes ». Par ailleurs, une distance de détection et un champ de vision (100° à une distance de 30mou90° à64m)plus importants signifient que les utilisateurs peuvent installer un nombre réduit de détecteurs de flamme,donc en diminuant les coûts, pour couvrir grosso modo la même surface.Acontrario, ilest possible de couvrir une zone de protection plus étendue sans surcoûts.

Tout cela peut donc se traduirepar des économies significatives pour les industries en croissance,àl'image des secteurs du transport depétrole et de gaz, des marchés du pétrole avec les stations de compression, les usines de transformation et d'autres installations de production àgrande échelle. En conclusion, le mariage des capteurs infrarouges multispectraux et des réseaux neuronaux artificiels apporte une réponse plus qu'intéressante en termes de performances améliorées, de distance de détection, de champ de vision, de temps de réponse, quelles que soient les conditions environnementales d'ailleurs, et surtout en termes d'immunité aux fausses alarmes.Cequi se traduit par une protection accrue des installations et des personnes contrelefeu…