Repository logo
  • English
  • Català
  • Čeština
  • Deutsch
  • Español
  • Français
  • Gàidhlig
  • Italiano
  • Latviešu
  • Magyar
  • Nederlands
  • Polski
  • Português
  • Português do Brasil
  • Srpski (lat)
  • Suomi
  • Svenska
  • Türkçe
  • Tiếng Việt
  • Қазақ
  • বাংলা
  • हिंदी
  • Ελληνικά
  • Српски
  • Yкраї́нська
  • Log In
    Have you forgotten your password?
Repository logo
  • Communities & Collections
  • All of Digital Repository
  • English
  • Català
  • Čeština
  • Deutsch
  • Español
  • Français
  • Gàidhlig
  • Italiano
  • Latviešu
  • Magyar
  • Nederlands
  • Polski
  • Português
  • Português do Brasil
  • Srpski (lat)
  • Suomi
  • Svenska
  • Türkçe
  • Tiếng Việt
  • Қазақ
  • বাংলা
  • हिंदी
  • Ελληνικά
  • Српски
  • Yкраї́нська
  • Log In
    Have you forgotten your password?
  1. Home
  2. Browse by Author

Browsing by Author "DJOUADI Ikram"

Now showing 1 - 1 of 1
Results Per Page
Sort Options
  • Loading...
    Thumbnail Image
    ItemOpen Access
    DIAGNOSTIC INTELLIGENT DES ROULEMENTS DANS LES MACHINES ELECTRIQUES PAR FORET ALEATOIRE
    (University of M’sila, 2025-06-30) CHALABI Chames; DJOUADI Ikram; Enca/ LAIB Abderrzak
    Dans un contexte industriel marqué par l’exigence croissante de performance, de sécurité et de compétitivité, la maintenance réactive ne suffit plus. L’industrie moderne, soumise à des cadences de production élevées et à des contraintes économiques strictes, requiert des stratégies de maintenance prédictive et autonome capables de prévenir les défaillances. Ce travail s’inscrit dans cette dynamique et propose une approche intelligente de diagnostic des défauts dans les machines électriques, en particulier les moteurs asynchrones. Bien que robustes, ces moteurs sont sensibles à certains défauts mécaniques, notamment au niveau des roulements. La méthodologie suivie repose sur trois axes : une analyse des fondements, l’utilisation d’outils modernes tels que les forêts aléatoires et la transformée en ondelettes discrète, et enfin une validation expérimentale sur la base de données CWRU. Les résultats obtenus confirment l’efficacité de cette approche, offrant une solution fiable et performante pour la maintenance prédictive dans l’industrie.

All Rights Reserved - University of M'Sila - UMB Electronic Portal © 2024

  • Cookie settings
  • Privacy policy
  • Terms of Use