Browsing by Author "Enca/ LAIB Abderrzak"

Now showing 1 - 2 of 2
  • Thumbnail Image
    ItemOpen Access
    Détection et localisation des défauts dans les Réseaux électriques filaires par la réflectométrie et ANFIS
    (University of M’sila, 2025-06-30) Aslafi Ahmed; Hammoudi salaheddine; Elassri yassin; Enca/ LAIB Abderrzak
    La qualité du réseau de câbles constitue un facteur essentiel pour garantir l'efficacité d’un réseau de transport de l’énergie . Pour préserver cette qualité, il est indispensable de détecter les défauts et d’en localiser précisément les emplacements, qu’il s’agisse de défauts francs tels que les courts-circuits et les circuits ouverts, ou de défauts non francs résultant de facteurs tels que le vieillissement ou la dégradation de la gaine isolante des câbles. Ce mémoire a pour objectif de développer une méthodologie efficace pour le diagnostic des défauts dans les réseaux filaires, notamment les câbles bifilaires, en s’appuyant sur la technique de réflectométrie temporelle et le système ANFIS. L’étude se concentre sur la résolution des problèmes inverses afin de localiser avec précision les défauts, en particulier ceux difficiles à détecter par les méthodes traditionnelles. Les résultats ont montré l’efficacité des approches proposées pour améliorer la performance des systèmes de diagnostic et contribuer à renforcer la fiabilité et la sécurité des réseaux électriques.
  • 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.