Doctoral Dissertations

Permanent URI for this collection

http://172.16.30.20:4000/handle/123456789/3600

Browse

Browsing Doctoral Dissertations by Subject "bague intérieure"

Now showing 1 - 1 of 1
  • Thumbnail Image
    ItemOpen Access
    Diagnostic des défauts mécaniques basé sur l’apprentissage automatique
    (University of M'Sila, 2024-10-17) DAHMANE Saida
    Dans l’industrie, l'analyse des vibrations est un outil essentiel pour la maintenance préventive conditionnelle. Les signaux vibratoires captés, collectés et analysés peuvent fournir des informations sur l'état d'un moteur à induction. Un traitement approprié de ces signaux vibratoires permet de définir un état normal ou anormal de l'ensemble de la machine tournante, ou en particulier de l'un de ses composants. L'objectif principal de cette thèse est de proposer une méthode de surveillance automatique de l'état des composants du roulement d'un moteur à induction. La méthode proposée est basée sur deux approches, l'une basée sur le traitement du signal en utilisant la transformée en ondelettes discrètes et la décomposition en modes empiriques et l'autre approche utilise l'apprentissage automatique basé sur la random forest (RF) et le perceptron multicouche (MLP). L'enveloppe spectrale de Hilbert permet d'extraire des fréquences caractéristiques qui sont considérées comme de nouvelles signatures entrant dans ces classificateurs. Les fréquences choisies comme signatures sont déterminées à partir d'une variation proportionnelle de leurs amplitudes avec la variation du couple de charge et du diamètre du défaut. En outre, une classification basée sur la RF et le MLP peut valider l'efficacité des caractéristiques de fréquence extraites en tant que nouvelles caractéristiques pour traiter la détection des défauts de roulements tout en localisant automatiquement le composant défectueux avec un taux de classification exceptionnel. Les résultats obtenus avec la méthode proposée ont été validés expérimentalement à l'aide d'un banc d'essai.