Application des techniques d'apprentissage automatique pour la detection et la classification des dèfauts de roulment dans les machines asynchrones

Simple item page
dc.contributor.authorKhaireeddine, Boudras
dc.contributor.authorHellal, Baadache
dc.contributor.authorEnca/ BENYOUNES, ABDELHAFID
dc.date.accessioned2023-09-18T12:13:22Z
dc.date.available2023-09-18T12:13:22Z
dc.date.issued2023-07-16
dc.description.abstractCe travail se concentre sur la détection et la classification des défauts de roulement dans les machines asynchrones en utilisant des techniques d'apprentissage automatique. Les défauts de roulement peuvent entraîner des temps d'arrêt coûteux s'ils ne sont pas détectés. L'utilisation de l'intelligence artificielle et de l'apprentissage automatique permet de développer des systèmes automatisés précis pour la détection des défauts. Différents algorithmes d'apprentissage automatique ont été comparés pour la classification, et le modèle de l’algorithme XGBoost nous donne le meilleur score de précision.en_US
dc.identifier.urihttp://dspace.univ-msila.dz:8080//xmlui/handle/123456789/40845
dc.language.isofren_US
dc.publisherUniversity of M'silaen_US
dc.subjectmachines asynchrones, défauts de roulement, détection et classification. Apprentissage automatique, XGBoosten_US
dc.titleApplication des techniques d'apprentissage automatique pour la detection et la classification des dèfauts de roulment dans les machines asynchronesen_US
dc.typeThesisen_US

Files

Original bundle
Now showing 1 - 1 of 1
Thumbnail Image
Name:
Mémoire final BOUDRAS Khaireeddine&Hellal Baadache.pdf
Size:
4.14 MB
Format:
Adobe Portable Document Format
Description:
Download
License bundle
Now showing 1 - 1 of 1
No Thumbnail Available
Name:
license.txt
Size:
1.71 KB
Format:
Item-specific license agreed upon to submission
Description:
Download

Collections

Master Thesis