DETECTION DES DEFAUTS PAR LES RESEAUX DE NEURONES ARTIFICIELS DE LA MACHINE ASYNCHRONE CONTROLEE PAR LA TECHNIQUE DU FLUX ORIENTE

dc.contributor.authorAmmar, Belkhiri
dc.date.accessioned2019-02-17T14:54:01Z
dc.date.available2019-02-17T14:54:01Z
dc.date.issued2007
dc.description.abstractCe mémoire présente une étude de l’architecture du système de diagnostic automatique des défaillances de la machine asynchrone contrôlée par la technique du flux orienté. Notre travail entre dans le cadre d’application dela stratégie de l’intelligence artificiel (réseaux du neurone) pour la détection et la localisation des défauts de la machine asynchrone. Nous commençons par l’étude de la problématique du diagnostique des défauts de la machine asynchrone. Ensuite, pour l’extraction des valeurs indicatrices des défauts de la machine asynchrone, nous avons effectué la modélisation et la commande de la machine asynchrone en régime sain et présence des défauts. Par ailleurs, plusieurs réseaux de neurones artificiels ont été appliqués pour la détection des défauts de la machine asynchrones. En effet, nous avons utilisé un sélectionneur qui permet d’activer un seul réseau à la fois en fonction de la charge entraînée par le moteur. Dans ce cas, le réseau sélectionné détecte uniquement les défauts correspondant à un mode de fonctionnement donné. Enfin, des résultats de simulation ont été présentés pour montrer l’efficacité de la technique des Réseaux de Neurones Artificiels pour le diagnostic automatique des défaillances.en_US
dc.identifier.other2007.3
dc.identifier.urihttp://dspace.univ-msila.dz:8080//xmlui/handle/123456789/7965
dc.language.isofren_US
dc.publisherUniversité Mohamed Boudiaf - M'Silaen_US
dc.subjectMachine asynchrone, commande à flux rotorique orienté, diagnostic automatique, défauts, réseaux de neurones, valeurs efficaces (RMS), algorithme de rétropropagation.en_US
dc.titleDETECTION DES DEFAUTS PAR LES RESEAUX DE NEURONES ARTIFICIELS DE LA MACHINE ASYNCHRONE CONTROLEE PAR LA TECHNIQUE DU FLUX ORIENTEen_US
dc.typeThesisen_US

Files

Original bundle
Now showing 1 - 1 of 1
Loading...
Thumbnail Image
Name:
2007.3.pdf
Size:
3.9 MB
Format:
Adobe Portable Document Format
Description:
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: