BRAHIMI, MERYEMEnca/ KHODJA DJALAL EDDINE2023-07-122023-07-122023el/2023https://repository.univ-msila.dz/handle/123456789/40481La détection automatique des défauts devient de plus en plus importante faiblesse de l'opérateur humain (inhérente) ; qui est une conséquence de la fatigue, des trous de mémoire et parfois due à la pression environnementale (bruit, chaleur...etc.). En fait, nous sommes absolument intéressés par les diagnostics automatiques ; qui permet une détection précoce des anomalies, ce qui est l'un des moyens sûrs de contribuer à améliorer la productivité des différents secteurs. À cette fin, le travail de recherche proposé porte sur la co-simulation à l'aide d'un processeur logiciel configuré sur FPGA du diagnostic basé sur un réseau de neurones artificiels des défauts de la machine à induction. Une fois l'architecture ANN choisie et une formation hors ligne appliquée permettant à l'ANN d'identifier les différents défauts de la machine à induction, une méthode est proposée pour implémenter la fonction d'activation en forme de sigmoïde à l'aide de la boîte à outils du générateur de système fournie par Xilinx. Le générateur de système permet de télécharger l'algorithme ANN obtenu dans le vaisseau Virtex4 FPGA. Les résultats obtenus par co-simulation de la commande du moteur à induction dans Matlab/Simulink et de l'ANN sur le FPGA sont satisfaisants et très prometteursfrANN;FPGA;DIAGNOSISThesis