CHALABI ChamesDJOUADI IkramEnca/ LAIB Abderrzak2025-07-102025-07-102025-06-30https://repository.univ-msila.dz/handle/123456789/46927Dans 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.frMaintenance prédictivemoteurs asynchronesdiagnostic des défautsintelligence artificielleforêts aléatoirestransformée en ondelettes discrèteroulementsCWRU.Thesis