Prédiction des modes de défaillances des machines tournantes par analyses vibratoires
No Thumbnail Available
Date
2020-06-12
Authors
Journal Title
Journal ISSN
Volume Title
Publisher
Abstract
Les engrenages et les paliers font partie des composants de machines les plus importants du
monde industriel et la détection de leurs défauts est devenue une tendance majeure. Dans ce
présent article, afin de mettre en place une méthodologie fiable de surveillance et de diagnostic
des pannes de machines tournantes, un banc d'essai est mis en œuvre. Cependant, pour
diagnostiquer les défauts combinés des engrenages et des roulements, un système de
surveillance basé sur un modèle de réseau neuronal (NNM) est proposé. Pour former et tester
le NNM, les principaux indicateurs de haute fréquence, déterminés à l'aide des données de
vibration dans le domaine temporel collectées, et les codes de défauts sont utilisés
respectivement comme données d'entrée et de sortie. Une comparaison de deux algorithmes
d'apprentissage, optimisés par la méthode de Taguchi, a été effectuée pour déterminer le
meilleur NNM. Par conséquent, la méthode proposée est efficace pour étudier d’autres cas
industriels divers.