Éléments de diagnostic des défauts dans les machines tournantes
No Thumbnail Available
Date
2018-06-25
Authors
Journal Title
Journal ISSN
Volume Title
Publisher
Abstract
L’objectif des méthodes de diagnostic et de pronostic basées sur la surveillance
vibratoire des machines tournantes est de fournir des connaissances sur l’état de
fonctionnement réel de la machine à chaque moment sans arrêter la ligne de production.
Ceci permet d’éviter les pertes de production et améliorer la fiabilité et la sécurité des
systèmes.
Le diagnostic des défauts de roulements est une question très importante dans le
cadre de la surveillance de l'État des machines à induction. Ce travail de thèse présente une
application du système expert flou (FES) au diagnostic des défauts de roulements. Ici, les
règles floues sont automatiquement induites à partir des données numériques en utilisant la
méthode de classification par similarité. Les données des roulements défectueux présentent
un niveau de bruit élevé. Subséquemment, une méthode IRO (Improved Range Overlaps)
est proposée pour sélectionner les vecteurs des indicateurs caractéristiques d'entrée en leur
donnant des degrés de validité. La méthode de répartition avec la similarité a été trouvée
confuse avec des indicateurs caractéristiques présentant un chevauchement entre groupes.
Par conséquent, on a jugé que la nouvelle méthode proposée (IRO) est tout à fait
appropriée pour améliorer la précision du classificateur. La validité et l'efficacité du
modèle sont prouvées à l'aide de données expérimentales sur les historiques de roulements
défectueux de la base de données « Case Western Reserve University » et de NSF I / UCR
sur les systèmes de maintenance intelligents (IMS).