Éléments de diagnostic des défauts dans les machines tournantes
| dc.contributor.author | BERREDJEM Toufik | |
| dc.date.accessioned | 2022-12-14T13:48:20Z | |
| dc.date.available | 2022-12-14T13:48:20Z | |
| dc.date.issued | 2018-06-25 | |
| dc.description.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). | |
| dc.identifier.uri | https://dspace.univ-annaba.dz//handle/123456789/810 | |
| dc.language.iso | fr | |
| dc.title | Éléments de diagnostic des défauts dans les machines tournantes | |
| dspace.entity.type |