Prédiction des modes de défaillances des machines tournantes par analyses vibratoires
| dc.contributor.author | KHOUALDIA Kaaïs | |
| dc.date.accessioned | 2022-12-14T13:41:37Z | |
| dc.date.available | 2022-12-14T13:41:37Z | |
| dc.date.issued | 2020-06-12 | |
| dc.description.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. | |
| dc.identifier.uri | https://dspace.univ-annaba.dz//handle/123456789/808 | |
| dc.language.iso | fr | |
| dc.title | Prédiction des modes de défaillances des machines tournantes par analyses vibratoires | |
| dspace.entity.type |