DIAGNOSTIC DES MACHINES TOURNANTES PAR LES TECHNIQUES DE L’INTELLIGENCE ARTIFICIELLE
No Thumbnail Available
Date
2014
Authors
Journal Title
Journal ISSN
Volume Title
Publisher
Abstract
Dans le milieu industriel, les systèmes de production sont de plus en plus complexes
et ne peuvent être exempts de perturbations et de défaillances, influant sur la qualité du produit,
pouvant provoquer l’arrêt immédiat d’une machine et porter atteinte au bon fonctionnement d’un
système de production entier. Le diagnostic de défauts de ces machines, s’appuie essentiellement
sur la surveillance de symptômes liés à différentes conditions de dégradation. Ces symptômes
peuvent être tirés et extraits de diverses sources d’information, parmi lesquelles, l’analyse vibra toire occupe une place prépondérante.
Dans ces travaux de thèse, diverses techniques, de traitement des signaux vibratoires, ont été ex plorées et expérimentées, sur des données issues de plusieurs campagnes d’essais (industrielles et
sur bancs). Des approches basées sur la variable angulaire ont aussi été investiguées, permettant
une multiplication des sources d’information. En plus des techniques classiques, deux nouvelles
procédures d’exploitations de l’information position ont été proposées.
Pour atteindre une exploitation optimale des sources d’information, plusieurs des techniques de
l’intelligence artificielle ont été mises au service du diagnostic de défauts des machines tournantes,
où plusieurs techniques de sélection et de transformation d’indicateurs ont été explorées lors de
la construction des vecteurs d’entrée des classifieurs, et un algorithme efficace a été construit basé
sur l’association d’une recherche ascendante et de techniques filtrantes.
La combinaison des techniques de traitement des signaux et de l’intelligence artificielle a per mis, en plus de fournir des outils de diagnostic efficaces, de quantifier la pertinence des sources d’information exploitées et proposées.