Diagnostic par reconnaissance des formes : Application à un ensemble convertisseur-machine asynchrone

par Olivier Ondel

Thèse de doctorat en Sciences. Génie électrique

Sous la direction de Guy Clerc.

Soutenue en 2006

à l'Ecully, Ecole centrale de Lyon , en partenariat avec CEGELY - Centre de génie électrique de Lyon (Rhône) (laboratoire) .


  • Résumé

    Les progrès réalisés en matière d'électronique de puissance, de circuits de commande ont contribué à l'utilisation grandissante des machines asynchrones dans les systèmes d'entraînements électriques. Le recours aux machines asynchrones est surtout lié à leur robustesse, leur puissance massique et à leur coût de fabrication. L’apparition dans les années 1980 des variateurs permettant de faire varier la fréquence de rotation dans une large gamme a largement favorisé son développement. En effet, ils entrent dans la conception de nombreux procédés industriels associant des convertisseurs statiques et des machines électriques. La maintenance et la surveillance de ces deux systèmes permettent de rentabiliser les installations. Il est donc important de développer des outils de diagnostic pour détecter de manière précoce les défauts pouvant apparaître aussi bien sur le convertisseur que sur la machine. Notre approche est basée sur l'utilisation des méthodes de reconnaissance des formes. Un vecteur de paramètres, appelé vecteur forme, est extrait de chacune des mesures effectuées sur la machine. Les règles de décisions utilisées permettent de classer les observations, décrites par le vecteur forme, par rapport aux différents modes de fonctionnement connus avec ou sans défaut. Des défauts ont été créés au rotor et au stator de la machine asynchrone, alimentée soit à partir du réseau, soit par le biais d'un onduleur de tension. La procédure de décision, basée sur la règle des k - plus proches voisins, associée à une fonction d’appartenance, permet de détecter l’évolution des modes de fonctionnements ainsi que les défauts avérés. Par la suite, le suivi d’évolution de ces modes est réalisé par une approche de type Kalman : un estimateur récursif de Kalman est utilisé pour déterminer les paramètres du modèle dynamique rendant compte de l’évolution d’un mode et un prédicteur de Kalman pour prévoir une évolution vers de nouvelles zones de l’espace. Ces algorithmes ont montré l'efficacité de l'application de la reconnaissance des formes au diagnostic.


  • Résumé

    Advances in power electronics, control circuits and automatic have contributed to an increasing use of induction motors in electrical drive systems. The large – scale utilization of induction motors is mainly due to their robustness, their power – weight ratio, and to their manufacturing cost. The appearance of variators making it possible to vary the rotational frequency largely supported its development. Indeed, these variators enter the design of many industrial processes associating static inverters and electric machines. The maintenance and the monitoring of these two systems allow making profitable the installations. Therefore, it is important to develop diagnosis tools in order to detect earlier the faults, which can appear in these machines. Our approach is based on pattern recognition methods. A vector of features, named pattern vector, is obtained from the measurements made on the machine. These classifications are made according to the different operating conditions, with and without fault. Faults have been created on both the rotor and the stator sides of the induction machine. This one was fed either from the mains, or from a three – phase voltage inverter. Fault detection has been made with decision procedure based on the k – nearest neighbors rule, associated with a membership function. This procedure allows detecting the evolution of the operating modes as well as the proven defects. Thereafter, the evolution tracking of these modes is carried out by a Kalman approach: a recursive Kalman estimator is used to determine the parameters of the dynamic model accounting for the evolution of a mode and a Kalman predictor to envisage an evolution towards new zones of space. The results obtained with these algorithms have proved the efficiency of pattern recognition methods for diagnosis.

Consulter en bibliothèque

La version de soutenance existe sous forme papier

Informations

  • Détails : 1 vol. (288 p.)
  • Notes : Publication autorisée par le jury
  • Annexes : 167 réf.

Où se trouve cette thèse\u00a0?

  • Bibliothèque : Ecole centrale de Lyon. Bibliothèque Michel Serres.
  • Disponible pour le PEB
  • Cote : T2035
  • Bibliothèque : Ecole centrale de Lyon. Bibliothèque Michel Serres.
  • Non disponible pour le PEB

Cette version existe également sous forme de microfiche :

  • Bibliothèque : Université de Lille. Service commun de la documentation. Bibliothèque universitaire de Sciences Humaines et Sociales.
  • Non disponible pour le PEB
  • Cote : 2006ECDL0029
Voir dans le Sudoc, catalogue collectif des bibliothèques de l'enseignement supérieur et de la recherche.