Contribution au diagnostic industriel de défauts de roulement et de balourd par techniques neuronales : application à la machine asynchrone à cage

par Saliou Diouf

Thèse de doctorat en Sciences de l'ingénieur. Génie informatique, automatique et traitement du signal

Sous la direction de Kurosh Madani.


  • Résumé

    Cette thèse se focalise sur la détection et l'aide au diagnostic vibratoire de dysfonctionnement de type balourd ou de type écaillage de la bague extérieure de roulement de machines tournantes. Elle concerne la mise en oeuvre de techniques neuronales pour la détection et l'aide au diagnostic de ces défauts. Dans ce cadre, deux approches sont développées, à partir des signatures vibratoires issues pour l'une d'un capteur de courant, et pour l'autre d'un capteur accéléromètre. Ces signatures sont d'abord prétraitées par ACP puis classifiées par un réseau de neurones artificiel. Deux type de réseaux neuronaux, reconnus pour leur capacité de classification, ont été retenus : RBF et LVQ. La validation de ces deux approches, à travers l'étude des prétraitements des signatures et des paramètres des différents RNAs, est réalisée sur un banc d'essai équipé d'un moteur asynchrone à cage.

  • Titre traduit

    Contribution to the industrial diagnosis of defects of bearing and unbalance by neural techniques : application to the asynchronous cage motor


  • Résumé

    This thesis is focused on vibratory signatures based faults detection and classification aiming computer aided diagnosis of defects relative to umbalanced rotation or dealing with rolling bearing's external ring's chipping defects appearing in turning machines. It relates the use of neural techniques for detection and computer aided diagnosis of such defects. We develop two approaches starting from the vibratory signatures obtained for the first one from a current sensor, and for the other one from an accelometer-like sensor. These signatures are initially pre-processed by PCA and after that they are classified by an artificial neural network (ANN). We use two types of neural classifiers, known for their classification capabilities : RBF and LVQ. The validation of these two approaches is carried out through the study of the pre-processing of the signatures and the parameters of different ANNs, using an experimental asynchronous electromotor.

Consulter en bibliothèque

La version de soutenance existe sous forme papier

Informations

  • Annexes : Bibliogr. : 36 réf

Où se trouve cette thèse ?

  • Bibliothèque : Université Paris-Est Créteil Val de Marne. Service commun de documentation. Bibliothèque de ressources électroniques en ligne.
  • Accessible pour le PEB
Voir dans le Sudoc, catalogue collectif des bibliothèques de l'enseignement supérieur et de la recherche.