• Département Génie Industriel (GI)
Permanent URI for this community
Browse
Browsing • Département Génie Industriel (GI) by Subject "algorithme ELM"
Now showing 1 - 2 of 2
Results Per Page
Sort Options
Item SURVEILLANCE VIBRATOIRE D’UNE TURBINE DE VENTILATION A BASE D’UN SYSTEME DE PRISE DE DECISION(ÉCOLE SUPÉRIEURE DE TECHNOLOGIES INDUSTRIELLES -ANNABA, 2019) AISSAOUI Lina; MANSOURI Roumaila; BENHASSINE Naamane (Co-Encadrant)Avec le développement rapide de la technologie et de la science, les équipements mécaniques dans l'industrie moderne deviennent de plus en plus fonctionnels et complexes. Les machines tournantes font partie des équipements les plus importants dans les applications industrielles modernes et le diagnostic des pannes de ces machines devient l’aspect le plus critique de la conception et de la maintenance des systèmes, il existe plusieurs méthodes de diagnostic des défauts parmi lesquelles l’analyse vibratoire occupe une place prépondérante. Ce travail s’inscrit dans le cadre de la surveillance d’une turbine de ventilation, ainsi plusieurs techniques basées sur l’analyse vibratoire ont été appliqués pour l’étude de trois cas de défauts : défaut de balourd, défaut de choc et le défaut combiné de ces deux derniers. D’abord une application des méthodes d’analyse globale et de traitement de signal a été faite dans le but d’extraire une information pertinente du défaut. Ensuite, une classification de ces défauts a été réalisé à l’aide d’un algorithme de classification par les réseaux de neurones artificiels (Extreme Learning Machine), dans l’objectif de rendre la procédure de l’identification des défauts automatisé. À l’aide de logiciel SolidWorks, une modélisation d’une partie de la chaine de ventilateur a été réaliser afin de provoquer des défauts similaires à ceux enregistrés dans la réalité, Puis à partir d'une simulation dynamique dans les mêmes conditions du fonctionnement du modèle réel, des signaux temporels ont été relevés, dont certains nous a permis de valider le modèle de la simulation numérique et les autres vont nous permettre d'avoir les signatures fréquentielles de certains défauts dont nous n'avons pas les signaux réels, cette approche promet d’être très avantageuse pour l’alimentation des modèles d’apprentissage à partir des modèles numériques sains et défectueux.Item SURVEILLANCE, DIAGNOSTIC ET LOCALISATION DES DEFAUTS DANS LA TURBINE DE VENTILLATION X205 EN UTILISANT LA MACHINE D’APPRENTISSAGE EXTREME.(ÉCOLE SUPERIEURE DE TECHNOLOGIES INDUSTRIELLES -ANNABA-, 2020) ABDELAZIZ Roumaissa; BENYOUCEF Rania; DJEMANA Mohamed (Encadrant)Il n’est plus nécessaire aujourd’hui de montrer l’importance de la maintenance optimale dans les sociétés industriels qui devenue un facteur de compétitivité et de pérennité décisive visant à répondre aux impératifs industriels pour assurer une production permanente et augmenter la durée de vie des machines en réduisant le cout surtout pour les machines tournantes. Ces dernières représentent une classe dominante dans les systèmes de production et c’est le cas pour notre équipement d’étude le ventilateur de circulation X205 où l’apparition d’une défaillance inattendue peut causer d’énormes pertes économiques lourdes et des endommagements inévitables. Le travail présenté dans ce mémoire s’inscrit dans le cadre du diagnostic et surveillance des défauts des machines tournantes, nous avons consacré l’étude pour un ventilateur de circulation a une base des données des pannes riches, qui peut nous soutenir de couvrir le maximum des cas des défauts possibles. On a essayé tout au long la première partie de ce travail de cadrer les différentes notions relatives à la maintenance , les techniques d’analyse et les techniques de traitement de signal qui ont étés exploitées pour l’analyse vibratoire, qui est la technique la plus utilisée pour réaliser une surveillance et un diagnostic fiable et pour détecter l’apparition et l’évolution de la plupart des défauts . Par la suite nous avons cité quelques notions sur les méthodes de classification par l’Intelligence Artificielle. Dans la deuxième partie de ce travail on a commencé par une présentation des caractéristiques techniques du ventilateur et une description de la chaine de ventilation après on a expérimenté les recherches théoriques de l’analyse vibratoire par l’application des techniques de traitement de signal telles que : l’analyse de niveau global et l’analyse spectrale sur des signaux réels acquis du ventilateur de circulation X205 CRU2 ou on à prendre le balourd comme un exemple d’étude réel. Afin de surveiller et d’analyser le comportement de la machine, lors d’un fonctionnement normal (état sain) et (avec défaut) et de soutenir nos activités expérimentales nous avons modélisé numériquement le ventilateur et les différents défauts tels que le balourd, le désalignement et le desserrage à l’aide de logiciel SOLIDWORKS 2016 pour faire une simulation dynamique de son fonctionnement réel. Ce modèle, conduit à un gain notable en termes de temps, de cout et de recherche. Enfin, à l’aide d’une machine d’apprentissage extrême, on a fait une application de coalisation automatique de défaut de serrage au niveau des deux paliers. Au cours du processus, la formation sur l'ensemble de données est effectuée sur la base de réseaux de neurones artificiels et déployée pour estimer la position du défaut avec l’indication de pourcentage de la similarité des signaux de simulation par rapports aux signaux d’apprentissage