Détection, Localisation et Classification des Défauts des Machines Tournantes par l’Utilisation d’un Système d'Inférence Neuro-Floue Adaptatif
Loading...
Date
2020
Journal Title
Journal ISSN
Volume Title
Publisher
ÉCOLE SUPERIEURE DE TECHNOLOGIES INDUSTRIELLES - ANNABA -
Abstract
Dans le milieu industriel, les systèmes de production sont de plus en plus complexes, Les défaillances influent sur la qualité du produit et pouvant provoquer l’arrêt immédiat d’une machine. Les roulements sont l'un des composants les plus critiques des machines tournantes, et leur diagnostic de défauts s’appuie sur l’extraction des paramètres par différents sources, parmi lesquelles, l’analyse vibratoire qui occupe une place prépondérante. Cette étude présente une procédure temps et fréquence basée sur la technique d'extraction de paramètres utilisant la sélection des bandes de fréquences les plus impulsives en décomposant les signaux de vibration des machines tournantes en différentes sous-bandes de fréquences en utilisant la technique WPD intégrant l’approche FFT pour savoir exactement quelles sont les composantes de fréquence présentées dans ces sous-bandes de fréquences. Une fois que les paramètres fréquentiels sont générés en plus des autres paramètres temporels, des techniques de réduction de la dimensionnalité des paramètres sont employés en utilisant LDA (Linear Discriminant Analysis), une méthode de Wrapper et LSDA (Locality Sensitive Discriminant Analysis) afin de diminuer le nombre de paramètres utilisés dans la classification et ainsi d’améliorer le taux de classification. Enfin, l'algorithme ANFIS (Adaptive Neuro- Fuzzy Inference System) est utilisé pour l'identification et la classification des défauts de roulement. Afin d'évaluer les performances de la méthode proposée, différents ensembles de données d'essai sont utilisés afin de valider le modèle de l’ANFIS en utilisant différentes conditions de roulements sains et défectueux sous différents niveaux de charge, de gravité et type des défauts et de vitesse de rotation.