Classification de défauts des machines tournantes par l’intelligence Artificielle
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 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 vibratoire occupe une place prépondérante. Diverses techniques, de traitement des signaux vibratoires, ont été explorés et expérimentées, sur des données issues de plusieurs campagnes d’essais. 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 classifieur, 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 permis, en plus de fournir des outils de diagnostic efficaces, de quantifier la pertinence des sources d’information exploitées et proposées.