Diagnostic et pronostic des défauts des Moteurs Asynchrones
Loading...
Date
2016-02-11
Authors
Journal Title
Journal ISSN
Volume Title
Publisher
Université - 20 Août 1955 - Skikda
Abstract
L’importance des enjeux et les prérogatives de la fonction maintenance ont évolué ces
dernières décennies accompagnant le développement industriel pour leur rôle dans le maintien
et l’amélioration de la disponibilité et la sureté des systèmes, aussi bien que la qualité du
produit. L’évolution vers de nouvelles pratiques de maintenance plus proactives a fait émerger
des stratégies prévisionnelles dont le processus clé est le pronostic.
A travers une revue riche de la littérature sur la thématique de diagnostic et de pronostic des
défauts des machines électriques, nous avons orienté notre travail, concernant la première
partie de notre thèse en l’occurrence le diagnostic, vers l’amélioration du taux de
classification correcte des défauts du moteurs asynchrones tels que les défauts des roulements,
les défauts déséquilibre des phases statoriques et les défauts cassures de barres rotoriques.
A cette fin, nous avons proposé un classifieur issu directement du plan d'auto-ambiguïté. Ce
dernier est choisi comme espace d’extraction des caractéristiques pertinentes. Pour la partie
sélection, la dimension du vecteur de forme a été optimisée en minimisant un modèle
probabiliste d'erreur de classification proposé pour l’approche statistique. Les résultats de
cette approche comparés à des classifieurs intelligents à base de réseaux de neurones sont très
satisfaisants.
Concernant la partie pronostic, Vu l'absence de caractéristiques de pronostic pouvant être
identifiées de bien représenter la progression de défaut. Nous avons proposé une approche
basée sur l’identification des caractéristiques avancées de pronostic susceptibles d’améliorer
la prédiction de la durée de vie utile restante (RUL). L’algorithme d'optimisation par essaim
particulaire (PSO) a été employé afin d’automatiser la sélection de ces caractéristiques et le
modèle semi-Markov caché (HSMM) pour estimer la prédiction de la RUL. Bien que
l’approche proposée peut être appliquée au pronostic des autres composants de machine, les
roulements sont choisis comme objet de recherche car leur défaillance est la cause majeure
des pannes des ces machines. Les résultats des caractéristiques identifiées présentent une
légère amélioration de la tendance de progression. On devrait penser, donc, à de nouvelles
mesures d'aptitude.