dc.description.abstract |
a détection précoce de défauts dans les machines électriques reste un enjeu très
important, la maintenance devant être prédictive. Les défauts mécaniques et entre autre les
défauts de roulement sont les plus fréquents. L’analyse du courant statorique (Motor Current
Signature Analysis) permet d’apporter un élément de solution pour la détection des défauts.
Un défaut produisant une modification du spectre du courant, un nouvel outil de traitement et
d’analyse des signaux non- stationnaire, la transformée de Hilbert- Huang (THH), a été
utilisée pour ce but. Le signal étant décomposé en signaux, les IMF, pour lesquels la notion de
fréquence instantanée a un sens. Le spectre marginal de Hilbert- Huang permet de représenter
les fréquences instantanées présentes, et ainsi pouvoir détecter un défaut éventuel par analyse
de la signature du courant. Dans la seconde étape pour classer les différents défauts de
roulement, nous avons modélisé, par un modèle AR, l’IMF 2 du courant. En utilisant trois
techniques de classification (Approche Distance, Réseau de Neurone et SVM) les résultats
obtenus sont très intéressants. |
en_US |