Systèmes A Interférence Floue SIF Application Au Diagnostic Et Détection De Défauts De Roulement En Basant Sur Le Décomposition En Mode Empirique

Abstract

Dans ce mémoire, nous avons abordé le domaine de la surveillance et du diagnostic des machines tournantes par la décomposition en mode empirique en utilisant des systèmes à inférence floue. Notre objectif principal était de développer une approche capable de combiner ces deux techniques pour une détection et classification des défauts de roulements plus fiable à partir des mesures de vibrations. Nous avons présenté dans le premier chapitre des informations sur les roulements : leurs géométries, les différents types de roulements, les différents défauts qui peuvent atteindre un roulement, on a montré aussi les différentes techniques utilisées pour l’analyser d’un signal vibratoire. Dans le deuxième chapitre on a donné un aperçu théorique sur la logique floue, la déférence entre cette logique est la logique classique, ces notions de base et son concept (les ensembles flous et leurs caractéristiques). Nous avons également présenté les opérations sur les ensembles flous, ainsi que les variables linguistiques et les propositions floues, qui sont des éléments clés de la logique floue. Ensuite nous avons abordé l’application de cette logique dans les systèmes à inférence flou, en décrivant le principe de ces systèmes et leurs étapes. Dans le troisième chapitre nous avons expliqué en détail la démarche suivie pour notre étude, on commençant : décomposer les signaux temporels bruts, calculer les indicateurs scalaires de chaque IMF. On a aussi expliqué la démarche à suivre pour classifier notre base de donnée selon un système à inférence flou et la mise en oeuvre de ce dernier en utilisant MATLAB. Enfin nous avons présenté le banc d’essais de roulement ou nous avons prélevé les signaux étudiés. Le dernier chapitre nous avons interprété les résultats obtenus, en commençant par le traitement de ces signaux par l’EMD, ainsi le calcul des indicateurs scalaires. Ensuit on a expliqué comment choisir les IMF les plus pertinents pour les utiliser dans notre systèmes à inférence flou, en expliquant la méthode qu’en a suivis pour crée notre base de donnée pour réalisation de système a inférence flou sous l’environnement matlab. Enfin nous avons analysé les résultats obtenus de la classification. En conclusion, notre étude a démontré l'l'efficacité de la combinaison de l’EMD avec des systèmes a inférence floue, cette méthode nous a donné une approche puissante et efficace pour le diagnostic des défauts de roulements, L’EMD nous permet d’analysé les signaux vibratoiresen détaille, tandis que les systèmes a inférence flou nous offre une capacité de décision adaptive lorsque on veut raisonner sur des notions dont les frontières sont incertain. Cependant, il convient de souligner que des améliorations et des validations supplémentaires peuvent être nécessaires pour une application pratique et industrielle de notre approche. Des études supplémentaires pourraient être menées pour évaluer les performances du système sur un plus large éventail de défauts et de conditions de fonctionnement. Malgré cela, notre projet ouvre des perspectives intéressantes pour l'utilisation de la logique floue dans le domaine de la surveillance et du diagnostic des machines tournantes, offrant ainsi une contribution significative à ce domaine de recherche en évolution constante