Mise au point d'un système embarqué de détection de défauts dans les machines électriques

Voir Plus Voir Moins

Afficher le Résumé

La machine asynchrone occupe une place prépondérante dans le milieu industriel, elle est appréciée pour sa puissance massique, sa robustesse et son adaptation à toutes sortes d'applications. Néanmoins, il n'est pas rare que cette machine présente quelques défaillances qui peuvent être prévisible ou intempestive, mécanique, électrique ou magnétique et leurs causes sont très variées. Pour éviter ces pannes inutiles et vu l'importance des enjeux en termes de productivité et de sécurité, les entreprises investissent énormément dans la maintenance préventive de leur système de production afin d'augmenter la disponibilité d'assurer le bon fonctionnement des dispositifs. Cette stratégie appliquée s'avère gagnante où des travaux de recherches sont menés à flots ces dernières décennies, et aujourd'hui la maintenance n'a pas pour seul objectif de réparer l'outil mais surtout de prévoir et éviter le dysfonctionnement. L'objectif de cette thèse est d'apporter de nouvelles techniques de diagnostic des défauts de moteurs asynchrones. Dans la première méthode, on utilise un nouveau type capteur de vibration piézoélectrique flexible sans plomb. Une analyse thermique est associée à l'analyse vibratoire afin d'avoir une fiabilité de diagnostic maximal. Un algorithme de réseau de neurones artificiels est employé pour la prédiction et la classification des éventuels défauts présents dans le moteur. La deuxième méthode expose une classification des images couleurs en utilisant un réseau de neurones de convolution. Les images sont créées à partir des signaux temporels unidimensionnels et convertis en matrices carrées. Ces images possèdent toutes les informations relatives aux vibrations et à la température du moteur.