Contribution au diagnostic et à l’analyse de défauts dans les machines à induction par les techniques de la décomposition empiriques

DAMINE, YASSER (2024) Contribution au diagnostic et à l’analyse de défauts dans les machines à induction par les techniques de la décomposition empiriques. Doctoral thesis, Faculté des sciences et de la technologie.

Text Thèse-DAMINE.pdf Download (17MB)

Abstract

Le secteur industriel moderne dépend fortement d'équipements sophistiqués pour assurer la production de biens et services de haute qualité. L'un des composants cruciaux de cet équipement est les machines à induction. Cependant, la défaillance de ces machines peut entraîner des temps d'arrêt coûteux, des réparations coûteuses et des risques pour la sécurité. Il est donc impératif de détecter les défauts de la machine à un stade précoce pour mettre en place des mesures correctives et éviter d'autres dommages. En particulier, les défauts de roulement sont une cause majeure de défaillance des machines à induction, nécessitant une analyse minutieuse dans le diagnostic des défauts. Compte tenu des conséquences significatives des défaillances de la machine à induction et de l'importance de la détection précoce des défauts de roulement, l'objectif principal de cette thèse est de présenter nos approches qui améliorent davantage les performances de l'EEMD afin d’optimiser le processus de diagnostic des défauts de roulement dans les moteurs à induction. Pour atteindre cet objectif, deux techniques sont proposées pour améliorer la robustesse de l’ensemble de décomposition modale empirique (EEMD): La première technique consiste à combiner EEMD avec une méthode de débruitage à trois sigmas (EEMD-DEN-3σ), tandis que la deuxième technique utilise une fusion de modes combinés d’EEMD (CMEEMD) et d'un processus de déconvolution amélioré (ENMED). L'efficacité de ces techniques est évaluée à l'aide de signaux d'oscillation expérimentaux provenant de défauts de roulement dans la bague intérieure, la bague extérieure et la bille, et leur performance dans l'amélioration de la détection de défauts est comparée à d'autres méthodes.

Actions (login required)

View Item