Thèse soutenue

Application des techniques de l'intelligence artificielle a la detection et au diagnostic de defauts dans les machines asynchrones
FR
Accès à la thèse
Auteur / Autrice : HAMID NEJJARI
Direction : Mohamed Benbouzid
Type : Thèse de doctorat
Discipline(s) : Sciences et techniques
Date : Soutenance en 1999
Etablissement(s) : Amiens

Résumé

FR

Les machines asynchrones constituent l'element critique de nombreux processus industriels et sont frequemment integrees dans le materiel disponible dans le commerce. Des applications critiques de machines asynchrones, de differentes puissances, se retrouvent dans pratiquement toutes les industries. Il existe de nombreuses techniques publiees et de nombreux outils disponibles dans le commerce dedies a la surveillance des machines asynchrones pour leur assurer un degre de fiabilite eleve. Cependant, beaucoup de compagnies sont encore confrontees a des pannes de systeme inattendues et a une reduction de la duree de leur parc machine. L'environnement, les conditions d'utilisation, etc. , peuvent se combiner pour accelerer les defaillances du parc machine en affectant sa duree de vie. On a constate que plusieurs produits commerciaux dedies a la surveillance des machines asynchrones ne sont plus rentables une fois utilises pour les machines de petite et moyenne puissance. Dans ce contexte, une variete de capteurs peut etre employee pour collecter un certain nombre de mesures d'une machine asynchrone pour surveiller son etat. Ces capteurs peuvent mesurer les tensions et les courants statoriques, le flux d'entrefer, la position et la vitesse du rotor, le couple de charge, les temperatures internes et externes, et des vibrations, etc. Le systeme de detection et de diagnostic peut surveiller un certain nombre de defauts. Ces defauts peuvent etre des courts-circuits et des ouvertures de spires ou de bobines, des cassures de barres ou d'anneaux rotoriques, des endommagements de roulements, etc. Il est evident que le systeme de surveillance de l'etat de la machine doit etre capable d'extraire, d'une facon coherente, l'evidence de defauts possibles des mesures issues des differents capteurs. En general, les schemas de surveillance d'une machine asynchrone etaient dedies a la detection de defauts specifiques dans l'une des trois composantes suivantes : le stator, le rotor, ou les roulements. Bien que les surveillances thermiques et vibratoires aient ete souvent utilisees, la majorite des recherches recentes etait orientee vers la surveillance de l'etat d'une machine asynchrone en utilisant le courant statorique (son spectre) comme variable permettant la detection et le diagnostic de certains defauts. Toutes les techniques actuellement disponibles exigent de l'utilisateur d'avoir un certain degre d'expertise afin de distinguer un fonctionnement normal d'un mode de defaillance potentiel, sachant que des composantes spectrales surveillees (vibration ou courant) peuvent resulter d'un certain nombre de sources, y compris celles liees au fonctionnement normal. Ce memoire contribue alors a la detection et au diagnostic de defauts dans une machine asynchrone en utilisant deux techniques de l'intelligence artificielle, a savoir les reseaux de neurones et la logique floue. En effet, la majorite des techniques, dites classiques, de detection et de diagnostic de defauts dans les machines asynchrones demande aux techniciens de surveillance ou de maintenance une capacite elevee, vu le nombre d'information a maitriser, leur permettant de distinguer une condition dite de machine saine d'une condition dite de machine en defaut. Ces techniques nous ont permit, d'une part de nous affranchir de certaines connaissances theoriques sur la machine asynchrone ou sur des signaux parfois difficiles a identifier et, d'autre part, de connaitre le processus de detection du defaut par l'intermediaire d'un raisonnement heuristique. Les capacites de ces techniques ont par ailleurs ete experimentalement testees sur une machine asynchrone de 4 kw.