Thèse soutenue

Diagnostic par reconnaissance des formes : Application à un ensemble convertisseur-machine asynchrone
FR
Accès à la thèse
Auteur / Autrice : Olivier Ondel
Direction : Guy Clerc
Type : Thèse de doctorat
Discipline(s) : Sciences. Génie électrique
Date : Soutenance en 2006
Etablissement(s) : Ecully, Ecole centrale de Lyon
Partenaire(s) de recherche : Laboratoire : CEGELY - Centre de génie électrique de Lyon (Rhône)

Résumé

FR  |  
EN

Les progrès réalisés en matière d'électronique de puissance, de circuits de commande ont contribué à l'utilisation grandissante des machines asynchrones dans les systèmes d'entraînements électriques. Le recours aux machines asynchrones est surtout lié à leur robustesse, leur puissance massique et à leur coût de fabrication. L’apparition dans les années 1980 des variateurs permettant de faire varier la fréquence de rotation dans une large gamme a largement favorisé son développement. En effet, ils entrent dans la conception de nombreux procédés industriels associant des convertisseurs statiques et des machines électriques. La maintenance et la surveillance de ces deux systèmes permettent de rentabiliser les installations. Il est donc important de développer des outils de diagnostic pour détecter de manière précoce les défauts pouvant apparaître aussi bien sur le convertisseur que sur la machine. Notre approche est basée sur l'utilisation des méthodes de reconnaissance des formes. Un vecteur de paramètres, appelé vecteur forme, est extrait de chacune des mesures effectuées sur la machine. Les règles de décisions utilisées permettent de classer les observations, décrites par le vecteur forme, par rapport aux différents modes de fonctionnement connus avec ou sans défaut. Des défauts ont été créés au rotor et au stator de la machine asynchrone, alimentée soit à partir du réseau, soit par le biais d'un onduleur de tension. La procédure de décision, basée sur la règle des k - plus proches voisins, associée à une fonction d’appartenance, permet de détecter l’évolution des modes de fonctionnements ainsi que les défauts avérés. Par la suite, le suivi d’évolution de ces modes est réalisé par une approche de type Kalman : un estimateur récursif de Kalman est utilisé pour déterminer les paramètres du modèle dynamique rendant compte de l’évolution d’un mode et un prédicteur de Kalman pour prévoir une évolution vers de nouvelles zones de l’espace. Ces algorithmes ont montré l'efficacité de l'application de la reconnaissance des formes au diagnostic.