Génération de symptômes flous par FFT et SWT : applications à la détection de vibrations

Fuzzy symptoms generation by FFT and SWT : applications to vibration detection

• Auteur / Autrice : Samir Taleb
• Direction : Sylviane Gentil
• Type : Thèse de doctorat
• Discipline(s) : Automatique et productique
• Date : Soutenance en 2007
• Etablissement(s) : Grenoble INPG

Mots clés

Mots clés contrôlés

Ondelettes

Fourier, Transformations de

Détection de défaut (ingénierie)

Mots clés libres

Laminoir

Transformées de Fourier à court terme

Transformées en ondelettes stationnaires

Aide à la décision floue

Laminoir réversible à chaud

Résumé

L'objectif de ce travail est la détection des défauts à travers la détection des changements dans les signaux mesurés. Notre travail présente une méthode permettant de construire, à partir d'historique de données, un modèle comportemental du procédé, puis de détecter des situations anormales issues des dysfonctionnements. Cette méthode consiste à générer des symptômes flous en ligne permettant de suivre l'évolution temporelle du fonctionnement du système à surveiller. Ces symptômes prennent en considération les incertitudes sur la décision en fusionnant le résultat du test de détection avec celui de sa validité. Les propriétés de la STFT et la SWT permettent d'extraire des informations des signaux analysés. Un symptôme graduel est obtenu en fonction du type et de l'ampleur du défaut. La méthode de détection a été testée sur des signaux contenant des défauts simulés, puis validée sur des données industrielles pour la détection des vibrations torsionnelles dans un laminoir réversible.

The purpose of this work is fault detection through changes detection in the measured signals. Our work presents a method making possible to build a behavioral model of the process, using historical process data, in order to detect abnormal situations resulting from dysfunctions. This method consists in generating on line progressive symptoms, making possible to follow the temporal evolution of the system operation to be supervised. These symptoms take into account uncertainties on the decision by aggregating the result of the detection test with that of its validity. STFT and SWT properties allow this method to extract relevant information from the analyzed signals. A gradual symptom is obtained according to the type and from of the extent fault. The fault detection method conceived was initially tested on signals containing simulated faults was then validate on industrial signals to detect the torsional vibrations in a reversing rolling mill.