Traitement avancé du signal pour l'identification et le diagnostic de l'état des machines tournantes

Advanced signal processing for the identification and diagnosis of the condition of rotating machinery

• Auteur / Autrice : Peeters Cédric
• Direction : Jérôme Antoni, Patrick Guillaume, Jan Helsen
• Type : Thèse de doctorat
• Discipline(s) : Génie mécanique
• Date : Soutenance le 21/11/2019
• Etablissement(s) : Lyon en cotutelle avec Vrije universiteit Brussel (1970-....)
• Ecole(s) doctorale(s) : Ecole doctorale Mécanique, Energétique, Génie Civil, Acoustique (Villeurbanne ; 2011-....)
• Partenaire(s) de recherche : établissement opérateur d'inscription : Institut national des sciences appliquées (Lyon ; 1957-....)
• Partenaire(s) de recherche : Laboratoire : LVA - Laboratoire Vibrations Acoustique (Lyon, INSA) - Laboratoire Vibrations Acoustique / LVA
• Jury : Président / Présidente : Amir Nejad
• Jury : Examinateurs / Examinatrices : Jérôme Antoni, Patrick Guillaume, Jan Helsen, Amir Nejad, Nadine Martin, Cécile Capdessus, Quentin Leclère, Robert Randall
• Jury : Rapporteurs / Rapporteuses : Amir Nejad, Nadine Martin

Mots clés

Mots clés contrôlés

Machines -- Vibrations

Machines tournantes

Mécanique appliquée

Mots clés libres

Mécanique appliquée

Machine tournante

Surveillance de machines

Signaux vibratoires

Vitesse instantanée

Vitesse de rotation

Diagnostique des machines tournantes

Défaut

Comportement mécanique

Cyclostationnarité

Boite de vitesses

Eolienne

Cepstre

Traitement du signal

Applied Mechanics

Rotating machinery

Machine Control

Vibration signal

Instantaneous speed

Rotational speed

Condition monitoring

Defect detection

Mechanical behaviour

Cyclostationarity

Gearboxes

Wind turbines

Cepstrum

Signal Processing

Résumé

Cette thèse porte sur des méthodes innovantes de contrôle de l'état de santé des machines tournantes par l’analyse des signaux vibratoires. En effet, la surveillance de l’état de santé des machines contribue à des améliorations substantielles des points de vue économique et de sureté. Afin d’y aboutir, l’une des manières les plus populaires est de recueillir les vibrations de la machine. La plupart de ces vibrations sont directement liées au comportement périodique des sous-systèmes de la machine tels que les arbres de rotation, engrenages, champs électriques rotationnels, etc. Cette connaissance peut être exploitée afin de concevoir une méthodologie adaptée à chaque type de défaut. Cette thèse s’intéresse aux étapes de la mise en œuvre de cette méthodologie. En règle générale, la première condition préalable à l’analyse avancée de l’information récoltée est la disponibilité de la vitesse instantanée de rotation. Cette vitesse doit être connue car la plupart des techniques du traitement du signal sont adaptées aux conditions de fonctionnement stationnaires. Ainsi, la connaissance de la vitesse permettra de compenser les fluctuations de vitesse, par exemple par le ré-échantillonnage angulaire du signal de vibration. Malgré l’existence d’outils de mesure permettant l’estimation de la vitesse tels que les codeurs et les tachymètres, cette thèse étudie le potentiel d’estimer la vitesse instantanée de rotation à partir des signaux vibratoires. Après l'estimation de la vitesse et le ré-échantillonnage angulaire, une étape suivante courante consiste à séparer le signal en composantes déterministes et stochastiques. Dans ce sens, l’efficacité et l’applicabilité de la procédure d'édition du cepstre sont analysées. Ensuite, différentes méthodes de filtrage sont appliquées au signal résiduel afin d’améliorer le rapport signal sur bruit. Pour cette fin, les méthodes existantes utilisant des critères conventionnels sont étudiées en parallèles avec une nouvelle méthodologie aveugle de filtrage. La dernière étape du processus de traitement consiste à diagnostiquer le défaut potentiel. Ainsi, des indicateurs statistiques sont calculés sur le signal obtenu après traitement et suivis dans le temps pour vérifier leurs variations. Dans de nombreux cas, la signature du défaut présente un comportement cyclostationaire. Par conséquent, cette thèse examine également différentes techniques d'analyse de la cyclostationarité. Enfin, les performances des différentes méthodes de traitement sont validées sur deux ensembles de données expérimentales de vibrations issues de boîtes de vitesses d’éoliennes.

This Ph.D. dissertation targets innovative methods for vibration-based condition monitoring of rotating machinery. Substantial benefits can be achieved from an economical and a safety point of view using condition monitoring. One of the most popular methods to gather information about the state of machine parts is through the analysis of machine vibrations. Most of these vibrations are directly linked to periodical behavior of subsystems within the machine like e.g. rotating shafts, gears, rotating electrical fields, etc. This knowledge can be exploited to enable faultdependent processing schemes. This dissertation investigates how to implement and utilize these processing schemes and details the steps in such a procedure. Typically, the first prerequisite for advanced analysis is the availability of the instantaneous rotation speed. This speed needs to be known since most frequency-based analysis techniques assume stationary behavior. Knowledge of the speed thus allows for compensating speed fluctuations, for example through angular resampling of the vibration signal. While there are hardware-based solutions for speed estimation using angle encoders or tachometers, this thesis investigates the potential in vibration signals for speed estimation. After speed estimation and angular resampling, a common next step is to separate the signal into deterministic and stochastic components. The cepstrum editing procedure is examined for its efficacy and applicability. Afterwards, different filtering methods are inspected as to improve the signal-to-noise ratio of the signal content of interest. Existing methods using conventional criteria are investigated together with a novel blind filtering methodology. The final step in the multi-step processing scheme is to search for the potential fault. Statistical indicators can be calculated on the processed time domain signal and tracked over time to check for increases. In many cases, the fault signature exhibits cyclostationary behavior. Therefore this dissertation also examines different cyclostationary analysis techniques. Lastly, the performance of the different processing methods is validated on two experimental vibration data sets of wind turbine gearboxes.