Contributions à la détection précoce de chatter et à l’identification des bifurcations de période-N basée sur une approche de diagnostic cumulatif

Contributions to early-chatter detection and period-N bifurcations identification based on cumulative diagnosis approach

• Auteur / Autrice : Yanqing Zhao
• Direction : Kondo Hloindo Adjallah, Alexandru Tiberiu Sava
• Type : Thèse de doctorat
• Discipline(s) : Automatique, Traitement du signal et des images, Génie informatique
• Date : Soutenance le 14/12/2020
• Etablissement(s) : Université de Lorraine
• Ecole(s) doctorale(s) : École doctorale IAEM Lorraine - Informatique, Automatique, Électronique - Électrotechnique, Mathématiques de Lorraine (1992-....)
• Partenaire(s) de recherche : Laboratoire : Laboratoire de Conception, Optimisation et Modélisation des Systèmes (Metz)
• Jury : Président / Présidente : Choubeila Maaoui
• Jury : Examinateurs / Examinatrices : Kondo Hloindo Adjallah, Alexandru Tiberiu Sava, Pierre Dehombreux, Kamal Medjaher, Zeina Al Masry, Ning He
• Jury : Rapporteurs / Rapporteuses : Pierre Dehombreux, Kamal Medjaher

Mots clés

Mots clés contrôlés

Usinage

Machines -- Entretien et réparations

Bifurcation, Théorie de la

Contrôle technique

Systèmes dynamiques

Mots clés libres

Diagnostic cumulatif

Détection précoce de broutage

Bifurcation de période-N

Identification

MSPR

Niveau de risque

Cumulative diagnosis

Early-chatter detection

Period-N bifurcations

Identification

MSPR

Risk level

Résumé

Le diagnostic cumulatif des systèmes dynamiques nécessite la détection, l’identification et la caractérisation des dégradations naissantes. Son application à l'usinage à grande vitesse, par exemple, pourrait s’appuyer sur l’analyse des phénomènes de bifurcations de période-N pour détecter et identifier les chatters (broutages) naissants et améliorer la qualité des produits et des processus de fraisage. Jusqu'à présent, de nombrecuses méthodes efficaces ont été proposées pour détecter les broutages naissants et identifier les bifurcations de période-N. Cependant, ces méthodes peinent à mettre en œuvre ces tâches de manière fiable et précise. Le but de la présente thèse est de développer et mettre en œuvre des méthodes de détection de broutages naissants et d’identification de bifurcations de période-N dans une approche de diagnostic cumulatif temps réel. Afin de détecter les défauts de broutages naissants (early-chatter), nous avons proposé trois méthodes de détection et une méthode d’identification pour le diagnostic cumulatif. La première méthode peut être utilisée pour détecter à distance les broutages naissants. La deuxième méthode détecte rapidement les broutages naissants dans des conditions spécifiques de fonctionnement et de mesure. Mais dans la pratique, les conditions de fonctionnement et de mesure sont complexes et variables. Pour s'adapter aux différentes conditions de fonctionnement et de mesure, nous avons proposé une troisième méthode et cette dernière détecte de manière fiable les broutages naissants. On note également que dans les processus de fraisage, les broutages peuvent naître avec une bifurcation de type période-N ou de type Hopf. La qualité d'usinage sous un processus de bifurcation de type période-N est moins critique que celle de type Hopf. Ainsi, il est indispensable d’identifier précocement les bifurcations de type période-N pour améliorer l'efficacité d'usinage. Pour cela, nous avons développé une méthode d’identification du type et de la taille des bifurcations de période-N. Nous avons également prouvé l'efficacité des méthodes proposées, en utilisant deux modèles de processus de fraisage de référence. De plus, les méthodes proposées peuvent être utilisées pour le diagnostic de défaut d'autres systèmes dynamiques, tels que les systèmes de conversion d'énergie par modulation de largeur d'impulsion ou systèmes de paliers ou d’engrenage.

Cumulative diagnosis of dynamic systems requires the detection, identification, and characterization of incipient degradations. Its application to high-speed machining, for instance, could rely on period-N bifurcations phenomena analysis to detect and identify early-chatters and improve the quality of milling products and processes. Up to now, many efficient methods were proposed to detect early-chatter and identify period-N bifurcations. But these methods are struggling to implement these tasks reliably and accurately due to the complex nonlinear characteristics of their dynamic behaviors, the noise, and the variation of their operating conditions. The present thesis aims to develop and implement methods of early-chatter detection and period-N bifurcations identification within a real-time cumulative diagnosis approach. Aimed at early-chatter detection, we proposed three detection methods and one identification method for the cumulative diagnosis. The first method can be used to detect early-chatters remotely. The second one detects early-chatter quickly under specific operating and measuring conditions. However, in practice, the operating and measuring conditions are complex and variable. To adapt to different operating and measuring conditions, we proposed a third method, and the latter detects early-chatter reliably. It is also noted that in milling processes, the early-chatter can give rise to a bifurcation of period-N or Hopf type. The machining quality under the bifurcation process of the period-N type is less critical than that under the Hopf bifurcation type. To improve machining productivity and ensure the required machining quality, we can mill the workpiece under the condition of period-N bifurcations. Thus, it is compulsory to identify the early period-N bifurcations for improving machining productivity. For that purpose, we developed a method for identifying the type and size of the period-N bifurcations. We also proved the effectiveness of the proposed methods, using two benchmark milling process models. Besides, the proposed methods can be used for fault diagnosis of other dynamic systems, such as the pulse energy conversion systems or bearing or gearing systems.