Contribution à la détection des défauts et au diagnostic dans les machines électriques par l’exploration des données
| dc.contributor.author | ZORIG, Assam | |
| dc.contributor.author | ENCA/CHOUDER Aissa | |
| dc.date.accessioned | 2023-06-06T08:41:00Z | |
| dc.date.available | 2023-06-06T08:41:00Z | |
| dc.date.issued | 2022 | |
| dc.description.abstract | Les machines asynchrones sont largement utilisées dans les applications industrielles qui sont essentielles aux processus industriels. Cependant, le manque de fiabilité et les cycles de vie imprévisibles de ces machines présentent toujours des opportunités et des défis pour la recherche en maintenance conditionnelle. La panne d'une machine entraîne des réparations coûteuses et des pertes élevées dues aux temps d'arrêt. La motivation de cette recherche est d'améliorer la fiabilité des machines asynchrone via des méthodes non invasive pour la maintenance conditionnelle. Les principaux types de défaillances potentielles dans les machines électriques sont les défaillances d'enroulement au stator, rupture des bars au rotor, excentricité et les défauts de roulement qui sont causées par l'état de charge dynamique, le vieillissement des composants et les environnements de travail difficiles. Pour surveiller et détecter ces défauts au stade initial, cette thèse propose une surveillance de l'état basée sur le champ magnétique de fuite. En étudiant l'interaction entre les variations de flux de fuite et la défaillance de la machine, différents types de défauts peuvent être classés et distingués via des simulations par la méthode des éléments finis (MEF) et la technique de de traitement du signal (FFT). | en_US |
| dc.identifier.other | DOC/2022 | |
| dc.identifier.uri | http://dspace.univ-msila.dz:8080//xmlui/handle/123456789/39217 | |
| dc.publisher | UNIVERSITE DE M’SILA | en_US |
| dc.subject | Machine asynchrone ,détection de défauts,, flux de fuite, MCSA , Eléments Finis, FFT, surveillance, diagnostic | en_US |
| dc.title | Contribution à la détection des défauts et au diagnostic dans les machines électriques par l’exploration des données | en_US |
| dc.type | Thesis | en_US |