APPLICATION DES RESEAUX DE NEURONES ARTIFICIELS POUR LA DETECTION ET LA LOCALISATION DES DEFAUTS DE LA MACHINE ASYNCHRONE
No Thumbnail Available
Date
2005
Authors
Journal Title
Journal ISSN
Volume Title
Publisher
Université Mohamed Boudiaf - M'Sila
Abstract
Le fonctionnement optimal et continu des mécanismes industriels ne peut être envisagé sans la présence d’un système qui permet de prévenir à l’état précoce les anomalies qui peuvent surgir au niveau des différents organes des équipements, et de diagnostiquer rapidement les pannes.
A cet effet, dans le présent travail, l’architecture du système de diagnostic automatique des défaillances des systèmes électromécaniques est présentée. Cette dernière est constituée de deux sous-systèmes: un sous-système d’acquisition, de conversion et de traitement d’informations et d’un sous-système d’interprétation de l’information. D’un autre côté, pour éviter les inconvénients démontrés dans des travaux précédents. Il est préconisé l’utilisation d’un réseau de neurones (permettant la classification des différents types de défauts) associé à un système d’aide à la décision (dont le rôle est d’identifier les différents types de défauts et de délivrer un protocole de maintenance). Par ailleurs, l’élimination de l’influence des perturbations et l’utilisation de plusieurs grandeurs indicatrices (le courant statorique, la vitesse de rotation et la tension du commande) permet d’évaluer la probabilité de présence d’un défaut d’une manière plus rapide et avec un degré de confiance plus important . En plus, nous avons fait la comparaison entre deux réseaux de neurones, le premier utilise comme signaux de référence les valeurs échantillonnées du courant statorique et de la vitesse de rotation ; par contre dans le deuxième réseaux, pour ses entrées on a considéré les valeurs efficaces des trois courants statoriques, les valeurs efficaces des trois tensions d’alimentation et ainsi que la valeur de la vitesse de rotation.
Description
Keywords
Machine asynchrone, Diagnostic, défauts, réseaux de neurones, valeurs échantillonnées, valeurs efficaces, algorithmede rétropropagation.