AUTOMATISATION DU DIAGNOSTIC VIBRATOIRE DES DEFAUTS DES MACHINES TOURNANTES PAR APPLICATION D`UNE APPROCHE NON SUPERVISEE

Abstract

Les roulements défectueux peuvent causer des problèmes majeurs dans les machines industrielles, nécessitant une détection précoce. Ce mémoire se concentre sur l'automatisation du diagnostic vibratoire des défauts de roulements en appliquant une approche non supervisée. Elle est basée sur l'approche SOM, une méthode d'apprentissage non supervisé qui permet la classification et la reconnaissance de motifs dans les données vibratoires. Le mémoire commence par une revue de la littérature sur les défauts de roulements et les techniques de diagnostic vibratoire existantes. Ensuite, une analyse statistique des signaux vibratoires est réalisée, portant sur l’étude de la sensibilité de cinq indicateurs scalaires pour la détection des défauts de roulements : le kurtosis, le facteur de crête, la valeur crête, le RMS et le skewness. Une approche fréquentielle basée sur la méthode d’enveloppe a ensuite été appliquée avec succès. Enfin, une méthodologie détaillée est présentée, comprenant la collecte de données vibratoires, l’étude des attributs, le prétraitement des signaux, la création d'une base de données et la formation du réseau SOM. Cette étude contribue à l'amélioration du diagnostic vibratoire des défauts de roulements en appliquant une approche non supervisée utilisant le réseau SOM. Les résultats obtenus démontrent l'efficacité et la précision de l’indicateur proposé comme attribut par rapport aux indicateurs traditionnels, permettant ainsi le groupement le plus efficace possible. Cette automatisation constitue une étape importante vers une meilleure efficacité et durabilité des opérations industrielles, ouvrant la voie à des avantages de recherches et de développements dans le domaine du diagnostic vibratoire