Conception d’un système intelligent de diagnostic des défauts dans les machines tournantes

Abstract

L’objectif principal de cette étude est de développer deux nouvelles approches d’extraction et de sélection des attributs dont le but est d’améliorer les performances de classification, tout en minimisant le nombre des attributs et en réduisant le temps de calcul. La première approche, consiste à prétraiter le signal vibratoire en utilisant les paramètres statistiques et le vecteur d’énergie obtenu grâce à l’application de Db8-WPT au troisième niveau de décomposition. Aprés l’extraction des paramètres à partir du signal vibratoire, PCA est utilisé pour la réduction de la dimension. Dans la seconde approche, nous avons utilisés une analyse multirésolution en ondelettes optimale pour décomposer le signal de vibration à différentes niveaux et améliorer le rapport signal/bruit. Les paramètres statistiques sont ensuite extraits à partir du signal original et de toutes les bandes de fréquences obtenues. Après la construction du vecteur global des attributs , la technique d’évaluation de la distance (DET) est combinée avec l’algorithme d’optimisation par essaims de particules binaires (BPSO) pour sélectionner le sous-ensemble optimal. Afin de maximiser la séparation des classes, un critère basé sur les matrices de dispersion est utilisé comme étant une fonction objective pour l’algorithme DET-BPSO. Finalement, les séparateurs à vaste marge optimisé par OEPCP sont utilisés pour automatiser l’identification des différentes conditions du roulement. Les résultats de classification obtenus indiquent l’efficacité des méthodes proposées pour le diagnostic de la sévérité des défauts dans les roulements à billes.