Application de la Perception Sonore pour le Diagnostic des Défauts d’Engrenage dans les Machines Tournantes

Abstract

Les problèmes vibratoires, générés par les balourds, sont reconnus comme étant les plus importants qui diminuent la durée de vie des machines tournantes. Ils ont un grand impact quant à l’endommagement des équipements industriels. Afin de mieux situer notre étude, nous présentons une synthèse des travaux réalisés dans le domaine du diagnostic des défauts des machines tournantes soit par l’analyse vibratoire, soit la perception sonore. Dans une première étape, nous présentons la démarche complète de l’utilisation du logiciel « Balancing consultant », qui permet de guider l’utilisateur dans les différentes étapes de l’équilibrage d’une machine tournante avec une grande efficacité. Il permet de réduire énormément le temps et le coût de l’opération de l’équilibrage. Les résultats de l’équilibrage dans un plan et dans deux plans ont permis de diminuer les amplitudes des vibrations de la machine d’environ 30 fois dans un temps d’équilibrage très court. La suite du travail est consacrée à la recherche d’une corrélation, entre les sons perçus par des auditeurs et les indicateurs vibratoires issus de l’évolution de la gravité des défauts simples et doubles des engrenages. Les résultats obtenus ont permis de déterminer des modèles mathématiques qui donnent une bonne corrélation entre les aspects objectifs et subjectifs des sons. Les coordonnées des sons dans l’espace de proximité sont en parfaite concordance avec le degré de dégradation des engrenages. Les indicateurs scalaires tels que : le kurtosis et le CGS expliquent mieux les jugements de préférence pour les sons d’engrenages. Le modèle mathématique de DIM1, obtenu par la méthode perceptive et amélioré par Minitab, peut être utilisé comme outil de suivi de l’évolution de la dégradation des engrenages. Pour faciliter aux auditeurs une meilleure évaluation du contenu des sons, on a montré que le filtrage des signaux permet d’améliorer nettement le coefficient de détermination de DIM2 au détriment d’une légère baisse du coefficient de détermination de DIM1. Néanmoins, en introduisant d’autres indicateurs scalaires tels que le Skewnes, le coefficient de détermination de DIM1 a atteint 0.98. Dans la dernière partie du travail, on présente une nouvelle idée basée sur le traitement des données de deux compagnes de mesure distinctes avec MiniTAB18, sans refaire le test perceptif. Le but est de déterminer un modèle mathématique généralisé, qu’on peut utiliser dans la surveillance des défauts d’engrenages apparaissant sur n’importe qu’elle machine tournante.