Résumé:
Le travail présenté dans cette thèse s’inscrit dans le cadre de la détection des défauts de
roulements fonctionnant en régime variable. Les travaux portent sur deux volets distincts mais
complémentaires. Dans le premier volet nous avons développé des outils de surveillance et de
détection des défauts de roulements en régime variable. Dans le deuxième nous avons conçu un
système expert permettant l’automatisation de la détection des défauts de roulements en régime
variable.
Pour le premier volet de la thèse une étude a permis de développer une approche hybride visant
la détection des défauts de roulements en régime variable à partir de l’association de plusieurs
méthodes de traitement de signal récentes. La ICEEMDAN (Improved Complete Ensemble
Empirical Mode Decomposition with Adaptive Noise), le débruitage multivariate par ondelettes et
PCA, le kurtogramme et l’analyse d’ordre sont les principales méthodes constituant l’approche
hybride proposée. Son efficacité a été prouvée grâce à son application sur des signaux simulés et
ceux mesurés sur des roulements défectueux sur un banc d’essais de laboratoire. Plusieurs modes
de variation de la vitesse et plusieurs types de défauts ont été considérés pour valider à une grande
échelle l’approche proposée. Celle-ci s’est montrée aussi bien efficace en régime stationnaire qu’en
régime variable ce qui la rend universelle, applicable pour détecter un défaut de roulement peu
importe son régime de fonctionnement.
Le deuxième volet concerne la conception d’un système expert pour automatiser la détection
des défauts de roulements en régime variable. Notre choix s’est posé sur une des méthodes nonsupervisée
; la SOM (Self Organizing Maps). Le plus difficile était de proposer des attributs
pertinents permettant au système de donner des résultats fiables. A ce propos une étude
comparative a été entamée pour tester la validité d’attributs calculés à partir de quatre indicateurs
classiques. Un nouvel indicateur spécialement conçu pour le régime variable a été proposé et
associé aux autres indicateurs pour affiner les résultats et optimiser les capacités de décision du
système conçu. Le résultat final ainsi obtenu montre la validité de ce système à grouper plusieurs
types de défauts faisant une distinction claire entre les groupes traités avec un taux de réussite de
100%.
