Résumé:
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