Ilyes Khelf - ATER au LVA - Séminaire du LVA

Approches angulaires et intelligence artificielle pour la surveillance de machines tournantes dans des conditions non-stationnaires

Les machines tournantes constituent une classe particulière de systèmes, pouvant occuper des positions stratégiques dans l’industrie d’aujourd’hui. L’analyse vibratoire représente une des principales sources d’information permettant de traquer les symptômes de défaillances affectant ce type de machine. Nombre de systèmes actuels sont conçus afin de fonctionner dans des conditions ardues souvent non-stationnaires en vitesse et en chargement. Ces conditions sévères mettent à mal les techniques conventionnelles de surveillance et poussent à mener des recherches afin de combler ces lacunes. Ce séminaire retrace un ensemble de travaux menés ces dernières années exploitant en plus des signaux vibratoires, l’information position angulaire pour la surveillance de machines tournantes. Des techniques de traitement du signal ont été proposées et/ou appliquées permettant une multiplication des sources d’information.
Pour atteindre une exploitation optimale de l’information extraite, plusieurs des techniques de l’intelligence artificielle ont été mises au service du diagnostic. La sélection et la transformation de caractéristiques ont été utilisées pour la construction d’indicateurs efficaces de surveillance. Plusieurs applications sur bancs d’essais et sur machines industrielles (Éoliennes) montrent l’efficacité de l’approche.
La combinaison des techniques de traitement des signaux et de l’intelligence artificielle permet, en plus de fournir des outils de diagnostic efficaces, de quantifier la pertinence des sources d’information exploitées et proposées.