Partenaires

Ampère

Nos tutelles

CNRS Ecole Centrale de Lyon Université de Lyon Université Lyon 1 INSA de Lyon

Nos partenaires

Ingénierie@Lyon



Rechercher


Accueil > Thèses et HDR > Thèses en 2007

Abdesselam Lebaroud - 30 Novembre 2007

publié le , mis à jour le

Abdesselam LEBAROUD soutiendra sa thèse le 30 Novembre 2007, 14h00, Amphi Physique Nucléaire à l’Université Claude Bernard Lyon 1.

Titre de la thèse : Diagnostic des défaults des machines asynchrones : approche signal et système.

Spécialité :  : Génie électrique

Résumé :
La pièce maîtresse des systèmes d’entraînement électrique est la machine asynchrone qui, durant les trois dernières décennies, a fait l’objet de nombreuses recherches orientées principalement vers la conception de lois de commande toujours plus performantes. Ses multiples qualités, son faible coût, sa robustesse et ses performances en font une machine particulièrement appréciée en milieu industriel. Les impératifs de fiabilité et de productivité des installations nécessitent l’intégration d’un système de détection et de diagnostic des défaillances. Il faut donc doter les moteurs asynchrones d’outils de surveillance ; ainsi nous pourrons éviter et prévenir les pannes et les arrêts intempestifs. Dans notre démarche pour le diagnostic des défauts de la machine asynchrone, deux approches ont été développé : la première consiste à mettre en œuvre des techniques et méthodes de traitement et d’analyse du signal, facilitant l’interprétation visuelle des défauts et éventuellement son implantation dans un système de surveillance. La seconde approche est dite " système " basée sur des outils de classification, en l’occurrence la Représentation Temps-Fréquence (RTF) associé à un critère de décision basé sur la distance Mahalanobis. La RTF sert à l’extraction des points pertinents qui séparent au maximum, selon le critère de Fisher, deux états : l’un sain et l’autre en défaut. Toutefois le choix des points est expertisé, ce qui rend cette méthode semi automatique. L’association RTF - HMM (Modèle de Markov Caché) permet l’automatisation complète de la procédure de diagnostic des défauts depuis l’acquisition et le traitement des données jusqu’à la prise de décision.