Afficher la notice abrégée
dc.contributor.author |
Ikhlef, Bilal |
|
dc.contributor.author |
Chentouf, Abdelmoumin |
|
dc.contributor.author |
Fenineche, Hocine (Encadreur) |
|
dc.date.accessioned |
2022-04-14T09:02:36Z |
|
dc.date.available |
2022-04-14T09:02:36Z |
|
dc.date.issued |
2021 |
|
dc.identifier.uri |
http://dspace.univ-jijel.dz:8080/xmlui/handle/123456789/11124 |
|
dc.description |
Option: Construction mécanique |
fr_FR |
dc.description.abstract |
Cette étude discute le diagnostic automatique des défauts mécaniques des machines tournantes par la méthode de la Machine Learning, en se basant sur l’analyse des signaux vibratoires issus d’un banc d’essai conçu pour étudier les défauts de roulements. Nous avons également utilisé la machine learning comme un moyen de classification et de diagnostic automatique.
La prise de décision sur le mode de fonctionnement (sans défaut ou avec défaut) du système étudié ce faite automatiquement par la méthode de l’arbre de décision.
Le processus utilisé a prouvé une grande capacité de classification des états de fonctionnement de la machine étudiée et par la suite d’identifier et de reconnaitre avec une haute précision l’état de santé ainsi que le type et l’élément défaillant. |
fr_FR |
dc.language.iso |
fr |
fr_FR |
dc.publisher |
Université de Jijel |
fr_FR |
dc.subject |
Machines tournantes, Apprentissage automatique, Analyse vibratoire, Arbre de décision. |
fr_FR |
dc.title |
Etude de diagnostic intelligent des défauts mécaniques dans les machines tournantes. |
fr_FR |
dc.type |
Thesis |
fr_FR |
Fichier(s) constituant ce document
Ce document figure dans la(les) collection(s) suivante(s)
Afficher la notice abrégée