Etude d'automatisation du diagnostic vibratoire des roulements par un système neuro-génétique.

Abstract

Les réseaux de neurones artificiels (RNA) par leurs capacités d'apprentissage, de classification et de décision, donne une solution au problème du diagnostic des défauts de roulement par la classification automatique des signaux vibratoires correspondant aux différents états de fonctionnement normal et anormal de la machines. Toutefois, il est important de noter que les RNAs dans’ aide au diagnostic doivent être définies pour des performances optimales. Cette opération est difficile car il ny a pas de règles pour la fixation des paramètres qui les caractérisent (nombre de neurones cachés, etc. ...). Ces paramètres sont choisis de manière empirique pour atteindre les résultats désirés, ce qui rend l’utilisation de cette méthode très difficile. L'utilisation de l’algorithme génétique peut résoudre ce problême par l’optimisation et la recherche de la meilleure structure et les paramètres des RNAs. Ce travail traite l’utilisation des réseaux de neurones artificiels, exactement le perceptron multicouche (PMC), comme un moyen de l’automatisation du diagnostic des défauts de roulements. Les indicateurs calculés ont été utilisés pour construire le vecteur de forme, qui est utilisé pour l’apprentissage et le test du réseau. Nous utilisons l’algorithme génétique pour la recherche (optimiser) la structure et les différents paramètres du réseau, ce qui simplifie la structure du réseau de neurones et rend le processus d'apprentissage plus efficace et donne de bonnes performances du réseau.