Contribution à la classification des défauts dans les machines électriques en utilisant l’intelligence artificielle

Abstract

Compte tenu de la complexité croissante des systèmes industriels et de la grande importance de maintenir leur sécurité, le diagnostic des machines électriques dans l’industrie a reçu une attention importante dans de nombreux travaux de recherche visant à développer des méthodes modernes de détection et de diagnostic précoces de diverses défaillances survenant dans les machines électriques, afin d'augmenter sa disponibilité et sa longévité. Dans ce contexte, de nouvelles approches intelligentes ont été développées dans cette thèse caractérisée par la robustesse, la fiabilité et la haute performance pour la détection et le diagnostic automatique des défaillances électriques et mécaniques dans les machines asynchrones en particulier et les machines électriques en générales en basant sur des techniques de traitements de signal et des algorithmes d’intelligence artificielle. Trois approches modernes de détection et de diagnostic ont été proposées. La première approche pour le diagnostic des défauts électriques tels que les courts-circuits dans le bobinage statorique, le déséquilibre de tension et les ruptures des barres de la cage rotorique, qui repose sur l'analyse des courants statoriques. La deuxième approche pour le diagnostic des défauts de roulements qui se base sur l'analyse des signaux vibratoires. La troisième approche pour le diagnostic des autres défauts mécaniques (les défauts d'excentricité, les défauts d’oscillation du couple de charge, les défauts de désalignement angulaire et parallèle) qui repose sur l'analyse du couple mécanique mesuré. L'efficacité et la robustesse des nouvelles techniques de diagnostic proposées dans cette thèse ont été testées à travers des données expérimentales. Les résultats obtenus ont montré la grande capacité de ces techniques à détecter et diagnostiquer les défauts électriques et mécaniques des machines asynchrones.