Contribution à l’analyse et à la classification automatique des défauts mécaniques

Abstract

L’objectif de cette thèse est la conception d’un système automatique de diagnostic des défauts mécaniques, tels que les défauts de roulements et d’engrenages. Notre approche est basée sur l’utilisation des méthodes de Reconnaissance de Formes (RdF). Un vecteur de paramètres (indicateurs), appelé vecteur forme, est extrait de chacune des mesures effectuées sur la machine. La règle de décision utilisée, permet de classer les observations, décrites par le vecteur forme, par rapport aux différents modes de fonctionnement connus avec ou sans défaut. Afin d’avoir un système de diagnostic performant, il est nécessaire d’employer un processus de sélection des indicateurs les plus pertinents, permettant d’améliorer les performances de la classification. Dans ce contexte, nous proposons une nouvelle méthode de sélection d’indicateurs. Cette méthode est basée sur le couplage d’un algorithme d’Optimisation par Essaim de Particules Binaire (OEPB), et le Critère de Fisher Régularisé (CFR). L’algorithme ainsi développé a pour acronyme OEPBCFR. Dans la phase de classification, les machines à vecteurs supports (Support Vector Machines (SVM)) ont été retenues. Ce système de diagnostic a été évalué en utilisant des signaux vibratoires en différents modes de fonctionnement (sain et avec défauts). Les résultats obtenus montrent l’efficacité de cette approche.