| Attributes | Values |
|---|
| type
| |
| Thesis advisor
| |
| Author
| |
| alternative label
| - Diagnosis of induction machine faults, approach signal and system
|
| dc:subject
| - Traitement du signal
- Thèses et écrits académiques
- Markov, Processus de
- Défauts
- Analyse temps-fréquence
- Moteurs asynchrones
|
| preferred label
| - Diagnostic des défauts des machines asynchrones, approche signal et système
|
| Language
| |
| Subject
| |
| dc:title
| - Diagnostic des défauts des machines asynchrones, approche signal et système
|
| Degree granting institution
| |
| note
| - 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
- The main piece of the electrical training systems is the induction machine which, during the last three decades, made the object of numerous researches orientated mainly toward the conception of order laws always more competitive. Its numerous qualities, its weak cost, its robustness and its performances make a machine particularly appreciated in industrial middle. The imperatives of reliability and productivity of installations require the incorporation of a system of detection and diagnosis of faults. It is therefore necessary to endow the induction machines of monitoring tools; so we shall be able to avoid faults and untimely stopping. In our step for the faults diagnosis of the induction machine, two approaches have been developed: the first one consists in implementing techniques and methods of treatment and analysis of the signal making facilitating the visual interpretation of the faults and possibly its implantation in a monitoring system. The second approach is said \"system\" based on tools of classification, in this case Time - frequency Representation (TFR) linked to a decision criterion based on the distances Mahalanobis. The TFR serves to the extraction of the appropriate points which separate maximally, according to the Fisher criteria, two states: one healthy and the other in fault. Nevertheless the choice of points is appraised, what makes this method semi automatic. The association TFR - HMM (Hidden Model of Markov) allows the complete automation of the diagnosis procedure of the faults since the acquisition and the data processing until the decision making
|
| dc:type
| |
| http://iflastandar...bd/elements/P1001
| |
| rdaw:P10219
| |
| has content type
| |
| is primary topic
of | |
| is rdam:P30135
of | |
![[RDF Data]](/fct/images/sw-rdf-blue.png)
