Vous êtes sur la page 1sur 90

REPUBLIQUE ALGERIENNE DEMOCRATIQUE ET POPULAIRE

MINISTERE DE L’ENSEIGNEMENT SUPERIEUR ET DE LA RECHERCHE


SCIENTIFIQUE

UNIVERSITÉ AMAR TELIDJI DE LAGHOUAT

DÉPARTEMENT D’ÉLECTRONIQUE

MEMOIRE DE FIN D’ETUDE

EN VUE DE L’OBTENTION DU DIPLOME


MASTER

OPTION : CONTRÔLE INDUSTRIEL ET PRODUCTIQUE.

présenté par : Khirani , Hacen


Soutenu le 09/06/2015 Devant le jury composé de :
Belkheiri , Mohamed MCA Université Amar Telidji Laghouat Président
Hadj Aissa, Aboubakeur MAA Université Amar Telidji Laghouat Examinateur
Raggab Mohamed MAA Université Amar Telidji Laghouat Examinateur
Mechri ,Kious MCA Université Amar Telidji Laghouat Encadreur

Année universitaire 2014-2015


Résumé

Résumé

‫ ﯾﺳﺗﻧد ﺗﺷﺧﯾص اﻹﻋطﺎب أﺳﺎﺳﺎ ﻋﻠﻰ رﺻد اﻷﻋراض اﻟﻣرﺗﺑطﺔ ﺑظروف اﻟﺗدھور اﻟﻣﺧﺗﻠﻔﺔ ﺑﺣﯾث ﯾﻣﻛن اﺳﺗﺧراج‬:‫ﻣﻠﺧص‬
‫و اﻟﮭدف ﻣن ھذا اﻟﻌﻣل ھو اﺳﺗﻌﻣﺎل‬.‫اﻷﻋراض ﻣن ﻣﺻﺎدر ﻣﺧﺗﻠﻔﺔ ﻟﻠﻣﻌﻠوﻣﺎت أﯾن ﯾﺣﺗل اﻟﺗﺣﻠﯾل اﻟطﯾﻔﻲ ﻟﻼھﺗزازات ﻣﻛﺎﻧﺎ ﻣﺗﻣﯾزا‬
‫ﻗﺎﻋدة ﺑﯾﺎﻧﺎت ﺗﺣﺗوي ﻋﻠﻰ إﺷﺎرات طﺑﯾﻌﯾﺔ ﻣﻠﺗﻘطﺔ ﻣن ﻣﻧﺿدة اﺧﺗﺑﺎر ﻟﺑﻌض اﻹﻋطﺎب ﻛﺎﻟﻣدرﺟﺔ و إﺑطﺎل اﻟﺗراﺻف و ﻓﻘد اﻟﺗوازن‬
‫ﻓﻲ اﻵﻻت اﻟدوارة وﺗﻧظﯾم اﻹﺷﺎرات ﺑﺎﺳﺗﻌﻣﺎل اﻷدوات اﻟﻛﻼﺳﯾﻛﯾﺔ )ﻓورﯾﯾﮫ( واﻟﺣﺻول ﻋﻠﻰ طﯾف اﻻھﺗزاز و ﺗرﺟﻣﺔ ﺗواﺗرات‬
.‫اﻟطﯾف‬
.‫ اﻟﺗﺣﻠﯾل اﻟطﯾﻔﻲ ﻟﻼھﺗزازات‬، ‫ ﻋدم اﻟﺗوازن‬، ‫ اﻟﻣدرﺟﺔ‬،‫ طﯾف اﻻھﺗزاز‬:‫ﻛﻠﻣﺎت اﻟﻣﻔﺗﺎح‬
Résumé :

La surveillance est basée principalement sur les symptômes associés à des conditions
différentes de dégradation, extraire les symptômes des différentes sources d'information dont
l’analyse de vibration occupe une place privilégiée. L’objectif de ce travail est d’utiliser une
base de données qui contient des signaux artificiels capturés depuis un banc d’essai pour
quelques défauts tels que les roulements, le balourd et le désalignement. Organiser les
signatures vibratoires à l'aide d'instruments classiques (transformée de Fourier) et obtenir les
spectres des fréquences et de traduire le spectre a travers des fréquences caractéristiques de
défaut.

Mots clés : spectre, balourd, désalignement, roulement, analyse vibratoire, écaillage, fréquence
caractéristique,

Abstract :

Surveillance is mainly based on symptoms associated with different conditions of degradation,


extraction of the symptoms of the various sources of information including the analysis of vibration
occupies a privileged place. The objective of this work is to use a database that contains artificial
signals captured from a testbed for some flaws such as bearings, unbalance and misalignment.
organize vibration signatures using classical instruments (Fourier transform) and obtaining spectra of
frequencies and translate the spectrum through characteristic frequencies of defect.

Key words : spectre analysis, vibrations, diagnosis, bearing,frequency charateristic.

I
Remerciements

Remerciements

Je remercie tout d’abord mon encadreur de thèse Monsieur KIOUS , Mechri Professeur
à l’université Amar Telidji LAGHOUAT, pour m’avoir fait confiance et pour m’avoir guidé,
encouragé, conseillé tout au long de la préparation de ce travail.

Je tiens à remercier également les membres du jury de me faire l’honneur de juger ce mémoire.

Je voudrais également remercier tous mes enseignants pour la confiance qu’ils m’ont accordée et
l’expérience qu’ils m’ont fait découvrir.

Je remercie également mes collègues du département d’électronique, mes remerciements à tous


mes amis hors université, tout le personnel du centre de formation professionnel « Linani Ahmed »
Laghouat pour le soutien, les encouragements apportés.

Enfin mes remerciements a tous qui m’ont aidé de près ou de loin qui auraient certainement mérité
d’être cités.

II
[Sommaire]

Sommaire

RÉSUMÉ.................................................................................................................................................... I

REMERCIEMENTS ..................................................................................................................................... II

LISTE DES FIGURES .................................................................................................................................. VI

LISTE DES TABLEAUX ............................................................................................................................. VIII

NOMENCLATURE..................................................................................................................................... IX

INTRODUCTION GENERALE....................................................................................................................... X

CHAPITRE 1 : ELEMENTS D’ANALYSE DES SIGNAUX VIBRATOIRES .............................................................. 1

1. INTRODUCTION............................................................................................................................ 1

1.1. GRANDEURS CARACTÉRISTIQUES D’UN SIGNAL PÉRIODIQUE : ......................................................................... 2


1.2. CARACTÉRISTIQUES STATISTIQUES D’UN SIGNAL ALÉATOIRE ........................................................................... 2
1.2.1. DENSITÉ DE PROBABILITÉ ............................................................................................................................... 2
1.2.2. VALEUR MOYENNE (MOMENT STATISTIQUE D’ORDRE 1) ..................................................................................... 2
1.2.3. VARIANCE (MOMENT STATISTIQUE D’ORDRE 2) ................................................................................................. 2
1.2.4. ÉCART TYPE (VALEUR QUADRATIQUE MOYENNE)................................................................................................ 2
1.2.5. KURTOSIS (DISTRIBUTION DE L’AMPLITUDE)...................................................................................................... 3
1.2.6. FACTEUR DE CRÊTE ....................................................................................................................................... 3
1.3. GRANDEURS SCALAIRES DES SIGNAUX ÉCHANTILLONNÉS................................................................................ 3
1.4. CHOIX DES GRANDEURS DE MESURE ......................................................................................................... 3
1.5. PASSAGE DE LA REPRÉSENTATION TEMPORELLE À LA REPRÉSENTATION EN FRÉQUENCE ET INVERSEMENT ................... 4
1.5.1. SIGNAL PÉRIODIQUE ..................................................................................................................................... 5
1.5.2. SIGNAL ANALOGIQUE NON PÉRIODIQUE ........................................................................................................... 5
1.5.3. CAS D’UN SIGNAL ÉCHANTILLONNÉ .................................................................................................................. 6
1.6. TRANSFORMÉE DE FOURIER DISCRÈTE (TFD) ............................................................................................. 6
1.7. TRANSFORMÉE DE FOURIER RAPIDE (FFT)................................................................................................. 6
1.8. INDICATEURS SPECTRAUX DE BASE ........................................................................................................... 6
1.9. CONCLUSION ..................................................................................................................................... 7

2. CHAPITRE II STRATÉGIE D’UNE MAINTENANCE................................................................................. 8

2.1. DIFFÉRENTS TYPES DE MAINTENANCE ....................................................................................................... 8


2.2. CHOIX D’UNE POLITIQUE DE MAINTENANCE ............................................................................................... 9
2.3. TECHNIQUES D’ANALYSE ....................................................................................................................... 9

III
[Sommaire]

2.4. CHOIX D’UNE TECHNIQUE D’ANALYSE ......................................................................................................10


2.5. VIBRATIONS DES MACHINES TOURNANTES ................................................................................................13
2.6. ANALYSE VIBRATOIRE ..........................................................................................................................14
2.6.1. OBJECTIFS. ................................................................................................................................................ 14
2.6.2. SURVEILLANCE. .......................................................................................................................................... 14
2.6.3. DIAGNOSTIC. ............................................................................................................................................. 15
2.6.4. CAPTEURS DE VIBRATIONS............................................................................................................................ 15
2.6.5. CHAÎNE ET MATÉRIEL D’ACQUISITION ............................................................................................................. 16
2.7. PRINCIPAUX DÉFAUTS D’UNE MACHINE TOURNANTE ET LEURS MANIFESTATIONS ................................................17
2.7.1. BALOURD .................................................................................................................................................. 17
2.7.2. MANIFESTATION ........................................................................................................................................ 17
2.7.3. ORIGINE DES DIFFÉRENTS TYPES DE BALOURDS[12].......................................................................................... 18
2.8. DÉLIGNAGE (OU MAUVAIS ALIGNEMENT) .................................................................................................19
2.8.1. MANIFESTATION ........................................................................................................................................ 19
2.9. DÉFAUTS D’ENGRENAGES .....................................................................................................................20
2.10. DÉFAUTS DE ROULEMENT ...................................................................................................................21
2.10.1. MANIFESTATION ...................................................................................................................................... 22
2.11. DÉTECTION D’UN DÉFAUT DANS LES ROULEMENTS ....................................................................................22
2.11.1. PARAMÉTRAGE DE L’ÉCHANTILLONNAGE ...................................................................................................... 23
2.11.2. RÉSOLUTION ........................................................................................................................................... 24
2.11.3. MÉTHODES D’ANALYSE ............................................................................................................................. 24
2.11.4. MÉTHODES TEMPORELLES ......................................................................................................................... 24
2.11.5. MÉTHODES FRÉQUENTIELLES ...................................................................................................................... 26
2.12. CONCLUSION ..................................................................................................................................28

CHAPITRE III TECHNIQUES DE TRAITEMENT DE SIGNAL.............................................................................29

3. INTRODUCTION ................................................................................................................................29

3.1. REPRÉSENTATION EN TEMPS ET EN FRÉQUENCE D’UN SIGNAL ........................................................................29


3.2. CONDITIONNEMENT ET TRAITEMENT DU SIGNAL ........................................................................................30
3.3. ACQUISITION DU SIGNAL ......................................................................................................................31
3.3.1. DURÉE ACQUISITION DU SIGNAL................................................................................................................... 31
3.3.2. GAMME DE LA FRÉQUENCE D'ANALYSE........................................................................................................... 32
3.3.3. NUMÉRISATION ET ÉCHANTILLONNAGE .......................................................................................................... 32
3.3.4. FILTRAGE (OU BANDE PASSANTE) .................................................................................................................. 32
3.4. AMPLIFICATION .................................................................................................................................33
3.5. FENÊTRAGE ET PÉRIODISATION ..............................................................................................................33
3.6. LE MOYENNAGE SYNCHRONE ................................................................................................................34
3.7. REPRÉSENTATION GRAPHIQUE D'UN SPECTRE ............................................................................................34
3.8. INTERPRÉTATION PHYSIQUE DES SPECTRES ................................................................................................35
3.9. AUTRES TECHNIQUES ..........................................................................................................................35
3.9.1. LE CEPSTRE ............................................................................................................................................... 36
3.9.2. DÉMODULATION D’AMPLITUDE –FRÉQUENCE ................................................................................................. 36

IV
[Sommaire]

3.9.3. DÉMODULATION D’AMPLITUDE .................................................................................................................... 37


3.9.4. DÉMODULATION DE FRÉQUENCE ................................................................................................................... 37
3.10. CHOIX DE LA CHAINE ET DES INDICATEURS DE MESURE ...............................................................................37
3.10.1. CHOIX DES BONS INDICATEURS ................................................................................................................... 37
3.10.2. CONSIDÉRATION SUR LE CHOIX DE LA CHAINE DE MESURE................................................................................ 38
3.11. CONCLUSION :.................................................................................................................................39

CHAPITRE IV ÉTUDE DES SIGNAUX RÉEL ...................................................................................................40

4. LES DÉFAUTS DE ROULEMENTS .........................................................................................................40

4.1. FRÉQUENCES CARACTÉRISTIQUES............................................................................................................40


4.2. REMARQUE ......................................................................................................................................41
4.3. ÉTUDE ET SIMULATION DES ROULEMENTS :...............................................................................................41
4.4. PRÉSENTATION DE BANC D’ESSAIS ..........................................................................................................42
4.5. ANALYSE STATISTIQUE ROULEMENT SANS DÉFAUT ......................................................................................43
4.6. ANALYSE SPECTRALE ROULEMENT SANS DÉFAUT ........................................................................................44
4.7. ÉTUDE DES ROULEMENTS AVEC DÉFAUTS ..................................................................................................45
4.8. ANALYSE STATISTIQUE POUR DES ROULEMENTS AVEC DÉFAUT .......................................................................45
4.9. ANALYSE SPECTRALE POUR DIFFÉRENTS DÉFAUTS :......................................................................................47
4.10. COMENTAIRES SUR LES RÉSULTATS DES DÉFAUTS DES ROULEMENTS :.............................................................52
4.11. ÉTUDE DU BALOURD .........................................................................................................................53
4.11.1. BALOURD ............................................................................................................................................... 53
4.12. ÉTUDE DES SIGNAUX RÉELS : DÉFAUT DE BALOURD ....................................................................................55
4.13. DÉFAUT DE DÉSALIGNEMENT ...............................................................................................................61
4.13.1. INTRODUCTION ........................................................................................................................................ 61
4.13.2. DIAGNOSTIC DES DÉFAUTS : ....................................................................................................................... 61
4.13.3. VIBRATIONS LIÉES À LA ROTATION DES ARBRES .............................................................................................. 63
4.13.4. DÉFAUT D'ALIGNEMENT ............................................................................................................................ 63
4.13.5. DÉSALIGNEMENT PARALLÈLE ...................................................................................................................... 64
4.13.6. ARBRE FLEXIBLE ....................................................................................................................................... 65
4.13.7. RÉSONANCE DE LA STRUCTURE OU DU ROTOR ............................................................................................... 65
4.13.8. VARIATION DE LA PHASE À LA RÉSONANCE .................................................................................................... 66
4.14. ÉTUDE DES SIGNAUX RÉELS DE DÉSALIGNEMENT .......................................................................................66
4.15. CONCLUSION ..................................................................................................................................69

CONCLUSION GÉNÉRALE :........................................................................................................................70

ANNEXES ................................................................................................................................................73

RÉFÉRENCES............................................................................................................................................75

V
[Liste des figures]

Liste des figures

Figure 1. Classification et traitement des signaux................................................................................................ 1


Figure 2. Formes de maintenance ...................................................................................................................... 8
Figure 3. Accéléromètre piézoélectrique ........................................................................................................... 16
Figure 4. Réponse en fréquence d'un capteur piézoélectrique ......................................................................... 16
Figure 5. Chaine d'acquisition............................................................................................................................ 17
Figure 6. Spectre fréquentiel du défaut de balourd........................................................................................... 18
Figure 7. Défaut de délignage............................................................................................................................. 19
Figure 8. Cepstre de défaut d'engrenages......................................................................................................... 21
Figure 9. Échantillonnage d'un signal ................................................................................................................. 23
Figure 10. Évolution des valeurs crêtes, efficace et du facteur crête ................................................................ 25
Figure 11. densité de probabilité d'un roulement sain ,kurtosis =2.95 - valeur RMS =1.16. ............................. 26
Figure 12. densité de probabilité d'un roulement dégradée :kurtosis =6.81 ,RMS =7.1. .................................. 26
Figure 13. Décomposition d'un signal vibratoire en deux composantes harmoniques .................................... 29
Figure 14. Représentation spectrale des composantes du signal ...................................................................... 30
Figure 15. Conditionnement du signal ............................................................................................................... 31
Figure 16. Banc d'essai pour l’acquisition des signaux vibratoire réels ........................................................... 42
Figure 17. Histogramme des indicateurs pour roulement sans défaut.............................................................. 43
Figure 18. signal temporel pour un roulement sans défaut............................................................................... 44
Figure 19. Spectre d'un roulement sans défaut. ................................................................................................ 44
Figure 20. Histogramme des indicateurs roulement avec défaut ...................................................................... 46
Figure 21. signaux temporels du roulement étudié avec différent diamètre du défaut ................................... 47
Figure 22 .signal temporel pour un défaut Φ =0.007" ....................................................................................... 47
Figure 23. Spectre de fréquence pour un défaut Φ =0.007".............................................................................. 48
Figure 24.spectre d'enveloppe pour un défaut de 0.007" -bague intérieure .................................................... 48
Figure 25 .signal temporel pour un défaut Φ =0.014" ...................................................................................... 49
Figure 26.spectre de fréquence pour un défaut Φ = 0.014" .............................................................................. 49
Figure 27 .spectre de fréquence pour un défaut Φ = 0.014" ............................................................................ 49
Figure 28 .signal temporel pour un diamètre de défaut de 0.021" ................................................................... 50
Figure 29 .spectre de fréquence pour un défaut de 0.021"............................................................................... 50
Figure 30. Spectre de fréquence –pour un défaut Φ =0.021"- .......................................................................... 50
Figure 31 .signal temporel pour défaut de 0.028" bague intérieure. ................................................................ 51
Figure 32 . Spectre de fréquence pour un défaut Φ =0.028" ............................................................................. 51
Figure 33. Spectre de l’enveloppe d’Hilbert pour un défaut Φ =0.028 " ........................................................... 51
Figure 34.amplitude de la fréquence caractéristique du défaut........................................................................ 52
Figure 35. Le principe du balourd...................................................................................................................... 54
Figure 36. Balourd naturel.................................................................................................................................. 55
Figure 37. Balourd de 0.4 grammes ................................................................................................................... 55
Figure 38. Balourd de 0.7 grammes. .................................................................................................................. 56
Figure 39. Balourd de 1.1 grammes ................................................................................................................... 56
Figure 40. L’augmentation du balourd à 1.4 g engendrant une amplitude plus grande ................................... 57
Figure 41. Balourd passe à 1.9 grammes............................................................................................................ 57

VI
[Liste des figures]

Figure 42. Balourd de 2.3g.................................................................................................................................. 58


Figure 43.balourd de 2.5g................................................................................................................................... 58
Figure 44.balourd de 2.8g. .................................................................................................................................. 59
Figure 45.balourd de 3.2g................................................................................................................................... 59
Figure 46.balourd de 3.4g................................................................................................................................... 60
Figure 47. interpretation du tableau[6] précédent en graphe........................................................................... 60
Figure 48. Les composantes prédominantes du spectre.................................................................................... 63
Figure 49. Spectre théorique d'un désalignement ............................................................................................. 64
Figure 50. Désalignement angulaire................................................................................................................... 64
Figure 51. Spectre d'un arbre fléchi ................................................................................................................... 65
Figure 52. Schéma du banc d'essai pour le désalignement................................................................................ 66
Figure 53.spectre d'un défaut de désalignement -l'amplitude de l'harmonique............................................... 68
Figure 54. Défaut de désalignement avec un choc. ........................................................................................... 68
Figure 55. Défaut désalignement avec une vitesse de rotation inferieure ........................................................ 69

VII
[Liste des tableaux]

Liste des tableaux

Tableau 1 .indicateurs scalaires des signaux échantillonnés ............................................................................... 3


Tableau 2. choix des indicateurs de mesure ........................................................................................................ 4
Tableau 3.différents techniques d'analyses. ..................................................................................................... 11
Tableau 4. Avantages et limitations des indicateurs statistiques ...................................................................... 12
Tableau 5.principales méthodes d'analyse vibratoires ...................................................................................... 13
Tableau 6. Choix des indicateurs de mesure...................................................................................................... 38
Tableau 7. fréquences caractéristiques des défauts du roulement étudié........................................................ 45
Tableau 8. valeurs calculés des indicateurs roulement avec défaut.................................................................. 46
Tableau 9. résumé des mesures balourd ........................................................................................................... 60

VIII
[Nomenclature et abréviations]

Nomenclature
x(t) signal temporel analogique.
f fréquence(Hz).
X(f) transformée de Fourier de x(t).
| ( )| spectre d’amplitude du signal.
φ(f) spectre de phase.
T0 période (s).
pulsation (rd/s).
Te durée d’échantillonnage(s).
Fe fréquence d’échantillonnage(Hz).
Fmax fréquence maximale d’analyse(Hz).
N nombre d’échantillons du signal.
∆ résolution fréquentielle(Hz).
∆ durée d’observation du signal(s).
Xm amplitude moyenne du signal.
Xc amplitude crête.
Xcc amplitude crête à crête.
Xeff amplitude efficace.
Ff facteur de forme.
P(x) densité de probabilité.
variance.
Ecart-type.
K kurtosis.
Fc facteur de crête.

Abréviations :

RMS Root Mean Squart


TFD Transformée de Fourier discrète
FFT Fast Fourier Transform
DSP Densité Spectrale de Puissance
RBS rapport signal bruit
LPF Low Pass Filter

IX
[Introduction générale]

INTRODUCTION GENERALE

U
ne machine se compose d’un ensemble de mécanismes et d’organes combinés, destinés a
transformer une énergie ou a transmettre un mouvement .Ces mécanismes, mobiles entre
eux, ne peuvent fonctionner sans jeux, contraintes, efforts dynamiques et chocs dont les
effets se manifestent principalement sous forme de vibrations et de bruit .Tout changement dans
l’importance de ces jeux de ces contraintes ,efforts ou chocs ,se traduit immanquablement par une
modification de l’intensité ou des fréquences de ces vibrations .Or ,cette modification de
comportement vibratoire constitue souvent la première manifestation physique d’une anomalie
affectant la machine ,cause potentille à terme de dégradation, voire de pannes.

Cette particularité fait de l’analyse des vibrations un outil d’investigation indispensable à


l’assise d’une maintenance moderne .Cet outil occupe une place privilégiée parmi les techniques de
surveillance. Il permet, par la génération d’alarme plus ou moins écorce, de signaler la présence d’un
dysfonctionnement, de dépister l’apparition d’une dégradation et d’en suivre la progression, d’éviter
une casse ou une dérive de la qualité du produit fabrique tout en permettant une action corrective
programmée à bon escient au regard des impératifs de production.

La surveillance vibratoire des machines tournantes a sans doute toujours existé avec des
moyens empiriques tels que le toucher de la main ou encore avec des moyens un peu plus techniques
tels que les micromètres à lamelles qui permettraient, dans le cas simples, d’identifier la fréquence de
la vibration d’amplitude prépondérante.

Aujourd’hui, la nécessité de communiquer, non plus avec des impressions des sensations
subjectives, mais avec des données objectives, reproductibles et fiables, a rendu indispensable de
quantifier globalement les vibrations d’une machine par une mesure d’amplitude. Le besoin est
ensuite rapidement apparu de fixer des seuils à ces valeurs et de connaitre les amplitudes et les
fréquences des composantes prépondérante. Enfin, la possibilité de relier les fréquences de chaque
composante vibratoire aux différentes forces dynamiques engendrées par le fonctionnement normal
ou anormal de la machine et d’en interpréter les évolutions est devenue une réalité avec l’intégration,
de convertisseurs analogiques numériques et de coprocesseurs dédiés aux calculs de transformées de
Fourier. Actuellement ,le sujet n’est plus de démontrer l’intérêt que présente l’utilisation de l’analyse
vibratoire dans le cadre de la maintenance des machines tournantes mais d’en assimiler les notions de
base et d’en connaitre les limites afin de pouvoir choisir, en fonction des différents enjeux ,de la
complexité de la machine et de sa criticité dans le procédé, la meilleur stratégie de surveillance et les

X
[Introduction générale]

indicateurs les plus pertinents à associer. Puisse ce travail éclaircir le lecteur et lui donner les bases
indispensables à la mise en œuvre efficace de cet outil puissant de surveillance.

Dans le cadre de la maintenance préventive conditionnelle l’analyse vibratoire est une technique très
répandue .Elle est réalisée par l’analyse des signaux recueillis sur le système en fonctionnement .Les
capteurs adéquats, les accéléromètres piézoélectriques sont facilement positionnable et de ce fait
n’engendre pas de grandes contraintes de conception du système. L’utilisation des signaux mesurés
peut être réalisée à différents niveaux. Certain cas nécessitent simplement un relevé de niveau
global et une comparaison avec un seuil, d’autre, une analyse plus fine par outils de traitement de
signal, afin d’identifier le ou les éléments défectueux par recherche de caractéristiques émergentes,
comme une augmentation d’une amplitude à une fréquence particulière.

Ce mémoire est organisé comme suit :

Dans le premier chapitre, ont présente des généralités sur les signaux et leurs catégories, ainsi que
la définition des grandeurs physique, qui seront utilisés dans le domaine de la surveillance des
machines tournantes, tel que période, fréquence valeur efficace.
Mais aussi des définitions de certaines grandeurs caractéristiques des signaux vibratoires qui joueront
le rôle d’indicateurs (descripteurs) et qui feront l’objet de suivi de la tendance ou de la surveillance
par rapport à certains seuils (alarmes), définis par les fournisseurs des systèmes de surveillance
vibratoire.

Également la présentation des éléments d’analyse des signaux a été abordé, tels que la transformée
de Fourier Discrète, outil classique d’analyse spectrale qui a prouvé son efficacité pour les signaux à
caractère périodique (cas des machines tournantes).

Dans le deuxième chapitre on explique la stratégie d’une maintenance et ses différents types,
également les techniques d’analyses et le compromis lors du choix d’une technique pour permettre un
diagnostic fiable et approfondi, un panorama sur les principaux défauts tel que le balourd, délignage,
roulements et leurs manifestations.

Le troisième chapitre élabore les piliers des techniques de traitement de signal, l’image des efforts
de la dynamique de la machine qui exige un conditionnement partant de son acquisition jusqu'à
l’extraction de son spectre suivi d’une interprétation ,en passant par les opérations tel que filtrage
,amplification , moyennage et fenêtrage…

XI
[Introduction générale]

Le quatrième chapitre représente la quiddité de ce mémoire car il représente le fruit de tout ce qui
est passé, on traite des signaux réels issue des bancs d’essais sur les organes les plus importants tels
que les roulements ,désalignement des arbres des moteurs, des défauts de balourds, ces signaux qui
représente une base de données renferme des signatures vibratoires pour des éléments sains et
d’autres avec des défauts, on les traitent ,puis on fait des comparaison entre les différents spectres on
attractants les fréquences caractéristiques de chaque défaut.

Enfin nous finissons par une conclusion dans laquelle on mit le doigt sur les perspectives à suivre
pour améliorer ce travail.

XII
[Éléments d’analyse des signaux vibratoires CHAPITRE I]

Chapitre 1 : ELEMENTS D’ANALYSE DES SIGNAUX VIBRATOIRES

1. INTRODUCTION
Afin de surveiller les machines en fonctionnement il suffit de suivre ,de mesurer et de
caractériser l’évolution de ses vibrations ,ses derniers sont l’image des efforts internes d’une
machine ;les vibrations sont des indicateurs (descripteurs) de l’état d’une machine et c’est donc en
fonction du paramètre vibratoire qui évolue qu’ont peut déceler une anomalie on effectuant un
traitement bien appropriés sur l’information extraite contenu dans le signal; la figure1 ci-dessous
montre la classification et le traitement des signaux.[1]

SIGNAL

DETERMINISTE ALEATOIRE

NON
PERIODIQUE STATIONNAIRE INSTATIONNAIRE
PERIODIQUE

0.4
The building of a square wave: Gibbs' effect
1

0.2
0.8

0.6
0
0.4

0.2 -0.2

0
-0.4
-0.2

-0.4 -0.6

-0.6
-0.8
-0.8 60 80 100 120 140 160 180 200 220 240 260

-1
0 50 100 150 200 250 300 350

Sinusoïdale : amplitude, ∑ Analyse spectrale Analyse statistique


fréquence, phase …
Série de Fourier Intégrale de Fourier Moyennes, écart,

Figure 1. Classification et traitement des signaux

1
[Éléments d’analyse des signaux vibratoires CHAPITRE I]

1.1. Grandeurs caractéristiques d’un signal périodique :


Un signal vibratoire périodique x(t) est caractérisé par :
- Sa période T0
- Sa fréquence f0 = 1/ T0
- Sa pulsation ω0 =2*pi* f0
- Sa valeur moyenne Xm = ∫ ( ) (1.1)
- Son amplitude crête(Xc) : amplitude maximale par rapport aux points d’équilibre (niveau
crête)
- Son amplitude crête à crête (Xcc) : la somme des valeurs absolues positive et négative.
- Sa valeur efficace Xeff(RMS :Root Mean Square) .

Xeff = 1/ ∫ ( ) (1.2)
La valeur efficace représente la puissance du signal ,
et ∫ ( ) représente l’énergie du signal.
- Ses harmoniques n* f0 , avec n = 0,1,2,3, . . . . . . . . . . . n ième harmonique
Pour n = 1 , la fréquence est dite fondamentale.
- Son facteur de forme Ff =

1.2. Caractéristiques statistiques d’un signal aléatoire


1.2.1. Densité de probabilité
La probabilité p(x,dx) pour que la variable aléatoire soit comprise entre x et x + dx est
égale par définition à : p(x)dx , p(x) est la densité de probabilité, il est à rappeler que cette
quantité est normée autrement dit

∫ ( ) =1 (1.3)

1.2.2. Valeur moyenne (moment statistique d’ordre 1)


Elle définie à partir de la variable x(t) et de la densité de probabilité p(x) par :

∫ . ( ) (1.4)

1.2.3. Variance (moment statistique d’ordre 2)


La variance est définie par :

V =∫ ∞
( − ) ( − ) (1.5)

1.2.4. Écart type (valeur quadratique moyenne)


C’est la quantité
σ= √V (1.6)

2
[Éléments d’analyse des signaux vibratoires CHAPITRE I]

1.2.5. Kurtosis (distribution de l’amplitude)


C’est un paramètre qui tend à quantifier l’aplatissement de la courbe de densité de probabilité
du signal, il est défini par :

∫ ( ) ( )
= (1.7)

Ce paramètre est très important pour la surveillance des roulements (vibration de type
impulsionnel).un roulement en état engendre un signal vibratoire dont la distribution de l’amplitude
est Gaussienne, avec un Kurtosis K voisin de 3.

1.2.6. Facteur de crête


Le facteur de crête est défini par le rapport de la valeur crête sur la valeur efficace :

Fc = (1.8)
Cet indicateur est un outil qui permet de mettre en évidence les roulements en phase de
dégradation. Lorsque le facteur de crête est faible, il convient de s’assurer que la valeur
efficace(ou la valeur crête) de l’amplitude n’est pas en progression, ce qui signifie que l’état
du roulement est en dégradation.

1.3. Grandeurs scalaires des signaux échantillonnés


Pour les signaux échantillonnés, les indicateurs scalaires généralement retenus qui peuvent avoir
une signification physique ou dont l’évolution dans le dans le temps renseigne sur l’aggravation
d’un défaut sont donnés par les expressions dans le tableau suivant :

amplitude Valeur Facteur de


énergie puissance Kurtosis Valeur efficace
crête moyenne crête

1 1 1 1
= = , | | ̅= ∑ ( − ) = ( ̅)
=

Tableau 1 .indicateurs scalaires des signaux échantillonnés

1.4. Choix des grandeurs de mesure


Les grandeurs retenues pour la mesure des vibrations mécaniques sont ;
- Le déplacement en micromètre
- La vitesse (m/s)
- L’accélération en (m/s2 ou g).
On choisira préférentiellement :
La grandeur déplacement pour détecter des phénomènes a basse fréquence.

3
[Éléments d’analyse des signaux vibratoires CHAPITRE I]

La grandeur vitesse pour détecter des phénomènes se situant dans une large gamme de fréquence.
La grandeur accélération pour détecter des phénomènes à haute fréquence.

En pratique, l’obtention de la vitesse ou le déplacement, à partir de l’accélération s’effectue au


moyen d’une intégration électronique .mais l’opération inverse, crée un important bruit de fond qui
affecte la qualité de la mesure.

Le tableau suivant récence les choix des indicateurs de vibrations a mesurer [2] :

Indicateur vibratoire Amplitude mesurée en


Déplacement x Valeur crête Xc
Valeur crête a crête xcc
Vitesse v Valeur crête Xc
Valeur efficace Xeff
Accélération ϒ Valeur efficace Xeff

Tableau 2. choix des indicateurs de mesure

Les raisons de ces choix sont les suivantes :

- La mesure de l’amplitude crête ou crête à crête pour le déplacement permet de voir l’ampleur
du phénomène.
- La mesure de l’amplitude efficace pour la vitesse ou l’accélération permet de mettre en
évidence l’énergie dépensée.

1.5. Passage de la représentation temporelle à la représentation en


fréquence et inversement
Un signal peut être soit dans le domaine temporel soit dans le domaine en fréquence, on rappelle
le théorème de Parseval qui s’écrit :

∫ ( ) = ∫ | ( )| (1.9)

Ce dernier exprime que l’énergie du signal est indépendante du mode de représentation.


Dans ce qui suit, on donnera les résultats de passage d’une représentation à une autre .ce résultat
s’obtient par la transformation de Fourier selon le type de signal considéré.

4
[Éléments d’analyse des signaux vibratoires CHAPITRE I]

1.5.1. Signal périodique


Un signal analogique périodique de période T peut se mettre sous la forme d’une somme de
termes sinusoïdaux de fréquence f multiple de la fréquence f0 dite fréquence fondamentale.

Soit :

x(t) = a0 + ∑ ∞
cos 2 + sin 2 (1.10)

ou an et bn sont les coefficients de la série de Fourier calculés a partir des relations :

an = ∫ ( ) = ( ) (1.11)
et pour ≥1:
an = ∫ ( )cos (2 ) (1.12)
bn = ∫ ( )sin (2 ) (1.13)
on note ici seule la représentation unilatérale (fréquence positive) a une réalité physique.
La décomposition fréquentielle de x(t) s’écrit :
x(t) = a0 + ∑ cos( 2 + )
avec = + , = (− ) (1.14)

Le spectre de Fourier d’un signal périodique est un spectre discret.il est donc constitué d’une
composante de fréquence nulle d’amplitude a0 et d’un peigne de raies espacées de f0 et
d’amplitude cn.

1.5.2. Signal analogique non périodique


Si le signal x(t) n’est pas périodique ,on obtient les mêmes résultats que précédemment en
faisant tendre la période T vers l’infini ,l’intervalle f0= tendra vers zéro et X(fk)

deviendra une fonction continue X(f) de f ,donnée par :


( )=∫ ( ). (1.15)
Cette équation est appelée transformée de Fourier directe, elle donne le spectre du signal
temporel x(t).
Inversement, le signal x(t) s’obtient à partir de X(f) par :
( )=∫ ( ). (1.16)

5
[Éléments d’analyse des signaux vibratoires CHAPITRE I]

1.5.3. Cas d’un signal échantillonné


Une fonction échantillonnée est une suite discrète de valeurs équidistantes dans le temps.
L’exploitation d’une telle fonction est devenue importante avec le développement des
traitements numériques de données. Dans ce cas, on a :

( )=∑ ( )exp (− 2 ) (1.17)


ième
Avec tk : k échantillon dans le temps de x(t).
Et inversement :

( )=∫ ( ). exp( 2 ) (1.18)

Avec fe : fréquence d’échantillonnage(ou intervalle entre deux lignes fréquentielles)

1.6. Transformée de Fourier Discrète (TFD)


La fonction x(t) représentant un signal analogique devra être échantillonné en des points discrets
x(n.te) ;
Te : étant le pas d’échantillonnage
N :le numéro d’échantillon (n=0 . . . . N-1).
Son spectre peut être calculé en substituant à l’intégrale de Fourier, la transformée de Fourier
discrète calculée à partir d’un nombre fini d’échantillons N.

1.7. Transformée de Fourier rapide (FFT)


La transformée de Fourier rapide est un algorithme qui permet d’obtenir la transformée de
Fourier discrète du signal échantillonné, et permet aussi de réduire le nombre d’opérations
arithmétique nécessaires à cette opération. Avec cet algorithme, le temps de calcul de la
transformée d’un signal défini par N points est proportionnel à N log2 N au lieu de la valeur
théoriquement nécessaire N2 .son importance augmente aussi avec l’évolution du traitement
digital des signaux.[2]
Le signal étant échantillonné avec une période te, on dispose donc d’une durée d’observation
∆t=N.te du signal, et on calcul la transformée de Fourier (grandeur complexe) sur cette durée du
signal et on déduit le spectre sur N/2 points dans le domaine fréquentiel (partie réelle et partie
imaginaire).on admettra aussi qu’on ne tient pas compte des fréquences négatives.

1.8. Indicateurs spectraux de base


L’indicateur spectral de base que l’on puisse définir est le spectre d’amplitude du signal qui
mathématiquement représente le module de la transformée de Fourier discrète de ce signal. Un
spectre est un graphe dans lequel l’axe des abscisses représente une échelle des fréquences, on
distingue :

6
[Éléments d’analyse des signaux vibratoires CHAPITRE I]

 Le spectre d’amplitude ; on porte en ordonnée le module de la transformée de Fourier.


 Le spectre de phase : on porte en ordonnée la phase de la transformée de Fourier.
 Le spectre d’énergie ou DSE (densité Spectrale Énergétique) : notion utilisée dans le cas des
signaux a énergie finie, on porte en ordonnée le carré de la transformée de Fourier.
 Le spectre de puissance ou DSP (Densité Spectrale de Puissance) :c’est le cas des signaux à
puissance finie, signaux réels. On porte en ordonnée le carré du module de la transformée
de Fourier divisé par une durée d’observation ∆t.

1.9. Conclusion
Ce chapitre a été consacré à une présentation de l’organisation du signal ainsi que des définitions de
certaines grandeurs caractéristiques des signaux vibratoires qui joueront le rôle d’indicateurs
(descripteurs) et qui feront l’objet de suivi de la tendance ou de la surveillance par rapport à certains
seuils(alarmes),définis par les fournisseurs des systèmes de surveillance vibratoire ,au delà desquels
une intervention de maintenance s’avère indispensable.

Un rappel de certains éléments d’analyse des signaux a été abordé, tels que la transformée de Fourier
Discrète, outil classique d’analyse spectrale qui a prouvé son efficacité pour les signaux à caractère
périodique (cas des machines tournantes).

Néanmoins, il peut exister d’autres descripteurs qui sont spécifiques aux fournisseurs de matériels de
surveillance et qui sont sensibles à certains défauts, cela nécessite aussi une qualification qui révèle
souvent de la compétence de spécialiste.

Le chapitre suivant sera consacré aux différentes étapes de traitement que devra subir un signal, ce
qui constitue la phase de conditionnement pour l’élaboration de spectre.

7
[Stratégie d’une maintenance CHAPITRE II]

2. Chapitre II Stratégie d’une maintenance

2.1. Différents types de maintenance

Selon la norme NF-X60-010 « la maintenance est définie comme étant un ensemble d’activités
destinées à maintenir ou rétablir un bien dans un état ou dans des conditions données de sûreté de
fonctionnement pour accomplir une fonction requise ».Les activités de maintenance permettent
une diminution des coûts de production et l‘amélioration de la qualité des produits.
Selon l‘évolution de la maintenance, on distingue quatre types de maintenance :

- maintenance corrective : consiste à effectuer une action de maintenance après la panne.


- maintenance préventive systématique : consiste à effectuer les actions de maintenance
selon un échéancier fixe sur la base du minimum de durée de vie des composants mécaniques
d‘une machine.
- maintenance préventive conditionnelle : l‘action de maintenance n‘est déclenchée qu‘à
la suite d‘un type d‘événement prédéterminé (indicateur vibratoire, de température etc…).
- maintenance prédictive : consiste à prédire la date à laquelle une action de maintenance
doit s‘effectuer selon un modèle de dégradation théorique des composants mécaniques
de la machine.[5]

Figure 2. Formes de maintenance

8
[Stratégie d’une maintenance CHAPITRE II]

2.2. Choix d’une politique de maintenance

Les paramètres dont il faut tenir compte pour adopter telle ou telle politique de maintenance sont
principalement d‘ordre économique et humain. Avec l‘objectif de trouver une politique capable de
réduire les coûts de maintenance, une méthode de suivi de l‘état de fonctionnement d‘un organe d‘une
machine doit être trouvée pour améliorer la disponibilité et pour estimer de façon plus précise le risque de
panne.

A cet effet, l’idéal serait de trouver des indicateurs externes, facilement accessibles et réaliser un système
de mesures qui consiste à limiter le nombre de paramètres et de mesures à réaliser. Pour cela, il faut
d‘abord déterminer quelles sont les pannes les plus fréquentes par analyse statistique et les composants
les plus problématiques par analyse technologique.

Turbines, pompes, moteurs, compresseurs, alternateurs, centrifugeuses, ventilateurs… toutes ces


machines que l‘on dit tournantes, ont un point commun ; elles comprennent des organes en rotation. Ce
qui caractérise ces machines, c‘est qu‘elles sont composées d‘organes fragiles (roulements, engrenages
etc…) soumis à des contraintes mécaniques importantes et à des environnements industriels difficiles.
Les sources de défaillances sont donc multiples :
- écaillage d‘un roulement.
- rupture d‘une dent d‘un engrenage.
- désalignement d‘un des axes, etc.…

Pour certaines machines vitales d‘un processus de production, ces défauts peuvent s‘avérer lourds de
conséquences. Pour éviter des arrêts de production imprévus et les pertes économiques qui en découlent,
il faut surveiller en permanence ces équipements et traquer tous les signes précurseurs de défauts avant
qu‘il ne soit trop tard. Pour cela il existe une variété de techniques.[5]

2.3. Techniques d’analyse

La surveillance d‘un équipement de machine est assurée en relevant périodiquement un indicateur


d‘état de dégradation (ou de performance). Il existe différentes techniques d‘analyse tels que
l‘analyse vibratoire, l‘émission acoustique, la thermographie, l‘analyse des huiles et des lubrifiants, la
variation de résistance dans un circuit électrique, etc…

9
[Stratégie d’une maintenance CHAPITRE II]

Le choix de l‘indicateur dépend du type de machine à étudier et du type de défaillance que l‘on souhaite
détecter. Pour les machines tournantes, un indicateur de type vibratoire permet de détecter la plupart des
défauts. On établit une courbe d‘évolution de l‘indicateur au cours du temps. Sur cette courbe, on définit
différents seuils correspondant à un niveau d‘alerte, à une alarme, à un niveau de défaillance. Ces
niveaux sont établis soit par expérience soit en appliquant une norme (pour les roulements, on utilise des
abaques de sévérité vibratoire pour définir les différents seuils).[5]

 L’analyse vibratoire est la plus connue et la plus largement utilisée[3] ,car adaptée aux des
composants mécaniques et aux machines industrielles en fonctionnement. Elle permet de détecter la
majorité des défauts susceptibles d‘apparaître dans les machines tournantes.

 L’analyse d’huile est appliquée à toutes les machines contenant des fluides de lubrification
(réducteurs, motoréducteurs, moteurs thermiques…). Elle consiste à prélever un échantillon d‘huile
et de l‘analyser (particules d‘usure) pour déduire l‘état de l‘équipement.

 La thermographie infrarouge : suscite un intérêt encore récent dans le domaine de la


maintenance jusqu‘alors réservée au contrôle d‘installations électriques. Elle est peu utilisée pour la
surveillance des machines tournantes notamment pour la détection de défauts qui se manifestent par
un échauffement anormal à la surface de l‘équipement. La thermographie permet de réaliser des
mesures à distances et d‘obtenir instantanément une image thermique de la zone inspectée.

 L‘analyse acoustique : permet de détecter tout bruit anormal à l‘aide de microphones placés à
distance de l‘équipement.

 Le contrôle par ultrasons : permet de détecter des défauts de faibles amplitudes à hautes
fréquences tels que l‘initiation de la dégradation d‘un roulement.

2.4. Choix d’une technique d’analyse

Chaque méthode a son champ d‘application privilégié. Par exemple, l‘analyse vibratoire convient
aux défauts liés à la cinématique et à la structure de la machine, mais dans une plage de fréquences
déterminées (situées généralement entre quelques Hertz et plusieurs dizaines de KHz). Elle couvre aussi
les défauts spécifiques aux roulements (à plus hautes fréquences). Au-delà de 20 KHz, il est souvent
préférable d‘utiliser un contrôle par ultrasons ou par émission acoustique. L‘analyse acoustique se

10
[Stratégie d’une maintenance CHAPITRE II]

limite à la détection de bruits dans les fréquences audibles, mais lorsque la dégradation d‘un
roulement se manifeste en une fréquence audible, il est souvent trop tard pour intervenir. L‘analyse
d‘huile consiste principalement à analyser les particules présentes dans l‘huile, ce qui va révéler une
usure anormale d‘un ou plusieurs organes. Elle doit être appliquée dans le cas de machines où l‘huile
joue un rôle primordial et lorsque l‘analyse des débris d‘usure est significative[4].

Principaux avantages Principales limitations Champs d‘applications


privilégié
Analyse - détection de défauts à un - spectres parfois difficile - détection des défauts de
vibratoire stade précoce à interpréter tous les organes
- possibilités de réaliser un - dans le cas de la surveillance cinématiques de la machine
diagnostic approfondi continue, installations (balourd, défauts
- autorise une surveillance relativement coûteuses d‘alignement, jeux, etc..)
continue et de sa structure.
- permet de surveiller
- l‘équipement à distance
(télémaintenance)
Analyse - détection d‘une pollution - ne permet pas de localiser - contrôle des propriétés
d’huile anormale du lubrifiant, précisément le défaut physico-chimiques du
avant que celle ci n‘entraîne - nécessite de prendre de lubrifiant, détection d‘un
une usure ou un nombreuses précautions manque de lubrifiant,
échauffement dans le prélèvement de analyse des éléments
- possibilités de connaître l‘échantillon d‘usure.
l‘origine de l‘anomalie par
analyse des particules
Thermog- - permet de réaliser un - détection de défauts à un - détection de tous les
raphie IR contrôle rapide de stade moins précoce que défauts engendrant un
l‘installation l‘analyse vibratoire échauffement (manque de
- interprétation souvent - contrôle limité à ce que de lubrification en
immédiate des résultats « voit » la caméra particulier)
(échauffements de surface)
- ne permet pas de réaliser
un diagnostic approfondi

Analyse - permet de détecter - sensibilité au bruit ambiant - détection d‘un bruit


acoustique l‘apparition des défauts - diagnostic souvent difficile inhabituel pouvant
audibles à réaliser ensuite être analysé par
- autorise une surveillance - problèmes de répétabilité analyse vibratoire
continue des mesures

Tableau 3.différents techniques d'analyses.

Il n‘existe pas de méthode universelle permettant de détecter de manière assez précoce tous les types de
défauts que l‘on est susceptible de rencontrer sur une machine tournante mais la combinaison et
l‘association de plusieurs méthodes permet un diagnostic plus fiable et plus rapide.
La surveillance des machines ne se limite pas juste à détecter la présence d‘un défaut, mais il est aussi
nécessaire de pouvoir réaliser un diagnostic approfondi pour le localiser précisément et quantifier sa
sévérité. L’analyse vibratoire est une technique qui permet de réaliser ce diagnostic. Pour plus de

11
[Stratégie d’une maintenance CHAPITRE II]

précision, le diagnostic par analyse vibratoire nécessite d‘étudier :


- les valeurs du niveau global des vibrations,
- les contenus fréquentiels des signaux à l‘aide outils sophistiqués du traitement de signal
(spectre, cepstre, analyse d‘enveloppe etc…).[5]

Principaux avantages Principales limitations

Indicateurs vibratoires
simples

Niveau global (mesures - indicateur simple et fiable - détection tardive


d’accélération) - diagnostic difficile
- peu adapté aux faibles
vitesses de rotation
- détermination des seuils
empiriques

Kurtosis (moment - adapté à la surveillance - décroissance de


statique d’ordre 4) des roulements des arbres l‘indicateur en fin de vie
tournant à de faibles du roulement
vitesses de rotation - diagnostic souvent difficile
(<600 t/min)
-détection à stade précoce
- grande sensibilité aux
chocs périodiques et non
périodiques

Facteur de crête - indépendant des conditions - décroît lorsque les défauts


(rapport entre la valeur de fonctionnement se développent
crête et la valeur (dimensions des roulements,
efficace) charge, vitesse de rotation)

Tableau 4. Avantages et limitations des indicateurs statistiques

12
[Stratégie d’une maintenance CHAPITRE II]

Méthodes d’analyses
vibratoires qualitatives
Analyse temporelle - Adaptée aux faibles - Diagnostic souvent
vitesses de rotation. difficile.
- Permet d’analyser des
phénomènes non
périodiques (chocs
aléatoires, chocs
répétitifs à vitesse
variable).
Analyse fréquentielle - Permet de localiser les - Interprétation des
défauts et de réaliser le spectres parfois
diagnostic fiable. difficile.
- Ne nécessite pas de - Détection tardive.
mesures - Inopérant à vitesse ou
supplémentaires. charge variable.
Analyse d’enveloppe - Détection de défauts à - Interprétation des
un stade précoce. spectres parfois
- Permet de déterminer de difficiles.
manière fiable et rapide - Nécessite de connaitre
les fréquences de le domaine fréquentiel
répétition des chocs d’intérêt.
- Inopérant si vitesse ou
charge variable.
- Généralement associée
à d’autres indicateurs (le
kurtosis ).
Analyse cepstrale - Met en évidence les - Utilisation en
composantes complément d’autres
périodiques d’un techniques.
spectre.
- Permet de localiser et
déterminer l’origine des
défauts induisant les
chocs périodiques.
- Interprétation des
spectres complexes.
Principales méthodes d’analyse vibratoires [5]

Tableau 5.principales méthodes d'analyse vibratoires

2.5. Vibrations des machines tournantes

En pratique, une bonne conception produira de faibles niveaux vibratoires dans une machine
tournante. Cependant, la machine vieillissant, les fondations travaillent, les pièces se
déforment et s‘usent, et de légers changements dans ses propriétés dynamiques apparaissent. Les
arbres se désalignent, les paliers s’usent, les rotors se déséquilibrent, les courroies se détendent,
les jeux augmentent. Tous ces facteurs se traduisent par une augmentation de l‘énergie vibratoire
13
[Stratégie d’une maintenance CHAPITRE II]

qui excite les résonances et ajoute une charge dynamique considérable aux paliers.
Les vibrations recueillies lors des campagnes de mesures sont porteuses d‘informations qui
caractérisent l‘état de fonctionnement de certains composants mécaniques constituant la
machine analysée. C‘est grâce à l‘analyse de ces vibrations qu‘il est possible de détecter les
composants défectueux et éventuellement de les localiser. Lorsqu‘un certain seuil
(correspondant à un niveau de vibration limite) fixé est atteint, il est possible d‘estimer la durée
de vie résiduelle du composant dans les conditions de fonctionnement données à partir de la
connaissance des lois d‘endommagement.[5]

2.6. Analyse vibratoire

2.6.1. Objectifs.

L‘analyse vibratoire poursuit deux objectifs :

- la détection des défauts


- l‘analyse détaillée des défauts.

On utilise à cet effet des paramètres calculés :

- soit dans le domaine temporel


- soit dans le domaine fréquentiel
- soit dans les deux à la fois

2.6.2. Surveillance.

La comparaison des mesures vibratoires effectuées à intervalles de temps déterminés dans des
conditions de fonctionnement identiques permet de suivre l‘évolution d‘un défaut en
exploitant le signal vibratoire[7] .A partir de ces mesures, il est possible d‘obtenir un
historique de l‘évolution du défaut par rapport à un niveau de référence caractérisé par la
signature vibratoire de la machine en bon état. La norme [ISO10816] fixe des critères
d‘évaluation des niveaux vibratoires permettant d‘estimer la sévérité des défauts et donc de
l‘état de fonctionnement de la machine. La sévérité vibratoire représente la valeur efficace de la
vitesse de vibration mesurée dans la bande fréquentielle [10-1000 Hz] sachant que les critères

14
[Stratégie d’une maintenance CHAPITRE II]

d‘évaluation dépendent de la classe dans laquelle la machine se situe. Mais ces méthodes dites
« mesures des niveaux globaux » restent imprécises et ne permettent pas la détermination de la
cause de l‘augmentation du niveau vibratoire.

2.6.3. Diagnostic.

Pour établir un diagnostic vibratoire, il est souvent nécessaire de faire appel à des outils
mathématiques relativement élaborés. Ces outils doivent assister l‘opérateur et lui permettre de
remonter aux origines du ou des défauts. Mais dans l‘absolu, les signaux vibratoires sont
insuffisants pour établir un diagnostic. C‘est pourquoi il est indispensable de connaître non
seulement la cinématique de la machine, mais également les caractéristiques de ses
composants ainsi que leurs différents modes de dégradation. La connaissance de ces modes de
défaillance et de leurs influences sur le niveau de vibration est à la base d‘un diagnostic et d‘une
surveillance fiable.

2.6.4. Capteurs de vibrations

Le capteur le plus utilisé est l‘accéléromètre piézo-électrique. Il est constitué d‘une masselotte
placée sur un cristal piézo-électrique dont les deux faces opposées ont été rendues
conductrices par dépôt métallique . Il possède une très bonne linéarité et une large
bande passante. Un capteur monodirectionnel collé sur la paroi d‘un bâti mesurera les
accélérations normales à celle-ci. Sa masse, bien que légère (environ 20 g), influence
malgré tout toutes les mesures, car sur des parois de grandes dimensions et relativement peu
épaisses, une masselotte ajoutée peut faire diminuer les fréquences propres de quelques pour
cent.
La fixation du capteur sur la structure peut avoir une réelle influence sur la qualité du signal
recueilli. Il peut être fixé de diverses façons sur la machine : vissé à même la structure, vissé sur
une embase collée, magnétique pour les structures ferriques, ou accolé avec une pointe touche.
Cette fixation joue un rôle important sur le résultat des mesures, et la largeur de bande peut s‘en
trouver affectée. [12]

15
[Stratégie d’une maintenance CHAPITRE II]

Ressort précontraint Masse sismique


.

Élément piézoélectrique

Sortie

Base

Figure 3. Accéléromètre piézoélectrique

Afin que la reproductibilité et la fiabilité des mesures soient bonnes, même en basses fréquences de
0 à 2 kHz et de 0 à 7 kHz ,il reste préférable d‘utiliser des embases collées (cyanoacrylate de
méthyle) [8] .L‘accéléromètre doit être placé en des endroits (pas toujours accessibles) de la
structure où la mobilité est maximale pour la bande de fréquences étudiée [9] . La tendance
actuelle est toujours de placer le capteur au plus près du composant à suivre, ainsi en limitant les
distances et les contacts, le signal s‘en trouve moins perturbé. [8]

Figure 4. Réponse en fréquence d'un capteur piézoélectrique

2.6.5. Chaîne et matériel d’acquisition

Une surveillance fiable ne peut être obtenue que si d‘une part le matériel de mesure est en
adéquation avec les caractéristiques vibratoires fournies par les machines et si d‘autre part les
données le sont avec les outils de post-traitement qui doivent en faciliter le diagnostic[10] . Il

16
[Stratégie d’une maintenance CHAPITRE II]

est indispensable de posséder un matériel d‘analyse des vibrations qui peut être constituée des
éléments suivants : en plus de la structure à étudier, des capteurs, conditionneur, pot vibrant ou
marteau d‘impact, analyseur et programme d‘analyse modale, sont nécessaires, comme le
montre la figure ci-dessous :

Capteurs Acquisition Traitement Stockage


de signal

Action
Détection Diagnostic Prédiction

Figure 5. Chaine d'acquisition

Les capteurs doivent être placés sur un certain nombre de points choisis judicieusement, c‘est à
dire le plus proche possible des sources de vibrations et dans une direction donnée, si ces
sources sont connues et si la structure le permet.

2.7. Principaux défauts d’une machine tournante et leurs manifestations

2.7.1. Balourd

Quel que soit le soin apporté à la construction des machines, il n‘est pas possible de faire
coïncider l‘axe de rotation avec le centre de gravité de chaque tranche élémentaire du rotor, ce
qui caractérise le balourd. Il en résulte que l'arbre en rotation est soumis à des efforts
centrifuges qui le déforment. Le balourd est un déséquilibre massique qui provient
généralement du défaut d‘usinage, d‘assemblage et de l‘échauffement dissymétrique du rotor
lors du fonctionnement. Les origines des balourds sont multiples.

2.7.2. Manifestation

Ce défaut se manifeste par[11] :

- l‘augmentation du niveau global choisi en basses fréquences, soit Dcc [10-1000


Hz], soit Veff [10-1000 Hz].

- la nette augmentation de l‘amplitude de la fréquence fondamentale (fréquence de

17
[Stratégie d’une maintenance CHAPITRE II]

rotation, fr). ;N : vitesse de rotation (tr/min).


Exemple : Mise en évidence d‘un défaut de balourd .

Figure 6. Spectre fréquentiel du défaut de balourd

Le spectre bleu (machine en bon état de fonctionnement) : amplitude de la fréquence


fondamentale 1.323 mg pour 16.25 Hz,
- Le spectre rouge (machine en fonctionnement dégradé : défaut d‘équilibrage) :
amplitude de la fréquence fondamentale 14.199 mg pour 16.25 Hz.

Ce défaut n‘est pas directionnel, on recueille la même image dans toutes les directions
radiales (verticale, horizontale ou oblique).

2.7.3. Origine des différents types de balourds[12]

 balourd d’origine mécanique : lorsqu‘il y a une masse de matière qui se détache du rotor
ou vient se déposer sur ce dernier (perte d‘ailette ou rupture d‘une aube, érosion ou dépôt
de matière, fluage du rotor), on observe généralement une évolution instantanée des
vibrations .

 balourd d’origine thermique : lorsque les rotors ne sont pas homogènes ou la


température n‘est pas répartie de façon uniforme, les rotors se déforment sous l‘effet de
contraintes thermiques :
18
[Stratégie d’une maintenance CHAPITRE II]

- déformation des rotors de turbines.


- déformation des rotors d‘alternateurs ou de moteurs électriques.

 Balourd évolutif : est dû aux frottements de l‘arbre avec un des paliers de la machine
et provoquant un échauffement dissymétrique.

2.8. Délignage (ou mauvais alignement)

L‘arbre moteur et l‘arbre récepteur d‘une machine ne sont pas parfaitement alignés[11] .

Figure 7. Défaut de délignage

2.8.1. Manifestation
Ce défaut se manifeste au cours de :

- l‘augmentation du niveau global choisi en basses fréquences Soit Dcc [10-1000 Hz], Soit
Veff [10-1000 Hz],

- l‘augmentation des proches harmoniques de fr. Le plus souvent l‘harmonique de rang


2 tend à s‘élever au-delà de la fréquence fondamentale. Parfois le phénomène se transmet aux
3ème et 4ème harmonique.

2.8.1.1. Exemple
Mise en évidence d‘un défaut de délignage[7].
On ne recueille pas le même signal sur les différentes directions radiales. Ce défaut est plutôt
visible sur une direction axiale. Il peut être d‘origine:

19
[Stratégie d’une maintenance CHAPITRE II]

- mécanique : desserrage des pieds de fixation de la machine et desserrage des


éléments de transmission du mouvement de rotation,
- thermique : croissance thermique des pieds de fixation de la machine en
fonctionnement.

2.9. Défauts d’engrenages

Ces défauts sont liés aux dégradations de la denture (denture cassée ou abimée, usure
uniforme ou non, pitting localisé ou réparti, mauvais centrage) . On peut observer aussi du
fretting (corrosion, frottement) qui se traduit par un enlèvement de métal lorsque l‘engrenage
est mal lubrifié et que les efforts sont importants.
Les vibrations des engrenages sont dominées par un effort à chaque contact[3] . Un arbre
tournant à une fréquence fr sur lequel est monté un pignon ou une roue comptant z dents sera
soumis à z chocs par tour. La fréquence caractéristique de l‘engrènement sera :
Si l‘arbre ou le pignon présente un défaut d‘excentricité ou si une dent du pignon présent e un
défaut localisé, il va apparaître une modulation d‘amplitude du signal par la fréquence du
signal. Cela se traduira, sur le spectre, par un peigne de raies centré sur la fréquence
d‘engrènement fe et de pas fr. Ce peigne est visible que sur un zoom centré lui aussi sur la
fréquence d‘engrènement fe[11] .
Si une même machine est le siège de plusieurs engrènements, les images caractéristiques de
chacun peuvent se superposer de manière à ne plus être reconnaissables. Le seul outil
permettant de dissocier les différents phénomènes est le sceptre . Il fait apparaître un pic
caractéristique pour chaque fréquence de modulation. Cela permet de séparer les phénomènes
de chaque ligne d‘arbre .

20
[Stratégie d’une maintenance CHAPITRE II]

Figure 8. Cepstre de défaut d'engrenages

2.10. Défauts de roulement

Les roulements sont parmi les composants les plus sollicités des machines et représentent une
source de panne fréquente. Les défauts que l‘on peut y rencontrer sont les suivants : écaillage,
grippage, corrosion (qui entraîne l‘écaillage), faux effet Brinnel, etc... Tous ces défauts se
traduisent par une perte de métal et provoquent des chocs répétés des billes sur la cage de
roulement.
Les pistes des roulements et les billes sont chargées cycliquement, ce qui engendre à la surface
une dégradation par fatigue qui se présente sous la forme de fissures qui conduisent à
l‘écaillage, puis à la ruine du roulement. Ces fissures peuvent être d‘origine superficielle ou
provenir de la dégradation de la sous couche du matériau. Cette ruine peut être détectée sur un
spectre à partir de l‘identification des fréquences caractéristiques du roulement. Celles-ci
correspondent aux fréquences des impacts lorsqu‘un élément roulant rencontre un défaut. Elles
sont données en écrivant que les vitesses aux points de contact entre billes et bagues sont nulles.
Elles dépendent du diamètre des éléments roulants (d), du diamètre moyen du roulement (D), du
nombre d‘éléments roulants (N), de l‘angle de contact (β) et de la fréquence de rotation relative
entre les bagues intérieure et extérieure (fr). Elles sont données par les formules 4.1-…. -4.5

Ces fréquences peuvent être rencontrées pour un roulement en fonctionnement normal (du fait

21
[Stratégie d’une maintenance CHAPITRE II]

du non linéarité de la raideur de contact sur un roulement en fonctionnement), mais surtout lors
de l‘apparition de défauts sur les éléments le constituant qui vont engendrer des
impulsions produites à chaque fois qu‘un élément roulant rencontre un écaillage sur son
chemin .

2.10.1. Manifestation

Un tel défaut se traduit par une nette augmentation du niveau des fréquences supérieures à
1000 Hz, l‘ensemble des fréquences supérieures à 1 kHz augmente sur un PBC ou un spectre
RC HF, le facteur K augmente, le facteur de crête FC diminue et le niveau global Acceff
[1000-10000 Hz] augmente .

2.10.1.1. Origine

Ce peut être :
- un écaillage de la piste interne (sur l‘arbre) .
- un écaillage sur la piste externe (sur l‘alésage).
- un défaut localisé sur un élément roulant (bille ou rouleau).

Dans tous les cas, il s‘agit d‘un choc périodique de faible énergie qui excite la structure de la
machine. Cette structure répond dans une gamme de fréquences qui lui est propre. Afin de
statuer de façon définitive sur un tel défaut, il est conseillé de réaliser une analyse dite
d‘enveloppe:

1er temps : on détecte la possibilité d‘un tel défaut sur spectre PBC ou un spectre RC HF

2e temps : on paramètre une analyse d‘enveloppe en fonction des fréquences dont


le niveau a augmenté (forme de « bosse de chameau » ou « cloche »).
On parle de « gamme fréquentielle de filtre » : c‘est une gamme HF, des fréquences
caractéristiques du (ou des) roulement(s) suspecté(s). On parle de « gamme
fréquentielle d‘analyse » : c‘est une gamme BF ou MF .

3e temps : analyse du spectre enveloppe obtenu.

2.11. Détection d’un défaut dans les roulements

La détection d‘un défaut nécessite d‘une part une prise de mesures vibratoire puis une
exploitation du signal recueilli. Nous présentons, au cours de ce chapitre, l‘essentiel de la
démarche à suivre.

22
[Stratégie d’une maintenance CHAPITRE II]

2.11.1. Paramétrage de l’échantillonnage

Un échantillon discret est l‘ensemble des valeurs d‘un signal continu prises aux instants
t = t + i.Δt, i étant un entier positif. La discrétisation d‘un signal induit une perte d‘information
qui peut être préjudiciable au diagnostic. Cette perte d‘information est liée au nombre des
composantes des fréquences élevées qu‘introduit le processus de discrétisation (théorème de
Shannon).

L‘opération de discrétisation est effectuée périodiquement sur le signal temporel à une


période Te. La fréquence d‘échantillonnage équivaut alors à
fe = 1/Te . (2.1)
En pratique, la valeur couramment choisie pour la fréquence d‘échantillonnage est :

Fe = 2.56* fmax (2.2)

Le temps d‘acquisition Tacq qui correspond à la durée d‘observation du signal est :


Tacq = Ne*Te (2.3)


fmax : fréquence maximale.
Ne : nombre de points enregistrés.
Te et fe : période et la fréquence d‘échantillonnage.

Pas d’échantillonnage

Figure 9. Échantillonnage d'un signal

23
[Stratégie d’une maintenance CHAPITRE II]

2.11.2. Résolution

Pour réaliser de bonnes mesures, il est nécessaire de choisir une résolution appropriée dans la
bande de fréquence de travail[13]. Une résolution est satisfaisante lorsqu‘elle permet de
dissocier des fréquences voisines. Elle dépend de la largeur de la bande de fréquences, du
nombre de points Ne et du nombre de lignes de l‘analyseur.
En général, pour séparer deux composantes dont l‘espacement fréquentiel est de δf, une
résolution de r = δf/4 est nécessaire. Une mauvaise résolution peut engendrer un mauvais
diagnostic notamment si les pics des fréquences sont proches.

2.11.3. Méthodes d’analyse

Il existe différents outils d‘analyse vibratoire permettant de détecter et de diagnostiquer


l‘apparition des défauts dans les roulements. De nombreuses publications synthétisent ces
différentes méthodes ou outils [14]. Elles sont généralement classées en deux grandes
familles.

2.11.4. Méthodes temporelles

Les méthodes temporelles sont basées sur l‘analyse statistique du signal recueilli, elles
s‘appliquent à des machines simples et consistent à effectuer des mesures de vitesse dans des
gammes de fréquences faibles et des mesures d‘accélération dans des gammes de fréquences
élevées. Le but est de minimiser l‘influence des vibrations induites par la rotation des arbres.
Cette méthode utilise des indicateurs scalaires qui permettent de suivre l‘évolution d‘une
grandeur décrivant de la puissance ou de l‘amplitude crête du signal. Sa valeur peut ne pas avoir
de signification intrinsèque, c‘est son évolution dans le temps qui est significative du défaut.

 valeur efficace ou valeur RMS (Root Mean Square)

C‘est un indicateur scalaire (large bande) très utilisé bien qu‘il soit peu significatif [15]

et s‘écrit :Veff=VRMS= ∑ [ ( )] (2.4)

où x(n) est le signal temporel mesuré, Ne représente le nombre d‘échantillons prélevés


dans le signal.
Globalement, la valeur efficace ne détecte pas tous les défauts et donne une alarme tardive, ce
qui représente un inconvénient majeur dans la maintenance prédictive.

24
[Stratégie d’une maintenance CHAPITRE II]

 Indicateur de crête

Contrairement à la valeur efficace de l‘amplitude d‘un signal, les indicateurs spécifiques


comme le facteur de crête ou le Kurtosis sont mieux adaptés pour représenter un signal induit
par des forces impulsionnelles tels que les écaillages de roulements. Ces indicateurs sont issus
des valeurs crêtes [16]du signal temporel mesuré. Le facteur crête, défini comme étant le
rapport entre la valeur crête et la valeur efficace.
Le facteur crête a l‘avantage de détecter les défauts avant la valeur efficace. Ceci provient du
fait que pour un roulement sans défaut, le rapport reste sensiblement constant et augmente
lorsqu‘une dégradation apparaît alors que la valeur crête croit pendant que la valeur efficace
reste à peu près constante [16].

Figure 10. Évolution des valeurs crêtes, efficace et du facteur crête

 Kurtosis

C‘est un indicateur permettant de caractériser la nature impulsive d‘un signal et la détection


précoce d‘un défaut de roulement. Dans le cas d‘un roulement sans écaillage, la distribution des
amplitudes contenues dans le signal recueilli est gaussienne ce qui entraîne une valeur de
Kurtosis proche de 3. Lorsqu‘un défaut est détecté, sa valeur devient supérieure à 3[17] .

L‘analyse des défauts de roulement par le Kurtosis peut également être réalisée dans
différentes bandes de fréquences liées aux résonances de la structure, où :

25
[Stratégie d’une maintenance CHAPITRE II]

M4 et M2 sont les moments statistiques d‘ordre 4 et d‘ordre 2,


x(n) est le signal temporel,
est la valeur moyenne des amplitudes,
N est le nombre d‘échantillons prélevés dans le signal.

Figure 11. densité de probabilité d'un roulement sain ,kurtosis =2.95 - valeur RMS =1.16.

Le Kurtosis doit être utilisé avec précaution, car il est très sensible aux chocs[18], ce qui oblige
à l‘employer dans un environnement peu complexe afin de ne pas commettre d‘erreurs de
diagnostic.

Figure 12. densité de probabilité d'un roulement dégradée :kurtosis =6.81 ,RMS =7.1.

2.11.5. Méthodes fréquentielles

Les méthodes fréquentielles sont basées sur la transformée des Fourier. La connaissance des
fréquences caractéristiques permet d‘identifier et de localiser les défauts issus des composants
mécaniques en analysant leur spectre. Elles sont souvent utilisées pour les machines
complexes comportant beaucoup de composants mécaniques.

26
[Stratégie d’une maintenance CHAPITRE II]

 Analyse en fréquence

L‘analyse en fréquence est devenue l‘outil fondamental pour le traitement des signaux
vibratoires. Elle s‘appuie sur la transformée de Fourier qui permet le passage du domaine
temporel au domaine fréquentiel. Cette représentation permet de connaître le contenu
spectral d‘énergie ou de puissance, présent dans le signal à la fréquence f, et donc de détecter la
présence d‘un défaut générant un choc périodique à une fréquence de défaut. La comparaison de
cette fréquence avec celle des défauts théoriques potentiels (fréquences caractéristiques) sur le
roulement permet sa localisation[19]. Dans la pratique, on utilise la transformée de Fourier
discrète rapide sur des signaux numérisés.

 Analyse d’enveloppe (HFRT):

Est une méthode qui permet de détecter des chocs périodiques à partir des résonances de
structure[20][21]. En effet, pour des défauts tels que les écaillages de roulements, les
harmoniques peuvent exciter un mode de résonance de structure.

L‘analyse d‘enveloppe repose sur l‘étude du signal enveloppe obtenu grâce à la transformée de
Hilbert après filtrage dans une bande de fréquence centrée sur une ou plusieurs
résonances de structure.
 Le cepstre

Le cepstre se définit comme la transformée de Fourier inverse du logarithme décimal de la


transformée de Fourier[16]:
Il a pour but d‘identifier et de quantifier toutes les structures périodiques contenues dans le
spectre. Il permet de définir des indicateurs adaptés à la détection précoce des défauts
induisant à des stades plus ou moins avancés.
Le cepstre est caractérisé par les amplitudes des composantes dont les quéfrences correspondent
aux périodes de répétition des chocs induits par les défauts de la machine surveillée. Il est
largement utilisé pour la détection des défauts d‘engrenage et dans une moindre mesure pour
les défauts de roulements[22] .

27
[Stratégie d’une maintenance CHAPITRE II]

2.12. Conclusion

Ce chapitre rappelle les principes de base de l‘analyse vibratoire appliquée à la maintenance


prédictive, Leurs applications à des systèmes réels sont brièvement exposées. Les techniques
utilisées actuellement, selon la bibliographie, sont basées sur l‘analyse de Fourier et l‘emploi
des descripteurs de signaux tels les valeurs RMS, Kurtosis, etc…).

Il apparaît que le problème de la position des capteurs pour la détection est un


problème récurrent. Dans la bibliographie, peu de travaux abordent les problèmes
concernant le suivi d‘endommagement en des points autres que sur le composant défectueux
lui même. Le point de mesure à privilégier reste celui qui se situe au plus près de la source, soit
pour un roulement, sur le palier. Cependant, sur la plupart des machines, ces zones de
mesures ne sont pas systématiquement accessibles. Il convient donc de rechercher des points
de mesure situés en d‘autres lieux (par exemple le carter) permettant de détecter et de suivre au
mieux les défauts de roulement.[12]

28
[Techniques de traitement de signal CHAPITRE III]

Chapitre III techniques de traitement de signal

3. Introduction
Les systèmes de surveillance et diagnostic des équipements industriels utilisés dans
l’industrie actuellement sont basés sur l’analyse de Fourier, d’une part parce qu’on décrit les
phénomènes vibratoires dans le domaine fréquentiel, et d’autre part ,par l’existence de
l’environnement de Matlab et d’autres logiciels ,dont la transformée de Fourier utilisant l’algorithme
FFT occupe une place privilégiée .L’analyse spectrale constitue un outil efficace pour le traitement
des signaux en mécanique .

3.1. Représentation en temps et en fréquence d’un signal


La représentation en fonction du temps d’un signal vibratoire est utilisée pour suivre le
comportement vibratoire d’une machine en fonction des paramètres de fonctionnement.
Cette représentation est facile à exploiter lorsque le signal est simple (vibration sinusoïdale
induite par le balourd d’un rotor), mais elle devient inexploitable lorsque le signal est complexe
comme dans le cas de sollicitations multiples. A cet effet, ce signal peut être décomposé en
différentes composantes sinusoïdales et ceci pour faciliter son interprétation.
La représentation du signal en fonction de la fréquence (représentation spectrale) permet de
décomposer un signal complexe en composantes sinusoïdales caractérisées par leur amplitude et
leurs fréquences.

décomposotion d'un signal vibratoire en deux composantes harmoniques


1
fondamentale
1er harmonique
0.5
amplitude

-0.5
2 eme harmonique
-1
0 1 2 3 4 5 6 7 8 9 10
temps (seconde)

Figure 13. Décomposition d'un signal vibratoire en deux composantes harmoniques

29
[Techniques de traitement de signal CHAPITRE III]

Periodogram
250

200

150
Power

100

50

0
0 10 20 30 40 50 60 70 80 90 100
Frequency (Hz)

Figure 14. Représentation spectrale des composantes du signal

3.2. Conditionnement et traitement du signal


Les signaux vibratoires, sous forme analogique, vont subir un certain nombre de traitements en vue d'obtenir
un spectre d'amplitude .néanmoins, il faut prendre un certain nombre de précautions pour l'analyse soit
valable.

Le calcul de la TFD nécessite d'échantillonner le signal, qui s'effectue sur un nombre fini de N
échantillons.

Calculer transformée de Fourier sur un nombre fini d'échantillons revient à assimiler le signal à
analyser à un signal motif de durée ∆ = (fe : fréquence d'échantillonnage) et a le rendre

périodique en le convolant par un peigne de Dirac de pas ∆ .ces opérations entrainent quelques
modifications entre le spectre calculé et le spectre réel.

Le conditionnement du signal se résume dans les étapes suivantes.

30
[Techniques de traitement de signal CHAPITRE III]

Signal analogique (capteur)

Filtrage

Amplification

Numérisation & échantillonnage

Pondération

Périodisation

FFT :

Spectre instantané

Spectre moyenné

Figure 15. Conditionnement du signal

3.3. Acquisition du signal


3.3.1. Durée Acquisition du signal
L'acquisition du signal se fait au moyen d'un capteur (accéléromètre, vélocimétrie ou proximètre), qui
permet de délivrer une tension électrique proportionnelle à la grandeur physique mesurée, un capteur
d'accélération peut aussi contenir un préamplificateur du signal.[22]

Si B signifie la largeur de la bande de fréquence [0 à fmax] dans laquelle on veut calculer le spectre;
alors, le temps d'acquisition ∆ d'un bloc de N points est donné par la relation :

∆ = = Durée d'observation du signal (3.1)


. ∗

31
[Techniques de traitement de signal CHAPITRE III]

On remarque que plus la plage de fréquence B est petite, plus le temps nécessaire à l'acquisition est
long ; c'est le cas des machines tournantes à basse vitesse.

3.3.2. Gamme de la fréquence d'analyse


Pour analyser un signal, la plage de fréquence qu'il conviendra de choisir dépend du souci de
l'utilisateur et de la cinématique de la machine. ainsi dans une machine tournante équipé de paliers
munis de roulements à billes, l'utilisateur sera intéressé :

- Dans un temps, par les vibrations synchrones de la vitesse de rotation, c'est-à-dire aux
phénomènes basse fréquence (de 0 à 1000Hz).on dispose du filtre passe-bas qui remplit cette
fonction.
- Dans le deuxième temps, on s'intéresse à la totalité du signal et les mesures sont faites en
adoptant la bande maximale [0 à 10 000 Hz].

3.3.3. Numérisation et échantillonnage


La numérisation est opération qui permet de discrétiser le signal analogique x(t) ,en une suite finie de
points x(tk) ,elle se réalise au moyen d'un convertisseur analogique/numérique (CAN) ,à la fréquence
fe (égale à 1/te) , cette étape est nécessaire en vue de calculer la transformée de Fourier discrète du
signal à l'aide de l'algorithme FFT, et élaborer par la suite le spectre d'amplitude.

3.3.4. Filtrage (ou bande passante)


Le filtrage est une étape utile et importante dans la phase de conditionnement et traitement du signal,
il permet de réduire la bande passante de celui-ci en choisissant une plage de fréquences bien
définies, ceci repose sur la connaissance de la cinématique de la machine ainsi que la natures des
défauts à diagnostiquer. Ceci à pour conséquence l'élimination des composantes de fréquences
indésirables susceptibles de masquer certains phénomènes vibratoires qu'on veut surveiller.

Cette opération se réalise à trois types de filtres.

3.3.4.1. Filtre passe-bas


Ce type de filtre ne laisse passer que les composantes dont les fréquences sont en dessous d'une
valeur donnée, il est utilisé pour éviter le repliement du spectre.

32
[Techniques de traitement de signal CHAPITRE III]

3.3.4.2. Filtre passe-bande


Ce filtre ne laisse passer que les composantes dont les fréquences sont situées dans une bande de
fréquences défini, alors que les autres composantes sont rejetées.

3.3.4.3. Filtre passe-haut


Le filtre passe-haut ne laisse passer que les composantes dont les fréquences se situent au dessus
d'une fréquence donnée.

L'échantillonnage a pour effet de créer artificiellement de part et d'autres de la fréquence


d'échantillonnage des spectres fictifs, identiques au spectre réel. Ce phénomène est appelé repliement
du spectre. Pour cela, la fréquence d'échantillonnage doit être au moins égale au double de la
fréquence maximale du signal théorème de Shannon

Fe = 2.56*fmax (3.2)

Fmax : étant la fréquence la plus élevée des composantes élémentaires du signal.


En effet, le signal est filtré avec un filtre passe-bas (de fréquence de coupure fe/2), très
sélectif, appelé filtre anti-repliement.
Si N est le nombre d'échantillons constituant un bloc, le spectre est calculé sur N/2.56 lignes
spectrales afin de minimiser les effets de non linéarité du filtre anti-repliement autour de sa
fréquence de coupure.la plupart des appareils de mesure existant sur le marché ont
généralement 400 ou 800 lignes spectrales.

3.4. Amplification
C'est une amplification simple de la tension de sortie du capteur .on note ici qu'un
amplificateur doit avoir des qualités de : de grande gamme fréquentielle, polyvalence et faible
bruit.

3.5. Fenêtrage et périodisation


La pondération du signal analysé doit être appropriée aux signaux étudiés.les fenêtres de
pondération les plus utilisées sont les fenêtres rectangulaire pour les signaux transitoires et la
fenêtre de Hanning pour les signaux périodiques : cas des machines tournantes.[22]
Théoriquement, le calcul de la transformée de Fourier doit s'effectuer sur un signal dont la
durée est infinie. or, en pratique, cette transformée ne peut se calculer que sur une fenêtre
temporelle de largeur ∆ .il donc necessaire de considerer que le signal est nul en dehors de

33
[Techniques de traitement de signal CHAPITRE III]

cette fenêtre et de le rendre infini en le répétant identique à lui-même, la période de ce


nouveau signal est ∆ .
La périodisation du signal a pour effet d'échantillonner le spectre de ce signal à une fréquence
∆f , appelée résolution ou finesse d'analyse ,est telle que :
∆ =

Alors le spectre du signal est établi pour une suite de points espacés de ∆f .

3.6. Le moyennage synchrone


L'analyse synchrone est applicable notamment aux machines tournantes .il s'agit
d'effectuer le moyennage d'un signal temporel, afin d'annuler les composantes aléatoires ou
bruit du signal qui ne sont pas liées à la vitesse de rotation (composantes indésirables).ainsi, le
signal représentant une dizaine de tours de l'arbre contient plus d'informations qu'un signal
représentant une fraction de tour.
En effet, le spectre moyenné est le résultat de la moyenne arithmétique de n spectres, ce
dernier étant plus lisible qu'un spectre issu du calcul d'un seul bloc ∆ de N points.

3.7. Représentation graphique d'un spectre


Pour une bonne lisibilité d'un spectre, le choix des échelles pour la représentation graphique
est déterminant:
- L'échelle de l'axe des ordonnées peut être linéaire en unité physique, dans ce cas le spectre ne
met en évidence que les raies d'amplitudes prépondérantes, alors que les raies de faible
amplitudes seront noyées dans le bruit de fond, alors qu'elles véhiculent souvent de
l'information.
- Une autre unité adoptée est le décibel (dB), dans ce cas le spectre montre des composantes de
rapport d'amplitude très élevée et met en évidence des familles d'harmoniques, riches en
informations pour le diagnostic. Ce type d'échelle privilégie la lisibilité des composantes
bases fréquences correspondant notamment aux premiers ordres de la fréquence de rotation.

L(en dB) = 10*log(A/A0)2 =20*log(A/A0) (3.3)

L : est la valeur de la grandeur en ordonnée.


A : valeur de la grandeur mesurée en unité physique.
A0 : une valeur de référence prise généralement égale à 1 en unité physique.

34
[Techniques de traitement de signal CHAPITRE III]

D'autres représentations peuvent être utilisées, selon les fabricants d'appareils de mesure
(Shenk,IRD ,B&K..)on peut trouver : g/SE ,BCU ,SPM ; …
Ces indicateurs sont définis à partir d'une mesure des amplitudes crête et efficace du signal
dans une bande de fréquence étroite et centrée sur la fréquence de résonance du capteur.

3.8. Interprétation physique des spectres


L'interprétation physique des spectres a pour but de relier l'effet à la cause, c'est-à-dire de
déterminer, pour chacune des raies du spectre, la force excitatrice qui l'a engendrée.
Dans les machines tournantes, il existe de multiples causes d'excitation que l'on peut classer
en deux catégories principales, suivant qu'elles sont ou non synchrones de la fréquence de
rotation ou de l'un de ses harmoniques.

Le spectre zoom autorise une augmentation de la résolution d’analyse, grâce à une


concentration des lignes spectrales dans une bande de fréquences restreinte autour d’une
fréquence centrale sélectionnée afin d’obtenir des résolutions satisfaisantes.
Si le nombre de lignes fréquentielles d’analyse est Nf et B la largeur de la bande d’analyse [0
- fmax],la résolution d’analyse ∆ est égale à B/ Nf ,cette résolution peut être insuffisante pour
séparer deux composantes de fréquences voisines dans un spectre.
La résolution voulue est alors :

∆ = ∗
(3.4)

P : étant le facteur de zoom, varie le plus souvent de 2 à 512 (forme 2 n, selon les analyseurs),
et dépend de la cinématique de la machine dont on veut faire le diagnostic.

3.9. Autres techniques


La transformée de Fourier du signal n’est pas le seul indicateur spectral que l’on puisse définir
.d’autres techniques peuvent révéler des modifications significatives sur le signal à un stade
précoce. Le cepstre, l’analyse spectrale des fonctions de modulation des principales composantes
caractéristiques et des réponses des résonnances excitées, les spectres de phase sont les
techniques les plus intéressantes, et se révèlent plus performantes dans le cas d’un certain
nombre de défauts.ces indicateurs sont bien adaptés à la surveillance des machines à chaine
cinématique complexe.[21]

35
[Techniques de traitement de signal CHAPITRE III]

3.9.1. Le cepstre
Le cepstre est une technique de traitement du signal précieuse, très utilisée dans certains
domaines tels que la géophysique, les télécommunications et l’acoustique.il constitue une aide
efficace à l’interprétation des spectres, en permettant une identification rapide de structures
périodiques spectrales souvent complexes.
Il est défini comme étant la transformée de Fourier inverse du logarithme décimal du spectre :

( )= { | ( )|} (3.5)

Ici le symbole signifie la transformée de Fourier inverse.


La variable ( ) a la dimension d’un temps et est appelé « quéfrence ».
Cependant, le cepstre d’un signal temporel représente une image temporelle de ce dernier.
Cette fonction permet de rechercher , d’identifier toute famille de composantes périodiques
dans un spectre qui peuvent se présenter soit sous forme de peigne de raies ou de bandes
latérales de modulation autour d’une fréquence cinématique , chose qui n’est pas évidente
visuellement sur un spectre.
Elle permet donc de mettre en évidence un certain nombre de défauts induisant des chocs
périodiques (tels que jeux, desserrage, défauts de roulements, défauts de dentures …).

3.9.2. Démodulation d’amplitude –fréquence


Un signal sinusoïdal modulé peut être défini par la fonction

X(t) = m(t)*A0*sin (2*pi*fp*t + ϕ(t)) (3.6)

La composante A0*sin (2*pi*fp*t) , qui porte les informations contenues dans les fonctions de
modulation est appelée « porteuse » , et on a :
La fonction de modulation d’amplitude : m(t).
La fonction de modulation de phase : ϕ(t).

La fonction de modulation en fréquence :


( )
( )= + ∗
(3.7)

Le taux de modulation d’amplitude :


( ) ( ( ))
= (3.8)

Le taux de modulation de la fréquence :

36
[Techniques de traitement de signal CHAPITRE III]

( ) ( ( ))
= (3.9)

L’amplitude ou la fréquence d’une composante sinusoïdale peut varier de manière


périodique.une modulation d’amplitude traduit des variations périodiques d’efforts induites
par exemple par un défaut d’excentricité.une modulation de fréquence traduit des variations
périodiques de la vitesse de rotation instantanée induite par des deux angulaires.ces deux
phénomènes sont intimement liés.[22]

3.9.3. Démodulation d’amplitude


Cette technique, connue aussi sous le nom de détection d’enveloppe, permet d’analyser la
forme du signal, notamment lorsqu’un défaut excite un mode de résonance de la structure .il
s’agit de filtrer le signal autour d’une fréquence de résonance identifiée sur le spectre.

3.9.4. Démodulation de fréquence


Cette technique permet d’identifier les défauts qui sont induits par des variations périodiques
de la vitesse instantanée de rotation (tels que fissures, jeu de clavette, …).on note que ces
défauts se traduisent sur un spectre par une légère augmentation du niveau vibratoire.

3.10. Choix de la chaine et des indicateurs de mesure


3.10.1. Choix des bons indicateurs

Le tableau donne une synthèse du choix des indicateurs de mesure selon les défauts les plus
fréquents :

37
[Techniques de traitement de signal CHAPITRE III]

indicateurs
roulement Acceleration
SPM (Shock Pulse Method)
Facteur de crête
Kurtosis
Démodulation d’amplitude
Quelques exemples d’organes cepstre
surveillés engrenages Accélération
Kurtosis
Démodulation d’amplitude
cepstre
Palier fluides Déplacement
(relatif ou absolu)
Vibration de type impulsionnel Accélération
Facteur de crête
Kurtosis
Nature des vibrations générées Démodulation d’amplitude
cepstre
Vibration de type sinusoïdale Déplacement, vitesse ou
accélération
Plage de fréquences ou le Basses fréquences Déplacement ou vitesse
défaut est le plus facilement Moyennes fréquences Vitesse ou accélération
identifiable Hautes fréquences Accélération

Tableau 6. Choix des indicateurs de mesure

3.10.2. Considération sur le choix de la chaine de mesure


Le choix du type de matériels à utiliser, ainsi que les techniques à mettre en ouvre sont fonction des
applications recherchées.il convient mieux d’utiliser des techniques simples pour des machines
simples et des techniques plus élaborées pour des machines à diagnostic complexe.

La qualité du diagnostic repose essentiellement sur les techniques utilisées, il s’agit de trouver le
meilleur équilibre entre

cout du diagnostic

Fiabilité du
diagnostic

38
[Techniques de traitement de signal CHAPITRE III]

3.11. Conclusion :
Dans ce chapitre, on a présenté les différentes étapes de traitement qui constituent la phase
conditionnel du signal vibratoire en vue d’en extraire de l’information contenue dans celui-ci à partir
de l’élaboration d’un spectre.

On a cité les techniques de démodulation d’amplitude et de fréquence qui s’avèrent délicates à


utiliser et aussi très performantes pour identifier à un stade précoce certains types de défauts, car ces
derniers induisent des énergies vibratoires extrêmement faibles, cependant, les indicateurs classiques
de surveillance basés sur l’évolution de la puissance du signal ne peuvent mettre en évidence ces
types de défauts qu’à un stade beaucoup plus tardif.

Ces techniques existent sur peu de systèmes et restent de la compétence de spécialiste, car en plus de
la connaissance de la cinématique de la machine, il faudra connaitre les types de défauts qui puissent
s’y produire ainsi que les fréquences avec lesquelles ils se manifestent.

Le chapitre suivant fera l’objet d’une analyse des principaux défauts rencontrés ainsi que des
éléments nécessaires à la méthodologie de recherche de symptômes pour l’élaboration d’un
diagnostic.

39
[Étude des signaux réels CHAPITRE IV]

Chapitre IV étude des signaux réel

4. Les défauts de roulements

4.1. Fréquences caractéristiques


Les roulements sont parmi les composants les plus sollicités des machines et représentent une
source de panne fréquente. Les défauts que l'on peut y rencontrer sont les suivants : écaillage,
grippage. Dans la plupart des cas, la dégradation se traduit par un écaillage d'une des pistes ou d'un
élément roulant du roulement, produisant un choc à chaque passage. Les roulements défectueux
génèrent des vibrations de fréquences égales aux vitesses de rotation de chaque pièce du roulement.
Ils correspondent notamment à la rotation des billes, des rouleaux ou de la cage et au passage des
billes sur les bagues.

Pour chaque type de roulement et en fonction de ses cotes de fabrication, o n peut


considérer les fréquences caractéristiques données par les formules ci-dessous.[22]

n : le nombre d'éléments roulants (billes, rouleaux ou aiguilles).


D : le diamètre primitif.
d : le diamètre des éléments roulants.
β : angle de contact.
Fr : la fréquence de rotation de la bague interne (la bague externe Supposée fixe).

Ainsi nous avons :

- La fréquence de passage d’un élément roulant sur un défaut de bague extérieur, Fb ext
Est donnée par l’équation suivante :

= 0.5 ∗ ∗ 1− cos ( ) (4.1)

- La fréquence de passage d’un élément roulant sur un défaut de bague intérieure, supposée
montée sur l’arbre tournant Fb int est donnée par l’équation suivante :

= 0.5 ∗ ∗ 1+ cos ( ) (4.2)

- La fréquence de passage d’un défaut de cage Fcag est donnée par :

40
[Étude des signaux réels CHAPITRE IV]

= 0.5 ∗ ∗ 1− cos ( ) (4.3)

- La fréquence de passage d’un défaut de bille (ou de rouleau) sur la bague externe ou sur la
bague interne Fbille est donnée par l’équation suivante :

∗ ( )
= 0.5 ∗ ∗ ∗ 1−( ) (4.4)

- Un défaut situé sur la bille entre en contact avec la bague intérieure ainsi qu’avec la bague
extérieure à chaque révolution de la bille. La fréquence du défaut sera donc :

∗ ( )
= 0.5 ∗ ∗ ∗ 1−( ) (4.5)

Aujourd'hui, la plupart des fabricants de roulements fournissent des tables de référence qui
permettent de s'affranchir de ces calculs.

4.2. Remarque

Les fréquences de passage sont des fréquences théoriques sensiblement respectées tant qu’il y a
roulement parfait des billes sans glissement. Dès qu'il y a amorce de grippage, le frottement a
tendance à ralentir la partie dégradée. Le défaut se manifeste donc à une fréquence inférieure à la
fréquence calculée. Cette différence bien que difficile à appréhender est un élément décisif pour
établir l'urgence de l'intervention, le grippage étant le stade ultime d'un défaut sur roulement et
pouvant amener par blocage la dégradation brutale du rotor.

4.3. Étude et simulation des roulements :

Les Signaux de vibration que nous proposons d’étudier ont été fournis par " the Case
Western Reserve University- Bearing Data Center " ; base de données des essais de roulements à
billes normaux ou défectueux, recueillis sur un banc d’essai très simple, composé d’un moteur, un
accouplement et une génératrice. De simples défauts sous forme de points « de différent diamètres et
profondeurs » ont été créés sur les différents organes composants les roulements d'essais.

41
[Étude des signaux réels CHAPITRE IV]

4.4. Présentation de banc d’essais

Le site Web suivant :


"www.eecs.cwru.edu\laboratory\bearing\welcome_overIVew.htm ",
permet d'accéder à la base de données des essais de roulements à billes, soit les roulements
normaux ou défectueux. Comme représenté sur la figure (16), le banc d'essai se compose
principalement d'un moteur (à gauche), d'un accouplement « transducteur/encodeur » (au centre),
d'un dynamomètre (à droite) et des circuits de commande (non montrés).

Figure 16. Banc d'essai pour l’acquisition des signaux vibratoire réels

Les signaux ont été enregistrés à l’aide des accéléromètres, qui ont été fixés à la cage du moteur par
aiment.
Les données ont été enregistrées sont représentés dans les tableaux en annexe.

On commence d’exploiter les signaux pour les roulements sains (aucun défaut) tableau pour
différents vitesses de rotations et pour différentes charges (fichiers concernés 97.mat, 98.mat, 99.mat
et finalement le fichier 100.mat) [voir annexe tableau 1].

Dans un premier lieu on utilise la méthode statistique, on calcule les indicateurs globaux à savoir :

 Le kurtosis
 Skewness.
 La valeur crête
 Le facteur crête.

42
[Étude des signaux réels CHAPITRE IV]

4.5. Analyse statistique roulement sans défaut

Les indicateurs vibratoires relevés pour différents cas, on constate que la sensibilité est l’influencé
par l’augmentation du défaut .Mais la présence des bruits masque en quelques sortes ses indicateurs,
de cela nous cherchons à trouver d’autres moyens plus performants, donc on doit utiliser d’autre s
techniques, la suite sera consacré a l’utilisation de l’analyse spectrale, Transformée de Fourier et
transformé d’Hilbert.

100 indicateurs statistiques


90 pour roulement
80 SANS défaut
70
60
50
40 kurtosis
30 RMS
20
crete
10
facteur de crete
0
97.mat 98.mat2 99.mat3 100.mat4 Talaf
0HP/1797 1HP/1772 2HP/1750 3HP/1730
kurtosis 2,7642 2,9306 2,9251 2,9572
RMS 0,0727 0,0652 0,0631 0,0647
crete 4,1162 5,5018 5,4948 4,9295
facteur de crete 56,6292 84,4454 87,0171 76,1956
Talaf 1,3504 1,364 1,3548 1,369

Figure 17. Histogramme des indicateurs pour roulement sans défaut.

On constate que les roulements sans défaut présente un Kurtosis ne dépasse pas 3, chose qui existe
dans les calculs dans l’histogramme de la figure ci-dessus.

Pour les signaux sains, les indicateurs montrent des valeurs logiques et acceptables. car le kurtosis
varie entre 2.85 et 3, indiquant une distribution normale, donc absence du défaut.

43
[Étude des signaux réels CHAPITRE IV]

4.6. Analyse spectrale roulement sans défaut

Signal temporel d’un roulement sain, avec une 0.4


signal temporel pour un roulement sain.(97.mat)

vitesse de rotation de 1796tr/mn soit une


fréquence de rotation de 29.95 Hz, et une 0.3

charge nulle 0HP. Figure ci-contre. 0.2

Le signal ne donne aucun renseignement 0.1

amplitude
significatif sur le roulement. Par contre le
0
spectre du même signal nous donne la
fréquence de rotation, la fréquence de -0.1

résonance du roulement. -0.2

-0.3
0 0.5 1 1.5 2 2.5
Nombre d'échantillons 5
x 10

Figure 18. signal temporel pour un roulement sans défaut.

Fréquence de rotation 29.95 Hz, N=243938 points, Fe =12000 Hz.

97.mat 97(1).mat
7000 1400

6000 1200
X: 1036
Y: 1233

5000 1000

4000 800
amplitude

amplitude

3000 600

2000 400

1000 200

0 0
0 1000 2000 3000 4000 5000 6000 0 500 1000 1500
fréquence fréquence Hz

Figure 19. Spectre d'un roulement sans défaut.

44
[Étude des signaux réels CHAPITRE IV]

4.7. Étude des roulements avec défauts

Dans ce travail, les roulements que nous somme appelé d’étudier, sont les roulements de coté
accouplement, les fréquences caractéristiques sont :

- Fréquence de la bague intérieure fbi=5.415*fr (4.8)


- Fréquence de la bague extérieure fbe=3.584*fr (4.9)
- Fréquence de la cage fc=0.3982*fr (4.10)
- Fréquence de la bille fbi=4.7135*fr (4.11)

29.95Hz,[0HP] 29.53 Hz,[1HP] 29.16Hz,[2HP] 28.83Hz,[3HP]


Bague intérieure 162.18 Hz 159.9 Hz 157.9 Hz 156.11 Hz
Bague extérieure 107.01 Hz 105.83 Hz 104.50 Hz 103.32 Hz
La cage 11.89 Hz 11.75 Hz 11.61 Hz 11.48 Hz
Les billes 140.74 Hz 139.18 Hz 137.44 Hz 135.89 Hz

Tableau 7. fréquences caractéristiques des défauts du roulement étudié.

Durant la suite de ce travail, on s’intéresse aux défauts liées à la bague intérieure du roulement du
coté accouplement du banc d’essai " the Case Western Reserve University- Bearing Data Center ".

Fréquence d’échantillonnage =12000 Hz.


La vitesse de rotation de l’arbre N= 1750 tr/mn.
Soit une fréquence de rotation (Fr) égale à 29.16 Hz.

4.8. Analyse statistique pour des roulements avec défaut

Synthèse des indicateurs pour roulement avec défaut sur bague intérieure plusieurs
diamètres (0.007 ",0.014 ",0.021 ",0.028 ").

45
[Étude des signaux réels CHAPITRE IV]

kurtosis RMS Valeur Facteur Talaf


crête de crête
IR007_2-107.mat 5.5637 0.2995 5.4598 18.2311 2.3099
IR014_2-171.mat 21.6858 0.1630 11.5576 70.8944 3.1839
IR021_2-211.mat 8.0578 0.4889 7.4045 15.1467 2.7357
IR028_2-3003.mat 3.2862 0.8413 5.3876 6.4039 2.7699

Tableau 8. valeurs calculés des indicateurs roulement avec défaut

80 indicateurs statistiques pour roulement


70 ayant le défaut sur bague intérieure
60
50 0.007"-0.014"-0.021"-0.028"
40
30 kurtosis
20
10 RMS
0
107-0,007 171-0,014 211-0,021 3003-0,028 crete
kurtosis 5,5637 21,6858 8,0578 3,2862 facteur de crete
RMS 0,2995 0,163 0,4889 0,8413 Talaf
crete 5,4598 11,5576 7,4045 5,3876
facteur de crete 18,2311 70,8944 15,1467 6,4039
Talaf 2,3099 3,1839 2,7357 2,7699

Figure 20. Histogramme des indicateurs roulement avec défaut

Tracé des courbes représentants le signal temporel des quatre défauts au niveau bague intérieure

Diamètre 1 = 0.007 ",(fichier :107.mat).

Diamètre 2 = 0.014 ",(fichier :171.mat).

Diamètre 3 = 0.021 ",(fichier :211.mat).

Diamètre 4 = 0.028 ".(fichier :3003.mat).

Avec 1" =25.4 mm.

46
[Étude des signaux réels CHAPITRE IV]

signaux temporels - bague interieure - pour 2HP


2
0.007"

-2
0 2 4 6 8 10 12
Nombre d'échantillons
2
0.014"

-2
0 2 4 6 8 10 12
Nombre d'échantillons
5
0.021"

-5
0 2 4 6 8 10 12
Nombre d'échantillons
5
0.028"

-5
0 2 4 6 8 10 12
Nombre d'échantillons

Figure 21. signaux temporels du roulement étudié avec différent diamètre du défaut

Constatations sur les signaux temporels :

Plus le diamètre du défaut augmente, les bruits augmentent aussi. Mais on ne peut rien dire sur la
présence d’un défaut ni sa localisation.

4.9. Analyse spectrale pour différents défauts :

signal temporel pour le roulement ayant le défaut de 0.007".(107.mat)


2

1.5

0.5
amplitude

-0.5

-1

-1.5
0 2 4 6 8 10 12 14
Nombre d'échantillons. 4
x 10

Figure 22 .signal temporel pour un défaut Φ =0.007"

47
[Étude des signaux réels CHAPITRE IV]

spectre de fréquence pour roulement avec défaut sur bague intérieure(107.mat)


diamètre du défaut 0.007"
7000

6000
X: 1446 X: 2862
Y: 5052 Y: 6108
X: 3491
5000 Y: 4604

4000 X: 1131
amplitude

X: 600.4 Y: 3283
Y: 3007
3000

2000
X: 157.5
Y: 882.5
1000

0
0 1000 2000 3000 4000 5000 6000
fréquence(Hz)

Figure 23. Spectre de fréquence pour un défaut Φ =0.007"


zoom du spectre autour de la fréquence caractéristique du défaut
Fbi = 157.5 Hz.(107.mat)
1600

X: 157.5
1400 Y: 1527
157.5 Hz fréquence caractéristique du défaut
sur bague intérieure du roulemnet.
1200

1000
amplitude

800

600

400

200

0
0 20 40 60 80 100 120 140 160 180 200
fréquence (Hz)

Figure 24.spectre d'enveloppe pour un défaut de 0.007" -bague intérieure

A partir des courbes représentant le spectre, il apparait clairement la fréquence du défaut sur la bague
intérieure, ainsi que les fréquences de résonance du roulement. La fréquence de rotation de l’arbre
29.16 Hz et la fréquence du défaut 157.5 Hz.

48
[Étude des signaux réels CHAPITRE IV]

Même étape que précédemment, le diamètre de défaut est maintenant de 0.014 "

signal temporel pour le roulement ayant le défaut de 0.014".(171.mat)


2

1.5

0.5
amplitude

-0.5

-1

-1.5

-2
0 2 4 6 8 10 12 14
Nombre d'échantillons. 4
x 10

Figure 25 .signal temporel pour un défaut Φ =0.014"

Spectre roulement avec defaut-IR014-HP2-X171DE-time-RPM-1750


1500
X: 1404
Y: 1487

1000
amplitude

X: 157.8
Y: 551.7

500

0
0 1000 2000 3000 4000 5000 6000
fréquence

Figure 26.spectre de fréquence pour un défaut Φ = 0.014"

spectre d envellopeavec avec defaut-IR014-HP2-X171DE-time-RPM-1750


1500
X: 360.1
Y: 1478

X: 157.8
Y: 1101

1000
amplitude

500

0
0 50 100 150 200 250 300 350 400 450 500
fréquence Hz

Figure 27 .spectre de fréquence pour un défaut Φ = 0.014"

Même étape que précédemment, le diamètre de défaut est maintenant de 0.021 ", toujours sur la
bague intérieure.

49
[Étude des signaux réels CHAPITRE IV]

signal temporel pour le roulement ayant le défaut de 0.021".(211.mat)


4

1
amplitude

-1

-2

-3

-4
0 2 4 6 8 10 12 14
Nombre d'échantillons. 4
x 10

Figure 28 .signal temporel pour un diamètre de défaut de 0.021"

Spectre roulement avec defaut-IR021-HP2-X211DE-time-RPM-1750


8000

7000
X: 2811
Y: 7144
6000

5000
amplitude

4000 X: 602.1
Y: 3238

3000

2000
X: 157.8
Y: 839.9
1000

0
0 1000 2000 3000 4000 5000 6000
fréquence

Figure 29 .spectre de fréquence pour un défaut de 0.021"

spectre d envellopeavec avec defaut-IR021-HP2-X211DE-time-RPM-1750


4000

3500

3000

2500
amplitude

2000 X: 157.8
Y: 1677

1500

1000

500

0
0 50 100 150 200 250 300 350 400 450 500
fréquence Hz

Figure 30. Spectre de fréquence –pour un défaut Φ =0.021"-

50
[Étude des signaux réels CHAPITRE IV]

Le dernier cas pour un défaut de diamètre de 0.028 "


signal temporel pour le roulement ayant le défaut de 0.028".(3003.mat)
5

1
amplitude

-1

-2

-3

-4

-5
0 2 4 6 8 10 12 14
Nombre d'échantillons. 4
x 10

Figure 31 .signal temporel pour défaut de 0.028" bague intérieure.


4
x 10 Spectre roulement avec defaut-IR021-HP2-X211DE-time-RPM-1750
3

2.5 X: 624.9
Y: 2.678e+004

2
amplitude

1.5

0.5

0
0 1000 2000 3000 4000 5000 6000
fréquence

Figure 32 . Spectre de fréquence pour un défaut Φ =0.028"

spectre d envellopeavec avec defaut-IR021-HP2-X211DE-time-RPM-1750


2500

X: 157.6
2000 Y: 1848

1500
amplitude

1000

500

0
0 50 100 150 200 250 300 350 400 450 500
fréquence Hz

Figure 33. Spectre de l’enveloppe d’Hilbert pour un défaut Φ =0.028 "

51
[Étude des signaux réels CHAPITRE IV]

Plus le profondeur du défaut augmente plus l’amplitude de la fréquence caractéristique du défaut


dans le spectre augmente, et donne naissance a d’autre bandes de fréquences.

La fréquence caractéristique du défaut égale à 157.6 Hz.

L’amplitude 1 pour 0.007 " =1080

L’amplitude 2 pour 0.014"=1101

L’amplitude 3 pour 0.021" =1677

L’amplitude 4 pour 0.028" =1848

amplitude de la fréquence caractéristique


en fonction du diamètre de défaut
2000
1800
1600
1400
1200
1000
800
600
400
200
0 amplitude de la fréquence
diametre de défaut 0,007"

diametre de défaut 0,014"

diametre de défaut 0,021"

diametre de défaut 0,028"

Figure 34.amplitude de la fréquence caractéristique du défaut

4.10. Comentaires sur les résultats des défauts des roulements :


Pour les signaux des défauts des roulements, nous avons constaté ce phénomène c'est-à-dire une
augmentation du Kurtosis spectrale ensuite une diminution , d’après les figures des signaux
temporels ont voit clairement que l’ampleur ou la grandeur des chocs est très nettes (impulsions)
pour les défauts de diamètre 0.007 ; 0.014 inches car c’est un défaut localisé, pour les autres défauts
de diamètre 0.021 et 0.028 inches qui sont plus important, la sensibilité du Kurtosis diminue

52
[Étude des signaux réels CHAPITRE IV]

considérablement car il y a un recouvrement entre les différentes réponses aux impulsions causés par
le passage des billes successives sur le défaut , c'est-à-dire avant que l’effet d’impulsion ne s’éteint ,
l’effet du passage de la prochaine impulsion commence .

Les résultats obtenus montrent clairement que le Kurtosis spectrale est très sensible aux différents
diamètres de défaut.

4.11. Étude du balourd


4.11.1. Balourd
Le défaut de balourd se manifeste lorsque les centres d’inertie des différentes parties du rotor de
gravité ne sont pas alignés avec l’axe de rotation de l’arbre. Un déséquilibre va donc induire, dans un
plan radial une vibration dont le spectre présente une raie prépondérante à la fréquence de rotation du
rotor. Ainsi, le défaut de balourd apparaîtra plus naturellement sur les spectres issus des mesures
prises dans la direction radiale du palier (le défaut apparaît aussi dans la direction axiale pour les
arbres montés en porte-à-faux.
Réponse d’un système sous l’effet d’un déséquilibre :
Le mauvais équilibrage rotors constitue l’une des causes majeurs de vibration.
En cas de balourd statique, les deux paliers qui supportent le rotor vont subir en même temps l’effort
centrifuge dû au déséquilibre. Il n’y a pas de déphasage entre les mesures prises au même point sur
les deux paliers.
En cas de balourd dynamique, les deux paliers qui supportent le rotor vont subir des efforts de façon
alternée. Il y aura donc un déphasage d’environ 180° entre les mesures effectuées dans la même
direction sur les deux paliers.
un balourd peut être représenté comme une masse (m) en rotation à une fréquence (ω) est excentrée
d’une distance « e » par rapport au centre (x).
si l’on considère que la fréquence excitatrice dans une seule direction on a :
f(t) = m*e* ω 2*sin(ω *t).
et l’accélération centripète d’une masse en rotation est :
a = e*ω2.

53
[Étude des signaux réels CHAPITRE IV]

w x

Figure 35. Le principe du balourd.

Si on mesure l’amplitude du signal vibratoire délivré par un capteur placé sur le palier
supportant un rotor déséquilibré ,on remarque que l’amplitude sera maximale lorsque la masse sera
en haut du rotor et elle sera minimale lorsqu’elle sera en bas ,et ainsi de suite, à chaque tour du rotor
.le signal vibratoire est périodique de période 1 tour, donc de fréquence égale à la fréquence de
rotation du rotor. Le balourd va induire, dans un plan radial, une vibration dont le spectre présente
une composante dont la fréquence de base correspond à la fréquence de rotation fr , la bande de
mesure est conçue de façon à prendre en compte de légères variations autour de la vitesse de rotation
affichée par le constructeur.

54
[Étude des signaux réels CHAPITRE IV]

4.12. Étude des signaux réels : défaut de balourd

intial
300

200
amplitude

100

-100
0 0.05 0.1 0.15 0.2 0.25
temps
4
x 10
15

10
amplitude

0
0 200 400 600 800 1000 1200
fréquence (Hz)

Figure 36. Balourd naturel

m0g4
200

100
amplitude

-100
0 0.05 0.1 0.15 0.2 0.25
temps
4
x 10
15
spectre de fréquence
10
amplitude

0
0 200 400 600 800 1000 1200
fréquence (Hz)

Figure 37. Balourd de 0.4 grammes

55
[Étude des signaux réels CHAPITRE IV]

signal temporel Balourd m0g7


40

20
amplitude

-20

-40
0 0.02 0.04 0.06 0.08 0.1 0.12 0.14 0.16
temps

4000
spectre defréquence
3000 X: 40.79
Y: 3559
amplitude

2000

1000

0
0 200 400 600 800 1000 1200
fréquence (Hz)

Figure 38. Balourd de 0.7 grammes.

signal temporel Balourd m1g1


40

20
amplitude

-20

-40
0 0.05 0.1 0.15 0.2 0.25
temps

10000
spectre de fréquence
X: 21.05
amplitude

Y: 8282
5000

0
0 100 200 300 400 500 600
fréquence (Hz)

Figure 39. Balourd de 1.1 grammes

Dans la figure (41), le signal temporel représente un signal sinusoïdal qui est la manifestation du
balourd avec l’apparition de la fondamentale qui représente la fréquence de rotation de l’arbre du
moteur ici est égale à 21.09 Hz (RPM= 1263 tr/mn)

56
[Étude des signaux réels CHAPITRE IV]

signal temporel Balourd m1g4


40

20
amplitude

-20

-40
0 0.05 0.1 0.15 0.2 0.25
temps

10000
X: 21.09 spectre de fréquence
Y: 9674
amplitude

5000

0
0 100 200 300 400 500 600
fréquence (Hz)

Figure 40. L’augmentation du balourd à 1.4 g engendrant une amplitude plus grande

signal temporel Balourd m1g9


50
amplitude

-50
0 0.05 0.1 0.15 0.2 0.25
temps

15000
spectre de fréquence
10000
amplitude

X: 21.05
Y: 1.056e+004

5000

0
0 100 200 300 400 500 600
fréquence (Hz)

Figure 41. Balourd passe à 1.9 grammes.

57
[Étude des signaux réels CHAPITRE IV]

signal temporel Balourd m2g3


100

50
amplitude

-50
0 0.05 0.1 0.15 0.2 0.25 0.3 0.35 0.4 0.45
temps

15000
spectre de fréquence

10000 X: 21.05
amplitude

Y: 1.196e+004

5000

0
0 100 200 300 400 500 600
fréquence (Hz)

Figure 42. Balourd de 2.3g.

signal temporel Balourd m2g5


50
amplitude

-50
0 0.05 0.1 0.15 0.2 0.25
temps

15000
spectre de fréquence

10000 X: 21.05
amplitude

Y: 1.144e+004

5000

0
0 100 200 300 400 500 600
fréquence (Hz)

Figure 43.balourd de 2.5g

58
[Étude des signaux réels CHAPITRE IV]

signal temporel Balourd m2g8


100

50
amplitude

-50

-100
0 0.05 0.1 0.15 0.2 0.25
temps
4
x 10
3
spectre de fréquence

2
amplitude

X: 21.05
Y: 2.082e+004
1

0
0 100 200 300 400 500 600
fréquence (Hz)

Figure 44.balourd de 2.8g.

signal temporel Balourd m3g2


100

50
amplitude

-50

-100
0 0.05 0.1 0.15 0.2 0.25
temps

15000
spectre de fréquence
X: 21.05
10000 Y: 1.37e+004
amplitude

5000

0
0 100 200 300 400 500 600
fréquence (Hz)

Figure 45.balourd de 3.2g

59
[Étude des signaux réels CHAPITRE IV]

signal temporel Balourd m3g4


100

50
amplitude

-50

-100
0 0.05 0.1 0.15 0.2 0.25 0.3 0.35 0.4 0.45
temps

15000
X: 21.05 spectre de fréquence
Y: 1.445e+004
10000
amplitude

5000

0
0 100 200 300 400 500 600
fréquence (Hz)

Figure 46.balourd de 3.4g

Résumé :
Balourd en g Fréquence(Hz) amplitude
1.1 21.05 8282
1.4 21.09 9674
1.9 21.05 10560
2.3 21.05 11960
2.5 21.05 11440
2.8 21.05 20820
3.2 21.05 13700
3.4 21.05 14450

Tableau 9. résumé des mesures balourd

graphe représentant la variation de


l'amplitude de la fréquence du spectre en fonction de la masse
additionnelle(balourd).
25000 Phénomène de
résonance
20820
20000
la fréquence du spectre

15000 14450
amplitude de

13700
11960 11440 la masse en grammes (balourd)
10000 10560
9674
8282 la fréquence du spectre
5000 Linéaire (la fréquence du spectre)

0
1 2 3 4 5 6 7 8
masse additionnelle en grammes -(balourd)

Figure 47. interpretation du tableau[6] précédent en graphe.

60
[Étude des signaux réels CHAPITRE IV]

De nombreux défauts, autres que ceux du balourd, s’expriment par une composante
d’amplitude élevée à la fréquence de rotation : c’est l’analyse des phases qui permet de les
différentier. En effet, pour deux points de mesure radiaux (situés à 90°sur un même palier), le
déphasage entre composantes de fréquence égale à la fréquence de rotation est proche de 90°, dans le
cas d’un défaut lié à un balourd.

Étape d’interprétation du déséquilibre

On compare les phases des directions verticales et horizontales, elles doivent être déphasées de 90°
ou 270° à la même position.

Les amplitudes de vibration en directions horizontales devraient être plus grandes que dans les
directions verticales.

Les différences entre les phases dans la direction axiales devraient être de 0°.

Les amplitudes de vibration dans la direction axiales devraient être inferieures au tiers des mesures en
direction radiale.

4.13. Défaut de désalignement


4.13.1. Introduction

Le principal avantage de la mesure des vibrations sur les machines tournantes est, la possibilité de
détecter les défauts avant que ne survienne une défaillance entraînant l'arrêt non planifié d'une
machine.

Quand un défaut est détecté, l'analyse des vibrations peut être utilisée pour diagnostiquer le
problème. Dans cette poursuite on utilise la FFT à la reconnaissance des défauts les plus couramment
rencontrés dans les machines industrielles, c'est-à-dire ceux associés aux vibrations des arbres.

4.13.2. Diagnostic des défauts :

La mesure des vibrations en bandes larges est de peu d'utilité, sauf pour les cas les plus simples,
lorsqu’on a besoin d'identifier l'origine du défaut responsable de l'accroissement du niveau vibratoire
enregistré sur une machine. Bien que la mesure du facteur de crête puisse isoler le défaut dû à un

61
[Étude des signaux réels CHAPITRE IV]

roulement à billes ou à rouleaux, c'est dans l'analyse du spectre de fréquences que nous trouveront
habituellement la clé du diagnostic.

Une machine fonctionnant bien a un spectre de vibration (signature) stable. Lorsque sa condition
change, le spectre change, signalant par le fait même les composantes fréquentielles caractérisant le
ou les défauts coupables.

En effet, chaque composante du spectre de fréquences peut être reliée à une source de vibration
spécifique dans la machine. Les sources de vibration les plus fréquemment identifiées sont les
suivantes :

Déséquilibre des arbres et des rotors (balourd) :

 mauvais alignement d'accouplement et de palier


 arbres faussés (fléchis)
 phénomène de résonance
 excentricité de poulie, de roues dentées, etc.
 jeux mécaniques
 défauts dans les roulements à billes et à rouleaux
 engrenages usés ou endommagés.

La figure ci-après montre le schéma d'un groupe moteur-ventilateur simple et du spectre de vibrations
qui le caractérise. Les composantes prédominantes du spectre sont reliées par des lignes pointillées
aux éléments tournants auxquels elles sont associées. Elles représentent ici :

62
[Étude des signaux réels CHAPITRE IV]

• la fréquence de rotation du moteur (1) ;


• le désalignement des arbres à l'accouplement (2) ;
• la fréquence de passage des pales du ventilateur (3) ;
• la fréquence d'engrènement (4) ;
• la naissance d'un défaut dans un roulement (5 et 6).

Figure 48. Les composantes prédominantes du spectre

4.13.3. Vibrations liées à la rotation des arbres

Plusieurs défauts sont susceptibles de causer une amplitude vibratoire élevée à la fréquence de
rotation d'un moteur, d'une pompe, d'un ventilateur, d'une turbine à vapeur.

Voici une situation particulière qui vous obligera à considérer d'autres caractéristiques que
l'amplitude et la fréquence pour mener à bien le diagnostic :

 d'un déséquilibre,
 d'un mauvais alignement,
 d'un arbre fléchi,
 d'une résonance,
 d'un jeu mécanique,
 d'une excentricité de poulie.

4.13.4. Défaut d'alignement

Un autre défaut parmi les plus courants sur les arbres tournants provient d'un mauvais alignement. Un
accouplement mal aligné produira une composante à la fréquence de rotation (1 ), et souvent à ses
harmoniques peu élevés (2 et 3 ), voir figure (49), à la fois suivant les directions radiales et axiales.
Toutefois, contrairement au déséquilibre, le rapport d'amplitudes des composantes radiales

63
[Étude des signaux réels CHAPITRE IV]

horizontale et verticale peut être très différent de chaque côté du rotor. La figure suivante vous
montre le spectre de vibrations typique associé à un désalignement parallèle où le 2e harmonique (2 )
est souvent la composante la plus élevée. La vibration est surtout radiale avec un déphasage
approximatif de 180° entre les points de mesure localisés de chaque côté de l'accouplement,
représenté sur la figure par des flèches pointant dans des directions opposées.

4.13.5. Désalignement parallèle

Figure 49. Spectre théorique d'un désalignement

La figure suivante montre le spectre associé à un désalignement angulaire où la composante la plus


élevée varie selon le type d'accouplement (souvent 1 , mais aussi 2 ou 3 ). La vibration est
prédominante dans la direction axiale avec aussi un déphasage de 180° entre le moteur et le rotor. Les
flèches symbolisant les mesures de phase pointent dans des directions opposées .

Figure 50. Désalignement angulaire

64
[Étude des signaux réels CHAPITRE IV]

4.13.6. Arbre flexible


Un arbre fléchi, comme celui qui est montré à la figure (51), présente à plusieurs égards un spectre de
vibrations tout à fait similaire à celui d'un défaut d'alignement, avec des composantes élevées aux
harmoniques de la fréquence de rotation.
C'est encore une fois la mesure de phase qui vous permettra de distinguer entre un mauvais
alignement et un arbre fléchi. En effet, un arbre fléchi produira une vibration axiale déphasée de 180°
entre les paliers du rotor.

Figure 51. Spectre d'un arbre fléchi

4.13.7. Résonance de la structure ou du rotor

Chaque sous-ensemble de la machine (rotor, bâti, base, etc.) possède une fréquence de vibration
naturelle (oscillation libre) qui est fonction de paramètres multiples tels que la rigidité, la masse, la
forme géométrique, etc.
Il suffit qu'une force d'excitation périodique quelconque provenant d'un déséquilibre, d'un mauvais
alignement ou de tout autre défaut possède une fréquence voisine de l'une des fréquences naturelles
de la machine pour qu'une vibration apparaisse dans le spectre. C’est la présence d'un phénomène de
résonance.
la résonance se caractérise par une amplitude vibratoire élevée pouvant contribuer à réduire
sérieusement la durée de vie des paliers et des autres composants de la machine.
La figure suivante montre un problème simple de résonance à la fréquence de rotation L'angle de
phase de la vibration varie de 180° lorsque la vitesse de rotation passe par la fréquence de résonance.

65
[Étude des signaux réels CHAPITRE IV]

4.13.8. Variation de la phase à la résonance

On diagnostiquant la condition de résonance on procédant à une mesure comparative de la phase


dans les directions radiales horizontale et verticale. Le déphasage sera nul ou de 180° selon la
position du capteur.

De plus, la vibration causée par une résonance se caractérise aussi par une amplitude plus élevée dans
une direction plutôt que dans une autre.

Résumé :
un défaut d'alignement se manifestant par un niveau de vibration élevé sur les harmoniques
(multiples) de la fréquence de rotation de la machine.

4.14. Étude des signaux réels de désalignement

Les mesures vibratoires ont été effectuées à l’aide d’un accéléromètre piézo-électrique situé dans la
direction horizontale du deuxième palier de l’arbre 2. La bande passante de cet accéléromètre est de
10 kHz, et l’enregistrement des données s’est fait avec un enregistreur numérique qui échantillonnait
le signal à une fréquence de 25.6 kHz (soit une bande passante pour l’enregistrement de 10 kHz).

Inertie n° 1
Accéléromètre
Frein horizontal Frein
Embrayage Moteur

Inertie n° 2

Figure 52. Schéma du banc d'essai pour le désalignement

66
[Étude des signaux réels CHAPITRE IV]

La bande de fréquence choisie est la plus représentative du défaut de désalignement à observer. On y


voit les quatre premières harmoniques de la rotation avec l’amplitude la plus importante pour la
deuxième harmonique, caractéristique du défaut de désalignement. Cette représentation est cependant
celle qui demande le plus de temps de signal temporel. Il faut 4096 points dans le signal temporel
pour réaliser un tel spectre, sans effectuer aucune moyenne. La fréquence d’échantillonnage est de
128 Hz, il faudra donc 32 secondes de signal pour réaliser un spectre. Si l’on n’utilise pas
recouvrement des points du signal temporel utilisé (ou overlap), il faudra multiplier le temps par le
nombre de moyennes à effectuer. Afin de réduire ce temps nécessaire au calcul, on peut choisir une
résolution fréquentielle moins fine sans pour autant perdre des informations. Le défaut peut être
caractérisé avec moins de points dans le spectre.

Les signaux du désalignement que nous nous sommes proposé d’étudier ont été fournis par (the Case
Western Reserve University-[eecs].

Sous les appellations suivantes :

- MISA9D.mat (RPM=742.8 tr/mn ou fr =12.38 Hz).


- MISA8D.mat (RPM=373.14 tr/mn, ou fr =6.219 Hz).
- MISA7D.mat (RPM=187.5 tr/mn, ou fr =3.125 Hz).

A chaque analyse on trace le signal vibratoire ainsi que son spectre de fréquence. On constate sur le
spectre de fréquence la présence des composantes fréquentielles dont :

La fondamentale représente la fréquence de rotation de l’arbre du moteur (fr=12.38 Hz),la fréquence


remarquable ici c’est la fréquence de la première harmonique qui égale à 2*fr qui est de 24.75 Hz,
avec une amplitude la plus élevée.

On tire qu’un désalignement se manifeste ici.

67
[Étude des signaux réels CHAPITRE IV]

signal temporel défaut désalignement.(MISA9D.MAT)


0.04

0.02
amplitude

-0.02

-0.04
0 500 1000 1500 2000 2500 3000 3500 4000 4500
Nombre d'échantillons
spectre de fréquence.
0.01

0.008
X: 24.75
Y: 0.00819
0.006
amplitude

0.004

0.002

0
0 20 40 60 80 100 120 140
Fréquence (Hz).

Figure 53.spectre d'un défaut de désalignement -l'amplitude de l'harmonique

signal temporel défaut desalignement.(MISA8D.MAT)


0.04

0.02
amplitude

-0.02

-0.04
0 500 1000 1500 2000 2500 3000 3500 4000 4500
Nombre d'échantillons
spectre de fréquence du signal en haut
0.01
X: 12.38
0.008 Y: 0.009886

0.006
amplitude

0.004

0.002

0
0 20 40 60 80 100 120 140
Fréquence (Hz).

Figure 54. Défaut de désalignement avec un choc.

La figure(54) nous montre un phénomène répétitif ou le pas des raies est identiques, multiple de fr
(fréquence de rotation), La on constate qu’il y a un choc périodique.

68
[Étude des signaux réels CHAPITRE IV]

signal temporel défaut désalignement. (MISA7D.MAT)


0.1

0.05
amplitude

-0.05

-0.1
0 500 1000 1500 2000 2500 3000 3500 4000 4500
Nombre d'échantillons
-3
x 10 MISA7D.MAT
8
X: 6.125
Y: 0.007837 première harmonique
6
amplitude

0
0 20 40 60 80 100 120 140
Fréquence (Hz).

Figure 55. Défaut désalignement avec une vitesse de rotation inferieure

4.15. Conclusion
Dans ce chapitre trois cas de défauts ont été étudiés avec des signaux à savoir les défauts des
roulements, sans et avec défauts sur bagues intérieures c’est grâce a la transformée de Fourier et
d’Hilbert qu’on pu déceler la présence d’un écaillage sur la bague intérieure qu’ont a avait étudiée
c’est la connaissance de la fréquence caractéristique défaut qui nous permet de dire qu’il existe un
défaut sur la bague intérieure.

La deuxième partie a été autour de défaut de balourd, qui se manifeste par une amplitude importante
de la fréquence de rotation de l’arbre du moteur, dans le cas ou il n y a pas de défaut le spectre donne
seulement la fondamentale qui représente la fréquence de rotation de l’arbre du moteur avec une
amplitude quasiment faible.

La troisième étude c’était sur le désalignement, un défaut d'alignement se manifestant par un niveau
de vibration élevé sur les harmoniques (multiples) de la fréquence de rotation de la machine.

69
[Conclusion générale]

Conclusion générale :

Le travail de ce mémoire rentre dans le cadre de la maintenance préventive des machines tournantes
par analyse vibratoire. Cette dernière est devenue un outil puissant pour surveiller l’état de
fonctionnement d’une machine à tout moment grâce à des indicateurs spéciaux statistiques et
spectraux que l’on peut calculer à partir des signaux vibratoires que produisent ces machines.

- Les indicateurs statistiques calculés dans ce mémoire tels que le kurtosis et le facteur de crête sont
plus sensibles que la valeur efficace pour détecter la présence de défaut.

- La valeur efficace est un indicateur global, ne se permette pas de faire une bonne surveillance.

 Le kurtosis est plus sensible que le facteur de crête.

 Avec la présence de bruit, ces indicateurs perdent leur sensibilité à détecter la naissance d’un
défaut sur les organes étudié tels que l’engrenage et les roulements. Par contre l’indicateur de
la valeur efficace augmente avec l’augmentation le degré de bruit.

 La raison pour la quelle on utilise d’autres techniques tel qu’ont a utilisé ici dans ce travail
l’analyse spectrale.

 L’existence d’autres techniques tels que l’ondelette, la logique flou,….afin de débruiter les
signaux vibratoires issues des machines.
 Il n‘existe pas de méthode universelle permettant de détecter de manière assez précoce tous les
types de défauts que l’on est susceptible de rencontrer sur une machine tournante mais la
combinaison et l’association de plusieurs méthodes permet un diagnostic plus fiable et plus rapide.

L’apparition d’un défaut de roulement génère des impulsions quand un élément du roulement
rencontre le défaut. Le caractère périodique transitoire des vibrations mesurées amène des
informations importantes concernant la vie du roulement. Cependant, les impulsions mesurées sont
souvent cachées dans un bruit blanc accompagné d’une résonance de la structure aux hautes
fréquences .ceci engendre donc une grande difficulté quant à l’identification de ces impulsions dans
le signal vibratoire mesuré.

70
[Conclusion générale]

Les techniques habituelles pour la détection de défauts de roulement sont basées sur l’analyse des
signaux vibratoires dans le domaine temporel et fréquentiel.

Pour l’étude du déséquilibre, on a constaté que le balourd va induire, dans un plan radial, une
vibration dont le spectre présente une composante dont la fréquence de base correspond à la
fréquence de rotation fr. Elle représente alors le pic le plus élevé, avec des pics d’amplitudes plus
faibles sur les harmoniques de fr .
De nombreux défauts, autres que ceux du balourd, s'expriment par une composante d'amplitude
élevée à la fréquence de rotation : c’est l'analyse des phases qui permet de les différencier. En
effet, pour deux points de mesure radiaux (situés à 90° sur un même palier), le déphasage entre
composantes de fréquences égales à la fréquence de rotation est proche de 90°, dans le cas d'un
défaut lié à un balourd.
Le défaut d'alignement est l'une des principales causes de réduction de la durée de vie des
équipements. Il concerne soit deux arbres liés par un accouplement, soit deux paliers soutenant le
même axe. On retrouve un phénomène périodique à la fréquence de rotation (période = 1 tour), mais
également des phénomènes se répétant chaque 1/2 tour et 1/3 tour. Cela se traduira le plus souvent
par la présence des composantes de l’ordre 2, 3 ou même 4 fois la fréquence de rotation avec des
amplitudes supérieures à celles de la composante d’ordre 1.

Un défaut d'alignement est révélé par un pic d'amplitude prépondérante à, généralement, 2 fois la
fréquence de rotation (parfois 3 ou 4 fois).Il apparaît une vibration dans la direction radiale de
composante d’ordre 2 de la fréquence de rotation (rarement d’ordre 3 voire
Exceptionnellement d’ordre 4), avec des amplitudes supérieures aux composantes d’ordre 1.
Le mauvais serrage de la structure de la machine génère des vibrations et un certain bruit. Le spectre
typique mesuré sur une machine dans laquelle il existe un jeu contient un grand nombre de pic à
des fréquences multiples de la fréquence de rotation. Il est également parfois possible de retrouver
des pics à l’harmonique ½ (1/2 x la fréquence de rotation de l’arbre) et ses multiples. Les causes
d’un jeu sont principalement l’usure ou un mauvais montage.

71
[Conclusion générale]

Le travail effectué dans le cadre de ce mémoire s’inscrit dans le domaine de la surveillance et le


diagnostic par approche classique décision (homme).
La deuxième approche dite intelligente que nous espérons d’être ciblé et pris avec soin dans les
futures recherches des étudiants ; est basée sur l’automatisation de la décision, on utilisant les
différents algorithmes et règles de décision et surtout celles de l’intelligence artificielle.
Savoir la méthodologie de la logique floue pour l’automatisation de diagnostic vibratoire.
Un autre problème qui persiste et la juxtaposition de deux ou plusieurs défauts au même temps
La décomposition EEMD permet la séparation de signatures composées issues de roulement et
d’engrenage a travers les spectres de IMFs (Intrinsic Mode Function) et les spectres des amplitudes
instantanées .l’introduction de nouvelles méthodes hybrides pour le diagnostic précoce de défauts.
Cependant malgré les résultats encourageants, beaucoup reste à faire dans ce domaine et parmi les
nombreuses voies de recherche susceptibles d’améliorer l’applicabilité et l’efficacité de cette
approche de diagnostic basée sur les méthodes hybrides on citera :
- Le suivi de la propagation des pannes dans une structure complexe prenant en considération
les variations de la vitesse et du couple.

72
[Annexes]

Annexes

Tableau 1

Normal Baseline Data

La charge du moteur Vitesse de rotation du moteur (rpm) Normal Baseline Data


0 1797 Normal_0( 97.mat)
1 1772 Normal_1( 98.mat)
2 1750 Normal_2( 99.mat)
3 1730 Normal_3( 100.mat)

Tableau 2

12k Drive End Bearing Fault Data

* = Data not available


Vites
se de
La rotati
charg on du
e du mote
Diamètre de mote ur Inner Race Ball Outer Race (bague extérieur- position relative de la zone de charge-)
défaut ur (rpm) Bague intérieur Élément roulant Position Relative to Load Zone (Load Zone Centered at 6:00)

Centered Orthogonal Opposite


@6:00 @3:00 @12:00

0.007" 0 1797 IR007_0(105.mat) B007_0 (118.mat) OR007@6_0(130.mat) OR007@3_0(144.mat) OR007@12_0(156.mat)


1 1772 IR007_1(106.mat) B007_1(119.mat) OR007@6_1(131.mat) OR007@3_1(145.mat) OR007@12_1(158.mat)
2 1750 IR007_2(107.mat) B007_2 (120.mat) OR007@6_2(132.mat) OR007@3_2(146.mat) OR007@12_2(159.mat)
3 1730 IR007_3(108.mat) B007_3 (121.mat) OR007@6_3(133.mat) OR007@3_3(147.mat) OR007@12_3(160.mat)
0.014" 0 1797 IR014_0(169.mat) B014_0(185.mat) OR014@6_0(197.mat) * *
1 1772 IR014_1(170.mat) B014_1(186.mat) OR014@6_1(198.mat) * *
2 1750 IR014_2(171.mat) B014_2(187.mat) OR014@6_2(199.mat) * *
3 1730 IR014_3(172.mat) B014_3(188.mat) OR014@6_3(200.mat) * *
0.021" 0 1797 IR021_0(209.mat) B021_0(222.mat) OR021@6_0(234.mat) OR021@3_0(246.mat) OR021@12_0(258.mat)
1 1772 IR021_1(210.mat) B021_1(223.mat) OR021@6_1(235.mat) OR021@3_1(247.mat) OR021@12_1(259.mat)
2 1750 IR021_2(211.mat) B021_2(224.mat) OR021@6_2(236.mat) OR021@3_2(248.mat) OR021@12_2(260.mat)
3 1730 IR021_3(212.mat) B021_3(225.mat) OR021@6_3(237.mat) OR021@3_3(249.mat) OR021@12_3(261.mat)
0.028" 0 1797 IR028_0(3001.mat) B028_0(3005.mat) * * *
1 1772 IR028_1(3002.mat) B028_1(3006.mat) * * *
2 1750 IR028_2(3003.mat) B028_2(3007.mat) * * *
3 1730 IR028_3(3004.mat) B028_3(3008.mat) * * *

73
[Annexes]

Tableau 3

48k Drive End Bearing Fault Data ;* = Data not available

Vitesse
de
La rotation
charge du
Diamètre du moteur Inner Race Ball Outer Race (bague extérieur- position relative de la zone de charge-)
de défaut moteur (rpm) Bague intérieur Élément roulant Position Relative to Load Zone (Load Zone Centered at 6:00)
Centered Orthogonal Opposite
@6:00 @3:00 @12:00
0.007" 0 1797 IR007_0(109.mat) B007_0(122.mat) OR007@6_0(135.mat) OR007@3_0(148.mat) OR007@12_0(161.mat)
1 1772 IR007_1(110.mat) B007_1(123.mat) OR007@6_1(136.mat) OR007@3_1(149.mat) OR007@12_1(162.mat)
2 1750 IR007_2(111.mat) B007_2(124.mat) OR007@6_2(137.mat) OR007@3_2(150.mat) OR007@12_2(163.mat)
3 1730 IR007_3(112.mat) B007_3(125.mat) OR007@6_3(138.mat) OR007@3_3(151.mat) OR007@12_3(164.mat)
0.014" 0 1797 IR014_0(174.mat) B014_0(189.mat) OR014@6_0(201.mat) * *
1 1772 IR014_1(175.mat) B014_1(190.mat) OR014@6_1(202.mat) * *
2 1750 IR014_2(176.mat) B014_2(191.mat) OR014@6_2(203.mat) * *
3 1730 IR014_3(177.mat) B014_3(192.mat) OR014@6_3(204.mat) * *
0.021" 0 1797 IR021_0(213.mat) B021_0(226.mat) OR021@6_0(238.mat) OR021@3_0(250.mat) OR021@12_0(262.mat)
1 1772 IR021_1(214.mat) B021_1(227.mat) OR021@6_1(239.mat) OR021@3_1(251.mat) OR021@12_1(263.mat)
2 1750 IR021_2(215.mat) B021_2(228.mat) OR021@6_2(204.mat) OR021@3_2(252.mat) OR021@12_2(264.mat)
3 1730 IR021_3(217.mat) B021_3(229.mat) OR021@6_3(241.mat) OR021@3_3(253.mat) OR021@12_3(265.mat)

74
Références

Références

[1] Noureddine CHIKH « analyse spectrale des vibrations Application à la maintenance des
Équipements mécaniques ». Thèse de Magister , université M’Hamed BOUGARA Boumerdes-2005.
[2] Ilyes KHELF « diagnostic des machines tournantes par les techniques de l’intelligence
Artificielle ». Thèse de Magister ,université BADJI Mokhtar Annaba.-2013-

[3] H.Mahgoun,M.Elbadaoui,A Felkaoui,R.E.Bekka, Analyse des signaux de roulements


et engrenages par la décomposition en mode empirique(EMD),CEG’06,13-14 Avril 2009,EMP
Alger.

[4] TOUAFEK Ishak « extraction d’indicateurs robustes pour le diagnostic des défauts

Mécaniques comparaison de l’EMD et des ondelettes(WT) ». Thèse de Magister ,Université Ferhat


Abbas Sétif-2003.

[5] Omar Djebili “contribution à la maintenance predictive par analyse vibratoire des composants
mécaniques tournants .application aux butées à billes soumises à lafatigues de
contact de roulement.”; These Doctorat Université Boumerdes ;-2013

[6] J.Antoni , R . B. Randall, Differential diagnosis of gear and bearing faults.2002

[7] A.BOULENGER ,Ch.PACHAUD « surveillance des machines par analyse des vibrations, du
dépistage au diagnostic »,édition AFNOR-1998.

[8] chevalier R. « État de l’art de la surveillance et du diagnostic des machines tournantes à


EDF »,RFM.2001.

[9] Chapelot M.(EMS) et Richard A., consultants au CETIM « surveillance des machines
tournantes » ,guide d’achat Mesures N°757 ,septembre 2003.

[10] Carreau D., CETIM , « les roulements ,des composants à surveiller de près » ,guide d’achat
Mesures N°754 ,avril 2003.

[11] Bolaers F., Dron J.P.,Rasolofondraibe L. « prédiction et suivi de l’évolution d’un écaillage de
fatigue de roulement par analyse vibratoire » .XVIème congrès Français de mécanique, Nice
,référence 649,2003.

75
Références

[12] Augeix D. « analyse vibratoire des machines tournantes » ,Techniques de l’ingénieur, BM5-
145,2001.

[13] Boulenger A. , »maintenance conditionnelle par analyse des vibrations » ,Techniques de


l’ingénieur ,MT 9285 ,2007

[14] Nélias D. Dumont M.L., Couhier F., Dudragne G., Flamand L., « experimental and Theorical
Investigation on Rolling Contact Fatigue of 52100 and M50 Steels under EHL or Micro-EHL
Conditions » ,ASME Journal of tribology,(paper N°97-trib-7),vol.120,N°2,pp184-190,1998.

[15] Nélias D., « contribution à l’étude des roulements : modélisation globale des roulements et
avaries superficielles dans le contact EHD pour des surfaces réelles ou indentées », Habilitation à
Diriger des recherches INSA Lyon,1999.

[16] Augeix D.,Techniques de l’ingénieur BM5-145, « bruit et vibrations »,2007.

[17] Morel J. , « surveillance vibratoire et maintenance prédictive » ,Techniques de l’ingénieur


R6100,2007.

[18] AFNOR , « surveillance des machines par analyse des vibrations » ,ISBN :2123090123/1995.

[19] Tandon N.,Choudury A. , « A review of vibration and acoustic measurement methods for the
detection of defect in rolling element bearing » ;International Journal of Tribology,32 pp 469-
480,1999.

[20] Pachaud C., « Crest factor and kurtosis contributions to identify defects inducing periodical
impulsive forces » ,Mechanical System and signal Processing 11(6),903-916/1997.

[21] Boulenger A.& Pachaud C., « Diagnostic vibratoire en maintenance préventive », Dunod -1998.

[22] Martin H.R., Honarvar F. « Application of Statical Moments to Bearing Failure Detection »
,Applied Acoustics ,Vol.44,pp67-77,1995.

[23] Dron J.P.,Rasolofondraibe L., Bolaers F., Pavan A., « High-resolution methods in vibratory
analysis :application to ball bearing monitoring and production machine » ,IJSS38pp 4293-
4313,2001.

[24] Dron J.P., « élaboration et adaptation d’outils pour l’étude et le suivi de l’endommagement de
composants mécaniques par analyse vibratoire », Thèse de doctorat de l’Université de Reims 1995.

76
Références

[25] McFadden PD.& Smith JD. « Vibration monitoring of rolling element bearing by the high
frequency resonance technique » ,areview .Tribol Int 17(1),3-10.1984.

[26] Darrel R. Harting, « Demodulated Resonance Analysis-A powerful incipient Failure


Detection Technique »,ISA Transactions,Vol.17,N°1,1992.

[27] Cousinard O. « Contribution à l’étude et au développement et aux choix des outils d’analyse et
de mesure vibratoire » Thèse de Doctorat de l’université de Reims 2002.

[28] Boulenger A.& Pachaud C., « surveillance des machines par analyse des vibrations », AFNOR-
1995.

[29] Bogard F., « Développement d’une approche numérique visant à optimiser le suivi vibratoire des
constituants d’une machines tournante », Thèse de doctorat de l’université de Reims, 2000.

77