Vous êtes sur la page 1sur 10

CMVA, Edmonton, 23th seminar, October 2005

La transformée de Julien : une nouvelle procédure de traitement de signal


pour la détection des chocs
Béchir BADRI 1; Marc THOMAS 1; René ARCHAMBAULT 2; Sadok SASSI 3

(1) Department of Mechanical Engineering, École de Technologie Supérieure,1100 rue Notre-Dame West Street,
Montreal, Quebec ( H3C 1K3). CANADA
marc.thomas@etsmtl.ca
(2) International Measurement Solutions, Baie D’Urfé. CANADA
reneims@attglobal.net
(3) Department of Physics and Instrumentation, Institut National des Sciences Appliquées et de Technologie, Centre
Urbain Nord, B.P. 676, 1080 Tunis Cedex. TUNISIA
sadok.sassi@insat.rnu.tn

Résumé

Cette étude expose le développement d’une nouvelle transformée (IJT) qui constitue une version améliorée de
l’ancien Index Julien (IJ). La transformée IJT permet de filtrer les chocs présents dans un signal et de
déterminer leur intensité à chaque instant. Elle peut être appliquée dans le domaine temporel pour identifier la
proportion de choc présente dans un signal vibratoire. La transformée IJT est également appliquée dans le
domaine fréquentiel et permet grâce à des analyses d’enveloppe ou temps-fréquence d’identifier les sources de
ces chocs et de les discriminer entre elles.

1.0 Introduction

L’Index Julien a été développé dans le but de localier l’énergie vibratoire produite par des chocs dans
le signal temporel. La force de ce descripteur temporel provient essentiellement de son coté pratique. En effet,
il est directement relié aux phénomènes physiques générés par les défauts de machines, contrairement aux
autres descripteurs conventionnels qui sont le plus souvent des opérateurs mathématiques déconnectés de la
réalité physique du phénomène.

L’Index Julien [1 à 3], dans sa version originale, est un indicateur permettant de compter le nombre de
choc en un temps donné ou mieux par révolution. Ce principe très élémentaire permet à un simple opérateur
de suivre la dégradation d’un équipement en comptant le nombre de chocs par tour.

Outre son temps d’exécution qui devient presque instantané, la nouvelle version de l’Index Julien
présente l’avantage, non seulement de suivre le nombre de chocs, mais aussi de tenir compte de leurs
amplitudes pour la détermination de leur intensité dans le signal vibratoire. Intuitivement, la transformée de
Fourrier de l’Index Julien permet de localiser directement la (ou les) fréquence(s) auxquelles se produisent les
chocs, à la manière d’une enveloppe qui ne serait sensible qu’aux excitations pulsionnelles.

1
CMVA, Edmonton, 23th seminar, October 2005

2.0 Principe de l’index Julien original


La première version de l’Index Julien [3] faisait intervenir 6 différents variables dans la boucle
conditionnelle permettant de statuer sur la présence ou non d’un choc. Tel que décrit au tableau 1,
l’amplitude de chaque fenêtre est évaluée en calculant la moyenne et la moyenne différenciée de chaque
fenêtre : centrale, gauche et droite. Cette méthode bien qu’efficace, présentait un inconvénient majeur qui était
le temps de calcul assez élevé.

Expression Mathématique Description

3n

X t i
 X t i 1
La moyenne des valeurs différenciées de 2*n points à la gauche du
A i  n 1 point X t , après un intervalle de n points
2n
3n

X t i
 X t  i 1
La moyenne des valeurs différenciées de 2*n points à la droite du
B i  n 1 point X t , après un intervalle de n points
2n
n

X t i
 X t  i 1
La moyenne des valeurs différenciées de 2*n points au centre de la
C i  n 1 fenêtre
2n
3n

X t i La moyenne en valeur absolue des 2*n échantillons à gauche de X t .


D i  n 1
2n
3n

X t i La moyenne en valeur absolue des 2*n échantillons à droite de X t .


E i  n 1
2n
n

X t i
La moyenne en valeur absolue des 2n+1 échantillons au centre de la
F i  n fenêtre
2n  1

Tableau 1: Calcul des fenêtres de l’index Julien

La procédure consiste à effectuer un balayage du signal temporel avec une fenêtre de largeur 2n+1
(figure 1). Sur chaque point du signal temporel (i) , on évalue l’intensité contenue dans la fenêtre centrée sur i
(i-n; i+n), et on la compare à l’intensité contenue dans les fenêtres situées à gauche (i-3n; i-n) et à droite (i+n;
i+3n) du point courant (i). La figure 1 montre un exemple pris pour un échantillon centré au temps i = 15, et
avec une largeur de fenêtre égale à 2*n+1 = 5; la fenêtre centrale est représentée en orangé, les fenêtres
gauche et droite en vert.

La procédure consiste à évaluer l’intensité vibratoire dans chacune de ces 3 fenêtres :


2
CMVA, Edmonton, 23th seminar, October 2005

 Si l’énergie de la fenêtre centrale est supérieure à celle des fenêtres gauche et droite alors nous somme
en présence d’un choc et l’Index Julien de la valeur courante (i) se voit assigné la valeur de 1 : IJ(i)=1.
 Sinon, on n’a pas de choc et l’Index Julien vaut 0 : IJ(i)=0 .

Suite à ceci, on continue le balayage et la valeur courante est incrémentée pour devenir i+1 ( figure 1-b). La
procédure se poursuit ainsi jusqu'à atteindre une valeur courante : i= Nmax-(3n+1)
où : Nmax est le nombre total d’échantillons de notre signal
n est presque la demi largeur de la fenêtre de balayage.

Valeur courante
lors du balayage
Fenêtre Gauche Fenêtre Droite

t 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24

x *** *** *** *** *** *** *** *** *** *** *** *** *** *** *** *** *** *** *** *** *** *** *** ***

Fenêtre Centrale
a) i = 15

Valeur courante
lors du balayage
Fenêtre Gauche Fenêtre Droite

t 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24

x *** *** *** *** *** *** *** *** *** *** *** *** *** *** *** *** *** *** *** *** *** *** *** ***

Fenêtre Centrale
b) balayage, i=16

Figure 1 : Identification des fenêtres

La programmation de cette procédure a été optimisée en fonction du temps de calcul.

3.0 La transformé de Julien (IJT)


Les vibrations des machines tournantes proviennent exclusivement de 3 sources :
 Phénomène harmonique : balourd, lignage…
 Phénomène aléatoire : friction, bruit, impureté…
 Phénomène de choc : défaut de roulement, engrenage.

3
CMVA, Edmonton, 23th seminar, October 2005

La détermination de l’intensité de chacune de ces sources peut représenter a lui seul un bon indicateur
de suivi des défauts de machines tournantes. L’objectif de la nouvelle version de l’Index Julien dans le
domaine temporel (IJT) est la détermination de l’intensité des chocs présents dans le signal vibratoire. Plutôt
que d’utiliser les moyennes usuelles et les moyennes différenciées pour estimer l’intensité vibratoire comme
c’était le cas dans le développement original, il a été jugé plus pratique d’utiliser un descripteur temporel usuel,
comme la valeur efficace, la valeur crête, le facteur de crête ou le Kurtosis.

Les valeurs efficaces et crêtes sont particulièrement performantes dans le cas où le défaut est assez
développé et par conséquent le rapport signal sur bruit est grand. Par contre, quand le défaut est naissant, les
chocs sont alors noyés dans le bruit et ces deux descripteurs n’arrivent plus à les déceler. L’augmentation de
la taille des défauts est généralement mieux aperçue par la valeur crête que par la valeur efficace. De ce fait, le
facteur de crête définit comme le rapport de la valeur crête par la valeur efficace est plus apte au suivi de
l’évolution des phénomènes de chocs. Cette dépendance de deux facteurs différents est intéressante lors de
l’utilisation, mais représente un inconvénient lors de la programmation (nécessiter 2 variables pour être
calculé).

Avec une excellente efficacité dans la détection des chocs et une rapidité dans le temps de calcul (le
temps de calcul est de l’ordre de 2 secondes pour analyser un signal comprenant 10 000 échantillons), le
Kurtosis semble être le paramètre idéal á être adopté.

L’élaboration de la transformée de Julien relatif á un signal donné nécessite préalablement une


opération de nettoyage adéquate et un fenêtrage approprié. On aboutit ainsi à un signal modifié ne contenant
que les chocs et dont la valeur efficace traduit fidèlement l’intensité des phénomènes pulsionnels présents dans
le signal. L’opération de nettoyage consiste simplement à forcer à zéro tout échantillon du signal dont l’Index
Julien est nul, pour ne garder á la fin que les échantillons qui sont le siége de chocs (Figure 2). Cette procédure
permet de suivre l’évolution de l’intensité des chocs quand leur nombre par période augmente, mais aussi
quand leur nombre reste constant et que leur amplitude augmente.

L’opération de fenêtrage est nécessaire pour éliminer les distorsions qui pourraient apparaître sur le
spectre et qui sont dues au passage quasi-instantané de la valeur zéro à une valeur importante. Cette opération
de fenêtrage ne modifie pas considérablement l’intensité du signal modifié. La fenêtre utilisée dans ce cas est
une fenêtre de Hamming appliquée au choc (IJT ≠0) sur une largeur égale à la taille du choc plus 2 fois la
largeur de la fenêtre de l’Index Julien (pas).

4.0 Applications expérimentales de l’IJT


La procédure IJT décrite précédemment a été appliquée sur deux signaux provenant d’un roulement
défectueux, atteint de défauts sur sa bague intérieure dont la taille est de 0,18 mm et 0,56 mm respectivement
et tournant à une vitesse de 1750 tr/mn. Les résultas comparatifs sont explicités aux figures 3 et 4. En
calculant le rapport du niveau efficace du signal modifié par celui du signal original, on peut établir la
proportion de chocs présente dans le signal original. Le tableau 2 donne un exemple de ce calcul pour les deux
défauts considérés.

4
CMVA, Edmonton, 23th seminar, October 2005

4,00

3,00

2,00

Signal original 1,00

0,00

-1,00

-2,00

-3,00

-4,00
0,00 0,10 0,20 0,30 0,40 0,50

4,00

3,00

2,00

Calcul de 1,00

0,00

l’Index Julien -1,00

-2,00

-3,00

-4,00
0,00 0,05 0,10 0,15 0,20 0,25 0,30 0,35 0,40 0,45 0,50

4,00

3,00

2,00

1,00

0,00

Nettoyage -1,00

-2,00

-3,00

-4,00
0,15 0,16 0,17 0,18 0,19 0,20 0,21 0,22 0,23 0,24 0,25

4,00

3,00

2,00

1,00

Fenêtrage 0,00

-1,00

-2,00

-3,00

-4,00
0,15 0,16 0,17 0,18 0,19 0,20 0,21 0,22 0,23 0,24 0,25

4,00

3,00

2,00

Signal final 1,00

0,00

-1,00

-2,00

-3,00

-4,00
0,00 0,05 0,10 0,15 0,20 0,25 0,30 0,35 0,40 0,45 0,50

Figure 2 Organigramme de traitement du signal IJT

Diamètre de défaut Intensité due au choc Bruit + harmoniques


0.18 mm 63% 37%
0.56 mm 82 % 18%

Tableau 2 : Calcul de la proportion de choc dans le signal

Les résultats du tableau 2 montrent clairement que l’application de la transformée de Julien reflète
assez significativement la dégradation d’un équipement en suivant l’évolution de l’apport énergétique des
chocs dans le signal.

5
CMVA, Edmonton, 23th seminar, October 2005

2,00
1,50
1,00

Amp (g) 0,50


0,00
-0,50
-1,00
-1,50
-2,00
0,00 0,10 0,20 0,30 0,40 0,50
Temps (s)

a) Signal original avec un défaut de roulement = 0.18 mm

Peak RMS CF Kurtosis


1.51 0.33 4.57 5.57

2,00
1,50
1,00
0,50
Amp (g)

0,00
-0,50
-1,00
-1,50
-2,00
0,00 0,10 0,20 0,30 0,40 0,50
Temps (s)

b) Signal modifié IJT avec un défaut de roulement = 0.18 mm


Peak RMS CF Kurtosis
1.51 0.21 7.21 11.45

Figure 3 : Signal original et IJT pour un défaut de roulement de 0.18 mm

6
CMVA, Edmonton, 23th seminar, October 2005

4,00

3,00

2,00

1,00

0,00

-1,00

-2,00

-3,00

-4,00
0,00 0,05 0,10 0,15 0,20 0,25 0,30 0,35 0,40 0,45 0,50

Signal original avec un défaut de roulement = 0.56 mm


Peak RMS CF Kurtosis
2.87 0.46 6.14 7.88

4,00

3,00

2,00

1,00

0,00

-1,00

-2,00

-3,00

-4,00
0,00 0,05 0,10 0,15 0,20 0,25 0,30 0,35 0,40 0,45 0,50

Signal modifié avec un défaut de roulement = 0.56 mm


Peak RMS CF Kurtosis
2.87 0.38 7.49 14.87

Figure 4 : Signal original et IJT pour un défaut de roulement de 0.56 mm

7
CMVA, Edmonton, 23th seminar, October 2005

5.0 La transformée de Julien dans le domaine fréquentiel


En appliquant la transformée de Fourrier sur le signal temporel déjà modifié par la transformée de
julien (IJT), il est possible de déterminer la (ou les) fréquence(s) auxquelles se produisent les chocs, à la
manière d’une enveloppe qui ne serait sensible qu’aux chocs. L’identification de la cause de ces chocs est
particulièrement utile lorsque les chocs proviennent de plusieurs sources.

La figure 5 montre la transformée de Fourrier du signal IJT décrit à la figure 4. Tel que prévu, le
spectre de choc, contenant les résonances du roulement, se manifeste à haute fréquence. Une analyse temps
fréquence (STFT par exemple) peut être utile dans ce cas, pour explorer l’excitation large bande qui se
manifeste à des instants de chocs précis. La transformée de Julien, associée à la technique Temps-Fréquence,
donne la possibilité de localiser la gamme de fréquence à laquelle se produit le choc. Ceci peut s’avérer très
utile pour différencier des chocs résultants d’un défaut de roulement ou d’un engrenage par exemple, si les
gammes de fréquences excitées sont différentes.

Gamme de
résonance du
roulement

Spectrogramme du signal
modifié du roulement
défectueux 0.56mm

Figure 5 Analyse temps-fréquence du IJT

Pour obtenir un diagnostic plus précis des sources de perturbation, l’analyse d’enveloppe permet de
ramener les phénomènes générés en hautes fréquences vers le domaine basse fréquence. La figure 6 montre
un exemple de l’analyse d’enveloppe appliquée sur le signal de choc IJT. L’apparition de la fréquence BPFI et
de ses harmoniques dans le spectre de choc permet facilement de constater que les chocs étaient dus á un
défaut sur la piste intérieure. Le spectre obtenu par cette technique est dénué de bruit et de composantes
harmoniques, ce qui est très utile lorsque le rapport signal sur bruit est très faible.

Cet exemple montre clairement la force de la transformée de Julien pour la localisation des fréquences
de chocs. Il est vrai qu’on aurait pu se servir du spectre enveloppe du signal d’origine mais on aurait eu dans

8
CMVA, Edmonton, 23th seminar, October 2005

ce cas un spectre bruité contenant non seulement les chocs mais aussi tout le bruit ainsi que les composantes
harmoniques.

0,8

0,7

0,6
BPFI

0,5

0,4

0,3 2*BPFI
0,2

0,1

0
0,00 100,00 200,00 300,00 400,00 500,00 600,00 700,00 800,00 900,00 1000,00

Spectre enveloppe du signal modifié basé sur la transformée de Julien relatif á un roulement affecté d’un défaut de 0.56 mm

Figure 6 : Spectre enveloppe basé sur la transformée de Julien relatif á un roulement affecté d’un
défaut de 0.56 mm

6.0 Conclusion :
Le présent papier décrit une nouvelle technique de traitement de signal appelée Transformée de Julien
et de ses performances dans la détection des chocs noyés dans un signal bruité. Dérivée originalement de
l’index Julien, cette technique est basée sur un choix approprié de descripteur temporel (le Kurtosis) et fait
intervenir un filtrage du signal de façon à ne conserver dans le domaine temporel que les composantes dues
aux chocs. En plus d’être performant, ce procédé de traitement de signal permet de réduire considérablement
les temps de calcul et présente le grand avantage de pouvoir estimer l’amplitude des chocs à chaque instant
afin de livrer finalement un signal temporel ne contenant que des choc et épuré de toute autre composante.
Une application concrète a été présentée pour décrire les différentes étapes de traitement et pour montrer son
utilité dans la quantification des chocs dans un signal bruité.

7. 0 Remerciement :
Les auteurs remercient l’équipe de l’ONR pour leurs avoir permis d’utiliser leurs mesures sur les
roulements défectueux accessible sur le site www.cwru.com . Également le CRSNG et le FQRNT sont
fortement remerciés pour leur appui financier dans cette étude.

9
CMVA, Edmonton, 23th seminar, October 2005

8.0 Références
1. Thomas M., Archambault R. and Archambault J., October 2004, A new technique to detect rolling
element bearing faults, the Julien method, Proceedings of the 5th international conf. on acoustical and
vibratory surveillance methods and diagnostic techniques, Senlis, France, paper R61, 10 p.
2. Thomas M., Archambault R. and Archambault J., October 2003, Modified Julien index as a shock
detector: its application to detect rolling element bearing defect, 21th seminar on machinery vibration,
CMVA, Halifax (N.S.), 21.1-21.12.
3. Archambault J., Archambault R. and Thomas M., Octobre 2002, A new Index for bearing fault detection,
Proceeding of the 20th seminar on machinery vibration, Québec, 10 pages.

Biography
 Béchir Badri is a graduate student at ÉTS. He is involved in the field of vibration
signal analysis and simulation of damaged bearings dynamic behavior.
 Marc Thomas is professor in mechanical engineering at the École de Technologie
supérieure (Montreal) since 13 years. He has a Ph.D. in mechanical engineering
from Sherbrooke university. His research interests are in vibration analysis and
predictive maintenance. He is the leader of a research group in structural dynamics
and an active member of the ACVM (Chapter Quebec). He is the author of the
book: Fiabilité, maintenance predictive et vibrations de machines. He has acquired a
large industrial experience as the group leader at the Centre de Recherche
industrielle du Québec (CRIQ) for 11 years.
 René Archambault is involved in the field of vibration signal analysis and the
manager of IMS (Baie D’Urfé)
 Sadok Sassi is actually a professor in mechanical engineering at the SOHAR
university (Sultanat of Oman). He has a Ph.D. in mechanical engineering from
“École Polytechique de Montréal”. His research interests are in vibration analysis,
simulation of damaged bearings dynamic behavior and predictive maintenance.

10