Académique Documents
Professionnel Documents
Culture Documents
Rapport de Stage ...
Rapport de Stage ...
En premier lieu, Nous tenons à remercier DIEU pour nous donner le courage et la patience
durant nos études.
En second lieu, Nous tenons à remercier à travers ces quelques lignes les nombreuses personnes
qui ont contribué au succès de notre stage et qui, par la confiance, la patience et l’amitié qu’ils ont
manifestées à notre égard, nous ont permis d’apprécier pleinement ces quatre mois au sein du site
D’Alstom.
Nous nous excusons par avance auprès de ceux que nous oublierons de citer ou que nous ne
pourrons évoquer explicitement dans ce paragraphe, et nous leur réaffirmons par ailleurs notre recon-
naissance.
Nous pensons ici en premier lieu à madame Adnane Sanaa - Quality Manager, monsieur mon-
sieur Fahd Kdihi - Responsable Méthodes,et El Badaoui Khalid - Coordinateur Qualite Projet et
Relai Communication.Pour le temps et le suivi qu’ils nous ont accordé malgré leurs engagements,
ainsi que tous les efforts qu’ils ont déployé au long de la réalisation de ce travail. Nous voudrions
remercier monsieur Achmamad Abdelouahed et Ouachtouk Ilias, qui nous ont donné beaucoup de
connaissances techniques, des idées pour notre travail et pour nous avoir assuré la qualité de notre
travail.
Nos sincères remerciements sont également adressés à tout le corps enseignant et responsable
de l’ENSET Rabat, et plus particulièrement au coordonnatrice de la filière génie électrique et notre
encadrante Madame El Hani Soumia , pour toutes les informations et les orientations qu’elle nous a
offerte pour accomplir notre travail.
Enfin, Nous aimerions remercier les membres du jury, pour avoir accepté ce rôle et pour l’honneur
qu’ils nous font de juger mon travail.
Table des matières
D ÉDICACE . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . i
R EMERCIEMENT . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . ii
I NTRODUCTION G ÉN ÉRALE . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 1
2 G ÉN ÉRALIT ÉS SUR LE DIAGNOSTIC DES D ÉFAUTS M ÉCANIQUES DES MACHINES TOUR -
NANTES 12
Introduction . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 13
2.1 Diagnostic des défauts mécaniques des machines tournantes par analyse vibratoire . 13
2.1.1 Terminologie propre au diagnostic . . . . . . . . . . . . . . . . . . . . . . . 13
2.1.2 Caractéristiques d’un système de diagnostic . . . . . . . . . . . . . . . . . . 15
2.1.3 Les différentes étapes d’un diagnostic . . . . . . . . . . . . . . . . . . . . . 16
2.1.4 Présentation générale de l’Aanalyse Vibratoire . . . . . . . . . . . . . . . . 16
2.1.5 Les différents niveaux d’analyse vibratoire . . . . . . . . . . . . . . . . . . 18
2.2 Classification des méthodes de diagnostic . . . . . . . . . . . . . . . . . . . . . . . 18
2.2.1 Méthode avec connaissance à priori . . . . . . . . . . . . . . . . . . . . . . 18
2.2.2 Méthodes sans connaissance à priori . . . . . . . . . . . . . . . . . . . . . . 19
conclusion . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 20
iii
TABLE DES MATIÈRES
iv
TABLE DES MATIÈRES
A NNEXE 3 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . VI
A NNEXE 4 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . VIII
A NNEXE 5 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . X
v
Table des figures
vi
TABLE DES FIGURES
vii
Liste des tableaux
5.1 les principaux indicateurs temporelles, leurs relations et leur déclaration sur Matlab . 52
5.2 les principaux indicateurs fréquentielles, leurs relations et leur déclaration sur Matlab 52
5.3 Partitionnement de la base d’apprentissage . . . . . . . . . . . . . . . . . . . . . . . 53
5.4 Performance de classification des deux classifieurs k-ppv et svm . . . . . . . . . . . 53
viii
LISTE DES TABLEAUX
1
Le présent mémoire a pour sujet l’établissement d’un processus de surveillance et du diagnostic de
ces moteurs afin d’améliorer les conditions des activités de la maintenance. Notre travail sera effectué
dans l’ordre suivant : Le premier chapitre est réservé à la présentation de l’organisme d’accueil ainsi
que le cadre général du projet.
Le second chapitre présente un aperçu général sur le diagnostic des machines tournantes par l’ana-
lyse vibratoire. Ainsi les différentes approches de diagnostic les plus adaptées en analyse vibratoire
à savoir les méthodes avec connaissance à priori sur le système à diagnostiquer et les méthodes sans
connaissances à priori.
Dans le troisième chapitre nous allons définir la zone des tests des moteurs de traction des lo-
comotives de la série E1400 ainsi que les différents essais de surveillance proposés par le fabricant
de ces derniers, ainsi que nous allons développer une application bureau à l’aide du logiciel Lab-
View afin de traiter les informations issues des différentes capteurs et communiquer par la suite des
résultats informant sur l’état de santé de la machine tournante. Nous nous attarderons dans le qua-
trième chapitre sur les techniques de traitement de signal qui s’inscrivent dans le cadre des méthodes
avec connaissance à priori. Puis nous allons faire une synthèse des principaux défauts qui affectent les
machines tournantes, afin de comprendre leurs caractères fréquentielles. Et enfin, nous appliquerons
la technique de l’analyse d’enveloppe du signal vibratoire pour la localisation des défauts du moteur
en communiquant les résultats de cette technique à travers une interface homme/machine réalisée
dans l’environnement LabView.
Finalement, le dernier chapitre traitera le problème du diagnostic de façon différente, nous parlons
maintenant des techniques basée sur les principes de l’intelligence artificielle, notamment la méthode
de la reconnaissance des formes. Une application expérimentale sera faite par la suite pour détecter
et localiser les défauts, afin de valider les performances de la technique introduite dans ce chapitre.
Enfin, nous terminerons avec une conclusion générale et des perspectives pour améliorer notre projet
par la suite.
Chapitre 1
Sommaire
Introduction . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 4
1.1 Représentation de l’entreprise . . . . . . . . . . . . . . . . . . . . . . . . . . . 4
1.1.1 ALSTOM multinationale . . . . . . . . . . . . . . . . . . . . . . . . . . 4
1.1.2 ALSTOM Transport Au Maroc . . . . . . . . . . . . . . . . . . . . . . . 6
1.2 Cadre général du projet . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 7
1.2.1 Problématique . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 7
1.2.2 Objectif . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 7
1.2.3 Méthodologie de la gestion de projet . . . . . . . . . . . . . . . . . . . . 7
1.2.4 Ensemble des taches et équipe du projet dans le cadre méthodologique Scrum 9
Conclusion . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 11
3
CHAPITRE 1. REPR ÉSENTATION DE L’ENTREPRISE ET CADRE G ÉN ÉRALE DU
PROJET
Introduction
Dans ce chapitre,nous allons présenter l’entreprise d’acceuil,Alstom au niveau international ainsi
que national (Alstom Transport Maroc).
Par la suite,nous allons discuter le cadre général de notre projet,tout en décrivant la problématique
, l’objectif et la méthodologie suivie tout au long de la période du projet.
ALSTOM est une société anonyme basée en France spécialisée dans les secteurs des transports,
principalement ferroviaires (trains, tramways et métros), et de la production et le transport d’énergie
(centrales électriques et énergies renouvelables comme les éoliennes et les postes de transformation
et d’interconnexion). À l’origine ,Alsthom, contraction d’ Alsace et de Thomson , devenu
Alsthom, était le résultat de la fusion, réalisée en 1928, d’une partie de la Société alsacienne de
constructions mécaniques (SACM), spécialiste de la construction de locomotives, et de la Compa-
gnie Française Thomson- Houston (CFTH), société franco-américaine spécialiste des équipements de
traction électrique et de la construction électromécanique.
Fiche technique :
4
CHAPITRE 1. REPR ÉSENTATION DE L’ENTREPRISE ET CADRE G ÉN ÉRALE DU
PROJET
Le Secteur Transport fournit partout dans le monde des équipements, des systèmes et des services
ferroviaires pour les transports urbains, régionaux et grandes lignes, ainsi que pour le transport de fret.
Alstom conçoit, fournit des systèmes ferroviaires durables et intégrés qui répondent aux nouveaux en-
jeux d’une mobilité plus intelligente. L’offre d’Alstom Transport porte sur la fourniture des différents
produits d’un système ferroviaire ou de solutions clés en main complètes. Adaptées aux attentes des
différents opérateurs et autorités de transport comme à celles des passagers, ces solutions ferroviaires
sont synonymes d’efficacité, tant sur le plan technique, qu’économique et environnemental.
5
CHAPITRE 1. REPR ÉSENTATION DE L’ENTREPRISE ET CADRE G ÉN ÉRALE DU
PROJET
Chiffre d’affaires :
Projets au Maroc :
— Alstom Transport, Le spécialiste français des transports ferroviaires travaille actuellement sur
plusieurs projets au Maroc, dont le plus important reste celui des trains dédiés à la ligne à
grande vitesse (LGV), pour relier Tanger et Casablanca, en 2h10 et à une vitesse maximale de
320 km/h.
— Alstom contribue à la réalisation des objectifs de l’ONCF pour répondre à l’augmentation du
trafic générée par l’ouverture du port de Tanger Med, pour renforcer une offre ferroviaire de
qualité, pour améliorer les capacités de la ligne existante en fluidifiant le trafic et participer au
développement structurel et durable des régions traversées.
— Alstom transport a eu le projet de maintenance offert par l’Office National des Chemins Fer-
roviaires (ONCF) à Casablanca (Lieux du Stage)
6
CHAPITRE 1. REPR ÉSENTATION DE L’ENTREPRISE ET CADRE G ÉN ÉRALE DU
PROJET
1.2.1 Problématique
A la date de 20/03/2019, nous avons fait une visite aux ateliers du prestataire CBE spécialiste
des révisions des moteurs de traction pour ONCF et ALSTOM au Maroc, et nous avons remarqué
que le déroulement de l’opération de la surveillance et du diagnostic n’est pas conforme aux normes
en vigueur. Cela se reflète dans l’insuffisance des instruments de mesure, et la prise aléatoire des
grandeurs mesurées qui influence leurs exactitudes, ce qui amène une mauvaise prise de décision
pour l’opération de la maintenance. D’où le besoin de la société ALSTOM d’une zone sécurisée
dédiée pour les tests de surveillance et de diagnostic du moteur de traction, afin de vérifier son état de
fonctionnement.
1.2.2 Objectif
— définition d’une zone sécurisée tout en respectant les règles de l’art (Santé, Sécurité et Qualité)
pour faire les essais de surveillance et de diagnostic du moteur de traction asynchrone type 4
FXA 4559 D des locomotives de la série E1400 conformément à la norme CEI 60349-2,
deuxième édition 2002-08.
— réalisation d’une application bureau sur l’environnement LabView capable de traiter d’une
part les informations issues des capteurs installés dans la zone, et d’autre part communiquer
ces résultats à travers une interface graphique.
Les méthodes agiles consistent à travailler en cycle itératifs courts et décomposer le l’objectif
global en sous objectifs. L’agilité, comme nous l’appelons, est l’alternative moderne aux méthodes
de gestion de projet classiques, qui utilisent le cycle en V, et qui commencent toujours par l’analyse
des besoins du client et la rédaction du cahier des charges. Une fois les partis prenantes du projet
sont d’accords, les spécifications fonctionnelles, puis techniques de du produit sont rédigées et va-
lidées. L’ensemble des fonctionnalités du produit, et les modalités de sa réalisation (choix techniques
notamment) est décrit avant que la moindre tache ne soit effectuée.
L’approche agile est radicalement différente. Plutôt que de tout spécifier dès le début du projet et
7
CHAPITRE 1. REPR ÉSENTATION DE L’ENTREPRISE ET CADRE G ÉN ÉRALE DU
PROJET
de s’en tenir à un cadre très rigide, un projet agile sera organisé en cycles de développements itératifs
et incrémentaux, auxquels le client final et l’utilisateur seront intégrés et participeront de façon active.
Le centre de gravité n’est donc plus le projet en lui-même, mais bel et bien le produit. L’objectif n’est
plus de mener le projet à bien, mais de donner naissance à un produit fini, correspondant parfaitement
au besoin du client.
8
CHAPITRE 1. REPR ÉSENTATION DE L’ENTREPRISE ET CADRE G ÉN ÉRALE DU
PROJET
Le framework scrum
Scrum est considéré comme un cadre ou framework de gestion de projet agile. Ce cadre est
constitué d’une définition des rôles, de réunions et d’artefacts.
Scrum définit 3 rôles :
— Le Product Owner qui porte la vision du produit à réaliser (représentant généralement le
client).
— Le Scrum Master garant de l’application de la méthodologie Scrum.
— L’équipe de développement qui réalise le produit, composée généralement de 2 à 9 personnes,
et qui peut inclure également le Product Owner et Scrum Master.
— On peut également ajouter rôle supplémentaire qui est les intervenants,ce sont les gens qui
interviennent dans le projet pour donner des directives,des conseils et des orientations.
La vie d’un projet Scrum est rythmée par un ensemble de réunions clairement définies et strictement
limitées dans le temps (timeboxing) :
— Planification du Sprint (Sprint = itération) : au cours de cette réunion, l’équipe de développement
sélectionne les éléments prioritaires du Product Backlog (liste ordonnancée des exigences
fonctionnelles et non fonctionnelles du projet) qu’elle pense pouvoir réaliser au cours du sprint
(en accord avec le Product Owner ).
— Revue de Sprint : au cours de cette réunion qui a lieu à la fin du sprint, l’équipe de développement
présente les fonctionnalités terminées au cours du sprint et recueille les feedbacks du Product
Owner et des utilisateurs finaux. C’est également le moment d’anticiper le périmètre des pro-
chains sprints et d’ajuster au besoin la planification de release (nombre de sprints restants).
— Rétrospective de Sprint : la rétrospective qui a généralement lieu après la revue de sprint est
l’occasion de s’améliorer (productivité, qualité, efficacité, conditions de travail, etc) à la lueur
du ”vécu” sur le sprint écoulé (principe d’amélioration continue).
— Mêlée quotidienne : il s’agit d’une réunion de synchronisation de l’équipe de développement
qui se fait debout (elle est aussi appelée ”stand up meeting”) en 15 minutes maximum au cours
de laquelle chacun répond principalement à 3 questions : Qu’est-ce que j’ai terminé depuis
la dernière mêlée ? Qu’est-ce que j’aurai terminé d’ici la prochaine mêlée ? Quels obstacles
me retardent ? .
9
CHAPITRE 1. REPR ÉSENTATION DE L’ENTREPRISE ET CADRE G ÉN ÉRALE DU
PROJET
10
CHAPITRE 1. REPR ÉSENTATION DE L’ENTREPRISE ET CADRE G ÉN ÉRALE DU
PROJET
Conclusion
Dans un premier lieu, nous avons présenté la fameuse entreprise internationale Alstom qui opère
dans le domaine transport ferroviaire, son installation, ses projets au Maroc, et son entité Alstom
Transport qui nous a accueillis dans mon stage de fin d’études. dans un deuxième lieu, nous avons
décrit le déroulement du projet en utilisant le cadre méthodologique Scrum.
11
Chapitre 2
Sommaire
Introduction . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 13
2.1 Diagnostic des défauts mécaniques des machines tournantes par analyse vibra-
toire . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 13
2.1.1 Terminologie propre au diagnostic . . . . . . . . . . . . . . . . . . . . . . 13
2.1.2 Caractéristiques d’un système de diagnostic . . . . . . . . . . . . . . . . . 15
2.1.3 Les différentes étapes d’un diagnostic . . . . . . . . . . . . . . . . . . . . 16
2.1.4 Présentation générale de l’Aanalyse Vibratoire . . . . . . . . . . . . . . . 16
2.1.5 Les différents niveaux d’analyse vibratoire . . . . . . . . . . . . . . . . . 18
2.2 Classification des méthodes de diagnostic . . . . . . . . . . . . . . . . . . . . . 18
2.2.1 Méthode avec connaissance à priori . . . . . . . . . . . . . . . . . . . . . 18
2.2.2 Méthodes sans connaissance à priori . . . . . . . . . . . . . . . . . . . . . 19
conclusion . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 20
12
CHAPITRE 2. G ÉN ÉRALIT ÉS SUR LE DIAGNOSTIC DES D ÉFAUTS M ÉCANIQUES
DES MACHINES TOURNANTES
Introduction
De nombreuses défaillances peuvent apparaı̂tre sur les machines tournantes provoquant des arrêts
intempestifs. Le premier pas vers la réduction des arrêts non planifiés réside dans la mise en œuvre
d’une bonne stratégie de maintenance. Cela nécessite l’utilisation d’une méthode de diagnostic effi-
cace afin d’établir un système de surveillance capable d’assurer la disponibilité, la fiabilité et la sûreté
de fonctionnement des machines.
Dans ce chapitre,nous présentons les techniques de diagnostic des machines tournantes par ana-
lyse vibratoire . En effet l’analyse vibratoire apparaı̂t comme l’un des outils les plus utilisés et les plus
efficaces pour détecter, diagnostiquer et suivre les défauts des composants mécaniques dans une ma-
chine tournante. Finalement nous présentons les différentes approches de diagnostics les plus adaptées
en analyse vibratoire.
De nombreuses définitions sont proposées pour le terme de diagnostic, celle du dictionnaire Robert
est rigoureusement étymologique : action de déterminer une maladie d’après ses symptômes .
L’origine de ce mot provient de deux mots grecs, dia qui signifie par et gnossie qui
signifie connaissance .
Dans l’industrie, le diagnostic est défini par l’ensemble d’actions visant à évaluer un procédé
(système) et identifier la cause probable des défaillances à l’aide d’un raisonnement logique fondé sur
un ensemble d’informations provenant d’une inspection, d’un contrôle ou d’un test de son fonction-
nement.
Le diagnostic est en principe défini comme un processus à trois phases :
— Détection du mode de fonctionnement.
— Qualification du mode de fonctionnement.
— Décision à partir de la reconnaissance du mode de fonctionnement.
Un système est dit diagnosticable, s’il est susceptible d’être soumis à un diagnostic, il doit alors
être muni d’organes d’observation (capteurs) et d’un système d’analyse pour étudier les informations
fournies. La diagnosticabilité sera l’aptitude d’un système à être diagnostiqué.
Défaut :
Un défaut est une anomalie de fonctionnement d’un système physique. On appelle défaut tout
écart entre la caractéristique observée sur le dispositif et la caractéristique théorique. Cet écart est
idéalement nul en absence de défauts.
13
CHAPITRE 2. G ÉN ÉRALIT ÉS SUR LE DIAGNOSTIC DES D ÉFAUTS M ÉCANIQUES
DES MACHINES TOURNANTES
Défaillance :
Dégradation :
Panne :
Lorsque plus aucune fonction n’est assurée, le terme de panne est employé à la place du terme
défaillance.
Défaut ⇒ Défaillance ⇒ panne
Signe :
Un défaut est perceptible au travers d’un signe, caractère manifestant un état comportemental
anormal. Un signe est caractérisé par un ensemble d’observations en provenance d’un système phy-
sique. Il est révélateur de la présence d’un défaut.
Symptômes :
Le terme signe dans le cas d’une défaillance correspond au terme symptôme définit comme suit :
caractéristique distinctive d’un état fonctionnel anormal.
14
CHAPITRE 2. G ÉN ÉRALIT ÉS SUR LE DIAGNOSTIC DES D ÉFAUTS M ÉCANIQUES
DES MACHINES TOURNANTES
La distinction entre les termes symptôme et signe s’apparente donc à la différence entre les notions
de défaut et de défaillance. Un symptôme révélant d’une défaillance est nécessairement un signe, alors
qu’un défaut se manifeste à travers des signes qui ne sont pas nécessairement des symptômes.
Résidu :
Un résidu communément appelé indicateur de défaut ou variable d’écart, est un signal conçu
comme indicateur d’anomalies comportementales ou fonctionnelles. Il exprime l’incohérence entre
les informations disponibles et celles théoriques fournies par un modèle censé décrire correctement
le processus.
15
CHAPITRE 2. G ÉN ÉRALIT ÉS SUR LE DIAGNOSTIC DES D ÉFAUTS M ÉCANIQUES
DES MACHINES TOURNANTES
A partir des mesures réalisées et des observations issues des opérateurs en charge de l’installa-
tion, il s’agit de construire des indicateurs permettant de mettre en évidence les éventuels défauts
pouvant apparaı̂tre au sein du système. Dans le domaine du diagnostic, les indicateurs de défauts sont
couramment dénommés les résidus ou symptômes.
Etape de détection :
Cette étape doit permettre de décider si le système se trouve ou non dans un état de fonctionnement
normal, cette étape fait le plus souvent appel aux tests statistiques ou, de manière plus simple, est
réalisée à l’aide d’un seuillage.
Etape de localisation :
Il s’agit à partir des résidus non nuls statistiquement, de localiser le défaut, c’est-à-dire de déterminer
le ou les éléments défaillants. La procédure de localisation nécessite l’utilisation d’un ensemble (ou
vecteur) de résidus, qui doivent avoir des propriétés permettant de caractériser de manière unique
chaque défaut.
Il s’agit de décider de la marche à suivre afin de conserver les performances souhaitées, du système
sous surveillance. Cette prise de décision doit permettre de générer, éventuellement sous le control
d’un opérateur humain, les actions correctrices nécessaires à un retour à la normale du fonctionne-
ment de l’installation. En résumé, quelle que soit la méthode employée, la procédure de diagnostic
comprend deux principales étapes, une étape de génération de résidus et une étape d’évaluation des
résidus.
16
CHAPITRE 2. G ÉN ÉRALIT ÉS SUR LE DIAGNOSTIC DES D ÉFAUTS M ÉCANIQUES
DES MACHINES TOURNANTES
vent à un accroissement du niveau des vibrations. En observant l’évolution de ce niveau, il est par
conséquent possible d’obtenir des informations très utiles sur l’état de la machine. La modification du
niveau vibratoire d’une machine constitue souvent la première manifestation physique d’une anoma-
lie, cause potentielle de dégradation, voire de pannes. Les vibrations véhiculent beaucoup d’informa-
tions sur l’état de fonctionnement de la machine, toutes les caractéristiques des vibrations (amplitude,
répartition des amplitudes, fréquence, ...) peuvent être exploitées et analysées pour révéler des détails
précis sur l’état interne de la machine. L’analyse vibratoire est aujourd’hui très fortement répandue
dans l’industrie en y trouvant sa place au sein des stratégies de maintenance conditionnelle car elle
offre une panoplie des méthodes qui permettent de détecter la présence des défauts (diagnostic) et
d’analyser leur évolution temporelle (la surveillance). La maintenance par l’analyse vibratoire se
compose de trois étapes clés :
— L’étude cinématique de la machine : calcul des fréquences caractéristiques de défauts des
composants à surveiller.
— L’acquisition et le traitement des données vibratoires : extraction des paramètres significatifs
de l’état de dégradation des composants
— La décision : Diagnostic et pronostic de pannes.
17
CHAPITRE 2. G ÉN ÉRALIT ÉS SUR LE DIAGNOSTIC DES D ÉFAUTS M ÉCANIQUES
DES MACHINES TOURNANTES
— Les méthodes basées sur l’intelligence artificielle également appelées méthodes sans connais-
sance à priori .
Cette approche se base sur le fait que l’apparition d’un défaut se manifeste par une modification
des caractéristiques des grandeurs mesurables sur le système. Ces dernières possèdent des profils
temporels et fréquentiels typiques qui correspondent à un état normal ou bien à des défaillances
connues. Une comparaison entre les signatures de référence et actuelles permet de bien identifier l’état
18
CHAPITRE 2. G ÉN ÉRALIT ÉS SUR LE DIAGNOSTIC DES D ÉFAUTS M ÉCANIQUES
DES MACHINES TOURNANTES
F IGURE 2.3 – Détection et localisation des défauts :d (t) : entrées inconnues, f (t) : défauts, u (t) :
entrée du système à surveiller, y (t) : sortie du système à surveiller et r (t) : résidus
réel du système et de diagnostiquer le défaut si présent. Ces outils sont classés en quatre catégories
selon leur domaine d’application : temps, fréquences, temps-fréquence ou temps-échelle.
L’idée de base est de vérifier la cohérence entre les relations mathématiques du système et les
mesures. Supposons qu’une mesure puisse s’exprimer en fonction des autres par une relation connue.
La différence entre la mesure et sa valeur calculée à l’aide du modèle est appelée résidu. Si le résidu
est nul, les mesures sont cohérentes par rapport au modèle, le système est déclaré sans défaut. Un
résidu non nul implique l’existence d’un défaut. L’approche par espace de parité suppose donc la
connaissance d’un modèle mathématique du système.
Les méthodes avec connaissance à priori reposent sur l’utilisation d’un modèle mathématique du
système étudiée. Toutefois, l’obtention d’un modèle global est quelquefois difficile à obtenir en raison
de la complexité des phénomènes physiques mis en jeu. On peut alors avoir recours aux méthodes sans
connaissance à priori. Dans ce cas les connaissances utilisables reposent alors sur le savoir d’experts
et sur un ensemble de données issues de l’installation à surveiller. Suivant ce type d’approche, on
retrouve l’ensemble des méthodes basées sur l’intelligence artificielle (IA).
L’intelligence artificielle (IA) est une branche de l’informatique qui traite la reproduction par la
machine de certains aspects de l’intelligence humaine tels qu’apprendre à partir d’une expérience
19
CHAPITRE 2. G ÉN ÉRALIT ÉS SUR LE DIAGNOSTIC DES D ÉFAUTS M ÉCANIQUES
DES MACHINES TOURNANTES
passée à reconnaı̂tre des formes complexes et à effectuer des déductions. L’intérêt de recourir à l’in-
telligence artificielle (IA) pour résoudre le problème de diagnostic des défaillances, est dû principale-
ment aux avantages suivants :
— La non disponibilité de modèle explicite pour le cas de défaillances est un problème que les
techniques de l’intelligence artificielle (IA) peuvent résoudre car basées sur la non nécessité
de modélisation.
— L’insertion de connaissance d’expert données sous forme linguistique, soit pour la détection,
ou la localisation de défauts, ce qui permet de rendre le système de contrôle ou de commande
apte à effectuer l’insertion automatique des symptômes et la mémorisation de chaque nouvel
acte (possibilité de son auto instruction).
— La simplicité dans la mise en œuvre, une fois préparées les règles d’expert.
— La robustesse face aux perturbations.
L’intelligence artificielle recouvre principalement la reconnaissance des formes, les systèmes experts,
les réseaux de neurones et les systèmes d’inférence floue.
Conclusion
Nous avons présenté dans ce chapitre quelques notions de base sur le diagnostic des systèmes
en général et le diagnostic par l’analyse vibratoire en particulier. Le diagnostic apparait comme un
domaine riche et varié et fait appel à des concepts différents comme la modélisation, le traitement
du signal, des méthodes d’intelligence artificielles, etc. Les différentes méthodes proposées dans ce
domaine reposent sur l’utilisation de modèles avec connaissance à priori ou des modèles sans connais-
sance à priori obtenus en exploitant l’ensemble des connaissances disponibles sur le système à diag-
nostiquer.
20
Chapitre 3
Sommaire
Introduction . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 22
3.1 Les essais de surveillance . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 22
3.2 Définition de la zone d’essais des moteurs de traction 4 FXA 4559 D . . . . . . 23
3.2.1 Partie matérielle . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 24
3.2.2 Partie logicielle . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 28
3.2.3 Implémentation des essais de surveillance dans le LABVIEW . . . . . . . 29
Conclusion . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 31
21
CHAPITRE 3. ESSAIS DE SURVEILLANCE DU MOTEUR DE TRACTION
Introduction
Le moteur de traction constitue l’un des éléments les plus importants de la locomotive. Il est donc
nécessaire de le surveiller et de l’entretenir correctement, si on souhaite l’utiliser en toute sécurité
et en toute fiabilité. La surveillance a pour objectif général de caractériser l’état de fonctionnement
(normal ou défaillant) d’un système. Un seuil peut être donné par le fabricant ou choisi en étudiant
l’historique de la machine, si un indicateur dépasse le seuil admissible, soit des actions correctives
sont effectuées soit on passe au niveau supérieur d’analyse : le diagnostic.
C’est pour cet objectif, le fabricant des moteurs objets de notre étude (le moteur de traction type 4
FXA 4559 D), a défini un ensemble d’essais conformément à la norme CEI 60349-2 que nous devrons
respecter strictement.
Après avoir présenté ces essais, notre contribution sera la définition d’une zone d’essai qui res-
pecte les règles d’art (santé, sécurité,. . . ), nous proposons également de digitaliser ce processus en
développant une application ‘Descktop’ qui permet d’une part, de traiter et d’analyser les informa-
tions issus des capteurs implantés dans la zone à travers des cartes d’acquisition, et d’autre part, inter-
agir avec l’opérateur de surveillance à travers une interface graphique, afin d’assurer le déroulement
des essais de façon optimale.
Dans cette partie nous allons présenter les essais de surveillances développé par le fabricant du
moteur de traction asynchrone type 4 FXA 4559 D conformément à la norme CEI 60349-2 deuxième
édition, 2002-08.
Mesurer les résistances initiales à froid, aux bornes de chacune des paires de phases UV, VW et
UW. Pour un moteur donné, l’écart maximum entre les différentes valeurs de résistances, mesurées
aux bornes de chacune des paires de phases, ne doit pas excéder ± 1.0 % de la valeur moyenne des 3
mesures
Connecter dans l’ordre les phases 1,2 et 3 de l’alimentation aux bornes U, V et W du moteur.
Effectuer une rotation à vide du moteur à tension réduite (entre 1000 et 1400 V) et la fréquence de 50
± 1 Hz, durant 10 minutes environ. Vérifier que le moteur tourne dans le sens horaire, vu coté bout
d’arbre.
22
CHAPITRE 3. ESSAIS DE SURVEILLANCE DU MOTEUR DE TRACTION
Accélérer progressivement le moteur fonctionnant à vide jusqu’à une vitesse de rotation de 3827
tr/min et maintenir cette vitesse durant 2 minutes La température ne doit pas dépasser 70◦ C coté
commande et 50◦ C côté opposé commande.
Conditions d’essai : le moteur est posé sur des supports élastiques , et fonctionne à vide.
Mesurer le niveau d’intensité vibratoire RMS transverse (direction horizontale, à hauteur d’axe
du moteur), au niveau des flasques, coté bout d’arbre et opposé au bout d’arbre, pour des vitesses de
3827, 3600 et 1500 tr / min .
Le tableau 3.1 montre les limites d’intensité vibratoire, en vitesse :
Essai diélectrique
La résistance d’isolement du bobinage statorique mesurée sous 1000 DC ne doit pas être inférieure
à 100 MΩ.
Dans cette partie nous nous interesserons à la mise en place d’une zone de test pour les essais à
vide des moteurs de traction asynchrones type 4 FXA 4559 D 1 des locomotives de la série E1400 afin
de vérifier l’état de santé de ces derniers en respectant les règles d’arts (Santé, Sécurité et Qualité).
Pour ce faire, nous décomposerons cette zone en deux parties : Une partie matérielle , où nous
présentons les différents composants constituants de la zone,et une partie logicielle , dans laquelle
nous introduisons la notion de la surveillance assistée par ordinateur.
1. Voir Annexe 1
23
CHAPITRE 3. ESSAIS DE SURVEILLANCE DU MOTEUR DE TRACTION
la zone d’essai ,Comme illustré dans la figure 3.1, est constituée principalement :
1. Une alimentation alternative de tension U=400V,dans notre cas c’est le réseau.
2. Un Autotransformateur MENG, 50 Hz, Primaire. 400V , Secondaire. 690V
3. Un variateur de vitsse type ALSPA MV3000C 2
4. Une zone grillagée dédiée au moteur,pour assurer la protection des biens et du personnel et
des autres composants pendant la mise en marche du moteur.
5. Un Châssis OYA 238 et un Faux palier OYA 236 pour la fixation du moteur.
24
CHAPITRE 3. ESSAIS DE SURVEILLANCE DU MOTEUR DE TRACTION
Note :
Tous les instruments de protection électrique utilisés dans le schéma de câblage 3 tels que (les
sectionneurs porte fusibles,les relais thermiques . . . ), les contacteurs et les boutons de commande
sont intégrés et câblés à l’avance dans l’armoire contenant le variateur de vitesse,donc l’opérateur
chargé du câblage n’aura pas à les installer pendant le raccordement des composants de la zone.
3. Voir Annexe 3
25
CHAPITRE 3. ESSAIS DE SURVEILLANCE DU MOTEUR DE TRACTION
Les sondes Rogowski ne fonctionnent qu’avec un transducteur adapté avec une sortie de
0. . . 1A. Le transducteur peut alors être connecté à un instrument de mesure pour le traite-
ment.
26
CHAPITRE 3. ESSAIS DE SURVEILLANCE DU MOTEUR DE TRACTION
27
CHAPITRE 3. ESSAIS DE SURVEILLANCE DU MOTEUR DE TRACTION
28
CHAPITRE 3. ESSAIS DE SURVEILLANCE DU MOTEUR DE TRACTION
Comme déjà mentionné avant, l’écart maximum entre les différentes valeurs de résistances, me-
surées aux bornes de chacune des paires de phases, ne doit pas excéder un pourcentage de 1.0 de
la valeur moyenne des 3 mesures. Le principe dans la simulation sur LABVIEW consiste à vérifier
cette condition pour les trois résistances, si l’une d’eux ne la vérifie pas, son voyant correspondant
s’allume.
29
CHAPITRE 3. ESSAIS DE SURVEILLANCE DU MOTEUR DE TRACTION
Le principe dans ce test consiste à mesurer la valeur de la vibration pour chacune des trois vitesses,
pour les deux cotés (coté commande CC et côté opposé commande CO ) et de les comparer
chacune avec la limite de vitesse vibratoire correspondante suivant le tableau précédant, si cette limite
est franchise, le voyant correspondant à cette valeur s’allume (figure 3.12).
Essai diélectrique
Appliquer entre le bobinage statorique et la masse, une tension alternative de fréquence comprise
entre 25 et 100 Hz égale à 5375 V ac durant une minute. Après l’essai diélectrique, la résistance
d’isolement du bobinage statorique mesurée sous 1000 V dc, ne devra pas être inférieure à 100 MΩ
(figure 3.13)
30
CHAPITRE 3. ESSAIS DE SURVEILLANCE DU MOTEUR DE TRACTION
Conclusion
Nous avons présenté dans ce chapitre les différents tests appliqués au moteur de traction afin de
vérifier son état de fonctionnement, ces tests permettent de décider si le moteur est en état défectueux
on non, mais ne localisent pas le défaut ou bien l’élément en défaut, c’est dans ce contexte que
déroulent les deux chapitres suivants qui vont traiter les méthodes de diagnostic du machines tour-
nantes.
31
Chapitre 4
Sommaire
Introduction . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 33
4.1 Les techniques de traitement du signal appliquées à l’analyse vibratoire . . . . 33
4.1.1 Analyse temporelle . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 33
4.1.2 Limite du domaine temporelle . . . . . . . . . . . . . . . . . . . . . . . . 34
4.1.3 Analyse spectrale . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 35
4.2 Analyse spectrale : analyse du spectre d’enveloppe du signal vibratoire . . . . 36
4.2.1 Principe de l’analyse d’enveloppe . . . . . . . . . . . . . . . . . . . . . . 36
4.2.2 Etude fréquentielle des différents défauts . . . . . . . . . . . . . . . . . . 36
4.2.3 Implémentation d’une analyse d’enveloppe d’un signal vibratoire dans le
logiciel de simulation LABVIEW . . . . . . . . . . . . . . . . . . . . . . 39
4.2.4 Application expérimentale d’analyse d’enveloppe d’un signal vibratoire . . 39
Conclusion . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 42
32
CHAPITRE 4. DIAGNOSTIC VIBRATOIRE PAR LES M ÉTHODES AVEC
CONNAISSANCE À PRIORI : APPROCHE SIGNAL
Introduction
La localisation des anomalies nécessite dans un premier temps de prendre la mesure des signaux
vibratoires et dans un deuxième temps une bonne exploitation des signaux recueillis. L’efficacité des
techniques de traitement de signal mises en œuvre dépend essentiellement de la qualité de la prise de
mesure des vibrations. Le choix du ou des point(s) de mesure, le mode de fixation des capteurs, les
paramètres de l’appareil de mesure (sensibilité des capteurs, fréquence d’échantillonnage) sont des
paramètres à prendre en considération.
Dans ce chapitre nous allons commencer par définir les techniques de traitement de signal utilisés
dans le diagnostic vibratoire, à savoir, l’analyse temporelle, l’analyse spectrale et l’analyse spectrale
du signal d’enveloppe. Puis, nous présenterons le caractère fréquentiel des principaux défauts des ma-
chines tournantes. Et nous clôturons ce chapitre par une implémentation de la technique de l’analyse
d’enveloppe pour la détection des défauts à l’aide de logiciel de traitement et de simulation LabVIEW,
afin de communiquer les résultats à travers une interface graphique.
La valeur efficace :
La valeur efficace, la moyenne quadratique ou la valeur RMS (Root Mean Square), est l’indi-
cateur scalaire le plus couramment utilisé, il permet de mesurer l’énergie moyenne du signal, il est
utilisé pour détecter des dissipations d’énergie anormalement élevées accompagnant la naissance d’un
défaut. La RMS est la racine carrée de la moyenne quadratique du signal vibratoire temporel discrétisé
x(n) de longueur N.
sP
N
i=0 (x(i)2 )
xRM S = (4.1)
N
33
CHAPITRE 4. DIAGNOSTIC VIBRATOIRE PAR LES M ÉTHODES AVEC
CONNAISSANCE À PRIORI : APPROCHE SIGNAL
Le facteur crête :
Le facteur crête est défini comme étant le rapport entre la valeur crête, , et la valeur efficace.
xpeak
xF c = (4.2)
xRM S
Le facteur crête a l’avantage de détecter le défaut dès son apparition et donne une information très
précoce de la prédiction.
Le Kurtosis :
Le kurtosis est un indicateur qui permet de caractériser le degré d’aplatissement d’une distribution
ce qui permet la détection précoce d’un défaut.
[x(i) − x̄]4
1 PN
N i=1
xKu = (4.3)
σ4
Le facteur K :
Le facteur K d’un signal est déni comme étant le produit entre la valeur crête et la valeur efficace.
v
u N
u 1 X
xK = xpeak × xRM S = xpeak ×t x(i)2 (4.4)
N i=1
Le Skewness :
[x(i) − x̄]3
PN
i=1
xSK = (4.5)
(N − 1)σ 3
34
CHAPITRE 4. DIAGNOSTIC VIBRATOIRE PAR LES M ÉTHODES AVEC
CONNAISSANCE À PRIORI : APPROCHE SIGNAL
X(f) est la transformée de Fourier, t est la variable temps et f est la variable de fréquence.
On peut extraire un ensemble des caractéristiques statistiques à partir du spectre d’un signal.
Parmi ces caractéristiques on trouve le centre de fréquence Xfc qui est un indicateur permettant d’in-
diquer la concentration des fréquences dans le spectre, la RMS fréquentielle Xrmsf.
PK
i=1 fj (S(fj ))
Xf c = PK (4.7)
i=1 S(fj )
v
PK
fj2 (S(fj ))
u
i=1
u
tX = (4.8)
fc PK
i=1 S(fj )
Avec S(j) est le spectre de puissance du signal x(n) , pour j = 1 ; 2. . . K. K est le nombre de lignes
spectrales et fj est la fréquence du j ème ligne.
35
CHAPITRE 4. DIAGNOSTIC VIBRATOIRE PAR LES M ÉTHODES AVEC
CONNAISSANCE À PRIORI : APPROCHE SIGNAL
1 Z s(τ )
s̃(t) = ( )dt (4.9)
π t−τ
Le signal analytique ŝ(t) du signals(t) peut être constitué à travers s(t)et son HT s̃(t)
ˆ
ŝ(t) = s(t) + js(t) (4.10)
Le processus peut être suivi en prenant la valeur absolue du signal analytique pour générer l’enve-
loppe :
q
|ŝ(t) = s2 (t) + s̃2 (4.11)
Généralement, les défauts générant des chocs provoquent une modulation du signal. En utilisant
l’analyse de l’enveloppe, le pic présent dans le spectre correspond à la fréquence caractéristique du
défaut.
D’après la figure 4.2 qui représente la géométrie du roulement, N b est le nombre de billes,Db
etDc sont respectivement le diamètre de la bille et de la cage, β étant l’angle de contact.
— Fréquence de défaut de la bague intérieure
DBI = nF2 r x(1 + Dc Db
cos β)
— Fréquence de défaut de la bague extérieure
DBO = nF2 r x(1 − Dc Db
cos β)
— Fréquence de défaut des éléments roulants
1 Db
DER = 2d x(1 − Dc cos β)
36
CHAPITRE 4. DIAGNOSTIC VIBRATOIRE PAR LES M ÉTHODES AVEC
CONNAISSANCE À PRIORI : APPROCHE SIGNAL
Défaut de balourd :
Une masse de rotor mal équilibrée s’appelle un balourd. Lorsqu’une masse mal équilibrée est mise
en rotation, il en résulte une force centrifuge qui accentue la charge sur les roulements et une vibration
du rotor à la fréquence exacte de rotation. Ceci est la caractéristique spécifique d’une machine mal
équilibrée, on constate une pointe élevée en amplitude à la fréquence de rotation. La correction de ce
problème se fait par un équilibrage sur site ou après démontage et entretien en atelier.
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.
Désalignement :
Le défaut d’alignement est l’une des principales causes de réduction de la durée de vie des
équipements. Il concerne soit deux arbres lies par un accouplement, soit deux paliers soutenant le
37
CHAPITRE 4. DIAGNOSTIC VIBRATOIRE PAR LES M ÉTHODES AVEC
CONNAISSANCE À PRIORI : APPROCHE SIGNAL
même axe.
Le mauvais alignement d’arbre de machines accouplées directement se traduit par une vibration élevée
à deux fois la fréquence de rotation, mais parfois à la fréquence de rotation. Si l’écart de concentricité
domine, une mesure élevée de vibration sera constatée en direction radiale (perpendiculaire à l’arbre).
Si par contre l’écart de parallélisme domine, une mesure élevée de vibration sera constatée dans la
direction axiale de la machine.
Il y a deux types de désalignement :
— Désalignement radial
Un défaut d’alignement est révélé par un pic d’amplitude prépondérante généralement 2 fois
la fréquence de rotation (parfois 3 ou 4 fois).Il apparait une vibration dans la direction radiale
de composante d’ordre 2 de la fréquence de rotation (rarement d’ordre 3, voire 4), avec des
amplitudes supérieures aux composantes d’ordre 1.
— Désalignement axial
Il apparait une vibration axiale de composante d’ordres 1, 2, 3 ou 4 de la fréquence de rotation
avec des amplitudes supérieures à celles des composantes radiales correspondantes.
38
CHAPITRE 4. DIAGNOSTIC VIBRATOIRE PAR LES M ÉTHODES AVEC
CONNAISSANCE À PRIORI : APPROCHE SIGNAL
39
CHAPITRE 4. DIAGNOSTIC VIBRATOIRE PAR LES M ÉTHODES AVEC
CONNAISSANCE À PRIORI : APPROCHE SIGNAL
D’après les caractéristiques de ce moteur, nous pouvons calculer analytiquement les différentes
fréquences des défauts rencontrés fréquemment :
— Les défauts de roulement :
40
CHAPITRE 4. DIAGNOSTIC VIBRATOIRE PAR LES M ÉTHODES AVEC
CONNAISSANCE À PRIORI : APPROCHE SIGNAL
— Défaut de balourd : Le défaut de balourd apparait pour une fréquence de 1*frot = 33,33 Hz.
— Défaut de désalignement : Le défaut de désalignement apparait pour une fréquence de 2*frot
= 66,66 Hz.
La figure 4.8 montre le spectre d’enveloppe du signal vibratoire après la simulation, on voit clai-
rement que les trois grands pics correspondent chacun à une fréquence bien définie.
41
CHAPITRE 4. DIAGNOSTIC VIBRATOIRE PAR LES M ÉTHODES AVEC
CONNAISSANCE À PRIORI : APPROCHE SIGNAL
Comme le montre la figure 4.9 ,pour notre cas la fréquence du grand pic correspond au défaut de la
bague extérieure.
Conclusion
Les méthodes avec connaissance à priori reposent sur l’utilisation d’un modèle mathématique du
système étudié, les grandeurs mesurées sur celui-ci. Dans le cadre de notre étude sur le diagnostic des
moteurs de traction des locomotives de la série E1400, ces méthodes offrent des résultats satisfaisants.
Notamment, le spectre d’enveloppe, permet d’obtenir une bonne caractérisation du comportement
fréquentielle du signal mesuré, afin de bien localiser le défaut ou l’élément défaillant de la machine
tournante.
Toutefois, le modèle global des systèmes industrielle est quelquefois difficile à obtenir en raison
de la complexité des phénomènes physiques mis en jeu. On peut alors avoir recours aux méthodes
sans connaissance à priori. Dans ce cas les connaissances utilisables reposent sur un ensemble de
données issues de l’installation à surveiller. Suivant ce type d’approche, on retrouve l’ensemble des
méthodes basées sur l’intelligence artificielle (IA).
42
Chapitre 5
Sommaire
Introduction . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 44
5.1 Principe des méthodes de reconnaissance des formes en diagnostic . . . . . . . 44
5.1.1 Elaboration d’un système de diagnostic par RdF . . . . . . . . . . . . . . 46
5.2 Phase d’analyse . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 47
5.2.1 Détermination de l’éspace de représentation . . . . . . . . . . . . . . . . . 47
5.2.2 Les méthodes de classification . . . . . . . . . . . . . . . . . . . . . . . . 48
5.2.3 Présentation du banc d’essai . . . . . . . . . . . . . . . . . . . . . . . . . 50
5.2.4 Application de la méthode de la Rdf . . . . . . . . . . . . . . . . . . . . . 51
5.2.5 Extraction des paramètres et calcul de vecteur forme . . . . . . . . . . . . 51
5.2.6 Préparation de la base d’apprentissage . . . . . . . . . . . . . . . . . . . . 52
5.2.7 Partitionnement de la base d’apprentissage . . . . . . . . . . . . . . . . . 52
5.2.8 Performance de classification . . . . . . . . . . . . . . . . . . . . . . . . 52
Conclusion . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 54
43
CHAPITRE 5. DIAGNOSTIC VIBRATOIRE PAR LES M ÉTHODES SANS
CONNAISSANCE À PRIORI : DIAGNOSTIC PAR RECONNAISSANCE DE FORMES.
Introduction
Le diagnostic peut être abordé selon deux grandes approches : avec et sans connaissance à apriori.
Dans le chapitre précédant nous avons développé la première approche qui est basée sur des modèles
mathématiques des systèmes, donc une connaissance préalablement connu sur ce dernier, tandis que la
deuxième est fondée sur les principes de l’intelligence artificielle. Parmi les techniques utilisées dans
l’approche sans connaissance à priori, nous trouverons les méthodes basées sur la reconnaissance des
formes (Rdf).
Le travail que nous présentons dans ce chapitre s’inscrit dans le cadre de l’automatisation du diag-
nostic moyennant les méthodes de reconnaissance de formes. Dans un premier temps, nous exposons
un aperçu général ainsi que la méthodologie adoptée pour la conception du système de reconnais-
sance automatique des défauts pour ensuite, détailler les différentes étapes en allant de l’acquisition à
la décision, puis deux algorithmes de classification seront mis en place à savoir :
— Les k-plus proches voisins ‘k-ppv’ (en anglais k-nearest neighbors, k-nn).
— Les séparateurs a vaste marge ‘SVM’ ((en anglais support vector machine, SVM)
Enfin, nous présenterons une application expérimentale du système de diagnostic par reconnais-
sance des formes (Rdf) afin de valider ses performances.
44
CHAPITRE 5. DIAGNOSTIC VIBRATOIRE PAR LES M ÉTHODES SANS
CONNAISSANCE À PRIORI : DIAGNOSTIC PAR RECONNAISSANCE DE FORMES.
Le principe de la reconnaissance est de savoir décider à quelle classe, parmi M classes connues,
associer une nouvelle forme, [Xi = xi1, xi2, . . . , xid] observée.
En termes de diagnostic, les classes correspondent aux modes de fonctionnement connus. Elles
constituent notre ensemble de données initiales, appelé ensemble d’apprentissage et noté Xa. Le fait
de classer une nouvelle observation, revient à identifier un de ces modes.
45
CHAPITRE 5. DIAGNOSTIC VIBRATOIRE PAR LES M ÉTHODES SANS
CONNAISSANCE À PRIORI : DIAGNOSTIC PAR RECONNAISSANCE DE FORMES.
La phase de perception
La phase de perception constitue la source principale des informations sur le système. Elle se com-
pose de deux étapes. Une étape d’acquisition des données qui consiste à déterminer la configuration
matérielle (le type, le nombre de capteurs à utiliser et la période d’échantillonnage, etc.) nécessaire
pour le recueil des signaux sur le système étudié.
Les signaux acquis doivent fournir l’information utile afin de juger de l’état de fonctionnement
dans lequel se trouve le système. Cette première étape est suivie d’une phase de prétraitement des
signaux (filtrage, débruitage,...).
La phase d’analyse
La phase d’analyse au cours de laquelle il s’agit d’étudier les informations fournies par les cap-
teurs implantés sur le système. Si ces informations sont sous formes de signaux, il est alors nécessaire
d’en extraire des caractéristiques (ou paramètres) numériques. Ces paramètres, qui par ailleurs consti-
tuent le vecteur forme, doivent pouvoir décrire le comportement du système. De cette phase d’ana-
lyse doit également sortir la définition précise des classes qui représenteront les différents modes de
fonctionnement. On dispose alors d’un ensemble de N observations X1, X2, . . . .Xn réparties en M
classes. C’est l’ensemble d’apprentissage. Les observations d’une classe représentent alors les proto-
types de cette classe. Une procédure de classification est alors appliquée à l’ensemble d’apprentissage
afin d’établir des frontières entre les différentes classes. Cette procédure permettra de définir une règle
pour affecter ou non une nouvelle observation à l’une des classes connues lors de la phase d’exploi-
tation.
La phase d’analyse est lourde en termes de calcul et nécessite souvent toute la connaissance du
système étudié pour rechercher les paramètres adéquats par les méthodes de traitement adaptées.
La phase d’exploitation
La phase d’exploitation (phase de décision) permet d’associer une nouvelle observation X in-
connue, recueillie sur le système à l’une des classes définies lors de la phase de classification en
appliquant la règle de décision associée. La bonne exploitation du système décisionnel dépend de la
pertinence du vecteur forme et des performances de la règle de décision.
Dans la suite, les différentes étapes nécessaires à la conception du diagnostic par RdF avant
de passer à la décision vont être détaillées.
46
CHAPITRE 5. DIAGNOSTIC VIBRATOIRE PAR LES M ÉTHODES SANS
CONNAISSANCE À PRIORI : DIAGNOSTIC PAR RECONNAISSANCE DE FORMES.
47
CHAPITRE 5. DIAGNOSTIC VIBRATOIRE PAR LES M ÉTHODES SANS
CONNAISSANCE À PRIORI : DIAGNOSTIC PAR RECONNAISSANCE DE FORMES.
Classification supervisée
48
CHAPITRE 5. DIAGNOSTIC VIBRATOIRE PAR LES M ÉTHODES SANS
CONNAISSANCE À PRIORI : DIAGNOSTIC PAR RECONNAISSANCE DE FORMES.
F IGURE 5.4 – Illustration de l’affectation par la règle des k-plus proches voisins avec k=7
Pour fournir un indice de de proximité entre deux vecteurs, il en existe plusieurs types. Parmi les
plus connus, dans le cas des données numériques, la métrique Minkowski est très utilisée. Elle fournit
un indice de ‘similarité’ entre deux vecteurs X et Y.Où d est la dimension des vecteurs.
1
d r
|xj − yj |r
X
d(x, y) = (5.1)
j=1
La métrique de Minkowski possède les propriétés d’une mesure de distance car elle vérifie :
• d(X, Y ) = 0 si et seulement siX = Y.
•d(X, Y ) inférieure ou égale àd(X, Z) + d(X, Z)
Les distances les plus utilisée pour certaines valeurs de r :
— La distance euclidienne classique (r=2) :
1
d 2
h i2
2
= (X − Y )t .(X − Y )
X
dE (X, Y ) = |xj − yj | (5.2)
j=1
d
X
dC (X, Y ) = |xj − yj | (5.3)
j=1
49
CHAPITRE 5. DIAGNOSTIC VIBRATOIRE PAR LES M ÉTHODES SANS
CONNAISSANCE À PRIORI : DIAGNOSTIC PAR RECONNAISSANCE DE FORMES.
50
CHAPITRE 5. DIAGNOSTIC VIBRATOIRE PAR LES M ÉTHODES SANS
CONNAISSANCE À PRIORI : DIAGNOSTIC PAR RECONNAISSANCE DE FORMES.
F IGURE 5.5 – banc d’essai pour le diagnostic du moteur de traction par RDF
51
CHAPITRE 5. DIAGNOSTIC VIBRATOIRE PAR LES M ÉTHODES SANS
CONNAISSANCE À PRIORI : DIAGNOSTIC PAR RECONNAISSANCE DE FORMES.
TABLE 5.1 – les principaux indicateurs temporelles, leurs relations et leur déclaration sur Matlab
Indicateurs fréquentielles
Paramètre Relation v
mathématique Code Matlab
u PN
fj2 (S(fj ))
xrmsf = t i=1
u
Rms fréquentielle PN RMSf req = rms (fft(x))
S(f )
i=1 j
PK
i=1 fj (S(fj ))
Centre de fréquence Xf c = P K S(f ) Meanf req =meanfreq(x,fs)
i=1 j
TABLE 5.2 – les principaux indicateurs fréquentielles, leurs relations et leur déclaration sur Matlab
Ces paramètres vont constituer le vecteur forme Vf du signal X, l’ensemble des signaux constitue
la base d’apprentissage.
V f = [P eak Rms peakF actor Kurtosis Skewness RmsF req meanF req]
52
CHAPITRE 5. DIAGNOSTIC VIBRATOIRE PAR LES M ÉTHODES SANS
CONNAISSANCE À PRIORI : DIAGNOSTIC PAR RECONNAISSANCE DE FORMES.
prédiction le modèle de classification affecte selon l’algorithme utilisé, chaque vecteur forme de l’en-
semble de test à l’une des classes qui correspond un mode de fonctionnement.
Le tableau suivant montre les performances de classification pour :
— K-ppv pour un nombre de voisins k égale à 1, 3, 5,7 et 9.
— l’algorithme SVM pour des plans de séparation linéaires.
53
CHAPITRE 5. DIAGNOSTIC VIBRATOIRE PAR LES M ÉTHODES SANS
CONNAISSANCE À PRIORI : DIAGNOSTIC PAR RECONNAISSANCE DE FORMES.
Conclusion
Dans ce chapitre, nous avons étudié les performances des méthodes de diagnostic sans connais-
sance à priori, et plus précisément la méthode de la reconnaissance des formes, et nous avons montré
à travers deux algorithmes de classification à savoir les k-ppv et le SVM que la Rdf offre des résultats
très satisfaisants dans le cadre d’un diagnostic des défauts.
54
C ONCLUSION G ÉN ÉRALE
La mise en œuvre d’une bonne stratégie de maintenance, visant la réduction des nombreuses
défaillances qui peuvent apparaı̂tre sur les machines tournantes, entrainant des arrêts non planifiés,
nécessite l’utilisation d’une méthode de diagnostic efficace et capable d’assurer la disponibilité, la
fiabilité et la sûreté de fonctionnement des machines.
Notre première contribution consistait à la définition d’une zone d’essais qui respecte les règles
d’art en vigueur, tout en prenant en considération toutes les prescriptions exigées par la société.
Vu le caractère grossier du déroulement du processus de surveillance, qui a pour objectif général
de caractériser l’état de fonctionnement (normal ou défaillant) du système. Nous avons proposé de
digitaliser ce processus en développant une application ‘Desktop’ à l’aide du logiciel LabVIEW qui
permet de traiter, d’analyser les informations issues des capteurs et d’interagir avec l’opérateur de
surveillance à travers une interface graphique, afin d’assurer un bon déroulement des essais.
Bien que ces essais de surveillance permettent de vérifier l’état de la machine, ils sont limités à
ce niveau, d’où la nécessité d’introduire une technique de diagnostic efficace pour la localisation des
éléments défaillants de la machine. L’analyse vibratoire est considérée comme l’un des outils les plus
utilisés pour détecter, diagnostiquer et suivre les défauts dans une machine tournante.
En effet, nous avons défini les techniques de traitement de signal utilisés dans le diagnostic vibra-
toire, à savoir, l’analyse temporelle, l’analyse spectrale et l’analyse spectrale du signal d’enveloppe.
Par la suite, nous avons procédé à une implémentation de la technique de l’analyse d’enveloppe pour
la détection des défauts d’un signal vibratoire à l’aide du logiciel de traitement et de simulation
LabVIEW, afin de communiquer les résultats à travers une interface graphique, en se basant sur le
caractère fréquentiel des principaux défauts des machines tournantes.
Pourtant, le fait que le modèle global des systèmes industriels est quelquefois difficile à obtenir
en raison de la complexité des phénomènes physiques mis en jeu, représente la grande limitation de
la méthode précédente. Le recours à la méthode de la reconnaissance des formes, qui est un aspect
de l’intelligence artificielle (AI), s’est avéré indispensable pour l’automatisation de l’opération du
diagnostic, par la mise en pratique des algorithmes de classification, permettant la discrimination des
défauts, afin d’assurer une bonne performance au niveau de la détection des défauts dans la machine.
55
CHAPITRE 5. DIAGNOSTIC VIBRATOIRE PAR LES M ÉTHODES SANS
CONNAISSANCE À PRIORI : DIAGNOSTIC PAR RECONNAISSANCE DE FORMES.
P ERSPECTIVES
— Passage à pronostic,un niveau supérieur de diagnostic,afin d’estimer le temps résiduel ( Re-
maining Useful Life RUL) des composants en défaillance.
— Utilsation des classifieurs à logique flue (Fuzzy logic).
— Utilisation des techniques plus avancées en traitement de signal à savoir : la transformée de
fourrier à court terme.
décomposition en ondelette,et la transformée de Hilbert-Huang.
56
CHAPITRE 5. DIAGNOSTIC VIBRATOIRE PAR LES M ÉTHODES SANS
CONNAISSANCE À PRIORI : DIAGNOSTIC PAR RECONNAISSANCE DE FORMES.
Bibliographie
1. F.Xi,Q.Sun,and G.Krishnappa,Bearing diagnostics based on pattern recognition of statistical
parameters
2. Ahmed Hamida Boudinar, Noureddine Benouzza, Azeddine Bendiabdellah,Diagnostic des
défauts de roulement.
3. Redjil Kaoula Etude des défauts du roulement par analyse spectrale et cepstrale
4. Guerguer Mounir ,Diagnostic de la machine asynchrone par analyse vibratoire.
5. Hachemi Mohammed,Application de l’ODS à l’analyse des problèmes de vibration des ma-
chines tournantes
6. Tahar Belkhir,Med Mohcen Ben Saci,La maintenance des équipements par l’analyse vibra-
toire.
7. Manuel Technique Logiciel,pour modèles alimentés en CA MV3058A4A1 à MV3242A6A1
et pour modèles alimentés en CC MV3059B400 à MV3482B600 Publication No. T1679FR
Version (10/99).
8. Notice de maintenance,TROS-907.672 Section 119 Mars 2009,Alstom
Webographie
1. http ://www.Mathworks.com/
2. http ://www.Natinal Instruments.com/
3. http ://www.nutcache.com/fr/blog/methodologie-scrum/
4. http ://agiliste.fr/introduction-methodes-agiles/
I
A NNEXES
II
A NNEXE 1 :M OTEUR DE TRACTION TYPE : 4 FXA 4559 D
Le moteur de traction type 4 FXA 4559 D est un moteur asynchrone - 4 pôles - à cage d’écureuil,
de type ouvert refroidi par une ventilation forcée. Ce moteur est de conception relativement simple,
prévu pour être fiable et avoir une grande durée de vie. Avec ce type de moteur, la maintenance (sur
le véhicule) est réduite à une lubrification régulière du roulement, côté opposé commande.
Le régime de définition du moteur 4 FXA 4559 D a été défini suivant la norme CEI 349-2 pour
une vitesse moteur de 1586 tr/mn (roue mi- usée) sous une tension phase neutre d’environ 1100V.
Le courant de démarrage est de 695A.
La vitesse maximale du moteur est de 3732 tr/mn.
Caractéristiques du moteur
Rotor
Stator
Roulement
Diamètre intérieur : 80 mm
Diamètre extérieur : 140 mm
Largeur : 33 mm
Jeu radial max. avant montage : 140 µ
Jeu radial min. avant montage : 105 µ
Jeu radial max. après montage : 90 µ
Jeu radial min après montage : 50 µ
2. Ce roulement est intégré au réducteur. Pour ses caractéristiques et sa maintenance, se reporter à la notice réductrice.
(Ce roulement est monté sur l’arbre moteur après le montage du pignon sur celui-ci)
A NNEXE 2 : VARIATEUR DE VITESSE DE TYPE : ALSPA MV
3000 C
ALSPA MV3000C est un variateur simple à utiliser pour des applications à usage général pour
des puissances de 22 kW à plus de 1.8 MW .
Ci-dessous les paramètres nécessaires à la configuration des réglages de base du moteur.
— Fréquence nominale moteur : Ce paramètre spécifie la fréquence à laquelle la tension de base
est obtenue et la fréquence normale de fonctionnement du moteur. – mettre ce paramètre à la
valeur donnée sur la plaque signalétique du moteur.
Valeurs autorisées : 5 Hz à 200 Hz
— Tension nominale moteur :
Ce paramètre spécifie la tension appliquée aux bornes d’un moteur quand celui-ci fonctionne
à sa fréquence nominale. – Mettre la tension nominale du moteur à la valeur donnée sur la
plaque signalétique moteur. Valeurs autorisées : 25V à 1400 V (efficace)
— Courant nominal moteur :
Le réglage du courant nominal moteur est utilisé par le variateur pour fournir au moteur une
protection et un contrôle optimal. La plage des valeurs autorisée dépend de la taille du varia-
teur.
— Puissance nominale moteur :
La puissance nominale du moteur est utilisée par le variateur pour calculer le couple nominal
moteur, nécessaire au logiciel de contrôle interne. Cette valeur est normalement donnée sur la
plaque signalétique du moteur.
— Vitesse nominale moteur :
La vitesse nominale du moteur est utilisée par le variateur pour calculer le couple nominal
moteur, nécessaire au logiciel de contrôle interne.
A NNEXE 3 :S CH ÉMA DE CABLAGE DE LA ZONE DES ESSAIS
Le principe dans ce programme consiste à acquérir des mésures issues des capteurs dédiés pour
chaque phénomène(température dans l’exemple de la figure 5.11 ,et de faire des tests suivant les
normes en vigueur chez la société.
pour cette exemple,après l’acquisition de la mesure de température,via un seul port de l’assistant
DAQ,l’ordre de mesure permet d’indiquer à quelle coté elle sera affectée,d’après ce qu’on a vu dans
le chapitre de surveillence,les températures ont des seuils à ne pas dépasser :
— Au coté commande : ne doit pas dépasser 70 ◦ C.
— Au coté opposé commande : ne doit pas dépasser 50 ◦ C.
Si la température d’un coté dépasse son seuil correspondant,le voyant s’allume.
1. Programme LabVIEW utilisé pour le diagnostic par l’analyse du spectre
d’enveloppe
F IGURE 5.12 – Programme LabVIEW utilisé pour le diagnostic par l’analyse d’enveloppe
A NNEXE 5 : MATLAB S CRIPT DE LA M ÉTHODE R DF POUR LE
DIAGNOSTIC
%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%% %%%%%%%%%%%%%%%%%%%%%%%%%%
%%%%%%%% %%%%%%%%%%%%%%%%%% preparing data %%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%
%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%% %%%%%%%%%%%%%%%%%%%%%%%%%%%%%
%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%% %%%%%%%%%%%%%%%%%%%%%%%%%%%%%
%%%%%%%% %%%%%%%%%%%%%%%%%% import data to workspace %%%%%%%%%%%%%%%%%%%%%%%%
%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%
close all ;
clear all ;
clc ;
Folder1 =’C :\ Users\PC1\ Desktop\ 1st test’ ;
Folder2 =’C :\ Users\PC1\ Desktop\ 2nd test’ ;
Files1 = dir(fullfile(Folder1, ’*.txt’)) ;
Files2 = dir(fullfile(Folder2, ’*.txt’)) ;
numFiles1=length(Files1) ;
numFiles2=length(Files2) ;
myData1 = cell(1,numFiles1 ) ;
myData2 = cell(1,numFiles2 ) ;
for i = 1 :numFiles1
i
aFile1 = fullfile(Folder1, Files1(i).name) ;
myData1 i = textread(aFile1) ;
end
for j = 1 :numFiles2
j
aFile2 = fullfile(Folder2, Files2(j).name) ;
myData2 j = textread(aFile2) ;
end
%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%
%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%% %%%%%%%%%%%%%%%%%%%%%%%%%%%%%
%%%%%%%% %%%%%%%%%%%%%%%%%% extract signal %%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%
%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%
%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%% %%%%%%%%%%%%%%%%%%%%%%%%%%%%%
CKNN = confusionmat(labelTs,preKNN) ;
A BSTRACT
The monitoring and the diagnosis of rotating machines, are necessary and essential operations,
not only to ensure their high performance, but also to extend their lifetime.in fact, the industrial world
is making an important step forward in what is related to diagnostic techniques, so as to enhance the
quality of accuracy and anomaly detection.
The vibration analysis is a diagnostic method. By using vibration signature outcoming of devoted
sensors, this method is able to find and monitor rotating machines’ defaults. Temporal analysis of
vibratory signal , is based on the evolution control of many time indicators that characterise the ma-
gnitude and signal power, but not defaults’ location, hence, the necessity to turn to frequency analysis,
that detects possible anomalies, by relying on signal spectrum and on a prior frequency studies made
to an assembly of defaults.
Despite, spectrum analysis shows some notable advantages towards time stamps’ analysis. The
difficulty of mathematical model ‘s definition due to complexity nature of physical signal, involves
introducing an advanced technique in terms of accuracy of the location of defects.
Diagnostic methods based on artificial intelligence (AI), most precisely, pattern recognition me-
thod, is considered as an effective solution to automate operations of anomalies’ detection and moni-
toring.
Key words :
Rotating machines,Diagnostic,machine monitoring,vibration Analysis,Test bench,machine lear-
ning,Pattern recognition,Classification...