Vous êtes sur la page 1sur 38

Ecole Nationale Supérieure d’Arts et Métiers

DÉPARTEMENT GÉNIE ELECTRIQUE

Filière d’Ingénieur de Génie électrique-5èmeSemestre :

Module : 54B
Diagnostic des systèmes électriques

Travaux Pratique :

Surveillance et Diagnostic des


Procédés Industriels

Réalisé par : Encadré par :


BENMANSOUR Kaouthar
EL HOUMRI Ayoub Mme. EL HANI

Année universitaire : 2020/2021

1|Page
TP
Surveillance et
Diagnostic des machines
tournantes

2|Page
Les contraintes en terme de fiabilité, de disponibilité et de de sureté de fonctionnement des
machines électriques imposent aux industriels qu’ils soient constructeurs ou utilisateurs, de
mettre en place une stratégie de maintenance.
De nos jours une maintenance efficace demande un système de surveillance sophistiqué
permettant de prendre les décisions correctes au bon moment en évitant les pannes et donc les
arrêts de production non planifies. C’est pour cette raison que l’industrie a de plus en plus
besoin des méthodes et d’outils de plus en plus performants pour diagnostiquer et évaluer
l’état de santé des machines électriques. Le but final étant d’optimiser la maintenance et donc
le budget des investissements.
De nos jours plusieurs méthodes de diagnostic efficaces ont atteint le stade industriel.
Pourtant, le diagnostic demeure encore un domaine ou de nombreuse restent encore à réaliser.

3|Page
2.1. Objectif du TP :

La maintenance conditionnelle des machines électriques est presque aussi ancienne que
l’émergence des actionneurs dans l’industrie. Cette technique d’entretien consiste à se baser sur
certaines grandeurs physiques comme le courant statorique, les vibrations de la machine ou la
température des enroulements, pour pouvoir se prononcer sur l’état de santé global de la
machine et prédire l’apparition d’une panne.
Le but de ce TP est d’étudier et caractériser les différentes signaux (courant et vibration) liées
au fonctionnement des machines.
Les objectifs ci-après nous mèneront à la bonne conduite de notre projet :
• Réalisation de schéma synoptique globale,
• Réalisation de la chaîne d’acquisition avec le logiciel LabVIEW,
• Etude et analyse les signaux de courants et vibration avec le logiciel MATLAB.

2.2. Matériel et logiciel :

2.2.1. Logiciel :

➢ LabVIEW :
LabVIEW (contraction de Laboratory Virtual
Instrument Engineering Workbench) est le cœur d’une plate-
forme de conception de systèmes de mesure et de contrôle,
fondée sur un environnement de développement
graphique de National Instruments.
Le langage graphique utilisé dans cette plate-forme est appelé «
G », LabVIEW est utilisé principalement pour la mesure par
acquisition de données, pour le contrôle d’instruments et pour
l’automatisme industriel. La plate-forme de développement s’exécute sous différents systèmes
d’exploitation comme Microsoft Windows, Linux et Mac OS
X5. LabVIEW peut générer du code sur ces systèmes
d’exploitation mais également sur des plates-formes temps
réel, des systèmes embarqués ou des composants
Figure 1: LABVIEW
reprogrammables FPGA

➢ MATLAB
MATLAB (Matrix Laboratory) est un langage de programmation
de quatrième génération émulé par un environnement de
développement du même nom ; il est utilisé à des fins de calcul
numérique. Développé par la société The MathWorks, MATLAB
permet de manipuler des matrices, d'afficher des courbes et des
données, de mettre en œuvre des algorithmes, de créer des
Figure 2: MATLAB

4|Page
interfaces utilisateurs, et peut s’interfacer avec d’autres langages comme le C, C++, Java,
LabVIEW,…

2.2.2. Matériel :

Acquisition de données avec LabVIEW :

: chaîne d'acquisition

LabVIEW intègre les périphériques d’acquisition de données avec des drivers logiciels fournis
par NI (NI-DAQ) ou par le fabricant du matériel. Les matériels d’acquisition gérés par NI-DAQ
permettent :
• E/S analogiques
• E/S numériques
• E/S compteurs/timers
• Conditionnement des signaux.

Une machine asynchrone triphasée à cage, Qu’est, de


beaucoup, le moteur le plus utilisé dans l’ensemble des
applications industrielles, du fait de son faible cout, de
son faible encombrement, de son bon rendement et de
son excellente fiabilité.

Les pinces de courant Fluke constituent des outils


idéaux pour étendre les gammes d’intensités offertes
par les multimètres.
La Fluke i200 est une pince de courant mono-gamme
200A AC avec une sortie sous forme d’un signal
d’intensité via deux fiches banane blindées de sécurité.
La i200 est compatible avec la plupart des multimètres
Fluke et avec tout instrument de mesure acceptant les
fiches banane blindées.

5|Page
Un capteur accéléromètre triaxial vous permet de faire
des mesures d’accélération. e
Vous devez le positionner au plus près du phénomène
à étudier, en veillant à ce qu’il soit fixé avec de la colle
forte (ou autre). La pose se fera sur un point fix
(palier, support) et non une région en rotation (poulie,
arbre …).
NI USB-4432, module d’acquisition de signaux
dynamiques, portable et auto-alimenté (USB) pour les
mesures acoustiques et de vibrations haute précision .
Ce module offre une gamme dynamique de 108 dB
permettant de capturer correctement des vibrations
haute fréquence, basse amplitude en présence de
signaux basse fréquence, haute amplitude. Le module
est doté de quatre entrées analogiques pour la mesur e

sur capteurs IEPE (Integral Electronic PiezoElectric et)


d’une cinquième voie d’entrée tachymètre. Les cinq
voies acquièrent simultanément les signaux à de s
fréquences pouvant atteindre 102,4 kéch./s, étendan t
ainsi la bande passante couverte par d’autres solutions
USB de NI.
Le châssis NI CompactDAQ_9191 à un seul
emplacement interfacé en Ethernet ou sans fil, offrant
ainsi aux ingénieurs et aux scientifiques la portabilité
d’un enregistreur de données avec les performances
et la souplesse des instruments de mesures
modulaires.
I
Connecter directement du matériel N
CompactDAQ sans fil aux appareils iOS

et Android en utilisant la nouvell e


technologie présentée sur NI Labs s
Configurer, visualiser et enregistrer de s

6|Page
mesures sans PC ni écran dédié

Programmer des application


personnalisées
La carte d’acquisition NI 9234 est spécifiquement
dédié à la mesure des vibrations et d’acoustique. Ce
module est adapté à la connexion directe d’une
accéléromètre IEPE avec une fréquenc
d'échantillonnage de 51,2 kéch./s par voie maximum,
un couplage AC/DC (0,5 Hz), une résolution de 24

bits, une dynamique de 102 dB, et des filtres anti


repliement. Ce module mesure sur 4 entrées
analogiques échantillonnées simultanément avec une
gamme d'entrée de ± 5 V. Il est compatible avec le s
capteurs TEDS intelligents.
Tableau 1: Liste de matériels

7|Page
2.3. Schémas synoptique et concept global du TP :

Schémas synoptique

Le concept de notre travail pratique c’est tout simplement d’interconnecter la machine


asynchrone avec un système qui permet à travers une acquisition et traitement de données de
localiser tout petit défaut afin d’avoir une idée sur l’avancement de la machine vers les grandes
défaillances
Les signaux vibratoires et des courant statoriques relevés comportent l'information relative à
l'état des éléments mécaniques comme les roulements ainsi l’état des enroulements statoriques
constituant la machine, tout le problème consiste à détecter et suivre l'évolution d'anomalies en
utilisant des techniques de traitement du signal.
L'acquisition consiste à collecter des informations de façon automatique à partir de sources de
mesures afin de suivre des paramètres physiques sur une machine. Ces paramètres doivent être
sensibles à l’apparition et/ou à l’évolution du défaut. Le traitement du signal permet d'extraire
le meilleur indicateur. Ces procédés sont réalisés grâce à une chaîne d’acquisition et à des
logiciels de traitement comme LABFIEW et MATLAB. L'analyse repose sur la prise de mesure
vibratoire à l’aide des capteurs placés sur la machine comme le capteur de courant et les
accéléromètres de vibration. Ces capteurs sont reliés à un système d'acquisition qui assure le
rôle d'interface avec le PC. Ce dernier comporte un logiciel d'enregistrement des mesures et de
traitement ; cet ensemble d'éléments est appelé chaîne d'acquisition et de traitement.

8|Page
Chaque module NI de la partie hardware à son équivalent graphique dans LABVIEW. L’idée
de cette partie c’est de concevoir un instrument virtuel (plateforme graphique) qui permet à
partir des signaux reçus d’après la partie hardware et en utilisant des fonction LABVIEW
prédéfinies, d’élaborer des aperçus sur les signaux acquis en temps réel dans les domaines
temporel et fréquentiel ainsi d’extraire des enregistrements des signaux sous forme des données
en fichier Excel.

9|Page
1. Virtual instrument diagramme
Le diagramme (programme) qui est derrière la plateforme présenté ci-dessous est illustré dans
la figure suivante :

: Virtual instrumentation diagramme

Le tableau suivant résume les différentes blocs et fonctions utilisé pour élaborer le Virtual
Instrument d’acquisition des données.
Blocs Fonctions
Ce bloc permet de générer un signal
électrique paramétrable

10 | P a g e
Ce bloc permet de mesurer et de faire
l’analyse fréquentielle des signaux présenter
à son entrés.

Ce bloc permet d’écrire et enregistrer les


données en fichier de notre choix

Ce bloc permet de faire l’analyse des signaux


présenter à son entrés.

Cet indicateur permet d’illustrer les signaux


en un graphe

C’est une boucle « WHILE » qui est pour but


d’assurer la continuité d’acquisition

11 | P a g e
2. Résultat de simulation

Résultat de la simulation

I. Traitement et simulation sous Matlab

3. Essai des données générées par labVIEW


Pour lire les données mesurées et sauvegarder par le logiciel LabVIEW on utilise le logiciel
Matlab, On crée une matrice dans le work space toute en tapant la commande : xlsread
(‘nom_fichier.xlsx’)
Par exemple dans notre cas on tape :
>>data= xlsread('test_348.xlsx');
>> plot (data)

Et on obtient le résultat suivant :

12 | P a g e
Affichage de Data

Si on fait un zoom horizontal on obtient :

Data après le zoom

On obtient un signal sinusoïdal le même signal obtenue sur le logiciel LabVIEW.

4. Essai des mesures réelles


Maintenant, on va utiliser un fichier qui contient les mesures réelles de la machine.

13 | P a g e
On ouvre un nouveau fichier script on le nomme par « Tp.m », puis on charge notre fichier de
mesures réelles en écrivant la commande suivante :

Figure 1: Charge des fichiers


Et on obtient les données de notre matrice

Données de la matrice

5. Affichage des courants


Affichage de courant en état sain et en état de défaut de rupture de barre.

Affichage des courants

Résultats

14 | P a g e
: Résultats des courants
Remarque
On Remarque pour le signal du courant de défaut que sur l’enveloppe on voie un signal
périodique qui se répète et il y a des ondulations.
La fréquence du signal de courant de défaut de rupture de barre c’est elle qui va nous donne la
fréquence du défaut.
Si on fait un zoom horizontal on obtient les résultats suivants :

: Résultats après le zoom

15 | P a g e
6. Analyse fréquentiel
1. Signal du courant sain
Définition du signal et calcul des différentes fonctions

Définition du courant sain


Résultat

: Résultat du courant sain

Donc on doit avoir la fréquence d’alimentation 50 Hz, si on fait un zoom horizontal on obtient
:

16 | P a g e
Figure 2: Résultat après le zoom

Remarque
La fréquence 50Hz est la fréquence d’alimentation, les deux autres fréquences 25Hz et 74.9Hz
sont dus aux défauts d’excentricités qui se trouvent à cause des roulements ou d’un mauvais
alignement.

2. Signal du courant de défaut


D’abord on doit calculer les fréquences de défaut de cassure de barre.
On a : la vitesse de rotation est 1459 tr/min, fs = 50 Hz
On calcul on premier lieu les fréquences de défauts qui se trouvent à droite de la fréquence
d’alimentation c-à-d. : fd = (1+2*k*g)*fs
AN: on a g = (1500-1459)/1500 donc : g = 0.033
Harmonique K=1 K=2 K=3 K=4 K=5
La fréquence fd en 53.3 56.6 59.9 63.2 66.5
Hz

Maintenant, on calcul les fréquences de défauts qui se trouvent à gauche de la fréquence


d’alimentation c-à-d: fd = (1-2*k*g)*fs
AN : on a : g = (1500-1459)/1500 donc : g = 0.033 etfs= 50Hz
Harmonique K=1 K=2 K=3 K=4 K=5
La fréquence fd en 46.7 43.4 40.1 36.8 33.5
Hz
Définition du signal et calcul des différentes fonctions

17 | P a g e
Définition du signal
Résultat

Résultat du courant de défaut

Remarque
On remarque que les fréquences des harmoniques soit qui sont à droite ou à gauche, sont très
proche voire aussi même valeurs qu’on a déjà calculé.

3. Affichage de l’analyse spectral des deux signaux au


même temps

: Analyse spectral

18 | P a g e
Résultat

Affichage des deux signaux au même temps

Remarque
Le signal en bleu représente le signal de l’état sain et le signal en rouge représente le signal du
courant défectueux.
On voie que le signal qui représente l’état du courant défectueux (défaut de cassure de barre)
contient plusieurs harmoniques et qui sont proche à la fréquence d’alimentation 50Hz,
contrairement au signal qui représente l’état sain du courant qui contient peu d’harmoniques et
qui sont loin de la fréquence d’alimentation c’est harmoniques sont dus aux défauts
d’excentricités qui se trouvent à cause des roulements ou d’un mauvais alignement.

4. Signaux de vibrations
On commence par apporter notre fichier « Bearing_Data.mat »qui contient les données de
vibration :

Fichier des données de vibration

Notre fichier contient les données suivantes :

19 | P a g e
: Données de vibration
Avec :
Fs : la fréquence d’échantillonnage
Vd : le signal de vibration en état défectueux
Vs : le signal de vibration en état sain
Définition des paramètres

: Définition des paramètres

Affichage des données de vibration en état sain et en état défectueux

Affichage des données de vibration

Résultats

On clic sur « Run » et on obtient les résultats suivantes :

20 | P a g e
Résultats de vibration

Remarque

Le premier signal de vibration c’est un signal de l’état sain il ne présente aucun défaut,
Le deuxième signal de vibration c’est un signal dans l’état défectueux. On voie des pics dans le
signal de vibration qui correspond au contact de défaut ; lorsque le moteur tourne le contact
entre le défaut et l’alésage du roulement est très typique.
Pour faire l’analyser on a deux méthodes soit : l’analyse temporel ou bien l’analyse fréquentiel.

5. Analyse temporelle des signaux


On commence par définir les différentes paramètres ;

21 | P a g e
Définition des paramètres

Résultats
On obtient les résultats suivants :

22 | P a g e
23 | P a g e
Figure 3: Résultats obtenus

6. Analyse spectral des signaux


Signal en état sain

Analyse spectral du signal en état sain

Résultat

24 | P a g e
: Résultats du signal en état sain

Signal en état défectueux :

Analyse spectral du signal en état défectueux

Résultat

25 | P a g e
: Résultat du signal en état défectueux

26 | P a g e
TP
Surveillance et
Diagnostic des machines
tournantes

27 | P a g e
1-Mise en situation : ETUDE STATISTIQUE
Dans la littérature, des statistiques ont été émises concernant les défauts qui peuvent affecter
la machine. La classification se fait selon des critères précis mais différents pour chaque
auteur, comme par exemple le critère des variations dues à l’amélioration des isolants.
Pour [MEL99], le partage se fera comme suit : 50% pour les défauts statoriques, 20% comme
défauts rotoriques, 20% sont des défauts mécaniques et 10% autres.
Pour [CAS02], (voir figure I-1) plus de 50% de défauts affectent les roulements, environ 16%
comme des défauts localisés au stator, 5% apparaîtront au rotor et 2.5% seront des défauts de
l’axe et d’accouplement.
D’après l’article de [RAZ03], on trouve une répartition des défauts que peut rencontrer la
machine de la manière suivante:
Les défauts statoriques : 40%, les défauts rotoriques pour presque 20 %, les pannes de types
mécaniques pour près de 20 % et autres pour environ 10%. Les statistiques, présentées par
[EPR85] et [LU04], les destinent quant à eux, pour 40 à 50% comme étant des défauts de
roulement, 30-40% pour des défauts statoriques et enfin pour 5 à 10% de défauts rotoriques.
De manière plus spécifique, au niveau du stator, on prend à titre d’exemple, la répartition
donnée par la figure (I-2) [RAI00].

Répartition des défauts selon [CAS02]

. Répartition des défauts liés au stator [RAI00].

28 | P a g e
L’étude précédente permet de classer les défauts suivant leur localisation [KLI96]:
Rotor o Rupture de barreaux (Cassures partielles
ou totales des barres).
o Cassure de l’anneau de court-circuit de la
cage (Cassures partielles ou totales des
anneaux).
o Excentricité statique ou dynamique.
o Défaut du circuit magnétique (ruptures de
tôles).
Roulements à billes o Trous dans les gorges de roulement
intérieures et extérieures.
o Ondulation de leur surface de roulement.
o Attaque des billes.
o Corrosion due à l’eau.
o Défaut de graissage, problème du à la
température.
o Décollement, effritement de surface,
provoquée par une surcharge.
Stator o Court-circuit entre spires, court-circuit
entre bobines de la même phase.
o Ouvertures de phases, court-circuit phase-
phase ou phase-terre.
o Coupure d’une phase.
o Défaut du circuit magnétique (ruptures de
tôles). o Défaut de l'isolation de masse.

➢ On peut illustrer certains défauts par le schéma

29 | P a g e
Les plus préoccupants de ces défauts sont :
1) Les défauts statoriques.
2) Les défauts de roulements.
3) Les cassures partielles ou bien totales des barres et des portions d’anneaux de court-
circuit de la cage rotorique.
4) Les défauts d’excentricité.
2-LA SELECTION DES DEFAUTS

Les critères de sélection des défauts étudiés se basent sur les causes suivantes :
1- Pourcentage et statistique d'occurrence importante;
2- Phénomène électromagnétique directement ou indirectement touché ;
3- L'impact sur le rendement et la puissance de la machine;
4- Conséquences du défaut sur la machine, les équipements, l’environnement et l’être
humain ;
5- Objectif de notre application ;
6- Multi-symptômes du défaut;
7- La mise au point de modèle en présence du défaut.

3-LE CHOIX DES METHODES DE DIAGNOSTIC


Les points essentiels de la sélection des méthodes étudiées sont les suivants :
1- Statistique d’utilisation (d’après la littérature) ;
2- Réaction du défaut aux grandeurs exploitées ;
3- Savoir utiliser les applications de chaque technique ;
4- Connaissance, compréhension, compétence et possibilité de développement des
méthodes;
5- Etude de la correspondance des méthodes avec le modèle proposé ;
6- Intérêt d’aboutir à un choix judicieux ;
7- Contribution au diagnostic des machines électriques.
D'après ces points, nous allons mettre plus particulièrement la lumière sur les méthodes de
diagnostic suivantes :
- Analyse des signatures de courant statorique en utilisant la FFT « ASCS-FFT ou
MCSAFFT» ;
- Analyse des signatures de courant statorique par la transformée en ondelettes discrète
« ASCS-TOD ou MCSA-DWT » ;
- Analyse des signaux vibratoires (analyse vibratoire).

30 | P a g e
Puisque On a fait le TP par les deux méthodes MCSA ET MVSA ; Alors, La MCSA ne
permet pas de faire une représentation en temps-fréquence ; comme elle ne peut pas étudier
les phénomènes du régime transitoire ou les signaux non-stationnaires causés par une charge
variable. Pour ces raisons, nous consacrerons une analyse de signatures du courant statorique
par la méthode de la transformée en ondelettes discrètes (ASCS-TOD) pour différents défauts.
Cette technique qui a l‟abréviation Anglaise MCSA-DWT (Discrete Wavelet Transform)

4-Analyse des défauts par la méthode de la TOD :


a-Définition :
Les méthodes usuelles, pour extraire une fraction du signal bruité ou un ensemble des
harmoniques, sont des filtres afin d’annuler et de conserver la partie la plus intéressante du
signal. La méthode de la TOD est l’une des techniques appliquées actuellement au domaine
de détection des défauts dans les MAS. Dernièrement, cette technique et ses dérivées ont le
fait l’objet d’un nombre important de recherches [YAH12], [ATT15], [BES15-3], [BES16],
[YAN16]. La notion d’analyse fréquentielle ne peut être que locale en temps. L’analyse temps
fréquence a toujours été une faveur en traitement du signal. Les signaux transitoires ou non
stationnaires qui évoluent dans le temps d’une façon imprévisible ne peuvent plus être
représentés visiblement. La TOD nous conduit d’une superposition d’ondes (sinusoïdes de
durée infinie) à une superposition d’ondelettes (ondes de courte durée)

a-1-Théorie de la TOD (DWT)


La transformée en ondelettes remplace les sinusoïdes de la transformée de Fourier par une
famille de translations et de dilatations d’une même fonction appelée ondelette.
Mathématiquement la famille d’ondelettes se met sous la forme [AOU09], [YAH12]:

Avec a  0 est le paramètre d’échelle ou de dilatation et b est un paramètre de translation ( a


b,  ). Une ondelette (t) est une fonction de moyenne nulle [HIT99] :

On note   la conjuguée de  ; la transformée en ondelettes d’une fonction f(t) est écrit par :

Cette transformée est dite la transformée en ondelettes continue TOC (CWT : Continuous
Wavelets Transform), car c’est une fonction continue de paramètres de dilatation et de
translation, on verra que ces paramètres peuvent être discrétisés dont laquelle on obtient la
transformée en ondelettes discrètes. En effet, la transformée en ondelettes continue est une
fonction à deux variables réelles (a et b) qui peut être représentée dans le plan euclidien

31 | P a g e
(traditionnellement, on place b en abscisses et a ou -loga en ordonnées) ce qui permet
d’observer toutes les positions et les échelles en même temps (représentation temps-échelles).
La courbe ci-dessous représente l’échelle de décomposition pour la transformée en ondelettes,
on remarque bien que la résolution est différente, chaque fréquence est analysée avec une
résolution adaptée. L’analyse en ondelettes, contrairement à la transformée de Fourier, fait
donc la projection d’une fonction f(t) sur une famille de fonctions (les ondelettes) déduites
d’une fonction élémentaire (l’ondelette mère) par des translations et des dilatations. Ceci
permet aux hautes fréquences d’avoir une précision en temps accrue correspondant à des
phénomènes brefs, pour lesquels l’instant d’apparition et la durée sont des caractéristiques
importantes. Aux basses fréquences, la précision fréquentielle s’améliore au détriment de
l’aspect temporel, puisque les phénomènes sont de durées beaucoup plus longues [AOU09],
[YAH12]. La transformée en ondelettes possède la proprié

La transformée en ondelettes possède la propriété de la conservation de l’énergie, c'est-à-dire,


qu’il n’y a pas de perte d’information entre la fonction f(t) et sa transformée en ondelettes.
Cette propriété est très importante car elle garantit que la transformée en ondelettes possède
des propriétés de stabilité. Dans les calculs pratiques, les variables a et b de la transformée en
ondelettes continue ne varient pas continûment dans  , mais sont discrétisées, ainsi la
transformée en ondelettes discrètes consiste à trouver une sous famille dénombrable.
La transformée en ondelettes discrètes (DWT) est issue de la version continue, d’un point de
vue fonctionnel, il s’agit de changer une représentation continue (par une fonction de deux
paramètres continus) en une représentation discrète (par une série, ou une suite à deux
paramètres). La DWT utilise un facteur d’échelle et une translation discrétisée. En remplaçant
respectivement a et b par 2 j et k.2j dans (IV.3), avec ( j, k )  Z , l’expression devient donc,
[BUR97]

32 | P a g e
Soit φ la fonction échelle. Elle doit être dans L 2 et ayant une moyenne non nulle. On trouve
plus de détails sur la théorie de la TOD dans : [BENZ05], [AOU09], [YAH12]. On voit que la
TOD et la TOC peuvent être les implémentées pratiquement sur tout système numérique
(digital) (PC carte, carte DSP, micro-processeur …etc.); mais on aura pour la TOC un lourd
calcul provenant de la nature continue du facteur d’échelle et de la translation. On note par CAj
et CDj respectivement le niveau des coefficients d’approximation et de détails de f à la j ième
résolution. Pour passer d’un niveau d’approximation au niveau inférieur, il suffit de calculer
une convolution discrète du signal discret avec des filtres passe bas et passe haut h et g
respectivement lors d’une décomposition par ondelettes.

33 | P a g e
TECHNIQUE D’ONDELETTES POUR LA DETECTION DU DEFAUT DE LA CASSURE
DE BARRES
Le développement des systèmes de surveillance pour les machines tournantes n'est pas
seulement pour détecter les défaillances, mais aussi pour la façon dont ces défaillances
peuvent être rapidement détectées. Le but de cette partie, est de présenter une étude
expérimentale de la cassure de barres dans le moteur à induction, sous différentes conditions
de charge qui se base sur une analyse de la transformée en ondelettes discrètes. Généralement,
la TOD peut être appliquée au domaine du diagnostic des défauts de la MAS par
l’exploitation des signaux électriques ou vibratoires. Notre approche est basée sur l'extraction
des signatures à partir du signal du courant statorique. Les différents degrés de sévérité du
défaut (1BC ou 2BC) et les conditions de charge mécanique (à vide et en charge) seront prises
en considération. On a appliqué l’ondelette mère de Daubechies 44 (db44) pour faire la
décomposition en multi niveaux du courant statorique. Les courbes ci-dessous montrent la
décomposition DWT du courant statorique pour un état sain et un autre état défectueux (une
barre cassée puis de deux barres cassées) sous un fonctionnement à vide et en charge. Les
figures montrent les détails de d1 à d9 avec l'approximation a9. Nos résultats ont une partie
sur l’analyse de la variabilité du signal pour différents niveaux; et pour les barres cassées
naissantes, l'analyse du signal du courant électrique montre bien la fluctuation (variation) de
quelques signaux.

34 | P a g e
35 | P a g e
Analyse par TOD d’une phase statorique is en fonctionnement à vide (1BC) : sain (en bleu),
défectueux (en rouge).

36 | P a g e
Analyse par TOD d’une phase statorique is pour un fonctionnement en charge (1BC) : sain
(en bleu), défectueux (en rouge).
Interprétation : En raison des inconvénients de l'analyse par FFT, il est nécessaire de
trouver des méthodes supplémentaires pour l'analyse de la non-stationnarité et de détecter les
défauts d’après un signal de test. Les informations importantes dans les signaux stationnaires
ou non stationnaires, peuvent être exploitées avec souplesse par la transformée en ondelettes
(TO). Le rythme d’accélération, pour l’application de la transformée en ondelettes dans le
domaine du diagnostic des MAS, se progresse d’une manière incroyable. Dans cette partie
nous avons présenté l'application de la TOD ou l’analyse de la MCSA par DWT pour traiter
le diagnostic des défauts de la MAS. Un nouvel indicateur a été introduit dans cette étude,
c’est l’erreur quadratique moyenne (EQM ou MSE en Anglais) qui représente une bonne
contribution pour la décision finale dans notre analyse des défauts. L'analyse expérimentale
montre le changement dans le comportement du signal du courant statorique du à l'état
défectueux progressif. Cette technique est largement sensible aux défauts, elle découvre
aisément l’existence du défaut mais ne le précise pas. Cet inconvénient, impose d’autres
propositions intéressantes pour exploiter les analyses riches de cette méthode (détails,
énergies, …etc.). Il est plus intéressant, donc, de construire des ondelettes adaptées qui
peuvent donner des résultats numériques plus satisfaisants que les ondelettes classiques.
L’analyse vibratoire est un moyen largement utilisé pour suivre la santé des machines
tournantes en fonctionnement. Cela s’inscrit dans le cadre de notre étude qui sera l’objectif du
chapitre suivant.

37 | P a g e
Conclusion
Le travail présenté dans ce rapport touche au domaine de la maintenance prédictive des
machines asynchrones qui est devenu un concept stratégique dans tout processus industriel de
production. Notre contribution au diagnostic de défauts a porté sur la détection et la localisation
des défauts en faisant appel à l’analyse des courants et l’analyse vibratoire qui sont des
méthodes réputées par leur précision.

Ce travail pratique nous a permis d'adopter une démarche scientifique à savoir : la surveillance
et diagnostic des systèmes électriques. La démarche adaptée consiste à faire le diagnostic de la
MAS à l’aide du logiciel LabVIEW. Tout en allant plus loin que le cadre de la théorie en classe.
J’ai pu réinvestir mes connaissances théoriques en réalisant l’ensemble des travaux demandés.

D'un point de vu plus personnel, ce travail pratique m’a appris l’aptitude à observer, manipuler,
raisonner, à rendre compte de nos observations, et comprendre le comportement des machines
électriques en vue de différents défauts ce qui sera toujours bénéfique pour la suite de nos
études.
Encore plus ce travail pratique m’a surtout donné l’occasion d’acquérir un esprit créatif.

Enfin, je profite de cette occasion madame pour vous remercier pour vos efforts attribués au
long de ce semestre malgré les conditions imposées par l’épidémie du Covid-19.

38 | P a g e

Vous aimerez peut-être aussi