INTRODUCTION GENERALE

suite au développement important et rapide qu'a connu le monde

industriel, les procédés de fabrication sont de plus en plus complexes et
sophistiqués. Par conséquent, l'augmentation de la fiabilité, la disponibilité et la
sûreté de fonctionnement, constitue à l'heure actuelle, l'une des préoccupations
majeures des industriels. Le diagnostic des défaillance de système industriels,
lorsqu'il est réalisé avec efficacité et s'il permet de détecter de façon précoce une
dégradation, représente un des moyens pour contribuer à obtenir un meilleur
gain de productivité. Sa vocation première est de détecter et de localiser une
possible défaillance des matériels. De plus en plus, il devient une partie
intégrante de la fonction de maintenance. Devenue une discipline majeure,
relayée sur le terrain par des technologies modernes, le diagnostic industriel est
devenu une discipline incontournable dans le domaine de la sûreté de
fonctionnement.

Le diagnostic peut être abordé selon deux grandes approches : avec

connaissance à priori et sans connaissance. La première approche est basé sur la
modélisation des systèmes tandis que la deuxième est fondée sur les principes de
l'intelligence artificielle. Les méthodes sans connaissance à priori présentent
plusieurs avantages, notamment la non nécessité d'utiliser le modèle du système
à diagnostiquer. On trouve dans cette catégorie les méthodes basées sur la
reconnaissance des formes, les systèmes experts, les réseaux de neurones.

Notre intérêt dans ce mini-projet est le diagnostic par la reconnaissance

des formes. La reconnaissance des formes consiste à évaluer la ressemblance
entre le vecteur des symptômes observés et le vecteur des symptômes de
référence. Elle regroupe l'ensemble des méthodes permettent la classification
automatique d'objets, suivant leur ressemblance par rapport à des objets de
référence, c'est-à-dire, de décider à quelle classe d'objets, l'objet observé, appelé

1
également forme, doit être affecter. En termes de diagnostic, une classe
correspond à un mode de fonctionnement sain ou avec défaut et un objet
correspond à une observation (signal par exemple) caractérisé par un ensemble
de paramètres.

Pour cerner cette notion de diagnostic par reconnaissance des formes,

nous avons choisi de l'appliquer à une machine asynchrone.

Le diagnostic des machines électriques, en particulier de la machine

asynchrone, à mobilisé aujourd'hui un nombre important de chercheurs. En
effet, la croissance de l'utilisation de la machine asynchrone triphasées à cage
d'écureuil est due essentiellement à sa simplicité de construction, son faible cout
d'achat et de fabrication, sa robustesse mécanique ou encore sa quasi-absence
d'entretien, est telle que nous la trouvons maintenant dans tous les domaine
industriels et en particulier dans les secteurs de pointe comme l'aéronautique, le
nucléaire, la chimie ou encore les transport ferroviaire.

Malgré sa fiabilité et sa robustesse, la machine asynchrone subit, au cours

de son fonctionnement, un certains nombres de contraintes de différentes natures
(électriques, mécanique et environnement). Ces dernières induisent des
défaillances qui peuvent conduire à des arrêts non programmés, à des pertes de
production, à des réparations couteuses et peuvent entrainer de grave
conséquences sur la sécurité des personnes, des matériels et l'environnement .

Le présent travail s'inscrit dans le cadre du diagnostic des machines

asynchrone en utilisant la méthode de Reconnaissance des Formes. Nous nous
sommes intéressés , particulièrement aux défauts qui peuvent apparaitre au
niveau du stator et au niveau du rotor.

Le mini-projet comporte trois chapitres. Le premier chapitre est consacré

à une petite généralité sur les machines asynchrone.

2
Dans le deuxième chapitre, généralité sur le diagnostic des systèmes.

Le dernier chapitre consacré à le diagnostic par reconnaissance des formes.

Nous terminerons par une conclusion générale sur l'ensemble de cette

étude et nous proposons des perspectives de travail.