Diagnostic de défauts multiples dans les machines tournantes basé sur les réseaux de neurones convolutifs

Abstract

Différentes méthodes sont mises en oeuvre pour la détection d‟un défaut sur une machine tournant, en utilisant des mesures vibratoires, elles différent entre elles par leur précision, leur simplicité de mise en oeuvre et leur sensibilité aux erreurs de mesure. Comme la détection d‟une combinaison de plusieurs défauts est toujours difficile à mettre en oeuvre par les méthodes classiques du traitement du signal. Nous proposons dans le présent travail l‟application de la méthode des Réseaux de Neurones Convolutif (CNN), où les spectrogrammes des mesures acoustiques ont étés utilisés pour l‟apprentissage du modèle. Les résultats obtenus montrent que l‟approche proposée permet la détection et la classification des défauts simples et combinés, avec efficacité et précision.