Développement d’un Système d’Aide au Diagnostic des Machines Tournantes par Utilisation de l’Arbre de Décision

Des informations générales:

Page de garde:

Sommaire:

Introduction générale
1 Bibliographie et état de l’art
1.1 Introduction
1.2 Définition de la maintenance
1.3 Types de maintenance
1.3.1 Maintenance corrective
1.3.1.1 Maintenance palliative
1.3.1.2 Maintenance curative
1.3.2 Maintenance préventive
1.3.2.1 Maintenance systématique
1.3.2.2 Maintenance conditionnelle
1.3.3 Maintenance prédictive
1.4 Enjeux de la maintenance
1.5 Choix d’une politique de maintenance
1.6 Techniques d’analyse
1.7 Maintenance conditionnelle par analyse vibratoire
1.8 Synthèse bibliographique
1.8.1 Arbre de décision et automatisation du diagnostic
1.8.2 Problème de sélection des attributs
1.9 Pose de la problématique
1.10 Les objectifs de la thèse
1.11 Conclusion
2 Diagnostic des machines tournantes par analyse vibratoire
2.1 Introduction
2.2 Grandeurs physiques d’un signal vibratoire
2.2.1 La grandeur physique en déplacement
2.2.2 La grandeur physique en vitesse
2.2.3 La grandeur physique en accélération
2.3 Outils de l’analyse vibratoire
2.3.1 Rappel des indicateurs scalaires
2.3.1.1 La valeur efficace ou le RMS (Root Mean Square)
2.3.1.2 Valeur crête (Peak)
2.3.1.3 Valeur moyenne
2.3.1.4 Le Kurtosis
2.3.1.5 Le Facteur de crête (Crest Factor CF )
2.3.1.6 Factor de forme (The Shape Factor SF)
2.3.1.7 Factor d’impulsion (The Impulse Factor IF)
2.3.1.8 Facteur K
2.3.1.9 Skewness
2.3.1.10 Nouveaux descripteurs
2.3.2 Indicateurs fréquentiels
2.3.2.1 Transformée de Fourier (Spectre)
2.3.2.2 Transformation d’Hilbert
2.3.2.3 Transformée en ondelettes continues
2.3.2.4 Transformée en ondelettes discrètes
2.3.2.5 Transformée par paquet d’ondelettes (WPT)
2.3.3 Combinaisons possibles entre les indicateurs
2.3.4 Diagnostic automatique des défauts des machines tournantes
2.3.5 Principaux défauts des machines tournantes
2.3.5.1 Défauts de roulements
2.3.5.2 Les fréquences caractéristiques du roulement
2.3.5.3 Balourd mécanique
2.3.5.4 Désalignement mécanique
2.4 Conclusion
3 Les arbres de décision
3.1 Introduction
3.2 Arbre de décision
3.2.1 Définition
3.2.2 Racine
3.2.3 Branches
3.2.4 Nœuds internes
3.2.5 Nœuds terminaux
3.3 Algorithme de construction d’un arbre de décision
3.3.1 L’algorithme CHAID
3.3.2 L’algorithme CART
3.3.3 L’algorithme ID3
3.3.4 L’algorithme C4.5
3.4 Critére de sélection du meilleur attribut
3.4.1 Entropie
3.4.2 Entropie conditionnelle
3.4.3 Gain d’entropie ou gain d’information
3.4.4 Rapport de gain (Gain ratio)
3.5 Segmentation d’une variable continue
3.6 Evaluation du modèle de prédiction
3.6.1 Méthodes de filtres
3.6.2 Méthodes d’enveloppes (wrapper)
3.7 Conclusion
4 Sélection des indicateurs pertinents par l’approche proposée
4.1 Introduction
4.2 Acquisition des données expérimentales
4.2.1 Simulation des défauts
4.2.2 Mesures effectuées
4.3 Optimisation des performances de l’arbre de décision
4.4 Sélection des attributs
4.4.1 Présentation de l’approche proposée (wrapper génétique)
4.4.2 Principe de l’approche proposée
4.5 Résultats et discussion
4.6 Conclusion
5 Construction des arbres de décision et extraction des règles
5.1 Introduction.
5.2 Rapport de gain des attributs
5.3 Construction des arbres de décisions
5.3.1 Arbres non optimaux
5.3.2 Arbres optimaux
5.4 Extraction des règles expertes
5.5 Conclusion

Télécharger: