Abstract

Les roulements, considérés comme des composants cruciaux dans les machines
tournantes, sont largement utilisés dans l’industrie. Ainsi, la surveillance de l'état des
roulements est devenue une opération incontournable dans le cadre du déploiement d'une
politique de maintenance préventive. Ce travail de mémoire, s’inscrit dans le cadre du
diagnostic et la classification des défauts des roulements par l’analyse vibratoire des signaux
issus des roulements défectueux en employant la transformée en paquets d'ondelettes
(Wavelet Packet Transform : WPT) et les réseaux de neurones artificiels (RNA). La WPT est
utilisée pour l’extraction des indicateurs des défauts en vue d’entrainer le classificateur
neuronale. Le but principal est la détermination de l’ondelette engendrant les indicateurs les
plus représentatifs de l’état des roulements pour une meilleure détection et classification des
défauts. en employant le classificateur neuronal basé sur la WPT, les résultats de simulation
obtenus ont montré, que l’ondelette db6 avec une décomposition de niveau 3 est la mieux
adaptée au diagnostic et à la classification des défauts de roulements avec un taux de
classification dépassant 99%.
Mots clés : Maintenance conditionnelle, Diagnostic vibratoire, roulement, la transformée en
ondelettes, réseaux de neurones.

Information

Item Type:	Thesis
Divisions:
ePrint ID:	1027
Date Deposited:	2017-12-18
Further Information:	Google Scholar
URI:	https://www.univ-soukahras.dz/en/publication/article/1027

BibTex