Surveillance multidimensionnelle des machines tournantes par classification dynamique dans un but de maintenance conditionnelle ; Multidimensional monitoring of rotating machines by dynamic classification for conditional maintenance purpose
You can manage bookmarks using lists, please log in to your user account for this.
Media type:
Text;
Electronic Thesis;
E-Book
Title:
Surveillance multidimensionnelle des machines tournantes par classification dynamique dans un but de maintenance conditionnelle ; Multidimensional monitoring of rotating machines by dynamic classification for conditional maintenance purpose
Footnote:
Diese Datenquelle enthält auch Bestandsnachweise, die nicht zu einem Volltext führen.
Description:
Le roulement est un composant essentiel d'une machine tournante car il assure la rotation des éléments tournants tels que les arbres ou les paliers. Il permet d'avoir une très faible résistance au pivotement tout en supportant des efforts importants. C'est pourquoi de nombreux travaux ont été réalisés pour diagnostiquer ce composant. La méthode la plus récente est basée sur la classification. Cette méthode est conditionnée par les données d'entrée en termes de qualité et de quantité. Cette thèse propose une méthode basée sur la méta-analyse des indicateurs de défaut afin de choisir les indicateurs les plus appropriés pour la localisation et le suivi du défaut d'un roulement. La méthode proposée est basée sur une méthode de classification dynamique utilisant les données d'entrée de la méta-analyse, ainsi l'étape de réduction de dimension a été supprimée dans l'architecture de la méthode de classification. Cette méthode de classification dynamique appelée SRT-OPTICS (Supervised Real Time Ordering Point to Identify Clustering Structure) sera comparée aux méthodes classiques utilisant plusieurs indicateurs de défauts. Cette méthode a été validée numériquement et expérimentalement sur un banc d'essai de roulement pour montrer la validité de l'approche proposée. ; The bearing is an essential component in a rotating machine because it ensures the rotation of rotating elements such as shafts or bearings. It allows having a very low resistance to pivoting while supporting important efforts. That is why many works have been done to diagnose this component. The most recent method is based on classification. This method is conditioned by the input data in terms of quality and quantity. This paper proposes a method based on the meta-analysis of defect indicators in order to choose the most suitable indicators for the localization and monitoring of the defect of a bearing. The proposed method is based on a dynamic classification method using input data from the meta-analysis, so the dimension reduction step has been removed ...