Work

Contrôle non linéaire de la machine asynchrone \nen vue du diagnostic des défauts en utilisant des \ntechniques avancées

Year: 2020
Type: dissertation
Abstract: Ce travail de thèse est une contribution à l’approche de surveillance des défauts et à la commande par linéarisation \nentrée-sortie du moteur asynchrone dans un entraînement en boucle fermée. Trois types de défauts sont pris en compte \ndans la machine: cassures de barres, court - circuits entre spires dans les enroulements statoriques et l’excentricité \nstatique du rotor. L’approche est conçue pour détecter et identifier les défauts simples et mixtes pendant le \nfonctionnement de la machine en utilisant des techniques avancées. A cette fin, deux procédures sont appliquées à la \nsurveillance des défauts : \n- la stratégie basée sur le modèle avec connaissance à priori, qui génère des résidus de vitesse rotorique et du \ncourant statorique via la technique de génération des résidus pour indiquer la présence de défaut au moyen d’un \nobservateur à grand gain dans l’entraînement en boucle fermée. Cependant, cette stratégie n’est pas en mesure de \nreconnaître le type de défauts, car elle peut être affectée par les perturbations, \n- la stratégie basée sur des techniques avancées à savoir les réseaux de neurones (RN) et le réseau neuro - flou \n(MANFIS) qui sont appliqués afin d'identifier et classer ces défauts. Néanmoins, les techniques avancées ont \nbesoin d’une base de données pertinente pour obtenir des résultats satisfaisants. L’analyse du courant statorique, \nbasée sur la combinaison HFFT de la transformée de Hilbert (TH) et de la transformée de Fourier rapide (FFT), \nest donc appliquée pour extraire les amplitudes des raies et les utiliser comme données d’entrées pour les réseaux \nRN et MANFIS. \nLes résultats obtenus montrent l'efficacité du système de surveillance des défauts et sa capacité à détecter et classer \npratiquement toutes les défaillances mineures dans un entrainement à base d’un moteur asynchrone.
Language: French
Open Access status: green
OpenAlex ID: W7027593509
Cites: 125
Cited by: 1
Related to: 10