Multi-Component Machine Monitoring and Fault Diagnosis Using Bling Source Separation and Advanced Vibration Analysis

Dans le diagnostic des machines rotatives, l'analyse des vibrations est largement connue pour être l'une des techniques les plus efficaces.Les vibrations sont une caractéristique inhérente des machines rotatives et les différentes composantes de ce type de machines telles que les arbres, les roulements et les engrenages produisent de l'énergie vibratoire avec différentes caractéristiques.N'importe quelle détérioration de l'état de telles composantes peut affecter leurs propriétés vibratoires et se manifester par conséquent dans la signature de vibration.Ceci est valable pour le diagnostic des défauts en analysant la signature des vibrations du système.Pour faire un excellent diagnostic des défauts utilisant les techniques d'analyse de vibration, il faut que les signaux acquis atteignent un certain niveau de propretés de telle sorte que le plus petit changement des attributs du signal dû à un défaut imminent dans n'importe quelle composante peut être détecté.Néanmoins, ce n'est pas le cas dans la pratique, car les signaux de vibration sont souvent encombrés par le bruit.Dans le cas des machines complexes à plusieurs éléments ce problème est aggravé encore plus car les différentes composantes produisent de l'énergie vibratoire.En effet à toutes les fois qu'il est nécessaire de surveiller n'importe quelle composante d'intérêt, les vibrations produites par les autres affectent le signal.Parmi les moyens pour contourner ce problème est de placer des capteurs aussi proches que possible des composantes données.Mais, certaines restrictions telles que la complexité, la politique de garantie du fabricant et l'inaccessibilité empêchent de tel emplacement, de ce fait, dans la majorité des cas les capteurs sont placés sur la surface extérieure de la structure.Par conséquent les capteurs collectent non seulement des signaux de vibrations d'une composante spécifique mais des autres composantes aussi, de ce fait, les signaux de chaque capteur est en effet, la combinaison de l'énergie vibratoire des différentes composantes, plus le bruit.La dissipation de l'énergie des vibrations complique la situation encore plus.Pour surpasser ce problème, principalement deux approches peuvent être adoptées.La première consiste à considérer ces cas comme un problème de séparation aveugle de sources et en tirer profit des méthodes statistiques et mathématiques développées à cet effet, surtout l'analyse en composantes indépendante (ACI), qui sépare les signaux provenant de sources différentes.La deuxième approche, et sans passer par la "séparation" des signaux et de les relier aux différentes composantes (sources) consiste à utiliser comme base, les spécifications et les caractéristiques vi des signaux produites par les différentes composantes dans des conditions normales et défectueuses.Dans cette étude, ces deux approches sont étudiées, pour le cas de détection des défauts dans les roulements.Dans la première approche, une complexité commune avec l'application soit des techniques de séparation aveugle de sources soit des méthodes mathématiques propres à la séparation des sources c'est qu'en général aucune mesure métrique ou standard n'existe pour évaluer la qualité de la séparation afin de valider les résultats.En effet pour une évaluation idéale, il faut que les vrais signaux originaux produits par chaque composante soient disponible et cela comme une condition fondamentale.Cela nécessite que les signaux de chaque composante soient collectés en strict isolement pendant leur fonctionnement dans un laboratoire.Une telle tâche est parfois très couteuse et difficile, sinon impossible.Afin de surpasser ces difficultés, une nouvelle méthode est développée, elle consiste à la distribution d'énergie de vibration à l'égard de l'emplacement des sources de vibration et de capteurs et est basée sur le comportement mécanique de la structure.Cette méthode adopte certains concepts clés de l'analyse statistique d'énergie (ASE) pour soutenir le fait que chaque capteur recueille une version différente des vibrations produites dans le système par rapport à son emplacement dans la structure.Par la suite, en comparant le spectre de la signature vibratoire du signal et en utilisant une connaissance a priori de la distribution spatiale des capteurs et des composantes, une représentation graphique de la signature spectrale des sources de vibration est obtenues.Cette méthode proposée est vérifiée avec des données artificielles et expérimentales.Avec une évaluation métrique disponible, une analyse plus rigoureuse des techniques de séparation aveugle de source peut être atteinte.La première formulation mathématique existante pour la séparation aveugle de sources est l'analyse en composantes indépendantes (ACI).Dans l'analyse en composantes indépendantes, on suppose que les signaux sources sont statistiquement indépendants les uns des autres et peuvent être récupéré par la formulation de l'indépendance.Néanmoins, il existe toujours deux ambigüités et indéterminations dominantes liées à l'analyse en composantes indépendantes.Premièrement, l'index original des sources est inconnu.La seconde ambigüité est que l'échelle réelle des sources ne peut être déterminée.L'analyse en composantes indépendantes peut être appliquée soit dans le domaine temporel ou fréquentiel.Quel domaine choisir dépend principalement du mécanisme du signale mélangé.Si le mécanisme du mélange est instantané, (c'est à dire, les signaux sont mélangés de façon linéaire) vii les méthodes dans le domaine temporel sont les plus efficaces.Si le mécanisme du mélange est convolutif, (c'est à dire, les signaux sont convoluée) alors les méthodes dans le domaine fréquentiel sont plus appropriées.Dans la plupart des cas réels, y compris les vibrations dans les systèmes mécaniques, le mécanisme du signal mélangé est souvent convolutif, alors dans ce casci, l'analyse en composantes indépendantes dans le domaine fréquentiel doit être utilisée.Dans un tel cas, la construction de signaux temporels à partir des résultats de séparation des bandes de fréquences pose problème.Cette difficulté est causée par l'indétermination de permutation locale par opposer aux ambiguïtés de l'indétermination globale confrontée lors de l'analyse des résultats globaux.Les contournements existants à ce problème sont soit des calculs numériquement couteux, soit des hypothèses qui ne sont prises en compte par les systèmes mécaniques.Dans cette thèse, une nouvelle techniques est proposée et est basée principalement sur les attributs mécaniques du système plutôt que sur des hypothèses mathématiques ou statistiques irréaliste.Cette technique repose sur la supposition que le mécanisme du mélange pour des bandes de fréquences voisines serait légèrement varié d'une bande à autre.Ainsi, en liant et en attachant numériquement les matrices mélangées des bandes de fréquences contiguës, les problèmes de permutation locale et l'indétermination de l'échelle seront résolus.Cette méthode est vérifiée en utilisant une série de tests expérimentaux sur des signaux synthétiques et des signaux de laboratoires et les résultats sont comparés avec l'évaluation métrique présentée précédemment.L'excellente concordance entre les résultats confirme l'efficacité de la méthode.Quant à la deuxième approche, l'efficacité de l'analyse spectrale cyclique est évaluée pour détecter les défauts de roulements dans les machines complexes.Ces défauts sont connus pour produire des vibrations avec impulsivité périodique dans l'énergie, connus en termes techniques pour être cyclostationnaire.L'analyse spectrale cyclique est un outil qui permet de mesurer la cyclo-stationnarité du signal à différentes gammes de fréquence.A cet effet, pour que l'analyse spectrale cyclique soit efficace dans des applications liées aux machines complexes, deux exigences sont jugées indispensables.La première est qu'elle soit capable de détecter les défauts d'un signal faible, la deuxième exigence est qu'il est essentiel que cette méthode permette une tendance robuste, réalisable et cohérente.En plus, ces caractéristiques étant repérés doivent être cohérentes dans le sens que leurs valeurs portent une certaine correspondance à la sévérité des défauts.viii Dans cette thèse, la cyclostationnarité est examinée selon ces exigences est cela à travers deux séries de tests expérimentaux.Les résultats expérimentaux ont démontré que l'analyse spectrale cyclique est en effet capable de détecter des défauts de roulement à partir des signaux faible.En plus, cette méthode peut être utilisée comme un outil très fiable de surveillances et de diagnostic, même si, la correspondance entre les valeurs de propriétés et la sévérité des défauts de roulements ne peut être établie.

Fetched live from OpenAlex and de-inverted. Abstracts are not stored in this database: the inverted indexes are 8.6 GB of the frame’s 9.3 GB of text, and the host has 13 GB free.