Développement d’une plateforme de diagnostic non-intrusive des grands alternateurs hydroélectriques par mesures vibroacoustiques

Résumé

Cette thèse présente une contribution à la surveillance et au diagnostic des grands alternateurs hydroélectriques en utilisant une approche basée sur l’autoencodeur variationnel, une technique d’apprentissage profond. Pour mettre en oeuvre cette technique, il est nécessaire de disposer d’une base de données comprenant des signaux sans et avec défauts. Étant donné qu’il est impossible d’interrompre le fonctionnement de la machine et de créer des défauts en centrale, une modélisation numérique d’un grand alternateur hydroélectrique sur ANSYS WORKBENCH est utilisée pour générer les signatures fréquentielles des défauts. Ces signatures seront ensuite injectées dans des signaux réels collectés sur site. La base de données ainsi constituée servira à l’apprentissage et à la validation du modèle d’intelligence artificielle. La surveillance en temps réel des machines électriques est essentielle pour une détection précoce des défauts. À cet effet, deux métriques ont été établies en se basant sur cette technique pour signaler la présence de défauts tout en limitant les fausses alertes. L’utilisation de l’espace latent du modèle, qui réduit la dimensionnalité, a permis un diagnostic efficace. Dans cette approche, chaque état de la machine est indiqué par un cluster coloré, simplifiant ainsi la visualisation et l’interprétation des données. De plus, l’ajout d’un terme de désirabilité dans la fonction objective du modèle a permis de standardiser le diagnostic des défauts dans différentes machines. Une avancée majeure de cette recherche a été l’exploration de l’espace latent du modèle avec divers niveaux de sévérité des défauts, aboutissant à une première métrique de surveillance plus efficace que les méthodes traditionnelles basées sur l’analyse temporelle des signaux vibratoires, même avec différents niveaux de bruit gaussien. Une autre contribution majeure réside dans la création d’une seconde métrique de surveillance, basée sur un calcul de probabilité, qui permet de déclencher une alerte précoce pour un niveau de risque défini. L’exploration de l’espace latent a inclus plusieurs niveaux de gravité pour divers types de défauts, améliorant ainsi la capacité du modèle à détecter diverses anomalies. Un autre apport notable a été l’intégration d’un terme basé sur la fonction de désirabilité dans la fonction objective du modèle, rendant ce dernier adapté à différentes conceptions de machines hydroélectriques et compatible avec un banc d’essai en ligne. Cela améliore la capacité du modèle à identifier une gamme étendue de défauts. Ces travaux, menés en collaboration avec le Centre de recherche d’Hydro-Québec (CRHQ), s’appuient sur des données fournies par cette entité. Cette coopération facilite le transfert technologique vers l’industrie, optimisant ainsi la surveillance et le diagnostic des machines électriques. Elle ouvre également la voie à l’adoption de systèmes de mesure alternatifs dans l’entreprise, bénéficiant des progrès de cette recherche.

Date	17 juin 2024
langue originale	Français
Établissement diplômant	École de technologie supérieure
Superviseur	Antoine Tahan (Directeur(-trice)), Kamal Al-Haddad (Codirecteur(-trice)) & Arezki Merkhouf (Codirecteur(-trice))