Utilisation des dispositifs MEMS pour la maintenance intelligente des machines industrielles

Résumé

L'anticipation des défaillances et l’estimation de l’état de santé des composants sont deux missions essentielles de la maintenance prédictive. Ce mémoire fait l’objet d’une étude pour prédire un certain nombre de défauts en utilisant des signaux capturés sur des roulements par des capteurs accéléromètres MEMS. Ces composants des machines sont très utilisés dans le monde industriel, notamment dans les moteurs électriques. Avec la naissance de l'Internet industriel des objets d'Intelligence Artificielle, la collecte des signaux été grandement amélioré. L'utilisation des signaux enregistrés dans la prédiction des pannes et dans l’estimation de la durée de vie restante sont désormais un sujet de recherche brûlant dans le domaine de la maintenance industrielle. Ce projet se décompose en deux parties, une première partie de l’étude sera faite sur une base de données Open Source afin de bien tester les modèles pour la détection et la classification des anomalies, ainsi que pour prédire l’état de santé des roulements. Une deuxième partie est consacrée pour concevoir un banc de tests pour enregistrer des données de vibration de deux roulements par les deux MEMS accéléromètres Adxl335 et l’Adxl 1002Z afin d’évaluer ses performances dans contexte de maintenance prédictive. Nous sommes arrivés à prédire les défauts avant leurs apparitions en utilisant les signaux enregistrés par les deux accéléromètres avec un F-score maximal de 98.26% pour la classification des défauts par le modèle SVM, de plus une démarche méthodologique est adaptée à ce problème pour l’estimation de l’état de santé de ces composants.

Date	16 mars 2023
langue originale	Français
Établissement diplômant	École de technologie supérieure
Superviseur	Ricardo Izquierdo (Directeur(-trice))