Contribution au diagnostic des défauts mécaniques dans les machines asynchrones

Cette ths̈e est consacrě au diagnostic avanc ďes df̌auts des machines asynchrones, en se concentrant sur trois types de df̌auts frq̌uents : l'excentricit,̌ les df̌auts de roulements et les cassures de barres du rotor (RBR). L'objectif principal est de dv̌elopper des mťhodes de diagnostic fiables, efficaces, peu coteuses et capables de fonctionner en temps rěl, afin de renforcer la maintenance prďictive dans un environnement industriel.
Aprs̈ une ťude thǒrique approfondie du comportement des moteurs ỉnduction et des techniques de dťection, plusieurs approches innovantes ont ť p̌roposěs :
1. L'analyse des signatures de courant (MCSA) pour identifier les composantes frq̌uentielles caractřistiques.
2. Une mťhode hybride DWT-FFT pour amľiorer la sensibilit ďu diagnostic en pršence de bruit.
3. Une mťhode basě sur la dčomposition en paquets d'ondelettes (WPT) combině l̉'ňergie des valeurs propres (EEV) pour dťecter les df̌auts de roulements, mm̊e sans charge.
4. L'utilisation du ršeau profond MobileNetV2, combin ǎux classifieurs classiques (SVM, DT, RF), pour la classification automatique des df̌auts d'excentricit,̌ atteignant jusqu' 9̉8,21?% de prčision avec MobileNetV2-DT sans charge.
Les ršultats expřimentaux, obtenus p̉artir de signaux mesurš dans diffřentes conditions de fonctionnement, ont montr ǔne amľioration significative des performances de dťection et de classification, ouvrant la voie d̉es systm̈es intelligents de maintenance prďictive.