Pour répondre au besoin croissant d'inspection par contrôle non destructif (CND) dans les industries manufacturières, il est impératif de développer des solutions qui exploiteront les possibilités d'automatisation pour compléter les compétences des inspecteurs humains. Le secteur du moulage sous pression d'aluminium (ADC) est un secteur en constante évolution, au service d'industries critiques pour la sécurité comme l'automobile et l'aérospatiale. Cependant, les ADC sont susceptibles de présenter des défauts de fabrication dont la plupart ne sont pas visibles à l'œil nu et nécessitent une application appropriée des techniques CND pour vérifier leur intégrité structurelle et leur aptitude à l'emploi. Ces procédures sont standardisées et doivent être menées conformément aux normes industrielles applicables. Le développement de l'automatisation des tâches d'évaluation des images radiographiques des ADC est confronté à un défi, notamment en ce qui concerne la capacité de ces solutions à se conformer aux normes CND. Les réseaux neuronaux d'apprentissage profond ont démontré un potentiel important dans la reconnaissance automatisée des défauts/défauts, néanmoins, la confiance nécessaire pour accepter de telles solutions dans les secteurs critiques pour la sécurité ne peut être acquise que si l'on comprend suffisamment comment ces modèles fonctionnent et quelles propriétés exactes des données de formation sont cruciales pour leurs performances. Au fil des ans, l'utilisation prolifique de l'apprentissage profond dans divers secteurs a popularisé la notion de sa forte dépendance aux données, en mettant davantage l'accent sur la quantité que sur la qualité. Cette thèse est composée d'études expérimentales visant à comprendre les propriétés des données de radiographie numérique à rayons X qui sont cruciales pour affecter les performances de l'apprentissage profond. Dans le premier chapitre, une étude approfondie entre l'influence du rapport contraste/bruit et du rapport signal/bruit a été menée. Les résultats de l'étude ont révélé que la variation du rapport contraste/bruit (CNR) a un impact sur le comportement d'apprentissage des modèles d'apprentissage profond d'une manière qui pourrait être exploitée pour former un modèle d'apprentissage profond hautement performant. Une deuxième étude telle que présentée au chapitre 2 de cette thèse considère les propriétés des images de radiographie numérique à rayons X, en particulier les propriétés statistiques de la distribution d'intensité des pixels. Cette découverte a ouvert la voie à la synthèse d'images radiographiques numériques et à leur utilisation comme données d'apprentissage pour une application d'apprentissage profond. Bien qu'entraîné uniquement sur les données synthétiques, le modèle a obtenu d'excellentes performances sur de véritables images de radiographie numérique à rayons X. Grâce à l'approche peu coûteuse en termes de calcul qu'elle présente, cette solution offre de bonnes perspectives dans les industries, en particulier dans l'industrie ADC qui fabrique des produits aux morphologies cohérentes. Au chapitre 3, la pertinence de la qualité des données par rapport à la quantité pure a été étudiée dans une étude expérimentale utilisant un simulateur de radiographie numérique à rayons X de pointe (aRTist). L'acquisition d'images a été réalisée sous deux formes distinctes : tout d'abord, la pratique industrielle conventionnelle qui stipule une plage fixe de qualité d'image à atteindre (par exemple, le rapport signal/bruit) a été utilisée pour acquérir des images à partir de 140 composants. Deuxièmement, un moyen non conventionnel qui se concentre sur la variation des paramètres d'exposition pour modifier les propriétés des défauts dans les images, notamment le rapport contraste/bruit (CNR), a été utilisé pour acquérir un ensemble de données avec seulement 42 % des composants de test. Les performances des modèles d'apprentissage profond formés distinctement sur chaque ensemble de données ont été comparées. Bien qu'organisé à l'aide de moins de composants, le modèle formé sur les données acquises à l'aide d'une méthode d'acquisition d'images non conventionnelle a démontré de meilleures performances de modèle. Cette étude confirme une exploitation efficace de nos résultats expérimentaux antérieurs qui identifient le CNR comme un paramètre d'image qui influence les performances de l'apprentissage profond. Le chapitre 4 se concentre sur le développement d'un algorithme de classement des défauts pour classer les défauts détectés dans les composants moulés sous pression en aluminium, inspiré de la norme ASTM E2973- 15. Le pipeline de classement utilise un algorithme d'arbre k-dimensionnel (K-D) qui structure les défauts détectés pour faciliter une évaluation efficace des défauts. Cela permet des requêtes spatiales rapides et une évaluation efficace de la gravité des défauts sur la base de critères prédéfinis tels que des normes mondiales ou des termes spécifiques au client. L'algorithme a démontré une grande efficacité, classant avec précision les défauts et peut faciliter la prise de décision automatisée (Accepter/Rejeter) en radiographie numérique à rayons X. L'adaptabilité du système à différents critères de classement garantit son applicabilité dans divers secteurs critiques pour la sécurité. Collectivement, les études contenues dans cette thèse présentent des innovations expérimentales en radiographie numérique à rayons X qui influencent les performances du modèle d'apprentissage profond pour une évaluation robuste des défauts, offrant ainsi une voie viable pour réaliser une évaluation d'image automatisée qui peut atteindre une inspection à 100 % des composants fabriqués, même dans les secteurs qui nécessitent un strict respect des normes CND. / To meet the rising need for Non-destructive Testing (NDT) inspection in manufacturing industries, it is imperative to develop solutions that will exploit automation possibilities, to supplement the competencies of human inspectors. The aluminum die casting (ADC) sector is one that evolves constantly, serving safety-critical industries like automotive and aerospace. However, ADCs are prone to having manufacturing flaws, most of which are not visible to the human eye and hence require proper application of NDT techniques to ascertain their structural integrity, and fitness for use. The NDT procedures are standardized and must be conducted in accordance with applicable industrial standards. Developing automated solutions of tasks such as the evaluation of radiographic images of ADCs faces a challenge, particularly in the ability such solutions to conform to NDT standards. Deep learning neural networks have demonstrated significant potential in automated flaw/defect recognition, nonetheless, the confidence needed to accept such solutions in safety-critical sectors can only be gained if there is sufficient understanding of how these models operate, and what exact properties within training data is crucial to their performance. Over the years, the prolific use of deep learning across various sectors has popularized the notion of its high dependence on data, with more emphasis on the quantity, rather than the quality. This dissertation is composed of experimental studies aimed at understanding the properties of digital X-ray radiography data that is crucial in impacting deep learning performance. In the first chapter, an extensive study between the influence of contrast-to-noise ratio and signal-to-noise ratio was conducted. Findings from the study revealed that contrast-to-noise ratio (CNR) variation impacts training behaviour of the deep learning models in a manner that could be leveraged to train a deep learning model to be highly performant. A second study as presented in Chapter 2 of this dissertation considers the properties of digital X-ray radiography images, specifically the statistical properties of the pixel intensity distribution. This finding paved the way for the synthesization of digital X-ray images, using them as training data for a deep learning application. Although trained on only the synthetic data, the trained model performed excellently on real digital X-ray radiography images. With the computationally inexpensive approach it presents, this solution holds good prospect in industries, especially ADC industry that manufactures products with consistent morphologies. In Chapter 3, the relevance of data quality over sheer quantity was investigated in an experimental study using a state-of-the-art digital X-ray radiography simulator (aRTist). Acquisition of images were carried out in two distinct forms: firstly, the conventional industrial practice that stipulates a fixed range of image quality to be attained (e.g., the signal-to-noise ratio) was used to acquire images from 140 components. Secondly, a non-conventional means that focuses on varying exposure parameters to alter the properties of flaws in the images, notably the contrast-to-noise-ratio (CNR), was used to acquire dataset with only 42 % of the test components. The performances of deep learning models trained distinctly on each dataset was compared. Although curated using fewer components, the model trained on the data acquired using the proposed unconventional image acquisition method demonstrated better model performance. This study confirms an effective harnessing of our earlier experimental findings that identifies CNR as an image parameter that influences deep learning performance. Chapter 4 focuses on developing a flaw grading algorithm to classify detected flaws in aluminum die casting components, inspired by ASTM E2973-15 standard. The grading pipeline employs a k-dimensional (K-D) tree algorithm that structures detected flaws to facilitate efficient evaluation of the flaws. This approach enables rapid spatial queries and effective flaw severity evaluation based on predefined criteria such as global standards or client-specific terms. The algorithm demonstrated high efficiency, accurately grading flaws, and can facilitate automated decision-making (Accept/Reject) in digital X-ray radiography. The system's adaptability to different grading criteria ensures its applicability across various safety-critical sectors. Collectively, the studies contained in this dissertation present experimental innovations in Digital X-ray radiography that influence deep learning model performance for robust defect evaluation, thereby offering a viable pathway to realizing automated image evaluation that can achieve 100 % inspection of manufactured components, even in sectors that require strict adherence to NDT standards.

Titre de l'écran-titre (visionné le 29 juin 2023) / Le marché mondial de l'aluminium demande une réduction des coûts et des impacts environnementaux. Simultanément, la qualité des matières premières requises pour le procédé de production de l'aluminium primaire est de plus en plus variable et leur qualité se dégrade dans le temps. Considérant ces demandes et défis, l'approche traditionnelle de contrôle de qualité des anodes de carbone précuites, qui sont des intrants dans les cellules modernes de production d'aluminium, n'est plus suffisante pour le contrôle et l'optimisation de la production des anodes. Toutefois, de nouvelles techniques d'analyse rapides et non-destructives ont été développées afin d'améliorer le contrôle de leur qualité. Dans cette recherche, un prototype a été conçu pour avancer la recherche de deux des techniques les plus récentes, soit l'analyse acousto-ultrasonique (AU) et l'analyse modale (MA). L'équipement est décrit et une analyse de répétabilité est faite pour démontrer que les techniques peuvent être utilisés pour le contrôle du procédé et de la qualité des anodes. Ensuite, les deux techniques sont testées avec un grand nombre d'échantillons. En plus, une procédure pour estimer les propriétés des anodes basées sur les résultats de l'AU est proposée. Finalement, les trois approches sont combinées pour montrer comment elles se complètent. Pour l'analyse modale, une nouvelle approche pour utiliser les données de la réponse vibratoire des anodes est proposée avec le potentiel d'exploiter la totalité des données disponibles. De plus, elle permet de réduire le nombre de capteurs (accéléromètres) et simplifie significativement la procédure expérimentale en comparaison avec les travaux de recherche antérieurs. La capacité supérieure de détection de défauts de la nouvelle approche a été démontrée sur un grand nombre d'échantillons, en plus de sa répétitivité pour la détection de défauts externes. De façon similaire, une nouvelle approche pour utiliser les données est proposée pour l'analyse acousto-ultrasonique, en améliorant la décomposition des signaux dans différentes bandes de fréquence et en la combinant avec un modèle de classification comme un moyen d'utiliser le système pour discriminer deux classes d'anodes. Ces classes étaient des anodes avec des dommages visibles sur les surfaces externes des anodes et d'autres sans dommage apparent. Il était attendu de l'approche une meilleure résolution temporelle et, par conséquence, une meilleure performance en discrimination, ce qui a été validé à la fin de l'étude. Une technique d'interpolation a été proposée pour les données de l'analyse AU afin d'obtenir une distribution spatiale plus fines des vitesses du son dans les anodes. Un jeu d'échantillons simulés numériquement a été généré pour représenter des anodes et des défauts internes. Ces échantillons ont été utilisés pour confirmer la performance de l'approche proposé à la détection et au positionnement des défauts simulés. Cette approche nous a permis de tester la performance de la technique de manière théorique dans plusieurs situations : différents nombres de capteurs et leur positionnement, différents nombres de défauts et leur taille. La performance a été confirmée avec un groupe d'échantillons d'anodes carottées qui ont été caractérisées en laboratoire et la corrélation entre la vitesse du son estimée et plusieurs propriétés clés des anodes. Finalement, une combinaison entre l'analyse modale et l'AU en utilisant l'analyse modale comme première étape dans une stratégie de contrôle à deux niveaux comme étape de pré-traitement, réduit significativement la quantité d'anodes qui ont besoin d'être analysés par l'AU. Il est aussi démontré que leur combinaison est plus précise en performance de classification que l'utilisation de ces deux méthodes séparément. Ensuite, l'interpolation a été utilisé pour investiguer ce qui caractérise des anodes qui ont été bien, ou mal classifiées. / The global aluminium market demands cost efficiency and environmental impact reductions ever more. Simultaneously raw materials for the production process have become more inconsistent and overall worse in quality. With those increasing demands and challenges, the quality control of baked carbon anodes, a requirement for modern aluminium production cells, using the traditional approach does not allow for tight control and optimization of the anode production process. However, new rapid and non-destructive techniques (NDTs) have been developed which could fulfill the need for better quality control methods. In this research, a prototype equipment was developed to further advance the research in two of the newer techniques, namely acousto-ultrasound (AU) and modal analysis. The equipment is described, and a repeatability evaluation is performed on a set of industrial anodes to prove it can be used for process and quality control. In sequence, both modal analysis and acousto-ultrasonics are tested on a large number of samples. Moreover, a procedure to interpolate the anode's properties based on the AU results is proposed. Finally, the three approaches are combined to show how they complement each other. For modal analysis, a new approach for analyzing the data collected is proposed which has the potential of fully exploiting the available data while simultaneously reducing the number of sensors and significantly simplifying the testing procedure, in comparison with previous research. The approach was shown to be more capable for the same analyzed samples, while also being more repeatable, in the task of detecting the presence of external defects. Similarly, a new method for analyzing data collected is proposed for acousto-ultrasonics regarding the frequency band decomposition combined with a classification model as a means to use the system to discriminate between two classes of anodes. The classes were anodes with visible external damages and anodes without any damages. The approach was expected to deliver better time resolution, and consequently, better performance in the discrimination task, which was confirmed at the end of the study. An interpolation technique was proposed for the AU data and a set of toy examples was generated to simulate anodes and internal defects. Those were used to confirm the performance of the proposed approach in detecting and positioning the simulated defects. This allowed the technique to be tested for its performance, theoretically, in cases with different numbers of sensors, numbers of defects and defect sizes. Its performance was confirmed using a group of core samples from anodes that were analyzed and correlations with the sound speed and key anode properties were established.

La mise en place d'un programme de tests accélérés (AT) est accompagnée de plusieurs préoccupations et incertitudes quant à l'estimation de la fiabilité qui peut causer un écart par rapport au service réel. Cette thèse vise à présenter les outils nécessaires et auxiliaires antérieurs aux tests, ainsi qu'à proposer des approches techniques et des analyses pour la mise en oeuvre de tests accélérés pour l'estimation de la fiabilité, la cornparaison de produits, l'identification des modes de défaillances critiques ainsi que la vérification de l'amélioration de la fiabilité (après modification de la conception). Tout programme de tests accélérés doit faire l'objet d'une investigation économique, de même que la similitude entre tests et modes de défaillances doit être vérifiée. L'existence de variables aléatoires dans le service en utilisant le profil et le temps de défaillance dans les tests accélérés sont les causes de l'incertitude pour estimer la fiabilité qui doit être résolu numériquement. La plupart des programmes de tests de dégradation accélérés ont été mis en oeuvre à des fins qualitatives et d'analyse de comparaison, de sorte que le concept de tests de dégradation accélérés doivent être étendus et généralisés au cas de produits sujets à de multiples modes de défaillance, avec ou sans modes de défaillance dépendants. Si des échantillons, neufs ou usagés, d'un produit sont disponibles; la méthode de vieillissement partielle est proposée afin de diminuer considérablement le temps de test.

Dans ce mémoire nous traitons le problème de localisation du (des) composant(s) responsable(s) de la défaillance. Chaque composant est assujetti à des défaillances aléatoires. La détection de l’état d’un composant ou d’un sous-système est effectuée à l’aide de tests. L’objectif de cette recherche est d’exploiter les techniques et connaissances disponibles pour générer la séquence de tests qui permet de localiser rapidement le(s) composant(s) responsable(s) de la défaillance du système. On considère un système opérant suivant une structure série pour lequel on connaît le coût de tests et la probabilité conditionnelle qu’un composant (i) soit responsable de la défaillance. On analyse les différentes stratégies de diagnostic. Des exemples, empruntés à la littérature, sont utilisés pour illustrer chaque procédure traitée. Des extensions sont proposées pour traiter le cas où le diagramme de fonctionnement du système n’est pas nécessairement "série". Les algorithmes traités font appel à l’analyse probabiliste des systèmes, à la théorie de l’information, à l’approche heuristique et à la programmation dynamique. / In this paper, we address the problem of the localization of the component(s) responsible(s) for the failure. Each component is subjected to random failures. Some tests help the detection of the state of a component or a subsystem. The objective of this research is to exploit the available knowledge and techniques to generate the tests sequence that locate quickly the (s) component (s) responsible (s) of system failure. We consider a system which operates according to a structure series and of which we know the test costs and the conditional probability that a component (i) is out of service. We analyze the different diagnostic strategies. Some examples, taken from the literature, are used to illustrate each procedure covered. Many extensions are proposed to handle the case where the diagram of the system is not necessarily "series". The algorithms treated are based of probabilistic analysis of systems, the information theory, the heuristic approach and the dynamic programming.

La vision par ordinateur est un domaine qui consiste à extraire ou identifier une ou plusieurs informations à partir d'une ou plusieurs images dans le but soit d'automatiser une tache, soit de fournir une aide à la décision. Avec l'augmentation de la capacité de calcul des ordinateurs, la vulgarisation et la diversification des moyens d'imagerie tant dans la vie quotidienne, que dans le milieu industriel, ce domaine a subi une évolution rapide lors de dernières décennies. Parmi les différentes modalités d'imagerie pour lesquels il est possible d'utiliser la vision artificielle cette thèse se concentre sur l'imagerie infrarouge. Plus particulièrement sur l'imagerie infrarouge pour les longueurs d'ondes comprises dans les bandes moyennes et longues. Cette thèse se porte sur deux applications industrielles radicalement différentes. Dans la première partie de cette thèse, nous présentons une application de la vision artificielle pour la détection du moment de vêlage en milieux industriel pour des vaches Holstein. Plus précisément l'objectif de cette recherche est de déterminer le moment de vêlage en n'utilisant que des données comportementales de l'animal. À cette fin, nous avons acquis des données en continu sur différents animaux pendant plusieurs mois. Parmi les nombreux défis présentés par cette application l'un d'entre eux concerne l'acquisition des données. En effet, les caméras que nous avons utilisées sont basées sur des capteurs bolométriques, lesquels sont sensibles à un grand nombre de variables. Ces variables peuvent être classées en quatre catégories : intrinsèque, environnemental, radiométrique et géométrique. Un autre défit important de cette recherche concerne le traitement des données. Outre le fait que les données acquises utilisent une dynamique plus élevée que les images naturelles ce qui complique le traitement des données ; l'identification de schéma récurrent dans les images et la reconnaissance automatique de ces derniers grâce à l'apprentissage automatique représente aussi un défi majeur. Nous avons proposé une solution à ce problème. Dans le reste de cette thèse nous nous sommes penchés sur la problématique de la détection de défaut dans les matériaux, en utilisant la technique de la thermographie pulsée. La thermographie pulsée est une méthode très populaire grâce à sa simplicité, la possibilité d'être utilisée avec un grand nombre de matériaux, ainsi que son faible coût. Néanmoins, cette méthode est connue pour produire des données bruitées. La cause principale de cette réputation vient des diverses sources de distorsion auquel les cameras thermiques sont sensibles. Dans cette thèse, nous avons choisi d'explorer deux axes. Le premier concerne l'amélioration des méthodes de traitement de données existantes. Dans le second axe, nous proposons plusieurs méthodes pour améliorer la détection de défauts. Chaque méthode est comparée à plusieurs méthodes constituant l'état de l'art du domaine. / Abstract Computer vision is a field which consists in extracting or identifying one or more information from one or more images in order either to automate a task or to provide decision support. With the increase in the computing capacity of computers, the popularization and diversification of imaging means, both in industry, as well as in everyone's life, this field has undergone a rapid development in recent decades. Among the different imaging modalities for which it is possible to use artificial vision, this thesis focuses on infrared imaging. More particularly on infrared imagery for wavelengths included in the medium and long bands. This thesis focuses on two radically different industrial applications. In the first part of this thesis, we present an application of artificial vision for the detection of the calving moment in industrial environments for Holstein cows. More precisely, the objective of this research is to determine the time of calving using only physiological data from the animal. To this end, we continuously acquired data on different animals over several days. Among the many challenges presented by this application, one of them concerns data acquisition. Indeed, the cameras we used are based on bolometric sensors, which are sensitive to a large number of variables. These variables can be classified into four categories: intrinsic, environmental, radiometric and geometric. Another important challenge in this research concerns the processing of data. Besides the fact that the acquired data uses a higher dynamic range than the natural images which complicates the processing of the data; Identifying recurring patterns in images and automatically recognizing them through machine learning is a major challenge. We have proposed a solution to this problem. In the rest of this thesis we have focused on the problem of defect detection in materials, using the technique of pulsed thermography. Pulse thermography is a very popular method due to its simplicity, the possibility of being used with a large number of materials, as well as its low cost. However, this method is known to produce noisy data. The main cause of this reputation comes from the various sources of distortion to which thermal cameras are sensitive. In this thesis, we have chosen to explore two axes. The first concerns the improvement of existing data processing methods. In the second axis, we propose several methods to improve fault detection. Each method is compared to several methods constituting the state of the art in the field.

This work takes place in the context of distribution power system protection and tries to improve the detection and location of earth faults. The protection problem is vast and many ideas emerge every year to enhance the reliability of the grid. The author has focused his energy into the compensated and isolated network protection in the specific case of single phase earth fault. This PhD thesis is divided in two main parts that might be considered as independent. The first part studies the detection of single phase earth fault and the second analyzes the fault location of such fault.<p><p>Pragmatism was asked during these three years because a product development was necessary especially regarding the fault detection problem. The first part of the thesis took 18 months of research and development to obtain a prototype of transient protection able to detect single phase earth fault in compensated and isolated network. The sensitivity of the algorithm has been emphasized regarding the fault impedance and to detect earth fault up to 5 kOhm depending on the network characteristic. The fault location problem has been much more theoretical although the problem links to the accuracy of the algorithm and its robustness regarding wrong fault location indication has been strongly considered.<p><p>Compensated networks and in some conditions isolated networks are distribution from 12 kV up to 110 kV mostly used in East and North Europe but also in China. Others areas also work with such networks but they also have others systems and they do not use them on all the territory. These networks have the particularity to obtain very small fault current in case of single phase earth fault. Low current means the difference between a faulty and a sound feeder is not significant. Therefore classic overcurrent protection is completely useless to protect the network, forcing the development of more complex algorithm. A possibility to overcome the problem of the small fault current is to develop a transient protection. The transient occurring at the beginning of the fault has strong information to distinguish a faulty from a sound feeder. In this work I have chosen to use not only the transient but also the steady state to get the best sensitivity.<p><p>Then the fault location has been investigated but the small information coming from the faulty feeder is not sufficient to have a precise enough position of the fault. Therefore, active system has been suggested to be implemented in the grid to increase the faulty current and have enough power for a precise location. Different existing algorithms based on the steady state at the nominal frequency are compared using a tool developed during this work. Recommendations are then made depending on the topology, the network parameters, the measurements precision, etc. Due to the complexities of the problem, a simulator has been coded in Matlab .The user of a possible fault location must then use this tool to understand and see the future fault location precision that he could obtain from different algorithm on his network. / Doctorat en Sciences de l'ingénieur / info:eu-repo/semantics/nonPublished

This work is dedicated to faulty induction motors. These motors are often used in industrial applications thanks to their usability and their robustness. However, nowadays optimisation of production becomes so critical that the conceptual reliability of the motor is not sufficient anymore. Motor condition monitoring is expanding to serve maintenance planning and uptime maximisation. Moreover, the use of drive control sensors (namely stator current and voltage) can avoid the installation and maintenance of dedicated sensors for condition monitoring.<p><p>Many authors are working in this field but few approach the diagnosis from a detailed and clear physical understanding of the localised phenomena linked to the faults. Broken bars are known to modulate stator currents but it is shown in this work that it also changes machine saturation level in the neighbourhood of the bar. Furthermore, depending on the voltage level, this change in local saturation affects the amplitude and the phase of the modulation. This is of major importance as most diagnosis techniques use this feature to detect and quantify broken bars. For stator short-circuits, a high current is flowing in the short-circuited coil due to mutual coupling with the other windings and current spikes are flowing in the rotor bars as they pass in front of the short-circuited conductors. In the case of rotor eccentricities, the number of pole-pairs and the connection of these pole-pairs greatly affect the airgap flux density distribution as well as the repartition of the line currents in the different pole-pairs.<p><p>These conclusions are obtained through the use of time-stepping finite element models of the faulty motors. Moreover, circuit models of faulty machines are built based on the conclusions of previously explained fault analysis and on classical Park models. A common mathematical description is used which allows objective comparison of the models for representation of the machine behaviour and computing time.<p><p>The identifiability of the parameters of the models as well as methods for their identification are studied. Focus is set on the representation of the machine behaviour using these parameters more than the precise identification of the parameters. It is shown that some classical parameters can not be uniquely identified using only stator measurements.<p><p>Fault detection and identification using computationally cheap models are compared to advanced detection through motor stator current spectral analysis. This last approach allows faster detection and identification of the fault but leads to incorrect conclusions in low load conditions, in transient situations or in perturbed environments (i.e. fluctuating load torque and unideal supply). Efficient quantification of the fault can be obtained using detection techniques based on the comparison of the process to a model.<p><p>Finally, the work provides guidelines for motor supervision strategies depending on the context of motor utilisation. / Doctorat en Sciences de l'ingénieur / info:eu-repo/semantics/nonPublished