Spelling suggestions: "subject:"desurveillance d'été"" "subject:"etsurveillance d'été""
1 |
„Three-phase signals analysis for condition monitoring of electromechanical systems : application to wind turbine condition monitoring” / Analyse de signaux triphasées pour la surveillance des systèmes électromécaniques : application à la surveillance des turbines éoliennesCablea, Georgia 15 December 2016 (has links)
Cette thèse propose une méthode d'analyse des signaux triphasés pour la surveillance d'état des systèmes électromécaniques. La méthode proposée repose sur l'utilisation de la transformée en composantes symétriques instantanées et d'outils simples de traitement du signal pour détecter les défauts électriques et mécaniques dans de tels systèmes. Les avantages de cette approche triphasée par rapport à une approche monophasée pour la surveillance d'état sont étudiés en détail. Tout d'abord, pour les défauts électriques, l'utilisation de la transformée triphasée permet de séparer les composantes symétriques et asymétriques, et facilite ainsi la détection d'un déséquilibre électrique. Ensuite, pour les défauts mécaniques, l'approche par transformée en composantes symétriques permet de travailler dans des espaces avec un meilleur rapport signal à bruit. En effet, en appliquant le même traitement à la fois en monophasé et en triphasé sur les composantes symétriques, on observe que certains défauts mécaniques ne sont détectables qu’en utilisant la séquence positive des composantes symétriques. La méthodologie complète et les algorithmes pour calculer les indicateurs de défaut pour les défauts électriques et mécaniques sont donnés et les résultats sont validés sur signaux synthétiques et expérimentaux. En termes d'application, l'accent est mis sur la surveillance d'état des composants de turbines éoliennes. Toutefois, le procédé proposé peut être appliqué à des systèmes électromécaniques en général et peut facilement être étendu à des systèmes polyphasés. / This thesis proposes a three-phase electrical signals analysis method for condition monitoring of electromechanical systems. The proposed method relies on the use of instantaneous symmetrical components (ISCs) transform and simple signal processing tools to detect both electrical and mechanical faults in such systems. The advantages of using this three-phase approach for condition monitoring instead of single-phase ones are thoroughly detailed. Firstly, for electrical faults the use of the three-phase transform separates the balanced and unbalanced components thus making electrical unbalance detection easier. Secondly, for mechanical faults the ISCs approach has better signal-to-noise ratio (SNR). Indeed, by applying the same processing to both single-phase and ISCs, some mechanical faults are only detectable using the positive-sequence ISC. The complete methodology and algorithms to compute fault indicators for both electrical and mechanical faults are given and the results are validated using synthetic and experimental signals. In terms of application, the focus was on condition monitoring of wind turbine components. However, the proposed method can be applied on electromechanical systems in general and can easily be extended to poly-phase systems.
|
2 |
Automatic signal processing for wind turbine condition monitoring. Time-frequency cropping, kinematic association, and all-sideband demodulation / Traitement automatique du signal pour la surveillance vibratoire des éoliennes : recadrage temps-fréquence, association cinématique et démodulation multi-bandesFirla, Marcin 21 January 2016 (has links)
Cette thèse propose trois méthodes de traitement du signal orientées vers la surveillance d’état et le diagnostic. Les techniques proposées sont surtout adaptées pour la surveillance d’état, effectuée à la base de vibrations, des machines tournantes qui fonctionnent dans des conditions d’opération non-stationnaires comme par exemple les éoliennes mais elles ne sont pas limitées à un tel usage. Toutes les méthodes proposées sont des algorithmes automatiques et gérés par les données.La première technique proposée permet de sélectionner la partie la plus stationnaire d’un signal en cadrant la représentation temps-fréquence d’un signal.La deuxième méthode est un algorithme pour l’association des dispositions spectrales, des séries harmoniques et des séries à bandes latérales avec des fréquences caractéristiques provennant du cinématique d'un système analysé. Cette méthode propose une approche unique dédiée à l’élément roulant du roulement qui permet de surmonter les difficultés causées par le phénomène de glissement.La troisième technique est un algorithme de démodulation de bande latérale entière. Elle fonctionne à la base d’un filtre multiple et propose des indicateurs de santé pour faciliter une évaluation d'état du système sous l’analyse.Dans cette thèse, les méthodes proposées sont validées sur les signaux simulés et réels. Les résultats présentés montrent une bonne performance de toutes les méthodes. / This thesis proposes a three signal-processing methods oriented towards the condition monitoring and diagnosis. In particular the proposed techniques are suited for vibration-based condition monitoring of rotating machinery which works under highly non-stationary operational condition as wind turbines, but it is not limited to such a usage. All the proposed methods are automatic and data-driven algorithms.The first proposed technique enables a selection of the most stationary part of signal by cropping time-frequency representation of the signal.The second method is an algorithm for association of spectral patterns, harmonics and sidebands series, with characteristic frequencies arising from kinematic of a system under inspection. This method features in a unique approach dedicated for rolling-element bearing which enables to overcome difficulties caused by a slippage phenomenon.The third technique is an all-sideband demodulation algorithm. It features in a multi-rate filter and proposes health indicators to facilitate an evaluation of the condition of the investigated system.In this thesis the proposed methods are validated on both, simulated and real-world signals. The presented results show good performance of all the methods.
|
Page generated in 0.1025 seconds