Les entraînements électriques à base de machine asynchrone sont largement utilisés dans les applications industrielles en raison de leur faible coût, de leurs performances et de leur robustesse. Cependant, des modes de fonctionnement dégradés peuvent apparaître durant la vie de la machine. L'une des raisons principales de ces défaillances reste les défauts de roulements à billes. Afin d'améliorer la sûreté de fonctionnement des entraînements, des schémas de surveillance peuvent être mis en place afin d'assurer une maintenance préventive. Ce travail de thèse traite de la détection et du diagnostic des défauts mécaniques et plus particulièrement des défauts de roulements dans une machine asynchrone. Généralement, une surveillance vibratoire peut être mise en place. Cette méthode de surveillance est cependant souvent chère du fait de la chaîne de mesure. Une approche, basée sur l'analyse et le traitement des courants statoriques, est alors proposée, afin de suppléer à l'analyse vibratoire. L'étude est basée sur l'existence et la caractérisation des effets des oscillations du couple de charge sur les courants d'alimentation. Un schéma de détection est alors introduit pour détecter différents types de défauts de roulements. De plus, des variables mécaniques, telles que la vitesse ou le couple, sont également reconstruites afin de fournir une indication sur la présence de défauts de roulements. Par ailleurs, un diagnostic des modulations des courants statoriques est proposé, en régime permanent et en régime transitoire, quel que soit le rapport entre les fréquences porteuse et modulante. Les méthodes étudiées sont la transformée de Hilbert, la transformée de Concordia, l'amplitude et la fréquence instantanées ainsi que la distribution de Wigner-Ville.

Ce travail de thèse traite de la détection et du diagnostic de défaillances mécaniques par analyse du courant statorique dans les entraînements électriques à base de machine asynchrone. Deux effets d'un défaut mécanique, des oscillations de couple et une excentricité d'entrefer, sont supposés. La modélisation par approche des ondes de forces magnétomotrices et de perméance conduit à deux modèles analytiques du signal courant. La conséquence des défauts est soit une modulation de phase, soit une modulation d'amplitude du signal courant statorique. Ces phénomènes sont détectés par une analyse spectrale en régime permanent, ou des méthodes temps fréquence en régime transitoire. Les méthodes étudiées sont la fréquence instantanée, le spectrogramme et la représentation de Wigner-Ville. L'estimation paramétrique d'indices de modulation a également été traitée. Des résultats de simulation et expérimentaux permettent de valider les signatures et d'extraire de façon automatique des indicateurs de défaut. De plus, une méthode permettant la distinction des oscillations de couple d'une excentricité dynamique est proposée. L'étude est complétée par une implémentation sur DSP des méthodes temps-fréquence afin de démontrer la faisabilité d'une surveillance en ligne.

Le secteur de l’énergie éolienne est en pleine expansion depuis les 10 dernières années. Le nombre et la taille des éoliennes ont été multipliés, ce qui accroît la difficulté et la criticité de la maintenance, et impose aux industriels de passer d’une maintenance corrective et systématique à une maintenance conditionnelle et prédictive. L'objectif de ces travaux est de développer des indicateurs de dégradation, en utilisant les données numériques fournies par le SCADA, disponibles à faible coût mais enregistrées à une faible fréquence d'échantillonnage (10 min) dans un objectif de suivi de production. Une analyse bibliographique approfondie des travaux réalisés sur la surveillance de parcs éoliens à partir de données SCADA montre que deux types d’approches sont généralement proposés. Les méthodes dites mono-turbines où un modèle de comportement d’une turbine est appris sur des périodes de bon fonctionnement, à partir duquel il est possible de créer des résidus mesurant la différence entre la valeur prédite par le modèle et la mesure en ligne, qui servent d’indicateurs de défaut. Les modèles mono-turbines ont la particularité d’utiliser des variables provenant de la même turbine du parc. Les deuxièmes méthodes, dites multi-turbines, sont des méthodes où l'effet parc et la similarité entre machines sont utilisés. Là où les recherches les plus récentes proposent principalement de créer des courbes de performances pour chaque machine du parc pendant une période de temps et de comparer ces courbes entre elles, nous faisons la proposition originale de combiner les deux approches et de comparer les résidus mono-turbines à une référence parc traduisant le comportement majoritaire des turbines du parc. Nous validons de manière extensive ces indicateurs en analysant leurs performances sur une base de données composée d’enregistrements de variables SCADA d’une durée de 4 ans sur un parc de 6 machines. Nous proposons aussi des critères de performances pertinents permettant d’évaluer de manière réaliste les gains et éventuels surcoûts que généreraient ces indicateurs s’ils étaient intégrés dans un outil de maintenance. Ainsi, nous montrons que le taux d’interventions inutiles associées à des fausses alarmes produites par les indicateurs de défaut, et qui provoquent un surcoût très important pour l’entreprise, peut être fortement diminué par la fusion d’indicateurs mono-turbines que nous proposons, tout en conservant une avance à la détection suffisante pour planifier la mise en place d’interventions par les équipes de maintenance. / The wind energy sector has rapidly gown in the last 10 years. The number and the size of wind turbines have multiplied, which increases the difficulty and the criticality of the maintenance, and forces the wind turbine industry to change from a corrective and systematic maintenance to a conditional and predictive maintenance. The objective of this research is to develop failure indicators using numerical SCADA data, available at a low price but with a very low sampling frequency (10 min), in order to make online monitoring.A thorough bibliographical analysis on the surveillance of wind farms using SCADA data shows that two types of approaches are usually suggested. The first approach, called mono-turbine, where a good behaviour model of a turbine is learnt over unfaulty periods. With this approach, it is possible to create residuals measuring the difference between the predicted value by the model and the on-line measure, which serves as failure indicators. The mono-turbine models have the peculiarity in that they use variables coming from the same turbine as the farms. The second approach, called multi-turbine, are methods where the similarity between machines is used. Where the most recent researches mostly suggest creating performance curves for every machine on the farm during a period of time and comparing these curves between each other, we make the original proposal to combine both approaches and compare mono-turbine residuals with a farm reference representing the behaviour of the turbines of the farm.We validate in an extensive way those failure indicators by analysing their performances on a database made up of SCADA variable recordings of a duration of 4 years on a windfarm of 6 machines. We also propose relevant performance criteria allowing an estimation in a realistic way of the gains and possible additional costs which would generate these indicators if they were integrated into a tool of maintenance. Therefore, we show that the rate of useless interventions associated with false alarms produced by the failure indicators, which cause a heavy additional cost for the company, can be strongly decreased by the mono-turbines indicators merging that we propose, while preserving a sufficient detection time for the maintenance teams to plan interventions.

Ce travail de thèse traite de la détection des défauts mécaniques des roulements à billes par analyse de grandeurs mécaniques et électriques dans des machines synchrones à aimants permanents haute vitesse. Le domaine applicatif de ce travail concerne l'aéronautique. Généralement, pour surveiller l'état des roulements à billes dans un actionneur électrique, des mesures vibratoires sont réalisées. Elles permettent, en exploitant le spectre du signal vibratoire, de mettre facilement en évidence la détérioration du roulement. Cette méthode de surveillance est cependant relativement couteuse en termes d'instrumentation et le placement d'un capteur vibratoire dans des équipements à fort degré d'intégration est parfois difficile. Nous proposons dans ce mémoire d'utiliser d'autres grandeurs physiques prélevées sur le système pour réaliser la surveillance de ces défauts. Il peut s'agir de grandeurs mécaniques (vitesse, position par exemple) et de grandeurs électriques (courant statorique, courant onduleur par exemple). L'utilisation de données déjà disponibles dans l'équipement pour les besoins de la commande permet ainsi de supprimer le système d'acquisition vibratoire. A partir d'enregistrements temporels de données réalisées au cours de campagnes d'essais, nous proposons des méthodologies de traitement du signal permettant d'extraire automatiquement des informations sensibles au défaut à surveiller. L'idée finale est de construire des indicateurs de l'état de santé des roulements permettant de prendre « juste à temps » des décisions fiables relatives à la maintenance ou à la sécurisation de l'équipement. Pour construire ces indicateurs, les signatures spécifiques aux défauts de roulements sont étudiées de manière théorique et expérimentale, pour l'ensemble des grandeurs prélevées. Leurs propriétés sont mises en évidence, permettant ainsi de définir les bandes fréquentielles les plus contributives au diagnostic. L'extraction de ces signatures est réalisée dans le domaine fréquentiel selon plusieurs méthodes. Deux types d'indicateurs automatiques différents sont proposés. Le premier est construit directement à partir du spectre d'amplitude des grandeurs par extraction de l'amplitude des harmoniques dans des bandes fréquentielles particulières. Le second intègre une dimension statistique dans l'analyse en exploitant le caractère aléatoire de certains harmoniques pour détecter la présence du défaut. Des critères de comparaison sont définis et utilisés pour étudier les performances des indicateurs proposés pour deux campagnes d'essais avec des roulements artificiellement dégradés, pour différentes vitesses de fonctionnement et pour différents paramètres de réglage des indicateurs. / This Ph.D. thesis deals with detection of mechanical bearings faults by analysis of mechanical and electrical signals in high speed permanent magnet synchronous machine. The application domain of this work concerns aeronautics. Generally, to monitor the ball bearings status in electrical actuator, the vibration measurements are used. They allow, by extracting the vibration spectrum, to easily detect the deterioration of the bearing. This monitoring method is relatively expensive in terms of instrumentation and placing a vibration sensor in equipment with a high integration degree can be difficult. We propose in this paper to use other physical quantities taken from the system to perform the monitoring of these defects. It may be mechanical quantities (for example speed, position) and electrical quantities (for example stator current, power inverter). From time recording of data carried out during test campaigns, we propose signal processing methodologies to automatically extract information sensitive to the monitored fault. The final idea is to construct indicators of bearings health and make decisions relating to maintenance or equipment security. To construct these indicators, specific bearing defects signatures are studied theoretically and experimentally, for all collected variables. The extraction of these signatures is carried out in frequency domain. Two different types of automatic indicators are proposed. The first is constructed directly from the amplitude spectrum by extraction of the harmonic amplitude of the spectrum in particular frequency bands. The second includes a statistical dimension analysis by exploiting the random nature of some harmonics to detect fault presence. Criteria of comparison are defined and used to study the proposed indicators performances for two trial campaigns with artificially degraded bearings, for different speed functioning and for different regulation of indicators parameters.

Les entraînements électriques à base de machine asynchrone sont largement utilisés dans les applications industrielles en raison de leur faible coût, de leurs performances et de leur robustesse. Cependant, des modes de fonctionnement dégradés peuvent apparaître durant la vie de la machine. L'une des raisons principales de ces défaillances reste les défauts de roulements à billes. Afin d'améliorer la sûreté de fonctionnement des entraînements, des schémas de surveillance peuvent être mis en place afin d'assurer une maintenance préventive. Ce travail de thèse traite de la détection et du diagnostic des défauts mécaniques et plus particulièrement des défauts de roulements dans une machine asynchrone. Généralement, une surveillance vibratoire peut être mise en place. Cette méthode de surveillance est cependant souvent chère du fait de la chaîne de mesure. Une approche, basée sur l'analyse et le traitement des courants statoriques, est alors proposée, afin de suppléer à l'analyse vibratoire. L'étude est basée sur l'existence et la caractérisation des effets des oscillations du couple de charge sur les courants d'alimentation. Un schéma de détection est alors introduit pour détecter différents types de défauts de roulements. De plus, des variables mécaniques, telles que la vitesse ou le couple, sont également reconstruites afin de fournir une indication sur la présence de défauts de roulements. Par ailleurs, un diagnostic des modulations des courants statoriques est proposé, en régime permanent et en régime transitoire, quel que soit le rapport entre les fréquences porteuse et modulante. Les méthodes étudiées sont la transformée de Hilbert, la transformée de Concordia, l'amplitude et la fréquence instantanées ainsi que la distribution de Wigner-Ville. / Asynchronous drives are widely used in many industrial applications because of their low cost, high performance and robustness. However, faulty operations may appear during the lifetime of the system. The most frequently encountered faults in asynchronous drives come from rolling bearings. To improve the availability and reliability of the drives, a condition monitoring may be implemented to favor the predictive maintenance. This Ph.D. thesis deals with detection and diagnosis of mechanical faults, particularly rolling bearings defects in induction motors. Traditionally, bearing monitoring is supervised using vibration analysis. Measuring such quantities is often expensive due to the measurement system. An other approach, based on stator current analysis, is then proposed. The characterization of load torque oscillation effects on stator currents is studied. A detection scheme is then proposed to detect several types of bearing faults. Moreover, mechanical variables, such as rotating speed or torque, are estimated in order to detect bearings defects. In addition, a diagnosis of stator currents modulations is proposed, in steady and transient state, whatever the career and modulation frequencies. Hilbert transform, Concordia transform, instantaneous amplitude and frequency are studied. The Wigner-Ville distribution is used in transient state.