Les représentation temps-fréquence montrent l'évolution spectral d'un signal dans le temps. L'objectif de ces travaux de recherche est de proposer deux principes de segmentation du plan temps-fréquence, cherchant à déterminer quelles sont les zones temps-fréquence présentant un intérêt relatif au signal analysé.<br /><br />La première méthode s'appuie sur une méthode statistique, modélisant le signal analysé par un signal d'intérêt à segmenter perturbé par un bruit blanc gaussien additif de variance inconnue. Le but est de déterminer le support temps-fréquence, ensemble des points sur lesquels l'énergie du signal à segmenter est répartie. Une détection de type Neyman-Pearson à probabilité de fausse alarme fixée permet de détecter les points temps-fréquence contenant du signal, à niveau de bruit connu. L'algorithme proposé est itératif, estimant le niveau de bruit à partir des points non segmentés, ce niveau de bruit servant à détecter de nouveaux points contenant du signal. Un critère basé sur le kurtosis spectral des points non segmentés permet de définir l'arrêt des itérations.<br /><br />La seconde méthode est basée sur le principe de la réallocation du spectrogramme, en tant que source d'information sur le spectrogramme. La réallocation déplace l'énergie du spectrogramme sur le centre de gravité local de l'énergie. Aux frontière d'un motif temps-fréquence, l'énergie sera déplacée vers l'intérieur du motif. Ainsi, les vecteur<br />s de réallocation, décrivant le déplacement de l'énergie du pectrogramme par la réallocation, sont localement parallèles sur la frontière d'un motif. Nous définissons alors un « degré de parallélisme » pour chaque vecteur, égal au nombre de ses vecteurs voisins qui lui sont parallèles. Un algorithme de type suivi de crête, parcourant le plan temps-fréquence en suivant les maximums de ce degré de parallélisme, construit alors un contour entourant le motif temps-fréquence.

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.