LE DIAGNOSTIC DES ENTRAINEMENTS ELECTRIQUES PERMET D'ENVISAGER UNE AMELIORATION DE LA DISPONIBILITE ET DE LA POLITIQUE DE MAINTENANCE DANS LES SYSTEMES DE PRODUCTION. L'OBJECTIF DE LA THESE EST DE DETECTER ET DE LOCALISER EN LIGNE DES DEFAUTS SURVENANT DANS UN ENTRAINEMENT ELECTRIQUE. UNE ANALYSE CAUSALE SERT TOUT D'ABORD A DECOMPOSER SYSTEMATIQUEMENT UN MODELE GLOBAL EN MODELES LOCAUX, INDEPENDAMMENT DE LA NATURE DU MODELE. UN PREMIER JEU DE RESIDUS (INDICATEURS DE DEFAUT) EST AINSI OBTENU. DES METHODES CLASSIQUES DE GENERATION DE RESIDUS, FONDEES SUR DES MODELES NUMERIQUES, SONT EGALEMENT UTILISEES : OBSERVATEURS, EQUATIONS DE PARITE. DANS CE CADRE, DES TECHNIQUES DE DECOUPLAGE PARFAIT ET APPROXIMATIF SONT APPLIQUEES. UNE ETUDE DE SENSIBILITE DES RESIDUS EST MENEE. CERTAINES DE CES METHODES SONT APPLIQUEES A UNE MACHINE A COURANT CONTINU ET D'AUTRES LE SONT A UNE MACHINE ASYNCHRONE. DES OBSERVATEURS ADAPTATIFS REALISANT DES TESTS DE MODELES SONT UTILISES POUR LE DIAGNOSTIC D'UNE MACHINE ASYNCHRONE. L'ETAPE DE DECISION (CLASSIFICATION) REPOSE SUR UN ENSEMBLE DE CRITERES LIES AUX RESIDUS. LA DECISION INDIQUE QUELLES CLASSES DE DEFAUTS SONT LES PLUS COHERENTES AVEC LES OBSERVATIONS DISPONIBLES. LES SENSIBILITES DES RESIDUS PEUVENT SERVIR A SELECTIONNER LES PLUS PERTINENTS (AU SENS D'UN CRITERE DE PERFORMANCE) SOIT PAR L'APPLICATION DE REGLES ELEMENTAIRES, SOIT PAR UNE OPTIMISATION (ALGORITHME GENETIQUE). LES ORDRES DE GRANDEUR RELATIFS DES RESIDUS FOURNISSENT EGALEMENT UNE INFORMATION PLUS RICHE QUE CELLE D'UNE TABLE DE SIGNATURE BOOLEENNE ET PERMETTENT D'AMELIORER AINSI LES PERFORMANCES DE LA LOCALISATION.
| Identifer | oai:union.ndltd.org:CCSD/oai:tel.archives-ouvertes.fr:tel-00198501 |
| Date | 27 September 2000 |
| Creators | Combastel, Christophe |
| Source Sets | CCSD theses-EN-ligne, France |
| Language | French |
| Detected Language | Unknown |
| Type | PhD thesis |
Page generated in 0.0028 seconds