.1)Introduction
Dans les chapitres précédents nous avons présenté les différentes méthodes d’analyse de la machine asynchrone et, sur l’utilisation des méthodes de reconnaissances de formes en vue de diagnostic. Et ce chapitre porte sur l’application pratique de cette méthode à la machine asynchrone, tout en mettant l’accent sur le matériel utilisé ainsi le type d’essais effectués et les différents modes de fonctionnement. Et dans ce cadre, des acquisitions ont été menées sur un nombre limité de modes de fonctionnement pour deux niveaux de charge à savoir à vide et plein charge.
Le principe de la RDF c’est bien de savoir décider à quelle classe, parmi M classes connues, associer une nouvelle forme. C’est pourquoi nous nous sommes intéressés au premier lieu de définir le vecteur forme avec ses différents paramètres.
2)Description du procédé.
2.1)Le banc d’essai
On a utilisé quatre moteurs asynchrones à cage d’écureuil (sain, une barre cassée, deux barres cassées, cassure de portion d’anneau) qui ont les caractéristiques suivantes :
-La tension nominale : 220/380V
-La fréquence : 50 Hz
-La puissance : 4 kW
-Le courant nominal ; 15.2/8.8 A
-La vitesse nominale : 1435 tr/mN
-Le facteur de puissance : cos (φ)=0,8
-Une carte d’acquisitions de données IOTEQ/DAQ série 1005 avec une fréquence
d’échantillonnage de 10KHz connectée à un PC.
La photographie suivante présente le banc utilisé
La machine asynchrone (grise) est couplée à une machine à courant continu (jaune) afin de pouvoir effectuer les essais en charges.
2.2)Moyens de mesures
Les différents signaux mesurés sont relevés à l’aide d’une carte d’acquisition de données de type IOTEQ/DAQ série1005 avec une fréquence d’échantillonnage de 10KHz.
Ces signaux sont :
- les trois courants d’alimentation de la machine
- les trois tensions d’alimentation de la machine
- la vitesse de rotation
Toutes les acquisitions ont été réalisées en régime permanent pour les différents modes de fonctionnement étudiés avec une fréquence d’échantillonnage de 10KHz.
2.3)Différents modes de fonctionnement
Les modes de fonctionnement ayant servis à valider la procédure de diagnostic sont repris dans le tableau suivant. Chacun d'entre eux sera représenté par une classe dans l'espace de décision.
3)Procédé de diagnostic par RDF
La recherche de la signature consiste, à construire le vecteur forme pour définir de manière pertinente les observations effectuées sur le système. En outre, le vecteur forme (qui est, à proprement parler, la signature du processus) doit permettre de bien distinguer les classes.
Cette étape de la phase d'apprentissage est primordiale. En effet, contrairement aux méthodes classiques de diagnostic, l'application de la RDF nécessite la définition d'une seule et même signature dont les paramètres varient en fonction de l'état du système. Parmi tous les paramètres calculés, et que nous allons présenter, certains risquent de ne pas être pertinents pour les modes de fonctionnement étudiés, d’où la nécessité d’utiliser des algorithmes de sélection de paramètres afin de réduire la dimension de l'espace en sélectionnant les plus pertinents. La recherche de la signature par le biais d'algorithmes de sélection est beaucoup plus rapide. Une autre méthode de réduction de la dimension est l'extraction de paramètres par analyse en composantes principales (ACP). Cette méthode offre, par ailleurs, la possibilité de visualiser la position des classes.
Toutefois, le choix du vecteur forme ne pourra être validé qu'après la phase de test du système. En effet, après l'apprentissage il est nécessaire de tester la règle de décision choisie sur une partie des données n'ayant pas servi à l'apprentissage. Ainsi, les taux de bonnes ou de mauvaises classifications seront les éléments qui permettront de voir si les paramètres du vecteur forme sont performants dans leur capacité à caractériser les
différentes classes (à condition de ne pas utiliser une mauvaise règle de décision).
Dans les chapitres précédents nous avons présenté les différentes méthodes d’analyse de la machine asynchrone et, sur l’utilisation des méthodes de reconnaissances de formes en vue de diagnostic. Et ce chapitre porte sur l’application pratique de cette méthode à la machine asynchrone, tout en mettant l’accent sur le matériel utilisé ainsi le type d’essais effectués et les différents modes de fonctionnement. Et dans ce cadre, des acquisitions ont été menées sur un nombre limité de modes de fonctionnement pour deux niveaux de charge à savoir à vide et plein charge.
Le principe de la RDF c’est bien de savoir décider à quelle classe, parmi M classes connues, associer une nouvelle forme. C’est pourquoi nous nous sommes intéressés au premier lieu de définir le vecteur forme avec ses différents paramètres.
2)Description du procédé.
2.1)Le banc d’essai
On a utilisé quatre moteurs asynchrones à cage d’écureuil (sain, une barre cassée, deux barres cassées, cassure de portion d’anneau) qui ont les caractéristiques suivantes :
-La tension nominale : 220/380V
-La fréquence : 50 Hz
-La puissance : 4 kW
-Le courant nominal ; 15.2/8.8 A
-La vitesse nominale : 1435 tr/mN
-Le facteur de puissance : cos (φ)=0,8
-Une carte d’acquisitions de données IOTEQ/DAQ série 1005 avec une fréquence
d’échantillonnage de 10KHz connectée à un PC.
La photographie suivante présente le banc utilisé
La machine asynchrone (grise) est couplée à une machine à courant continu (jaune) afin de pouvoir effectuer les essais en charges.
2.2)Moyens de mesures
Les différents signaux mesurés sont relevés à l’aide d’une carte d’acquisition de données de type IOTEQ/DAQ série1005 avec une fréquence d’échantillonnage de 10KHz.
Ces signaux sont :
- les trois courants d’alimentation de la machine
- les trois tensions d’alimentation de la machine
- la vitesse de rotation
Toutes les acquisitions ont été réalisées en régime permanent pour les différents modes de fonctionnement étudiés avec une fréquence d’échantillonnage de 10KHz.
2.3)Différents modes de fonctionnement
Les modes de fonctionnement ayant servis à valider la procédure de diagnostic sont repris dans le tableau suivant. Chacun d'entre eux sera représenté par une classe dans l'espace de décision.
Types de machines Taux de charge
Machine saine 0 et 3kW
Machine avec une barre cassée 0 et 3kW
Machine avec deux barres cassées 0 et 3kW
Machine avec cassure d’une portion d’anneau 0 et 3kW3)Procédé de diagnostic par RDF
La recherche de la signature consiste, à construire le vecteur forme pour définir de manière pertinente les observations effectuées sur le système. En outre, le vecteur forme (qui est, à proprement parler, la signature du processus) doit permettre de bien distinguer les classes.
Cette étape de la phase d'apprentissage est primordiale. En effet, contrairement aux méthodes classiques de diagnostic, l'application de la RDF nécessite la définition d'une seule et même signature dont les paramètres varient en fonction de l'état du système. Parmi tous les paramètres calculés, et que nous allons présenter, certains risquent de ne pas être pertinents pour les modes de fonctionnement étudiés, d’où la nécessité d’utiliser des algorithmes de sélection de paramètres afin de réduire la dimension de l'espace en sélectionnant les plus pertinents. La recherche de la signature par le biais d'algorithmes de sélection est beaucoup plus rapide. Une autre méthode de réduction de la dimension est l'extraction de paramètres par analyse en composantes principales (ACP). Cette méthode offre, par ailleurs, la possibilité de visualiser la position des classes.
Toutefois, le choix du vecteur forme ne pourra être validé qu'après la phase de test du système. En effet, après l'apprentissage il est nécessaire de tester la règle de décision choisie sur une partie des données n'ayant pas servi à l'apprentissage. Ainsi, les taux de bonnes ou de mauvaises classifications seront les éléments qui permettront de voir si les paramètres du vecteur forme sont performants dans leur capacité à caractériser les
différentes classes (à condition de ne pas utiliser une mauvaise règle de décision).
Aucun commentaire:
Enregistrer un commentaire