CHAPITRE 1 REVUE DE LA LITTERATURE ET STRUCTURE DE LA THESE
1.2 Synthèse des travaux publiés sur l’utilisation de l’émission acoustique pour
1.2.1 Analyse temporelle
Mba et Rao (2006) ont présenté une revue de littérature détaillée couvrant la période de 1969 à 2005 sur le développement de la technologie de l’EA et son application pour le diagnostic et la surveillance des machines tournantes. Plusieurs recherches publiées sur l’application de
5 Cette figure a été obtenue en utilisant Compendex & INSPEC avec mots clés : Bearing et Acoustic Emission. 2013.
l’EA pour le diagnostic des défauts de roulement ont été entreprises sur des plates-formes expérimentales, et beaucoup de chercheurs ont exploité les caractéristiques du signal temporel déjà utilisées dans la caractérisation de l’endommagement des matériaux. La Figure 1.2 illustre les principaux paramètres mesurés sur une salve typique d'EA.
Figure 1.2 Paramètres temporels d’émission acoustique [Roget (1988, p.99)]
Les méthodes temporelles sont basées sur le suivi de plusieurs descripteurs statistiques du signal. Une multitude d’indicateurs existent, plus ou moins performants pour l’observation de certaines défaillances. Les indicateurs les plus utilisés sont décrits par les équations ci- dessous :
En calculant par rapport à la moyenne (selon l’écart type)
(
)
2 1 1 N STD i i RMS x x N = =
− (1.1)( )
2 1 1 N i i RMS x N = =
(1.2)La définition usuelle est :
1
sup i N i
Peak = ≤ ≤ x (1.3)
La valeur Peak to Peak (PP) est définie par:
max min
PP Peak= −Peak (1.4)
En vibration, on utilise souvent une autre définition de la valeur Peak, comme la moyenne de la valeur PP : 2 rel PP Peak = (1.5) rel STD Peak Crest Factor RMS = (1.6) _ rel STD K factor Peak= ×RMS (1.7)
(
)
4 1 4 1 N i i STD x x N Kurtosis RMS = − =
(1.8)(
)
(
)
3 1 3 2 2 1 1 1 N i i N i i x x N Skewness x x N = = − = −
(1.9)Ces indicateurs évaluent l'état de fonctionnement global des équipements, mais ne localisent pas le défaut. Ce sont des méthodes utiles à la surveillance pour la détection mais pas pour le diagnostic. De nombreux indicateurs (ou métriques) existent dans la littérature (Jardine, Lin et Banjevic (2006)) et certains sont le résultat de la combinaison de plusieurs d'entre eux (Sassi, Badri et Thomas (2008 )). L’aspect le plus abordé pour la caractérisation du défaut est de trouver, en considérant les paramètres de fonctionnement que le roulement subit (vitesse, charge), une corrélation significative et répétitive entre les indicateurs temporels et les paramètres géométriques du défaut. Comme pour les vibrations, les indicateurs calculés sur les signatures d’EA présentent de fortes corrélations avec les paramètres géométriques des défauts.
Le comptage du nombre de coups reste l’indicateur le plus employé pour caractériser l’endommagement du roulement (Tandon et Nakra (1990), Choudhury et Tandon (2000)). Plusieurs chercheurs ont mis en évidence l’existence d’une forte corrélation entre la taille du défaut et la sévérité de cet indicateur. Aussi, ils ont noté qu’il dépend de la vitesse de rotation du roulement; par contre la charge n’a pas d’influence. Le comptage des coups est sensible pour des défauts ayant une largeur supérieure à 1 mm. Il est important de signaler au lecteur que le comptage des coups est fortement lié au niveau de déclenchement imposé pour le comptage, et que la méthode de détermination de ce seuil est à la discrétion de l'investigateur. Mba (2003) recommande un seuil de 30% de l’amplitude maximale pour des systèmes fonctionnant à faible vitesse.
Des études comparatives entre l’EA et les vibrations ont été réalisées (Roget (1988), Holroyd (1993), Tandon et Choudhury (1999); Choudhury et Tandon (2000) , Yoshioka et Fujiwara (1982), Yoshioka et Fujiwara (1984), Yoshioka et Takeda (1995). Dans la plupart de ces études, les mesures ont été effectuées sur des roulements avec des défauts simulés. Les mesures vibratoires incluent les niveaux crête et efficace de la vibration (énergie), le Kurtosis, le facteur de crête et les paramètres de mesure par émissions acoustiques comme montrés à la Figure 1-2. Comme mentionné précédemment, les études se penchent précisément sur l’identification d’une corrélation significative entre les paramètres
géométriques du défaut et les indicateurs temporels utilisés. Les études les plus complètes ont été publiées par Al-Ghamdi et Mba (2006) et Al-Ghamdi et al. (2004). Ces deux études comparatives indiquent que l’EA permet une détection précoce du défaut. Cette affirmation est fortement contestée par d’autres auteurs et nous pouvons signaler l’étude de Shiroishi et al. (1997) qui arrive à une conclusion opposée. Ils suggèrent que l’emploi des mesures vibratoires est meilleur que l’EA, et que cette dernière n’est pas recommandée pour la détection des défauts de roulement situé sur la bague interne. En effet, l’EA est sensible à plusieurs paramètres et un changement d’un seul indicateur EA dans la surveillance des roulements n’indique pas inéluctablement une défaillance du roulement, car l’indicateur peut mettre en évidence les changements de l'état de la machine lors des essais. Ce phénomène explique l’utilité d’exploiter les représentations fréquentielles pour comprendre au mieux la nature du phénomène associé à ce changement d’état.
Lorsque l'élément roulant du roulement heurte un défaut à un stade précoce (très petit défaut) avec un régime de rotation extrêmement faible, l'énergie générée par la collision est très faible. Dans ce cas, le défaut est difficile à détecter en utilisant les indicateurs statistiques (Tan, Kim et Kosse (2008)). Les roulements fonctionnant à des vitesses lentes ont marqué un intérêt par beaucoup de chercheurs. Selon notre revue, la toute première étude recensée est celle qui été menée par Roget (1988) sur des roulements de grue. Il a démontré dans ce cas précis que l’analyse vibratoire est d’une utilité limitée pour des mécanismes qui fonctionnent à basses vitesses; par contre, l’émission acoustique a montré son potentiel pour ressortir des informations intéressantes et utiles sur l’état des roulements et ainsi permettre un diagnostic précis et fiable de son état. Miettinen et Andersson (1999) ont décrit l'utilisation de l’EA dans le suivi des défauts des roulements qui tournent à des vitesses extrêmement lentes (0,5 tr/min à 5 tr/min). Les mesures ont été réalisées sur des roulements à rouleaux endommagés naturellement sur leur bague extérieure durant un cycle d’'utilisation normale dans l'industrie. L’étude a démontré que le comptage des alternances de l’EA est une méthode très sensible pour détecter la faille dans un palier qui tourne avec une vitesse de rotation extrêmement lente. Jamaludin et Mba (2001) ont rapporté les résultats d'une étude sur l'applicabilité de l'EA pour la détection, toujours à un stade précoce, des défaillances sur les roulements
tournant à une vitesse de rotation autour de 1.12 tr/min. Un banc d'essais a été utilisé pour tester des défauts provoqués par électroérosion sur les bagues des roulements (défauts qui ressemblaient à des piqûres). Le rapport conclut, qu’effectivement, certains paramètres de l’EA tels que l'amplitude et l'énergie ont fourni des informations précieuses sur l’état des paliers. Il existe d’autres recherches (ex. Holroyd (1993); Sato (1990); Murphy (1992 ); Smith (1982); Tavakoli (1991)) qui ont été menées dans ce contexte pour appuyer la pertinence de l’utilisation des EA et leur utilité pour la détection des défauts précoces de roulements et/ou ceux fonctionnant à des faibles vitesses de rotation .
Durant cette dernière décennie, l’activité de recherche sur cette problématique a été intensifiée en profitant des avancées technologiques des capteurs d’EA et des possibilités accrues pour le traitement numérique et les systèmes de stockage. Plusieurs chercheurs ont réalisé des analyses comparatives entre les mesures vibratoires et les mesures par EA. Ces études ont permis de démontrer l’efficacité de l’EA et sa plus grande sensibilité par rapport aux mesures vibratoires traditionnelles. À titre d’exemples, et d’une manière non exhaustive, nous citons les travaux réalisés par Al-Ghamd et Mba (2006), Al-Dossary, Hamzah et Mba (2009), He, Zhang et Friswell (2009b), Kim et al. (2006), Elforjani et Mba (2010), Chiementin et al. (2010b), Feng et al. (2012a) et Anbo et al. (2013).
D’autres chercheurs ont développé de nouveaux outils pour le traitement de signal tel que le
Short Time Root Mean Square (STRMS) (He, Zhang et Friswell (2009a)). Leurs résultats
montrent que la méthode proposée est très efficace dans l'estimation des fréquences du signal EA. Le document examine la sensibilité de divers paramètres EA (ex. comptage, l'amplitude, l'énergie et le Kurtosis) aux conditions de fonctionnement de la machine. Dans la même idée, Al-Balushi et al. (2010) ont présenté un nouveau descripteur qui est un indice basé sur l'énergie. Dans leur cas, les deux signatures (réelle et simulée) ont été utilisées pour étudier l'efficacité et l'applicabilité de la technique à des rapports signal sur bruit aussi bas que 0,25.