I.1 Nécessité de diagnostic
Les machines à induction électriques sont des dispositifs électromécaniques complexes. Ils sont souvent utilisés dans des applications de conversion de l’énergie électrique en une autre mécanique ou inversement. Ces machines sont utilisées en diverses conditions. Leurs applications peuvent être dans des endroits dangereux ou dans des environnements sévères.
Cependant, ces machines sont exposées à de nombreuses pannes dues à des défauts de structure ou de fonctionnement. Toute panne non identifiée à temps, peut devenir catastrophique. La machine peut donc subir des dommages graves. Ainsi, les défauts non détectés peuvent générer des arrêts coûteux, des pertes de temps ou de production, des augmentations des coûts de maintenance et de gaspillage en matières premières. Nombreux techniciens étaient préoccupés par le suivi d’état de fonctionnement de ces machines. La seule façon d’éviter leurs dysfonctionnements est de détecter à temps les défauts relatifs. A cause de cet ennui, la détection automatique des défaillances s’impose.
Dans la manipulation de plusieurs appareils de mesure, le rôle de l’opérateur humain a été remplacé par des processus automatique à base des capteurs. Ces microsystèmes fournissent des informations plus précises sur les variables physiques à contrôler. Ces dispositifs ne sont pas idéaux. Ils peuvent avoir des défauts de fonctionnement. Cela peut donc générer des fausses alarmes. Le potentiel des défauts dans les capteurs, peut devenir critique. Cela apparaît souvent dans le contrôle automatique des machines. Les dysfonctionnements dans ce cas, peuvent être dangereux, néfastes ou dévastateurs.
En effet, avec l’ordinateur, la surveillance automatique en temps réel des machines est devenue possible. L’introduction des processeurs du signal numérique DSP dans tout réseau câblé ou sans fil avec un logiciel simple, a permis la protection de ces machines. Elle a été efficacement mise en œuvre sans coût supplémentaire. L’intelligence de ces nouvelle machines a permis d’intégrer des informations provenant de diverses sources. Pour les réseaux, elles
permettaient même de localiser tout composant défectueux, y compris les capteurs responsables de fausses alarmes.
La rapidité de réaction à l’apparition d’un défaut est également un paramètre décisif et réaliste. Cela est nécessaire avant d’avoir des fonctionnements désastreux des machines. Cette procédure est la base de détection et de diagnostic. Elle permet d’identifier et de localiser toutes les anomalies survenues dans les systèmes en utilisant leurs entrées, sorties et leurs structures [32, 34, 38, 40, 64, 66]. Le rôle principal d’un tel diagnostic est de générer l’alerte des défaillances dangereuses, leur reconnaissance et la planification de la maintenance préventive. Ce qui permet d’anticiper les risques et de les éviter.
I.2 Type de diagnostic
Les différentes techniques de diagnostic adoptées dans l’industrie ont été réalisées principalement à travers les stratégies suivantes [32, 34, 38, 40, 64, 66] :
• Diagnostic de défauts, fondé sur l’approche signal, est l’analyse des données sur un système donné. Elle permet de décider si son état est normal ou anormal;
• Diagnostic de défauts, basé sur un modèle de connaissances relatives à un système donné, est le traitement d’un modèle mathématique caractérisant le mode de fonctionnement ou l’état de ce système. Il est réalisé à l’aide des algorithmes d’intelligence artificielle comme illustré sur la figure V.1;
Figure V.1 Diagnostic par modèle de connaissance
L’implémentation pratique du diagnostic de défauts a été faite selon trois phases essentielles comme illustrées sur la figure V.2. L’approche de diagnostic de défauts par traitement du signal, consiste à surveiller une machine à induction. Cette procédure est réalisée à partir des sources d’informations données par différents capteurs. Ceux-ci peuvent être utilisées séparément ou traitées dans l’ensemble pour détecter et localiser des défaillances. En effet, tout signal mesuré, ayant des oscillations harmoniques ou des fluctuations de nature aléatoire, peut être lié à un défaut de la machine. Parmi les méthodes de traitement numérique du signal, occupant une grande place dans l’exploration de courant statorique, est la technique MCSA. Elle consiste à
Modèle mathématique de connaissance Système physique Entrées du système Sorties prédites Sorties actuelles du système Algorithme de comparaison et de diagnostic
indiquer tout défaut par sa signature spectrale qui le caractérise. Elle est facilement accessible. Elle a la capacité de détecter les défauts électromagnétiques et mécaniques. Plusieurs travaux de recherche ont été orientés dans ce sens[32-41].
Figure V.2 Phases de diagnostic de défauts d’une machine à induction I.3 Concepts de base de diagnostic
Pour comprendre la théorie de diagnostic, il est nécessaire de définir ses propres concepts de base [32-41] :
• Défaut : qui est un état indésirable, reflétant un écart entre le comportement normal de référence d’un système physique et celui observé lors de son instrumentation. Ce défaut peut ne pas affecter le fonctionnement d’un tel système, mais il peut prédire sa défaillance future. La recherche des défauts est donc une tâche essentielle en diagnostic.
• Défaillance : définit l’excentricité fonctionnelle dans un système physique. Celui-ci sera dans ce cas, incapable d’achever ses fonctions ou ses services. Un défaut comprend une défaillance mais l’inverse n’est pas juste. Il existe plusieurs types de défaillances. Elles sont classées selon leurs causes, leurs conséquences, leur degré de gravité, leur apparition et leur évolution.
• Panne : est le résultat d’apparition d’une défaillance. Le système relatif cesse de faire correctement sa fonction.
• Symptôme : est une caractéristique indiquant l’état anormal de système relatif.
• Perturbation : est l’entrée non contrôlée d’un système physique. Elle a une influence gênante. Son effet est la variation inattendue des grandeurs physiques en sortie de système.
Les systèmes de diagnostic de défauts exécutent les trois principales tâches suivantes :
− − − − Domaine temporal − − − − Domaine fréquentiel − − −
− Accumulation des données − − −
− Décider l’existence d’un défaut −
− −
− Décider la sévérité de ce défaut − −−
− Limiter le fonctionnement de la machine selon la sévérité de défaut − −− − Planifier la maintenance Machine électrique à induction Phase 1 Détection de défaut Phase 2 Prise de décision Phase 3
1) détection de défaut : c’est l’indication de quelque chose qui ne va pas dans le système surveillé ;
2) localisation de défaut :c’est la détermination de la position exacte de défaut (composant défectueux) ;
3) identification de défaut : c’est la détermination des causes et de la gravité de défaut ;
I.4 Algorithme de diagnostic par analyse spectrale
Les méthodes de diagnostic par analyse spectrale du signal s’appuient sur la propriété d’existence des paramètres fréquentielles relatives au fonctionnement normal ou défaillant de système surveillé. Cette approche exige dans un premier temps, la modélisation des signaux. Après, une transformation de ces derniers en domaine fréquentiel s’ensuit. Cette procédure est adéquate au diagnostic des machines électrique à induction. L’apparition des phénomènes anormaux s’interprètent par l’apparition des fréquences parasites (harmoniques ou raies) dans les spectres des grandeurs affectées par les défauts. Ces grandeurs sont soit électriques (souvent les courants statoriques de ligne) ou soit mécaniques (vibration, couple électromagnétique). La figure V.3 illustre l’organigramme général de diagnostic par analyse spectrale.
Figure V.3 Organigramme général de diagnostic par l’analyse spectrale
Machine électrique à induction Capteurs : mesures et observations Mode et caractéristiques de fonctionnement Détection Diagnostic Identification de défaut Décision
Arrêter la machine Autoriser le fonctionnement
Cette technique nécessite une analyse d’un expert [32-41]. Grâce à son avantage, on a employé la méthode ESPRIT-TLS pour la détection spectrale des défauts.