Prédiction de la vitesse critique pour étudier les vibrations des machines tournantes par les réseaux de neurones

Abstract

Le domaine de la maintenance des machines tournantes, basé sur l’analyse des vibrations, a connu une évolution notable ces dernières années grâce aux avancées significatives des techniques d’intelligence artificielle. Ces techniques permettent de détecter précocement les défauts en analysant les caractéristiques des signaux, telles que l’amplitude, la fréquence et la bande passante. Ce travail s’inscrit dans le cadre de l’étude des méthodes de détection et de classification des défauts mécaniques affectant les machines tournantes, en particulier au niveau des roulements. Cette étude vise à identifier les défauts susceptibles d’apparaître au niveau des roulements, qu’il s’agisse des billes, de la cage ou de la bague extérieure, et à les classifier à l’aide de techniques d’intelligence artificielle, notamment les réseaux de neurones artificiels. La validation de la méthode proposée a été réalisée à travers une implémentation numérique sous Matlab, accompagnée d’une analyse de l’influence des différents paramètres sur les performances du modèle, dans le but d’améliorer la qualité de l’apprentissage. Les résultats obtenus ont démontré l’efficacité de cette approche ainsi que sa capacité à fournir des résultats précis et fiables.

شهد مجال صيانة الآلات الدوارة المعتمد على تحليل الاهتزازات تطورًا ملحوظًا في السنوات الأخيرة، بفضل التقدم الكبير في تقنيات الذكاء الاصطناعي. إذ تتيح هذه التقنيات إمكانية الكشف المبكر عن الأعطال من خلال تحليل خصائص الإشارات، مثل السعة والتردد وعرض الحزمة. ويندرج هذا العمل ضمن إطار دراسة طرق الكشف وتصنيف الأعطال الميكانيكية التي تصيب الآلات الدوارة، خاصة على مستوى المحامل. يهدف هذا البحث إلى التعرف على الأعطال المحتملة في المحامل، سواء في الكرات أو القفص أو الحلقة الخارجية، والعمل على تصنيفها باستخدام تقنيات الذكاء الاصطناعي، وبالأخص الشبكات العصبية الاصطناعية. وقد تم التحقق من فعالية المنهجية المقترحة من خلال تطبيق عددي باستخدام برنامج Matlab، مع تحليل تأثير مختلف المعاملات على أداء النموذج، بهدف تحسين جودة التعلم. وقد بينت النتائج المحصل عليها كفاءة هذه الطريقة وقدرتها على تقديم نتائج دقيقة وموثوقة.