Chapitre 1 Diagnostique des défaillances des machines asynchrones

Chapitre 1
Diagnostic des défaillances des machines asynchrones

1. Introduction :

Quant un défaut apparaît dans un processus, il doit être détecté le plutôt possible. Dans ce
cas le systèm e de détection du défaut doit indiquer l’existence d’une anom alie dans les
équipements de réalisation du processus. Après la détection, le diagnostic du défaut est exécutée,
le défaut est éliminé et sa cause est localisée.
D ans ce contexte et,d’après l’étude bibliographique,on constate que les techniques utilisées
pour la détection et le    diagnostic de défaillances sont divisées en deux catégories [5] :
 pour la première, à partir de modèles physiques ou de comportements validés par les
techniques d’identification des param ètres, le diagnostic de défaillance devient possible en
suivant en tem ps réel l’évolution des param ètres physiques ou bien en utilisant l’inversion du
modèle de type « boite noire » ;
 dans la deuxièm e catégorie,il n’est pas nécessaire de disposer d’un m odèle m athém atique du
processus ; par contre les m éthodes retenues reposent sur l’expertise hum aine confortée par
un solide retour d’expérience ; dans cette catégorie, on retrouve les méthodes basées sur
l’intelligence artificielle, parm i lesquelles, nous pouvons citer la reconnaissance des form es,
les systèmes experts et les réseaux de neurones artificiels.
Une autre classification consiste à séparer le diagnostic externe du diagnostic interne [5, 6]

Le diagnostic externe (ou boite noire), repose sur la connaissance des grandeurs
d’entrées/sorties du processus, à savoir : analyse de données, analyse statistique, réseaux de
neurones, logique floue, etc.
Le diagnostic interne (dit boite blanche ou transparente), quant à lui, repose sur des
analyses topologiques ou fonctionnelles détaillées des matériels. Citons par exemple : l’analyse
des systèm es,l’estim ation des param ètres,etc.

3
Chapitre 1 Diagnostique des défaillances des machines asynchrones

2. Constitution de la machine asynchrone

La machine asynchrone, souvent appelée moteur à induction comprend un stator et un
rotor, constitués de tôles d'acier au silicium et comportant des encoches dans lesquelles on place
les enroulements. Le stator est fixe ; on y trouve les enroulements reliés à la source. Le rotor est
monté sur un axe de rotation. Selon que les enroulements du rotor sont accessibles de l'extérieur
ou sont fermés sur eux mêmes en permanence, on définit deux types de rotor : bobiné ou à cage
d'écureuil.

2.1 Le stator :
Le circuit magnétique est un empilement de tôles fines d'acier découpées, faisant apparaître
les différentes encoches statoriques. On utilise des tôles minces dont l'épaisseur varie entre 0:35
et 0:50mm pour minimiser les pertes dans le circuit magnétique. De plus, afin de limiter l'effet
des courants de Foucault, on isole habituellement les tôles d'une mince couche de vernis ou de
silicate de soude. Le bobinage statorique est constitué de deux parties (Fig. 1.1) : les conducteurs
d'encoches et les têtes de bobines. Les conducteurs d'encoches permettent de créer dans l'entrefer
le champ magnétique à l'origine de la conversion électromagnétique. Les têtes de bobines
permettent, quant à elles, la fermeture des courants en organisant leur circulation, l'objectif étant
d'obtenir une répartition des forces magnétomotrices et du flux la plus sinusoïdale possible dans
l'entrefer, pour limiter les oscillations du couple électromagnétique [1].

Fig.1.1 E nroulem ents statoriques d’une phase d’une m achine à 4 pôles

4
Chapitre 1 Diagnostique des défaillances des machines asynchrones

Physiquement, on peut effectuer les bobinages statoriques de plusieurs façons, mais on utilise
habituellement trois types d'enroulements : l'enroulement imbriqué, l'enroulement concentrique et
l'enroulement ondulé. Chaque type présente des avantages dans certaines applications. Pour les
petits moteurs, et particulièrement lorsque la réalisation du bobinage est mécanisée, on utilise
généralement l'enroulement concentrique [2].
A titre d'exemple, la machine de 1.1 kW du banc d'essai possède 4 encoches par pôles et par
phase. Chaque encoche est occupée par 58 conducteurs connectés en série. La machine étant à
deux paires de pôles, chaque phase est donc composée de 464 spires. Placé dans les encoches, le
bobinage est ensuite englué dans un vernis qui le maintient collé, tout en améliorant l'isolation
électrique. L'une des caractéristiques importantes des vernis utilisés pour couvrir les fils ronds
réside dans le fait qu'ils doivent rester flexibles après séchage, ceci pour pouvoir absorber les
différents mouvements vibratoires lors du fonctionnement.

2.2 Le rotor :

Le rotor est constitué comme le stator de tôles empilées et habituellement du même

matériau. Dans les petits moteurs, les tôles sont découpées dans une seule pièce et assemblées sur
un arbre. Dans de plus gros moteurs, chaque lamination est constituée de plusieurs sections
montées sur un moyeu.
Dans le cas des rotors à cage d'écureuil, les encoches peuvent être semi-ouvertes ou
fermées. Les enroulements sont constitués de barres court-circuitées par un anneau terminal placé
à chaque extrémité du rotor. Les conducteurs sont généralement réalisés par

Coulage d'un alliage d'aluminium, ou par des barres massives de cuivre ou, à l'occasion, en laiton
préformées et frettées dans les tôles du rotor. Il n'y a généralement pas, ou très peu, d'isolation
entre les barres rotoriques et les tôles magnétiques. Leur résistance est suffisamment faible pour
que les courants ne circulent pas dans les tôles, sauf lorsqu'il y a une rupture de barre [1].

5
Chapitre 1 Diagnostique des défaillances des machines asynchrones

Fig.1.2. R otor à cage d’écureuil

3. Les différentes défaillances qui peuvent surgir sur les moteurs asynchrones :

L ’historique du diagnostic des défaillances est ancien comme les machines électriques
elles mêmes. Les utilisateurs de la machine électrique se sont initialement penchés sur les simples
protections comme les surtensions, les surintensités et les défauts à la terre. Cependant, comme la
complexité de la machine se développe en croissance, des améliorations sont aussi recherchées
dans le domaine du diagnostic des défaillances.

Les défaillances de la machine électrique, dans leur majorité, peuvent être classifiées
comme suit [4] :

 Les défauts du stator résultant de la coupure ou du court-circuit d’une ou de plusieurs phases

de l’enroulem entstatorique ;
 L a connexion anorm ale de l’enroulem entstatorique ;
 L a cassure d’une barre du rotor ou le craquem entde l’arbre de la m achine ;
 L es irrégularités de l’entrefer ;
 L ’inclinaison de l’axe du rotor,pouvantrésulter d’un frottem ententre le rotor etle stator ;
 Le court-circuitdans l’enroulem entrotorique ;
 Les défauts sur les roulements.

6
Chapitre 1 Diagnostique des défaillances des machines asynchrones

Le fonctionnement à vitesse variable de la machine asynchrone nécessite un contrôle de

l’énergie par un convertisseur statique. E n effet, on peut envisager d’autres types de défauts
potentiels qui peuvent surgir sur la partie puissance et commande, à savoir :

 L a défaillance d’un bras d’onduleur : c’est à dire d’un des com posants électroniques
(transistor ou thyristor) est maintenu hors tension (ouvert) ;
 L ’un des com posants estm aintenu fermé ;
 La défaillance du capteur de vitesse : il n’y a pas de retour de la valeur de la vitesse sur la
commande (défaut sur la commande);
 La défaillance partielle du capteur de vitesse (offset sur le capteur) ;

P ar ailleurs, le diagnostic d’une défaillance fait appel le plus souvent à l’utilisation de

signatures élaborées à partir de signaux qui contiennent les informations jugées pertinentes par
les spécialistes du domaine. La complexité des signaux dépend de la nature des systèmes et des
m atériels à diagnostiquer etvarie en fonction de l’anom alie recherchée.
En ce qui concerne la machine asynchrone et pour identifier les défaillances citées ci-dessus, on
peut citer les techniques de validation des signaux [49] :

 la mesure des températures ;

 le contrôle des émissions de fréquences    radio ;
 le contrôle du champ électromagnétique ;
 le contrôle des vibrations ;
 l’analyse chim ique ;
 les mesures des bruits acoustiques ;
 l’analyse de la signature du courantdu m oteur ;
 la mesure de la vitesse.

L a technique retenue dans cette étude estl’analyse des courants du m oteur etde sa vitesse de
rotation ainsi que de la tension d’alim entation. Les défaillances considérées seront celles du
stator. Par conséquent, le courant, la vitesse du moteur et la tension peuvent être considérés
comme étant    les valeurs indicatrices les plus représentatives des défaillances considérées.

7
Chapitre 1 Diagnostique des défaillances des machines asynchrones

4. Définitions de quelques termes liés au diagnostic

Défaillance : événem ent engendrant une m odification du fonctionnem ent du procédé. L ’état du
systèm e ne correspond plus à un fonctionnem ent norm al, le systèm e n’est plus apte à assurer
totalement sa fonction.

Diagnostic : ensem ble d’actions visantà évaluer l’étatd’un procédé à partir de la connaissance de
son fonctionnem ent.A partir de l’observation du procédé,on déterm ine par com paraison avec les
divers états de fonctionnement connus (ou un raisonnement logique) le degré de défaillance du
systèm e,l’origine de ses défaillances etleurs causes.

Disponibilité : faculté d’un m atériel ou d’un systèm e à pouvoir fonctionner chaque fois que cela
est nécessaire et chaque fois qu’on le sollicite ; on assure ainsi une fiabilité totale pendant les
phases de fonctionnement. La disponibilité nécessite des opérations de maintenance préventive
afin de prévoir tout vieillissement ou défaillance.

Fiabilité : capacité d’un systèm e à fonctionner pendant un certain temps sans panne, elle se
caractérise par le temps moyen de bon fonctionnement.

Maintenance et maintenabilité : la m aintenance est l’action de m ise en état du m atériel; elle

peut être préventive afin d’augm enter la fiabilité du systèm e ou bien cuêatiîe cçnsécutiîement
au diagnostic d’un défaut. L a m aintenabilité caractérise la facilité de m aintenance du procédé,
elle peutêtre largem ent augm entée par la m ise en œ uvre d’un systèm e de diagnostic.

Sécurité : ce terme regroupe les caractéristiques concernant l’utilisation du procédé et ses dangers
potentiels pour l’utilisateur ou pour le m atériel.
Sûreté : la sûreté regroupe les notions de disponibilité, fiabilité, maintenabilité et sécurité du
système ;elle caractérise la confiance que l’on peutapporter au fonctionnement [9,60].

8
Chapitre 1 Diagnostique des défaillances des machines asynchrones

5. Analyse de la procédure du diagnostic

L orsqu’un défautapparaîtdans un équipem ent industriel,le systèm e de diagnostic lié à ce

dernier doit d’abord détecter l’anom alie du fonctionnem ent puis y identifier la (ou les) cause (s)
de défaillance à l’aide d’un raisonnem entlogique pour qu’ilpuisse être isolé [9,16,45,53,60] .
E n effet,l’organisation générale de la procédure de diagnostic s’articule autour des étapes
suivantes :
 A partir des m oyens de m esure ou d’observation appropriés,nous effectuons l’extraction des
informations nécessaires à la mise en forme des caractéristiques associées aux
fonctionnements normaux et anormaux ;
 l’élaboration des signatures associées à des sym ptôm es de défaillance en vue de la détection
d’un dysfonctionnem ent ;
 la détection d’un dysfonctionnem ent par com paraison avec des signatures associées à des
états de fonctionnements normaux ;
 la m ise en œ uvre d’une m éthode de diagnostic de défaillance à partir de l’utilisation des
connaissances sur les relations de causalité (catalogue cause-effets) ;
 une phase d’interprétation des données de diagnostic (identification du type et de la nature du
défaut);
 la prise de décision en fonction des conséquences etde l’im portance des défauts.

6. Position du problème

Pour éviter de résoudre un problème inverse de diagnostic mal posé, il est indispensable
de s’appuyer sur des relations de cause à effets.

En général,    le problème du diagnostic revient essentiellement à un problème de connaissance sur

le modèle déterm iniste entre la cause et l’effet. P our cela, il existe plusieurs m éthodes de
diagnostic et leurs applications dépendent essentiellement de la nature du problème à résoudre.
Le problème à résoudre en terme de diagnostic est le choix des méthodes de diagnostic et leurs
implémentations dans le système de diagnostic.

9
Chapitre 1 Diagnostique des défaillances des machines asynchrones

7. Méthodes de diagnostic

7.1. Introduction

Le diagnostic industriel est basé principalement sur les analyses des signatures
(symptômes) exploités par des experts ; afin de détecter le com portem ent défaillant,d’en déduire
la fonction ou l’élém ent en dysfonctionnem ent (localisation), puis d’en déterm iner la cause et
enfin,sipossible d’y rem édier.

Dans la majorité des cas les experts ne disposent pas de modèles liant les causes et leurs effets ;
ces raisons expliquent la grande diversité des méthodes de diagnostic industriel qui sont basées
soit sur la modélisation complète des défaillances ou au contraire sur les connaissances des
experts sans modélisation des défaillances [5].

D ’un autre côté, la grande diversité des technologies des systèmes industriels (mécanique,
therm ique, électrique, etc.) ne perm et pas d’utiliser une m éthode universelle qui posséderait tous
les avantages et aucun inconvénient.

Une méthode universelle de diagnostic industriel n’existe pas ; c’est pour cette raison que les
méthodes existantes sont partagées en deux grandes familles : les méthodes internes et les
méthodes externes [5, 6].

Sur le graphe (fig.I.1) sont    présentées les différentes méthodes de diagnostic :

10
Chapitre 1 Diagnostique des défaillances des machines asynchrones

Méthodes de diagnostic
diagnostic

Méthodes internes
internes Méthodes externes
externes

Méthodes par
par modélisation
modélisation Méthodes par
par modélisation
modélisation Intelligence artificielle
artificielle
fonctionnelle physique

Arbre de Identificatio Estimation Reconnaissa Système Réseaux

défaillance modèle Logique
n des du vecteur nce des expert de
d’état formes floue
neurones
paramètres

Fig.1.3 Schéma synoptique

synoptique de
de classement
classementdes
desméthodes
méthodesde
dediagnostic
diagnostic

7.2. Méthodes internes de diagnostic

Ces types de méthodes sont basés sur les techniques de modélisation [5, 6] ; à savoir:
 les méthodes    du diagnostic par modélisation fonctionnelle et matérielle ;
 les méthodes de diagnostic de défaillance par modélisation physique.

7.2.1 Les méthodes de diagnostic de défaillances par modélisation fonctionnelle et matérielle

U n systèm e est un ensem ble déterm iné d’élém ents interconnectés ; ces éléments sont
regroupés fonctionnellement en vue de remplir une ou plusieurs fonctions. Une défaillance
fonctionnelle est caractérisée par la perte d’une des fonctions d’un élém ent donné. L e principe
des m éthodes de m odélisation des défaillances fonctionnelles est d’établir a priori les liens entre
les causes initiales des défaillances et de leurs effets mesurables par les systèmes de traitement de
l’inform ation.

11
Chapitre 1 Diagnostique des défaillances des machines asynchrones

7.2.2. Méthodes de diagnostic par modélisation physique

Cette famille de méthodes, repose principalement sur les modèles mathématiques qui
représentent d’une m anière satisfaisante le processus réel et qui devront aussi être validés
expérimentalement avant toute utilisation industrielle. Ces méthodes sont regroupées en trois
grandes familles :
 les méthodes du modèle ;
 les m éthodes d’identification des paramètres ;
 les m éthodes d’estim ation du vecteur d’état.

u Processus , x y
sorties
entrée
Estimation de paramètres Modèle
simplifie

ou d’état
, x

Fig 1-4. Principe du diagnostic par modélisation

Le principe de ces méthodes, illustré sur la figure I.2 repose sur la prise en compte des
observations ‘u’ pour rem onter aux param ètres  ou à son vecteur d’état interne x.les élém ents 
et x ayant par définition un sens physique, la cause exacte de la défaillance devenant facile à
identifier et à localiser.
Toutes ces méthodes seront détaillées antérieurement.

7.3. Méthodes externes de diagnostic

Ces méthodes ne nécessitent pas un modèle mathématique pour décrire les relations de
cause à effet,la seule connaissance repose sur l’expertise hum aine confrontée à un solide retour
d’expérience [5].
le principe de fonctionnement de ces méthodes est divisé en trois phases [5] :
 les mesures ;

12
Chapitre 1 Diagnostique des défaillances des machines asynchrones

 l’extraction du caractère ;
 la classification.
Au début, les données appropriées sont mesurées, puis un vecteur de caractère est calculé.
Ensuite, ce dernier réparti en une ou plusieurs classes. Quand la détection et le diagnostic sont
combinés, les classes seront les suivantes : le fonctionnement normal, le défaut n°1, le défaut n°2,
etc.
D onc, dans cette catégorie, on retrouve toutes les m éthodes basées sur l’intelligence artificielle
qui inclut la reconnaissance des formes, les réseaux de neurones, la logique floue et le système
expert.

7.4. Description des méthodes internes de diagnostic

7.4.1 La méthode du modèle

La méthode du diagnostic basée sur le modèle [5] consiste à comparer les grandeurs
déduites d’un m odèle représentatif du fonctionnement des différentes entités du processus avec
les mesures directement observées sur le processus industriel. La figure I.3 représente le
fonctionnem ent d’un systèm e de détection de défaillances utilisant l’approche basée sur le
modèle.

modèle processus

Comportement déduit Comportement observé

Comparaison des comportements

Figure 1-5 : Principe de fonctionnement de la méthode du modèle

En général, pour des processus continus dotés de systèmes de régulation, il est judicieux
d’utiliser un m odèle prenant séparém ent en com pte les chaînes de régulation, les actionneurs et
les sous ensembles du processus industriel. Comme il a été utilisé en [6] pour un système

13
Chapitre 1 Diagnostique des défaillances des machines asynchrones

d’entraînem ents électriques, le m odèle possède une structure identique à celle du processus. L a
com paraison des com portem ents sert à la détection des écarts entre les signaux d’état norm aux et
anormaux.

7.4.2 La méthode de diagnostic par identification des paramètres

La méthode de diagnostic par identification des paramètres [5] s’applique au cas très
particulier où l’on souhaite suivre l’évolution de certains param ètres physiques critiques pour le
fonctionnem ent d’un processus et qui ne sont pas mesurables directement. Par exemple
l’encrassem ent des tubes dans un échangeur de chaleur m odifie directem ent le coefficient
d’échange therm ique.D ans ce cas,il est possible à partir des m esures de tem pératures,des débits
et des pressions (des fluides entrant et sortant) d’évaluer de façon indirecte le coefficient
d’échange therm ique. L e principe général des m éthodes d’identification est d’estim er les
paramètres internes physiques représentés par un vecteur paramètre  du modèle à partir de la
connaissance des signaux d’entrées ‘u’ et de sortie ‘y’ m esurées sur le processus industriel par
des méthodes appropriées [5].
Dans cette approche, il peut arriver quelquefois que les paramètres du processus aient des
relations compliquées avec les coefficients physiques du processus ; souvent le mauvais
fonctionnement affecte ces derniers. Alors les relations entre    les paramètres et les coefficients
doivent être uniques et de préférence connues avec précision. Néanmoins    ce dernier cas est rare
[6].

7.4.3 Diagnostic par traitement du signal

L e diagnostic est réalisé par la détection d’un écart obtenu à partir de la signature
observée avec une signature de référence, ce principe de comparaison est appelé principe de
corrélation et il utilise les caractéristiques des signaux dans les domaines temporel ou fréquentiel
ou les deux conjointement [19].
En effet, la fonction de corrélation de deux signaux    exprime les variations de la similitude
existante entre ces signaux. S i sa valeur est proche d’une valeur maximale possible, on dit que
ces deux signaux sontcorrélés,sila corrélation estnulle,on ditqu’ils sontnon corrélés.

14
Chapitre 1 Diagnostique des défaillances des machines asynchrones

7.4.4. M éthod e de l’arb re de défaillance

C ’est une m éthode inductive [5], avec laquelle on introduit toutes les combinaisons
d’événem ents possibles qui entraînent la réalisation d’un événem ent unique indésirable. L es
conditions et les événem ents sont organisés sous la form e d’un arbre utilisant des sym boles
logiques « et » et « ou ». L es défaillances identifiées dans l’arbre sont relatives aux défaillances
des matériels, à des erreurs humaines ou à tout autre élément significatif.
L ’arbre de défaillances est constitué de niveaux successifs d’événem ents tel que chaque
événement à un niveau donné est généré à partir de combinaisons logiques d’événem ents de
niveau inférieur [5]. C ette procédure est répétée jusqu’à atteindre les événem ents appelés
événements de base.

7.5. Description des méthodes externes de diagnostic

7.5.1 Méthode de reconnaissance des formes

Parmi toutes les approches du diagnostic, la reconnaissance des formes est une technique
de définition d’algorithm es perm ettant de classer des objets dont l’aspect a varié par rapport à un
objettype.Ils’agitde définir à quelle form e–type une forme observée ressemble le plus [5].
Dans ce cas, la forme est définie par un ensemble de ‘d’ param ètres appelés caractères
qui sont les composants du vecteur forme x ; les prototypes sont les points représentatifs du
vecteur form e dans l’espace à ‘d’ dim ensions ;
Dans un    problème de reconnaissance des formes on suppose généralement que les formes x à
classer appartiennent à M    catégories bien déterminées appelées classes et notées w 1, w ,…
2 ..w m.

Compte tenu du bruit de mesure les vecteurs appartenant à une classe donnée wi forment
une zone particulière dans l’espace de dim ension d .
Le problème de la reconnaissance des formes consiste à déterminer les formes séparant les M
classes dans le but de pouvoir ultérieurem ent classer une nouvelle form e x lors de l’opération de
classification ou de discrimination.
La procédure de diagnostic basée sur les techniques de reconnaissance des formes met en
œ uvre quatre étapes principales quisontrésum ées sur la figure (I.5).

15
Chapitre 1 Diagnostique des défaillances des machines asynchrones

S(f s1 s 2 s 3 s4
Choix de la signature initiale
f
a)
x tr s 1 s2 s3 s4 
Construction des vecteurs formes
w1 Vecteur
w2
Réalisation de la base
d’apprentissage de représentation w4
des classes
b)
A1 w1 w2
Acquisition de nouvelles données,
(représentation, classification et détection)
.B1
w4 w3

c)
Fig.1.6    Procédure de diagnostic basée sur la technique de la
reconnaissance des formes
D ans ce cas, la dernière phase correspond évidem m ent à l’exploitation du système de
diagnostic.
D ’autre part, après l’acquisition d’une nouvelle signature, on calcule la form e associée
dans l’espace de présentation et on procède à sa classification,chose qui se réalise sans difficulté
(par exemple, il faudra prendre la décision de rejeter le point B ou de le caser dans une nouvelle
classe).

7.5.2. Diagnostic par systèmes experts

Un système expert doit fournir des réponses associées à une situation donnée sachant que
la com plexité du dom aine étudié ne perm et pas d’établir a priori toutes les configurations
possibles des situations ; ainsi un spécialiste du dépannage réalise son diagnostic à l’aide d’une
description partielle de la situation.

16
Chapitre 1 Diagnostique des défaillances des machines asynchrones

A partir de l’ensem ble de sym ptôm es dont il dispose, il peut déduiêe tçutes les
conclusions possibles, élaborer de nouvelles hypothèses et approfondir son diagnostic en
exploitant des informations supplémentaires collectées sur le système à diagnostiquer [6].
Un système expert est constitué de plusieurs éléments principaux [6] (voir la fig.1.6 ) dont on
peut citer :

a- la base de connaissances

La base de connaissances est souvent la partie stable du système, elle est immédiatement
exécutée dès l’appel du systèm e et c’est elle qui rassem ble les connaissances nécessaires à la
résolution des problèmes du domaine.

b- la base de faits

L es faits sont les objets élém entaires de l’application ; la base de faits qui au départ contient
les inform ations initiales relatives au dom aine s’enrichit progressivem ent de conclusions ou de
nouveaux faits déduits par le m oteur d’inférence.

c- le m oteu r d’inféren ce

L e m oteur d’inférence exélçite de faççn indééendante les infçêm atiçns cçntenues dans la
base de faits et la base de connaissances pour fournir une solution au problème donné. Par
ailleurs, le moteur d’inférence produit dans son m écanism e de raisonnem ent de nouveaux faits
qui sont mémorisés dans la base de faits.

17
Chapitre 1 Diagnostique des défaillances des machines asynchrones

Base de fait

Terminal expert
Moteur
Interface
d’inférence

Terminal
Base de utilisateur
Règles

Fig.1.4. A rchitecture générale d’un systèm e expertde diagnostic

7.5.3. Diagnostic par logique floue

Cette approche, contrairement à la logique du tout ou rien de G.Boode, a pour but la prise
en compte de la logique de la pensée humaine qui est    approximative.
Le concept de sous-ensem ble flou a été introduit pour prendre en com pte l’im précision. L a
fonction d’appartenance à un ensem ble flou prend des valeurs sur l’intervalle [0,1]. Celles-ci
exprim ent le degré d’appartenance d’un élém ent à cet ensem ble : 0 pour la non appartenance
stricte et 1 pour l’appartenance stricte [4, 6].
Le principe de fonctionnement du diagnostic basé sur la logique floue consiste à extraire
et à calculer les signaux d’entrée, en utilisant les règles linguistiques représentées sous form e de
fçnctiçns d’appartenances, ces êègles éeuîent cçnteniê tçus les m çdèles éçssibles èui
correspondent au mode de défaut considéré [4].
E n général,la procédure de fonctionnem entd’un systèm e flou estaccom plie en trois étapes :

 La fuzzification ;
 L ’inférence ;

18
Chapitre 1 Diagnostique des défaillances des machines asynchrones

 La défuzzification.

Le bloc fuzzification contient en général un traitement de données préliminaires ; ces

données sont alors traitées par des règles linguistiques, ce qui nécessite leur définition par des
fonctions d’appartenance. L a fuzzification fournit une série de variables floues, réunies par un
vecteur, qui va être introduit au bloc d’inférence.
Dans le bloc inférence, les valeurs des variables linguistiques sont liées par plusieurs
règles qui doivent tenir compte du comportement statique et dynamique du système (des effets du
système à diagnostiquer).
Dans la dernière étape, il faut transformer la valeur floue (linguistique) en une valeur
déterm inée pour déduire l’état du systèm e, ceci se faisant dans le blçc défuzzificatiçn ; en
[21][54] on rencontre les applications de cette méthode pour le diagnostic des machines
asynchrones.

7.5.4. Diagnostic par réseaux de neurones

Cette méthode fait partie des méthodes de diagnostic externes, elle utilise la classification
automatique des signaux et des formes [5, 9].
Le principe de fonctionnement des réseaux de neurones est inspiré des mécanismes de
fonctionnement du cerveau humain. D e l’extérieur,le réseau de neurones se présente com m e une
‘ boite noire ‘ quireçoitdes signaux d’entrée etquifournitles réponses appropriées.
Dans le cas du diagnostic, les différents états de fonctionnement normaux et anormaux
sontle plus souvent caractérisés par des signatures.L ’opérateur hum ain,après avoir m ém orisé et
appris les différentes formes de signatures associées à un état déterminé, est capable à la lecture
d’une nouvelle signature d’identifier très rapidem entl’étatde la m achine.S i la nouvelle signature
est déjà apprise,il devra l’interpréter et la m ém oriser.E n général,le R N A perm et de reconstituer
le processus de raisonnement humain décrit ci-dessus.
Par ailleurs, un réseau de neurones est défini par [6, 9] :

 la nature des cellules élémentaires qui le constituent (binaires ou continues) ;

 l’architecture etle nom bre des couches du réseau ;
 la nature des connexions ;

19
Chapitre 1 Diagnostique des défaillances des machines asynchrones

 les m éthodes d’apprentissage ;

 les performances de classification ;
 les mécanismes de mémorisation.

8. Analyse critique des méthodes de diagnostic existantes

Les performances des méthodes de diagnostic basées sur la modélisation dépendent très
fortem ent de l’utilisation du m odèle, dont l’obtention exige un grand effort. En plus, le
changem ent d’une équation conduit en général au changem ent d’autres équations ou d’autres
paramètres. De ce fait, le modèle obtenu ne peut pas être considéré comme étant exact ou
performant et par conséquent le système de diagnostic ne sera pas fiable.

L es m éthodes basées sur l’estim ation d’état ou l’estim ation des param ètres ont des
relations compliquées entre les coefficients physiques et les paramètres. Ces relations, doivent
être uniques et de préférence connues exactement alors que ce dernier cas est rarement réalisable.
P our l’estim ation du m odèle dynam ique d’un processus,il doit être linéarisé autour d’un point de
fonctionnem ent, donc les résidus, c’est à dire les différences entre les variables m esurées et les
variables estimées sont généralisées et la détection du défaut est exécutée en utilisant les
méthodes de test [6]. Cette approche exige relativement une connaissance exacte des paramètres
d’un m odèle linéarisé. C ’est à dire le processus doit fonctionner aux alentours du point où la
linéarisation a été effectuée, parce que le modèle est valide seulement au voisinage de ce point de
fonctionnement.

Quant aux méthodes externes de diagnostic, elles ne nécessitent pas la connaissance du

modèle mathématique du processus pour la détection d’une défaillance, m ais elles nécessitent les
données représentatives pour les apprendre; ces données sont obtenues à partir de l’expertise
hum aine basée sur le retour d’expérience (sur le systèm e);ces m éthodes sontsim ples à appliquer
ou à réaliser m ais la tâche de calcul dépend beaucoup des données du problèm e à étudier. D ’un
autre côté, ces méthodes sont plus flexibles dans le cas de changement de paramètres, car dans la
phase de construction du système de détection, on peut prévoir les défauts en tenant compte du
changement des paramètres ; en outre, on peut considérer cette opération dans la phase
d’apprentissage dans le cas d’application des réseaux de neurones et la phase de fuzzification
dans le cas d’application de la technique de la logique floue.

20
Chapitre 1 Diagnostique des défaillances des machines asynchrones

P ar ailleurs, il est à rem arquer que le développem ent d’un systèm e de diagnostic basé sur
la technique des systèmes experts, nécessite un grand effort (pour sa conception et sa réalisation).
En outre, son installation coûte très cher [5].D ’un autre côté,    la logique floue peut être appliquée
pour remplacer les systèmes experts par des règles linguistiques, quand le problème à résoudre
est trop complexe (difficile à analyser). Ces règles sont plus souhaitables pour décrire la nature
exacte des machines réelles m ais les form es et le nom bre des fonctions d’appartenance doivent
être initialement choisies en utilisant une large base de données.

Partant de la considération que le caractère principal du système de diagnostic est de constituer

un catalogue défauts–symptômes, les approximateurs universels (réseaux de neurones
paraissent très intéressants pour la mise en place de la procédure du diagnostic [5, 13, 20].

Par ailleurs les réseaux de neurones possèdent des caractéristiques permettant la résolution
de problèmes complexes, à savoir :

 La capacité de classification des signatures et des formes, ce qui correspond bien au cas
étudié dans le présent travail ;
 L e R N A peut apprendre des règles à partir des exem ples (défauts) c’est à dire qu’on peut
élaborer avec un RNA un modèle non paramétrique    qui peut décrire tous les états de la
machine (fonctionnements normaux et anormaux) et, en plus, ce modèle peut généraliser son
identification à d’autres exem ples quin’ontpas été appris.
 La capacité de mémorisation des exemples, en les distribuant sur les poids de connexion de la
structure, tel que la perte d’un neurone ou d’une connexion, n’influe pas sur la m ém orisation
des exemples.

A la lum ière de l’analyse critique des m éthodes de diagnostic, il est clair que les
méthodes internes ( qui se basent sur la modélisation physique ou fonctionnelle du processus)    ne
peuvent pas bénéficier    de modèles exacts pour les systèmes non linéaires (tels que la machine
asynchrone ). En effet, ce type de méthodes ne peut être appliqué avec succès qu’aux systèm es
linéaires ou aux systèmes dont les modèles sont parfaitement connus.
En ce qui concerne les méthodes externes, la méthode retenue dans le présent travail est la
technique des réseaux de neurones. Ce choix est justifié par les avantages que possède cette
technique à savoir :

21
Chapitre 1 Diagnostique des défaillances des machines asynchrones

9. Conclusion

D ans le présent chapitre ont été exposées les étapes nécessaires à la m ise en place d’un
systèm e d’aide au diagnostic (analyse de la problém atique du diagnostic) ;    une    étude critique
des méthodes de diagnostic a été ensuite effectuée.

D ’après l’analyse critique faite sur les m éthodes du diagnostic, il a été déduit que les
méthodes externes du diagnostic des défaillances sont bien adaptées au système à étudier car la
modélisation physique de toutes les défaillances de la machine asynchrone ne peut pas être
réalisée. Parmi les méthodes externes, la technique des réseaux de neurones a été retenue pour
l’élaboration du systèm e de diagnostic des défaillances de la machine asynchrone à double stator.
E n effet, l’analyse bibliographique effectuée a dém ontrée que les R N A sçnt laêgem ent
utilisées dans le domaine du diagnostic, en raison de leurs avantages et de leur simplicité.
Par ailleurs, afin de collecter les informations (signatures des défauts) pour élaborer le
système du diagnostic, le chapitre suivant sera consacré à la modélisation de la machine
asynchrone à double stator dans les régimes normaux et anormaux de fonctionnement.

22