Diagnostic des défauts statoriques d'une machine asynchrone à l'aide des techniques d'intelligence artificielle

Abstract

Dans ce mémoire, un système de diagnostic automatique basé sur l’algorithme de réseau de neurones est présenté pour détecter et localiser automatiquement le défaut de court-circuit entre spires de l'un des trois enroulements du stator d'une machine asynchrone. Parmi les différents algorithmes de réseaux de neurones, nous utilisons dans ce mémoire de réseau neurone de type perceptron multicouche (MLPNN : Multi Layer Perceptron Neural Network). Le processus de détection est basé sur la surveillance des déphasages triphasés entre les courants statoriques (Isabc) et leurs tensions correspondantes (Vsabc). Après avoir terminé le processus de collecte de la base de données, celle-ci est divisée en deux parties, la première partie pour l'apprentissage et la deuxième partie pour le test. Afin de parvenir à une bonne classification basée sur l'algorithme des réseaux de neurones, nous essayons plusieurs modèles de réseaux de neurones en modifiant leurs architectures. Le résultat obtenu dans ce mémoire montré la haute performance de l'algorithme du réseau neurone pour la détection de défaut de court-circuit entre spires. Dans ce mémoire, un système de diagnostic automatique basé sur l’algorithme de réseau de neurones est présenté pour détecter et localiser automatiquement le défaut de court-circuit entre spires de l'un des trois enroulements du stator d'une machine asynchrone. Parmi les différents algorithmes de réseaux de neurones, nous utilisons dans ce mémoire de réseau neurone de type perceptron multicouche (MLPNN : Multi Layer Perceptron Neural Network). Le processus de détection est basé sur la surveillance des déphasages triphasés entre les courants statoriques (Isabc) et leurs tensions correspondantes (Vsabc). Après avoir terminé le processus de collecte de la base de données, celle-ci est divisée en deux parties, la première partie pour l'apprentissage et la deuxième partie pour le test. Afin de parvenir à une bonne classification basée sur l'algorithme des réseaux de neurones, nous essayons plusieurs modèles de réseaux de neurones en modifiant leurs architectures. Le résultat obtenu dans ce mémoire montré la haute performance de l'algorithme du réseau neurone pour la détection de défaut de court-circuit entre spires.