Modélisation et diagnostic de défauts statoriques de la machine asynchrone en utilisant une approche neuro-floue

Abstract

La machine asynchrone est très prisée dans l'industrie en raison de ses nombreux avantages, tels que sa simplicité de construction, sa robustesse, sa puissance massique, son coût relativement faible et son entretien minimal. Cependant, au cours de sa durée de vie, cette machine peut être soumise à diverses sollicitations externes ou internes susceptibles de la rendre défaillante. Ces défaillances peuvent entraîner des arrêts de production et des pertes matérielles et financières importantes. Il est donc essentiel de concevoir une approche de diagnostic capable de détecter, de localiser et d'identifier tout défaut ou anomalie pouvant altérer le fonctionnement normal de cette machine de manière précoce. Dans ce mémoire, l'objectif est d'étudier l'apport et l'efficacité de l'utilisation d'une approche neuro-floue ANFIS (Adaptive Neuro Fuzzy Inference System) pour la détection et le diagnostic automatique des défauts statoriques de la machine asynchrone. Cette approche permettra de détecter les défauts dès leur apparition et de les localiser avec précision, ce qui facilitera leur identification et leur correction rapide. En utilisant cette approche, il sera possible de minimiser les arrêts de production et les pertes matérielles et financières associées.