Pronostic de l'endommagement de mécanismes et structures

点击翻译按钮获取中文摘要

En maintenance, la surveillance des machines par mesure vibratoire est couramment employée pour détecter toute défaillance éventuelle. Cette surveillance s'effectue en trois phases : la détection, le diagnostic et le pronostic (prédiction de vie résiduelle). Les techniques usuelles utilisées en vibration sont soit basées sur des descripteurs temporels statistiques ou bien sur des descripteurs fréquentiels. Ces techniques fonctionnent très bien pour détecter des défauts usuels. Par contre, lorsqu'on veut analyser des défauts d'engrenages ou de roulements qui sont parmi les composants mécaniques les plus critiques, le diagnostic se complique surtout lorsqu'on oeuvre dans un milieu bruité ou bien sur des rotors flexibles tournant à très haute vitesse, comme on peut en trouver sur les fraiseuses tournant à des vitesses de l'ordre de 30 000 tours/minute. De plus, le diagnostic de l'endommagement et de sa gravité reste encore à élucider et on doit faire appel à des techniques sophistiquées de traitement de signal et de pronostic. L'objectif de ce programme de recherche est d'améliorer les techniques de surveillance des machines, en développant des méthodes originales de détection de l'endommagement ainsi que de pronostic de la dégradation de mécanismes tels les roulements et engrenages sur des rotors flexibles tournant à haute vitesse. Un logiciel de simulation des vibrations des roulements et des engrenages sera développé en incluant l'effet de la rigidité du support ainsi que l'effet du rotor flexible. L'effet gyroscopique sera inclus dans le modèle du rotor pour tenir compte de la variation des résonances avec la vitesse de rotation. L'analyse vibratoire sera effectuée en temps-fréquence ainsi qu'avec l'indice Julien. L'identification modale sera complétée par une étude ARMA dont on espère développer une version pour système instationnaire. Le pronostic sera effectué par des méthodes de traitement de signal (débruitage, fusion des données, machines à support de vecteurs, etc.) et par réseau de neurones afin de déterminer le nombre de défaut et leur ampleur.