Master theses

Permanent URI for this collectionhttps://dspace.univ-soukahras.dz/handle/123456789/228

Browse

Filters

20231

Settings

Author: search.filters.author.Abderrahmen DifiEnd date: 2023

Search Results

Now showing 1 - 1 of 1
  • Thumbnail Image
    Item
    Utilisation des réseaux de neurones artificiels au diagnostic des défauts de roulement dans les moteurs à induction.
    (2023) Moamed Amine Mohaned Oussaid; Abderrahmen Difi
    The aim of the work presented in this study is to monitor and diagnose faults in induction motors, where we will identify faults in these motors, and make a specific study of bearing faults, which represent the most common fault in these motors. To predict these faults, we will use a monitoring system based on artificial intelligence techniques and an artificial nervous network. However, for learning and testing the network, we use the temporal vibration indicators obtained from the vibration analysis as inputs to the network, and the network output indicates the presence or absence of a fault. The neural network used is a multi-layer perceptron network, trained by the Levenberg-Marquardt algorithm to determine the best neural network. The results obtained show that the training and test parameters and data have a major impact on the performance of the artificial neural network used as a diagnostic tool for induction machines. --------------------------------------------------------------------------------------------------------- الهدف من العمل المقدم في هذه الدراسة هو رصد وتشخيص أعطال المحركات الحثية حيث سنتعرف على أعطال هذه المحركات ونقوم بدراسة محددة لأعطال المحامل والتي تمثل الخطأ الأكثر شيوعاً في هذه المحركات. للتنبؤ بهذه العيوب، سنستخدم أحد الأنظمة مراقبة التي تعتمد على تقنيات الذكاء الاصطناعي وهي شبكة عصبية اصطناعية. ومع ذلك، لتعلم واختبار الشبكة، نستخدم مؤشرات الاهتزاز الزمنية التي تم الحصول عليها من تحليل الاهتزاز كمدخلات للشبكة، ومخرجات الشبكة مؤشرًا يشير إلى وجود أو عدم وجود خطأ. الشبكة العصبية المستخدمة هي شبكة متعددة الطبقات مدربة بواسطة خوارزمية Levenberg-Marquardt لتحديد أفضل شبكة عصبية. تظهر النتائج التي تم الحصول عليها أن ا إعدادات وبيانات التعلم والاختبار لها أهمية كبيرة على أداء الشبكة العصبية الاصطناعية المستخدمة كأداة تشخيصية لآلات الحثية. ---------------------------------------------------------------------------------------------------------- L'objectif du travail présenté dans cette étude est de surveiller et de diagnostiquer les défauts des moteurs à induction, où nous identifierons les défauts de ces moteurs, et ferons une étude spécifique sur les défauts des roulements, qui représentent le défaut le plus courant dans ces moteurs. Pour prédire ces défauts, nous utiliserons un système de surveillance basé sur des techniques d'intelligence artificielle et un réseau de neurone artificiel. Cependant, pour l'apprentissage et le test du réseau, nous utilisons les indicateurs vibratoire temporels obtenus à partir de l'analyse vibratoire comme entrées du réseau, et la sortie du réseau un indicateur qui indique la présence ou l'absence de défaut. Le réseau de neurones utilisé est un réseau de type perceptron multicouches, entraîné par l'algorithme de Levenberg-Marquardt pour déterminer le meilleur réseau de neurones. Les résultats obtenus montrent que le paramètre et données d’apprentissage et du test ont une importance majeure sur les performances du réseau de neurones artificiels utilisé comme outil de diagnostic des machines à induction.