Analyse du courant électrique pour le diagnostic des problèmes dans les moteurs à induction

Abstract

Induction motors are essential components in modern industrial systems due to their robustness and efficiency. However, they are exposed to various types of faults that can lead to performance degradation or unexpected shutdowns. In this context, early and accurate fault detection becomes a crucial requirement for predictive maintenance.

This thesis explores the use of electric current analysis as a practical and non-invasive method for diagnosing faults in induction motors. The work includes a theoretical study of motor operation, types of faults, and signal acquisition techniques. On the practical side, laboratory experiments were conducted, during which current signals were recorded under different loads and speeds, then analyzed using artificial neural networks to detect and classify faults.

The results demonstrate the effectiveness of this approach, which combines a solid theoretical foundation with experimental implementation supported by advanced artificial intelligence techniques, thus opening promising perspectives for predictive maintenance. ------------------------------------------------------------------------- تعد المحركات الحثية من المكونات الأساسية في الأنظمة الصناعية الحديثة لما تتميز به من قوة وكفاءة. ومع ذلك، فإنها معرضة لأنواع متعددة من الأعطال التي قد تؤدي إلى تدهور الأداء أو توقفات غير متوقعة. وفي هذا السياق، أصبحت .عملية الكشف المبكر والدقيق عن الأعطال مطلبًا أساسيًا في إطار الصيانة التنبؤية

يتناول هذا العمل استخدام تحليل التيار الكهربائي كوسيلة عملية وغير تدخلية لتشخيص أعطال المحركات الحثية. يتضمن العمل دراسة نظرية لآلية عمل المحركات وأنواع الأعطال وتقنيات اقتناء الإشارة. أما من الناحية التطبيقية، فقد تم إجراء تجارب مخبرية تم خلالها تسجيل إشارات التيار تحت أحمال وسرعات مختلفة، ثم تحليلها باستخدام الشبكات العصبية .الاصطناعية للكشف عن الأعطال وتصنيفها

أظهرت النتائج فعالية هذا النهج الذي يجمع بين قاعدة نظرية متينة وتطبيق تجريبي مدعوم بتقنيات الذكاء الاصطناعي .المتقدمة، مما يفتح آفاقًا واعدة للصيانة التنبؤية ------------------------------------------------------------------------ Les moteurs à induction sont des composants essentiels dans les systèmes industriels modernes en raison de leur robustesse et de leur efficacité. Cependant, ils sont exposés à divers types de défauts pouvant entraîner une dégradation des performances ou des arrêts imprévus. Dans ce contexte, la détection précoce et précise des défauts devient une exigence cruciale pour la maintenance prédictive.

Ce mémoire explore l’utilisation de l’analyse du courant électrique comme méthode pratique et non invasive pour diagnostiquer les défauts des moteurs à induction. Le travail comprend une étude théorique du fonctionnement des moteurs, des types de défauts et des techniques d’acquisition de signal. Sur le plan pratique, des expériences ont été réalisées en laboratoire avec enregistrement des signaux de courant sous différentes charges et vitesses, puis analysés à l’aide de réseaux de neurones artificiels pour détecter et classifier les défauts.

Les résultats obtenus montrent l’efficacité de cette approche, combinant une base théorique solide avec une mise en œuvre expérimentale appuyée par des techniques d’intelligence artificielle avancées, ouvrant ainsi des perspectives prometteuses pour la maintenance prédictive.