Un système adaptatif de diagnostic et de suivi d'évolution. Application aux machines asynchrones
Résumé
This paper deals with the use of pattern recognition method in order to provide the
tracking and the diagnosis of an electrical system. From the measurements carried out on
the system, some parameters are calculated. These ones are used to build up the system
signature. As the set of parameters is not necessarily relevant, a selection method based on a
compacity/separability criterion is used. The determination of the decision space is carried
out by using an automatic classification method named clustering. Two decision methods
are used and compared: the “k-nearest neighbors” rule (k-ppv), easy to implement but
penalizing in term of computing time. The other method that we developed is based on a
progressive grid of the representation space. The appearance of a new operating mode is
taken into account in order to enrich the initial knowledge base and thus to improve the
diagnosis. To illustrate this method, we used as an application, an asynchronous motor 5.5
kW with squirrel-cage supplied with a voltage converter for the detection of rotor and stator
faults.
Cet article présente le suivi et le diagnostic d’un système réalisé à partir d’une
méthode de reconnaissance des formes. A partir des mesures effectuées sur le système, des
paramètres sont calculés. Ces derniers sont utilisés pour construire la signature du système.
L’ensemble des paramètres n’étant pas nécessairement pertinent, une méthode de sélection
basée sur un critère de compacité/séparabilité est utilisée. La détermination de l’espace de
décision est réalisée de manière automatique à l’aide d’une méthode appelée
« coalescence ». Deux méthodes de décision sont utilisées et comparées : la règle des cas
plus proches voisins (k-ppv), facile à mettre en œuvre mais pénalisante en terme de temps de
calcul, l’autre que nous avons développé et qui s’appuie sur un maillage progressif de
l’espace de représentation. L’apparition d’un nouveau mode de fonctionnement est pris en
compte afin d’enrichir la base de connaissance initiale et d’améliorer ainsi le diagnostic.
Pour illustrer cette méthode, nous avons utilisé comme application, un moteur asynchrone
5.5 kW à cage d’écureuil alimenté par un onduleur de tension pour la détection des défauts
aussi bien au rotor qu’au stator.