Contribution au diagnostic des défauts des roulements par l’analyse vibratoire, basé sur la méthode de décomposition de Fourier et l'opérateur énergétique de Teager

Abstract

Actuellement, le contrôle et le diagnostic sont importants dans la plupart des systèmes de production. Le diagnostic de panne à l'aide d'un signal vibratoire est considéré comme un élément essentiel de la surveillance des équipements mécaniques. Ainsi, les vibrations sont mesurées régulièrement dans les machines tournantes modernes et sont constamment surveillées et analysées dans de nombreux systèmes industriels importants, en tenant compte d'autres paramètres, notamment les mesures de températures et d’acoustiques. En raison de l'importance des roulements dans les machines tournantes, il y a eu un beaucoup d’intérêt dans le développement de procédés pour la surveillance des roulements au cours des dernières décennies. L'objectif de ces procédés est de déterminer de manière précoce et automatique l'apparition d'un défaut dans les roulements afin d’éviter les pannes de machines pouvant entraîner des arrêts de fonctionnement, éventuellement des incidents de sécurité, des pertes de production et des coûts de réparation élevés. Les méthodes basées sur les vibrations sont couramment utilisées et sont devenues des techniques bien acceptées pour de nombreux services de maintenance conditionnelle. En conséquence, cette thèse présente une méthode nouvelle et éprouvée pour surveiller l'état vibratoire des roulements. Cette approche combine une méthode récente appelée méthode d'analyse de Fourier (FDM) avec la méthode de l'opérateur énergétique de Teager (TEO) pour la détection d'enveloppe et l'augmentation d'amplitude des fréquences caractéristiques des défauts. Ensuite, l'application et la validation de l'approche proposée, nommée FDM améliorée (EFDM), dans le domaine du diagnostic des défauts de roulement, où la EFDM montre de bien meilleurs résultats que les méthodes courantes similaires, telles que la méthode de décomposition en mode variationnelle (VMD) et la méthode de décomposition en mode empirique (EMD). En effet, le premier avantage du FDM vient du fait qu'il a une base mathématique solide, contrairement à l'EMD qui est empirique, et d'autre part, la FDM ne nécessite pas de paramètres prédéfinis, contrairement à la VMD. Malgré ces caractéristiques intéressantes du FDM, ses utilisations sont limitées dans le domaine du diagnostic des roulements, contrairement à l'EMD et à la VMD. Pour améliorer l'efficacité de la méthode proposée, l'approche FDM a d'abord été testée et comparée à l'EMD et au VMD en utilisant la métrique du taux de fréquence caractéristique de défaut (FCFR). Dans ce cas, les résultats obtenus du diagnostic des défauts de roulement montrent que l'EMD et la VMD sont supérieurs par rapport FDM. Cependant, après les améliorations proposées sur FDM comme deuxième cas, les résultats avec la méthode Enhanced FDM (EFDM) sont devenus bien meilleurs que les autres méthodes. A titre d'exemple, les valeurs FCFR des défauts dans la bague intérieure et la bague extérieure du roulement, obtenues par l'approche EMD sont respectivement de 51% et 31% de la valeur obtenue par l'approche proposée.