Diagnostic des défauts de roulement par les réseaux de neurones

Abstract

Différentes méthodes sont mise en oeuvre pour suivre l'état des défauts rencontrés sur une machine tournante, elles différent entre elles par leur précision, leur simplicité de mise en oeuvre et leur cout. Dans cette étude, une méthode basée sur les réseaux de neurones est proposée pour modéliser le processus de détection des défauts de roulement.Notre première contribution a apporté sur l’utilisation des réseaux de neurones artificiels de types perceptron multicouche. Le développement de cette approche a été fondé sur trois étapes : préparation de la base des données, optimisation des paramètres pertinents de l’architecture du réseau de neurones puis le teste de généralisation et d’interpolation de réseau de neurone statique optimisé(RNSO). Le RNSO obtenu durant cette contribution comporte une couche cachée avec une architecture de :{3-4-1} et les valeurs des erreurs MSE et SSE sont acceptable.Notre deuxième contribution a apporté sur la prévision d’une classe afin de tester le modèle neuronale obtenu. En conséquence les réseaux de neurones peuvent être utilisés avec succès dans la modélisation de processus de détections des défauts de roulement