Beruflich Dokumente
Kultur Dokumente
Mémoire de Magister
Magister en Electrotechnique
0ption : Commande Electrique
Par
BOURDIM SAMIA
Thème
Je remercie vivement monsieur Dr. K.E. Hemsas pour son esprit scientifique et
compréhensif, qui a consacré beaucoup de son temps à mon travail et m’a beaucoup aidé avec
ses idées, ses conseils et surtout ses critiques objectives.
Je tiens également à remercier Dr M. Hachemi d’avoir accepté la présidence du jury,
monsieur H Radjeai et monsieur M. Khemliche et monsieur L. Ziat d’avoir pris de leurs
temps pour examiner ce travail.
Merci à tous les autres chercheurs qui ont mis leurs outils, articles et travaux accessibles à
travers l'Internet.
Je veux également remercier ma famille pour le soutien moral.
Enfin, je remercie tout particulièrement mes parents, pour leur soutien inconditionnel tout
au long de ces longues années d’études.
NOMENCLATURE
Liste des acronymes
Remerciements
Liste des acronymes
Liste des tableaux
Liste des figures
Introduction générale…………………………………………………………………... I
Introduction générale
La place prestigieuse qu’occupe les machines électrique dans l’industrie moderne, nécessite entre
autres une mise en place des programmes de maintenances préventives et correctives et de
surveillance afin d’assurer la continuité de leur bon fonctionnement. En effet, ces fonctions permettent,
en partie, d’assurer la sécurité des personnes, la qualité du service et la rentabilité des installations.
Un système de surveillance doit permettre de valider les données utilisées par les algorithmes de
commande mais aussi de fournir des informations sur le fonctionnement de l'unité aux opérateurs qui
l'exploitent. Il doit être capable de provoquer dans les cas graves un arrêt de l'unité ou de permettre au
système de production de continuer de fonctionner en mode dégradé en cas de problème ne nécessitant
pas un arrêt immédiat, tout cela en évitant bien sûr des erreurs de type fausses alarmes qui provoquent
des arrêts inutiles des installations. Les tâches de détection et de localisation des défaillances trouvent
ainsi tout naturellement leur place dans un tel système de surveillance. Il existe plusieurs procédures de
diagnostic. Le choix d’une approche est lié à la connaissance que l’on souhaite acquérir sur le système.
Ainsi, deux principales familles de procédures peuvent êtres utilisées dans le domaine de diagnostic des
machines électriques à savoir les méthodes de diagnostic avec connaissance a priori et sans
connaissance a priori.
Les méthodes de diagnostic sans connaissance a priori sont basées sur l’extraction d’informations par
le biais du traitement des signaux mesurés qui sont (courants, tensions, vitesse, couples, vibrations,
température). Ces signaux peuvent fournir des informations significatives sur les défauts.
Les méthodes de diagnostic avec connaissance a priori reposent sur le suivi des paramètres et des
grandeurs de la machine, au moyen d’algorithmes d’observations. Elles détectent les défaillances en
comparant l’évolution de l’écart entre le modèle et le processus réel. Le principal avantage de cette
méthode réside dans l’intégration d’une connaissance a priori du système et donc un filtrage de
l’information.
Dans le cas de la modélisation des machines électriques en vue du diagnostic, il est essentiel
d'envisager deux modes; un mode commun et un autre différentiel. Le mode commun doit
correspondre au modèle dynamique traduisant le fonctionnement sain de la machine. Le mode
I
Introduction générale
différentiel a pour objectif de traduire son dysfonctionnement. Ses paramètres doivent être
essentiellement sensibles au défaut.
La connaissance initiale - i.e. connaissance à priori- relative à la machine saine ou défaillante, permet
d’un coté d'accélérer la convergence de l'algorithme de la Programmation Non Linéaire utilisé, et d’un
autre coté de la rendre robuste. Cette approche étant basée sur l'identification des paramètres d'un
modèle de la machine, l'un des objectifs les plus importants, dans le cadre du diagnostic, concerne la
mise au point de modèles mathématiques réellement représentatifs d'un fonctionnement en défaut.
L'étape de modélisation s'avère donc indispensable aussi bien en commande, pour la synthèse des
boucles de régulation, qu'en surveillance, pour la détection et la localisation de pannes.
L’objectif principal du présent travail de recherche est d’exploiter deux méthodes, méthode des
ondelettes et méthode Bayésienne pour le diagnostic des défaillances des machines électriques où
l’accent est mis particulièrement pour la détection des quelques défauts rotoriques de la machine
asynchrone à cage.
Dans la première méthode, le diagnostic par la technique des ondelettes est effectué et validé par
simulation dans l’environnement Matlab. Cette technique propose une analyse très fine des signaux et
permet de détecter la non stationnarité dans les signaux où cette particularité est non disponible dans les
techniques classiques. Telles que : l’analyse de Fourier et l’analyse de Fourier à fenêtre glissant, etc.
Dans la deuxième méthode, on a essayé de placer les bases d'une technique par estimation
paramétrique s'appuyant sur la loi de Bayes qui exige l'adjonction d'une connaissance a priori. Cette
méthode de diagnostic par identification paramétrique conduit à procéder à l'estimation des paramètres
du modèle complet ainsi, les paramètres électriques du mode commun (affectés d'une connaissance a
priori), indiqueront l'état dynamique de la machine (constante de temps rotorique, inductance
magnétisante, etc.) et les paramètres du mode différentiel permettront d'accéder à l'information sur les
défauts présents dans la machine. La surveillance de ces paramètres va permettre la détection et la
localisation des défaillances.
Afin d’aboutir à cet objectif et de bien cerner ses particularités, le travail présenté dans ce manuscrit est
divisé en 03 chapitres et répartis comme suit :
II
Introduction générale
Dans le premier chapitre, nous situons les éléments de construction de la machine à cage d’écureuil, les
différents défauts qui se manifestent souvent dans cette machine ainsi que leurs causes.
Le second est consacré, après une étude préliminaire de la technique des ondelettes et ses différentes
applications, à son exploitation pour la détection et la localisation des cassures de barres et portions
d’anneaux dans la machine asynchrone à cage d’écureuil.
Après avoir réalisé une étude théorique sur les méthodes d'estimation paramétrique à erreur de sortie
avec information a priori, nous verrons comment définir une stratégie générale de supervision des
procédés industriels, ainsi une comparaison entre les deux méthodes de diagnostique sera détaillé dans
le chapitre trois.
La mémoire s’achève par des générales conclusions et perspectives, trois annexes et une assez riche
bibliographie.
III
CHAPITRE I
I.1 Introduction :
1
Chapitre I Présentation des différents défauts de la MAS à cage d’écureuil
Tôles statoriques
Tête de bobine
statorique
Roulement à
billes
Arbre
Anneaux de court
Ventilateur de circuit
refroidissement
Carter de fonte avec
ailettes de refroidissement
I.2.1 Stator :
Le stator de la machine asynchrone schématisée dans la Figure.I.2 est constitué de tôles d'acier
dans lesquelles sont placés les bobinages statoriques. Ces tôles sont, pour les petites machines,
découpées en une seule pièce alors qu'elles sont, pour les machines de puissance plus importante,
découpées par sections. Elles sont habituellement recouvertes de vernis pour limiter l'effet des
courants de Foucault. Au final, elles sont assemblées les unes aux autres à l'aide de boulons ou
de soudures pour former le circuit magnétique statorique.
2
Chapitre I Présentation des différents défauts de la MAS à cage d’écureuil
Une fois cette étape d'assemblage terminée, les enroulements statoriques sont placés dans les
encoches prévues à cet effet. Ces enroulements peuvent être insérés de manières imbriquées,
ondulées ou encore concentriques. L'enroulement concentrique est très souvent utilisé lorsque le
bobinage de la machine asynchrone est effectué mécaniquement. Pour les grosses machines, les
enroulements sont faits de méplats de cuivre de différentes sections insérés directement dans les
encoches. L'isolation entre les enroulements électriques et les tôles d'acier s'effectue à l'aide de
matériaux isolants qui peuvent être de différents types suivant l'utilisation de la machine
asynchrone.
Le stator d'une machine asynchrone est aussi pourvu d'une boîte à bornes à laquelle est reliée
l'alimentation électrique. Nous représentons sur la figure I.1 les différentes parties de constitution
du stator d'une machine asynchrone. Nous pouvons visualiser la présence d'ailettes de ventilation
assurant le refroidissement de la machine lorsque celle-ci fonctionne en charge. [BOU08a].
I.2.2 Rotor:
Tout comme le stator, le circuit magnétique rotorique est constitué de tôles d'acier qui sont, en
général, de même origine que celles utilisées pour la construction du stator. Les rotors des
machines asynchrones peuvent être de deux types : bobinés ou à cage d'écureuil.
3
Chapitre I Présentation des différents défauts de la MAS à cage d’écureuil
Les rotors bobinés sont construits de la même manière que le bobinage statorique (insertion des
enroulements dans les encoches rotoriques). Les phases rotoriques sont alors disponibles grâce à
un système de bagues-balais positionné sur l'arbre de la machine. En ce qui concerne les rotors à
cage d'écureuil, les enroulements sont constitués de barres de cuivre pour les gros moteurs ou
d'aluminium pour les petits. Ces barres sont court-circuitées à chaque extrémité par deux anneaux
dit "de court-circuit", eux aussi fabriqués en cuivre ou en aluminium [BOU08a].
Il existe différentes structures de rotor à cage qui dépend principalement de la taille du moteur et
de l'application qu'il en sera fait.
Nous donnons une photographie (Figure.I.3) de l’arbre sur lequel les tôles sont empilées, les deux
anneaux de court-circuit ainsi que les barres d'aluminium formant la cage d'écureuil.
Souvent, ces barres sont uniformément inclinées pour limiter les harmoniques (biais d’encoches
au rotor) et ainsi diminuer très fortement le bruit lors de l'accélération de la machine asynchrone.
L'isolation des barres avec les tôles magnétiques n'est en général pas nécessaire du fait de la
faible tension induite aux bornes de chacune d'entre elles. De plus, la résistivité de l'alliage utilisé
pour la construction de cette cage est suffisamment faible pour que les courants ne circulent pas à
travers les tôles magnétiques, sauf lorsque la cage rotorique présente une rupture de barre. Le
4
Chapitre I Présentation des différents défauts de la MAS à cage d’écureuil
rotor de la machine asynchrone est aussi pourvu d'ailettes de ventilation pour permettre un
refroidissement de la cage le plus efficace possible comme le montre la figure I.1 [BOU08a].
I.2.3 Paliers :
Les paliers, qui permettent de supporter et de mettre en rotation l'arbre rotorique, sont constitués
de flasques et de roulements à billes insérés à chaud sur l'arbre. Les flasques, moulés en fonte,
sont fixés sur le carter statorique grâce à des boulons ou des tiges de serrage comme nous
pouvons le visualiser sur la figure I.1 [BOU08a].
La machine asynchrone est considérée comme robuste et également défaillante dans le cas de son
emploi de langue durée et dans des conditions dures. Il est important que les mesures soient
prises pour diagnostiquer l'état de la machine au fur et à mesure qu'elle entre dans le mode de
défauts. Il est donc nécessaire de faire un contrôle continu, en ligne ou hors ligne, de l’état de la
machine. Les raisons derrières les défauts dans les machines électriques ont leur origine dans la
conception, la tolérance de fabrication, l'installation, l'environnement de fonctionnement, la
nature de la charge et le programme de la maintenance. [BEL06].
Le moteur asynchrone, comme n'importe quelle autre machine électrique tournante, est soumis
aux forces électromagnétiques et mécaniques. La conception du moteur est telle que l'interaction
entre ces forces dans des conditions normales mène à un fonctionnement stable avec un bruit et
5
Chapitre I Présentation des différents défauts de la MAS à cage d’écureuil
des vibrations minimums. Quand le défaut a lieu, l'équilibre entre ces forces est perdu,
aboutissant à un autre perfectionnement du défaut. Les défauts du moteur asynchrone peuvent
être classés par catégorie dans deux types : mécaniques et électriques.
Les sources des défauts du moteur peuvent être internes, externes ou dues à l'environnement,
comme présenté à la figure I.5. Les défauts internes peuvent être classifiés selon leurs origines
c’est à dire électriques et mécaniques. Habituellement, d'autres types de défauts de roulement et
de refroidissement se rapportent aux défauts du rotor parce qu'ils appartiennent aux pièces
mobiles. La Figure I.6 présente l'arbre de défaut de la machine asynchrone où les défauts sont
classifiés selon leur emplacement : rotor et stator [BEL06].
6
Chapitre I Présentation des différents défauts de la MAS à cage d’écureuil
D'après les deux organigrammes ci-dessus, on peut classer les défauts majeurs qui peuvent
apparaître dans la machine asynchrone à cage d'écureuil en deux catégories.
7
Chapitre I Présentation des différents défauts de la MAS à cage d’écureuil
Les défaillances d'ordre mécanique sont, en général, les plus souvent rencontrées parmi tous les
défauts que compte la machine asynchrone. Ces défauts peuvent apparaître au niveau des
roulements à billes, des flasques ou encore de l'arbre moteur. On énumérera par la suite certains
de ces défauts. [BEL06].
Les roulements à billes jouent un rôle très important dans le fonctionnement de tout type de
machines électriques. Les défauts de roulements peuvent être causés par un mauvais choix de
matériau à l'étape de fabrication. Les problèmes de rotation au sein de la culasse du roulement,
causés par un roulement abîmé, écaillé ou fissuré, peuvent créer des perturbations dans la
machine. Nous savons que des courants électriques circulent au niveau des roulements d'une
machine asynchrone ce qui, pour des vitesses importantes, peut provoquer la détérioration de ces
derniers. L’huile de graissage, qui permet la lubrification et la bonne rotation des roulements
peut, dans certaines applications, se rigidifier et causer une résistance à la rotation. L'analyse
vibratoire de la machine ou l'analyse harmonique des courants statoriques permet de détecter ce
type de défaillances [BEL06].
a b
c d
Figure I.7 :Types de défauts dans les roulements à billes [BOU08a].
8
Chapitre I Présentation des différents défauts de la MAS à cage d’écureuil
La relation entre les vibrations des roulements et les spectres du courant statorique peut être
déterminée en rappelant que n'importe quelle excentricité de l'entrefer produit des anomalies dans
la densité du flux d'entrefer. Puisque les roulements à billes supportent le rotor, n'importe quel
défaut de roulement produira un mouvement radial entre le rotor et le stator de la machine. Le
déplacement mécanique résultant des roulements endommagés fait changer la hauteur de fuite de
la machine de telle sorte qu’elle peut être décrite par une combinaison des excentricités
tournantes déménageant dans les deux directions.
f f mf
roul s i (I.1)
n DB
fi f r 1 cos
2 PD (I.2)
9
Chapitre I Présentation des différents défauts de la MAS à cage d’écureuil
f1 N 2 f r 1 DB cos PD
(I.4)
f1 DBf r PD 1 DB cos PD
2
(I.5)
f1 f r 2 f r 1 DB cos PD
(I.6)
Les défauts créés par les flasques de la machine asynchrone sont le plus généralement causés à
l'étape de fabrication. En effet, un mauvais positionnement des flasques provoque un
désalignement des roulements à billes, ce qui induit une excentricité au niveau de l'arbre de la
machine. Il est possible de détecter ce type de défaillance par une analyse vibratoire ou une
analyse harmonique des courants absorbés par la machine. [BOU08a].
10
Chapitre I Présentation des différents défauts de la MAS à cage d’écureuil
L'arbre de la machine peut laisser apparaître une fissure due à l'utilisation d'un mauvais matériau
lors de sa construction. A court ou long terme, cette fissure peut mener à une fracture nette de
l'arbre provoquant ainsi un arrêt immédiat de la machine asynchrone. Les milieux corrosifs
peuvent aussi affaiblir la robustesse de l'arbre de la machine. Par exemple, l'humidité peut
provoquer des microfissures et conduire à une destruction complète de la machine.
Une excentricité statique, dynamique ou mixte peut induire des efforts considérables sur l'arbre
moteur, amenant ainsi à une fatigue supplémentaire. Une analyse vibratoire, une analyse par
ultrason, une analyse fréquentielle des courants absorbés ou simplement une analyse visuelle de
l'arbre de la machine permet de détecter ce type de défaillance [BOU08a].
Ceux-ci provoquent la variation de l'entrefer dans le moteur, la répartition non homogène des
courants dans le rotor et le déséquilibre des courants statoriques. Le déséquilibre des efforts sur
les barres génère un couple global non constant. Quand l’excentricité devient grande, les forces
radiales résultantes crées par le stator avec la bande du frottement du rotor provoquent des
dommages du stator et du rotor.
La géométrie du rotor peut présenter des dissymétries d’ordre naturel. Celles-ci relèvent de trois
catégories d’excentricité de l’entrefer (Figures : I.9 et I.10) à savoir :
L’excentricité statique : lorsque l’axe du stator coïncide avec l’axe de rotation et non
avec l’axe du rotor.
L‘excentricité dynamique : lorsque l’axe de rotation du rotor ne coïncide pas avec l’axe
de symétrie du stator.
L’excentricité mixte : lorsque l’axe de rotation du rotor ne coïncide pas avec les axes de
symétrie du rotor et du stator.
11
Chapitre I Présentation des différents défauts de la MAS à cage d’écureuil
Tel que : R1 : Rayon interne statorique, R2 : Rayon externe rotorique , : distance entre le centre
c) excentricité mixte
Figure I.10 Représentation de l’excentricité statique, dynamique et mixte [BEL06]
12
Chapitre I Présentation des différents défauts de la MAS à cage d’écureuil
Les défaillances d'origine électrique peuvent, dans certains cas, causer l’arrêt définitif de la
machine (au même titre que les défaillances d'ordre mécanique). Ces défaillances sont classées en
deux catégories bien distinctes. On peut citer les défaillances qui apparaissent au niveau des
circuits électriques statoriques et celles qui apparaissent au niveau des circuits électriques
rotoriques [BOU08a].
L'apparition d'un défaut au niveau des circuits électriques statoriques de la machine asynchrone
peut avoir des origines diverses. Nous pouvons citer, par exemple, les défauts de type court-
circuit inter-spires qui apparaissent à l'intérieur des encoches statoriques. Ce type de défaut peut
être causé par une dégradation des isolants des spires du bobinage statorique.
On trouve également les court-circuits qui apparaissent entre une phase et le neutre, entre une
phase et la carcasse métallique de la machine ou encore entre deux phases statoriques. Ces
défauts ont le plus souvent, une origine mécanique. En effet, des vibrations excessives peuvent
mener à un desserrement des boulons de la plaque à bornes de la machine créant ainsi le court-
circuit. Une cosse mal serrée à la jonction du câble d'alimentation et des bornes de la machine
peut être à l'origine d'une ouverture de phase. Le défaut le plus couramment rencontré reste
encore la fusion d'un fusible de protection. Ces défauts peuvent être détectés par une analyse
harmonique des courants absorbés par la machine. [BOU08a].
Deux types de défaillances peuvent apparaître au rotor d'une machine asynchrone à cage
d'écureuil. La cage étant composée de barres et d'anneaux de court-circuit d'aluminium ou de
cuivre, une rupture partielle ou totale d'un de ces composants peut être considérée comme un
défaut électrique rotorique. L'apparition de ce type de défaut peut être d'origine diverse. En effet,
la rupture d'une barre ou d'un segment d'anneau de court-circuit peut être due à plusieurs
phénomènes qui sont souvent indépendants les uns des autres. On peut citer par exemple une
13
Chapitre I Présentation des différents défauts de la MAS à cage d’écureuil
Figure I.12 Rupture d'une barre et d’un anneau de court circuit [BOU08a].
14
Chapitre I Présentation des différents défauts de la MAS à cage d’écureuil
Les portions d'anneaux de court-circuit véhiculent des courants plus importants que ceux des
barres rotoriques. De ce fait, un mauvais dimensionnement des anneaux, une détérioration des
conditions de fonctionnement (température, humidité,...) ou une surcharge de couple et donc de
courants peut entraîner leur cassure. Ce défaut est généralement regroupé avec celui de la cassure
de barres dans les études qui se font à partir du stator [BEL06].
I.4.Méthodes de diagnostic :
Le raisonnement et la connaissance sont deux éléments clés dans la solution d’un problème. Le
diagnostic est au niveau conceptuel une distribution systématique des symptômes en diverses
catégories de défauts. Par rapport à la connaissance et au raisonnement deux grandes classes des
méthodes de diagnostic existent :
les méthodes internes et externes.
les méthodes inductives et déductives
Les méthodes externes de diagnostic supposent qu’aucun modèle n’est disponible pour décrire les
relations de cause à effet. La seule connaissance repose sur l’expertise humaine acquise par
apprentissage, ces méthodes se basent sur l’analyse des signaux que fournit à la machine lors de
son fonctionnement, les signaux utilisables qui peuvent être :
Flux d’entrefer, puissance instantanée, courant statorique et vibration acoustique. [BEL06].
15
Chapitre I Présentation des différents défauts de la MAS à cage d’écureuil
La connaissance du modèle permet de décrire les relations de cause à effet, ces méthodes
requirent une connaissance approfondie du fonctionnement sous la forme de modèle
mathématique, ces méthodes utilisent un modèle pour reproduire le comportement du système.
On distingue ces méthodes suivant le modèle utilisé. [BEL06].
Modèle de simulation : les modèles analytiques utilisés dans ce mode sont représentés
par des équations d’état ou des fonctions de transfert.
Observateur (estimateur) ce modèle est décrit sous une représentation de variable d’état.
Estimation paramétrique : c’est la détermination des vecteurs des paramètres qui
gouvernent le comportement dynamique du système.
Modélisation des signaux : dans cette méthode, le contenu spectral, l’évolution
temporelle des variables mesurées sont exploitées pour détecter et localiser les défauts,
l’analyse spectrale est très utilisé pour détecter des défaillances dans les machines
électriques.
Elles correspondent à une approche montante ou recherche en avant, il s’agit de trouver le défaut
à partir de ses effets sur le système, ces méthodes utilisent un mécanisme de raisonnement en
avant qui a pour objectif d’interpréter les symptômes ainsi que leur combinaison afin de trouver
le défaut. [BEL06].
16
Chapitre I Présentation des différents défauts de la MAS à cage d’écureuil
Méthode d’ondelettes
Méthodes Bayésiennes.
I.5 Modèle de la machine asynchrone à cage :
Les modélisations analytiques reposent sur le concept d’inductance, notion qui est caractérisé par
une relation linéaire entre le flux et le courant Cette approche globale des phénomènes
électromagnétiques permet d’établir un schéma électrique équivalent de la machine, la théorie des
circuits permet de trouver les équations différentielles caractérisant le fonctionnement de la
machine [ABE99].
I.5.2 Approche numérique :
17
Chapitre I Présentation des différents défauts de la MAS à cage d’écureuil
défauts d’une manière plus proche de la réalité. Cependant, les moyens et le temps de calcul
freinent l’utilisation de telles méthodes en simulation des algorithmes de détection des défauts
[BEL06].
(MCSA) :
Les défauts statoriques regroupent principalement les défauts de court-circuit d’une phase à la
terre, court-circuit entre phases, ou court-circuit entre spires. Ils commencent généralement par
un court-circuit entre spires, avant d’évoluer vers des défauts plus graves.
Une des principales causes de ces défauts est la dégradation de l’isolation qui peut être une
dégradation fonctionnelle (liée à la durée de vie de l’enroulement) ou bien due aux conditions
d’exploitation et aux contraintes mécaniques, thermiques, électriques et environnementales. Ce
type de défauts entraîne l’apparition d’une série d’harmoniques dans le spectre du flux axial
donnée par [ALL09] :
n
f cs f s (1 g ) k (I.8)
p
Avec : n=1, 2, 3, … et k=1, 3, 5, …
Le courant statorique en régime permanent donne des indications sur les défaillances
rotoriques telles que les ruptures de barres, d'anneaux de court-circuit ou l'excentricité d’entrefer,
rupture d’une phase, court-circuit entre spires du stator… [ALL09].
I.7 Conclusion :
Dans ce chapitre nous avons rappelé les éléments constructifs de la machine asynchrone à cage
d’écureuil et nous avons également décrit la majorité des défauts qui peuvent apparaître ainsi que
leurs influences sur le comportement de la machine. La connaissance des éléments de
18
Chapitre I Présentation des différents défauts de la MAS à cage d’écureuil
19
CHAPITRE II
II.1 Introduction :
Les transformations linéaires ont toujours joué un très grand rôle dans le traitement du
signal, parmi elles, la plus anciennement étudiée est la transformation de Fourier (1822).
Cette transformation permet d'explorer la composition fréquentielle du signal. Très tôt dans
l'histoire du traitement du signal, il s'est avéré que la décomposition obtenue par Fourier
n'était pas toujours la plus satisfaisante [PER05]. Aux années 1940, Gabor découvrait la
première forme de la représentation temps-fréquence. Sa technique consiste à découper le
signal en différentes plages de longueur fixe ou fenêtre. Chaque segment du signal limité
par une fenêtre est étudié séparément des autres par l’analyse de Fourier. L’ensemble de ces
transformées localisées forme la transformée de Gabor du signal. L’inconvénient majeur de
ce procédé est que la longueur de la fenêtre étant fixée, il n’est pas possible d’analyser
simultanément des phénomènes dont les échelles de temps sont différentes. Une autre
technique d’analyse qui ne privilégie aucune échelle particulière mais qui généralise à
toutes les échelles l’analyse locale des fréquences obtenues par la méthode de Gabor
devient plus que nécessaire. En 1982, J.Morlet ouvre la voie conduisant à la solution en
construisant l’analyse en ondelettes, fondée sur un concept quelque peu différent de celui
de fréquence: le concept d’échelle. Cette procédure développée par Stéphane Mallat et
systématisée par Ingrid Daubechies, porte le nom de multi-résolution et suggère une
interprétation différente de l’analyse par ondelettes. Les ondelettes constituent donc un outil
parmi les plus récents du traitement du signal et qui datent de quelques décennies
seulement. Elles nous permettent d'effectuer une analyse robuste et mènent à de multitudes
applications. Contrairement à la transformée de Fourier à court terme, la transformée en
ondelettes fait appel à la notion de temps-échelle impliquant des fenêtres d'analyse de
longueurs dynamiques [AYA07].
L’objectif de ce chapitre est double. Présenter la théorie d’ondelettes en première étape et
en deuxième étape appliquer leur transformée pour la détection des défauts dans une
machine asynchrone à cage d’écureuil.
Pour expliquer ce qu'est le traitement et l'analyse du signal par ondelettes, nous allons faire
une petite digression vers l'analyse de Fourier afin de mieux faire comprendre d'où émerge
ce concept.
20
Chapitre II Théorie des ondelettes et leurs applications
Ou, si f appartient à L1 R :
^
f v f t e
2 i vt
dt (II.2)
^ n
f v Donne le contenu fréquentiel de f pour la fréquence ou v
T
II.2.1 Exemple d’application de la transformée de Fourier FT :
Dans notre exemple schématisé par la figure II.2 on a appliqué la transformée de Fourier
d’un signal stationnaire composé d’une somme de deux sinusoïdes de déférents fréquences
21
Chapitre II Théorie des ondelettes et leurs applications
2 1
Magnitude
Magnitude
0 0
-2 -1
-4 -2
0 0.1 0.2 0.3 0.4 0.5 0.6 0.7 0.8 0.9 1 0 0.1 0.2 0.3 0.4 0.5 0.6 0.7 0.8 0.9 1
Time[s] Time[s]
Frequentiel representation Frequentiel representation
200 150
150
Magnitude
Magnitude
100
100
50
50
0 0
0 10 20 30 40 50 60 70 80 90 100 0 10 20 30 40 50 60 70 80 90 100
Frequency[hz] Frequency[hz]
1 0.5
Magnitude
Magnitude
0 0
-1 -0.5
-2 -1
0 0.1 0.2 0.3 0.4 0.5 0.6 0.7 0.8 0.9 1 0 0.1 0.2 0.3 0.4 0.5 0.6 0.7 0.8 0.9 1
Time[s] Time[s]
Frequentiel representation Frequentiel representation
100 60
Magnitude
Magnitude
40
50
20
0 0
0 10 20 30 40 50 60 70 80 90 100 0 10 20 30 40 50 60 70 80 90 100
Frequency[hz] Frequency[hz]
22
Chapitre II Théorie des ondelettes et leurs applications
D’après les deux exemples précédents, on remarque que la transformée de Fourier nous
donne une bonne connaissance combien de fréquences existe mais sans aucune information
où ses fréquences sont localisés dans le temps. Donc l’analyse est global, d’où la difficulté
d'obtenir une information localisée dans le temps. Donc on ne peut pas étudier des signaux
dont la fréquence varie au cours du temps. (Les signaux non stationnaires). L'idée suivante
consiste à représenter notre signal en fonction du temps et de fréquence. On a donc une
description directe et une description fréquentielle. On passe alors à la transformée de
Fourier à fenêtre glissante STFT
Pour réaliser une analyse spectrale locale d’un signal f t autour d’un instant arbitraire
L'idée de base consiste à découper le signal en plages temporelles finies. On réalise sur
chaque plage, une analyse de Fourier. Cette analyse est donc dépendante de la localisation
de la plage, la figure II.4 donne un aperçue sur ce concept [PER05].
23
Chapitre II Théorie des ondelettes et leurs applications
glissante STFT :
6. Revenir à l’étape 3
La multiplication du signal f t par une fenêtre glissante h t t0 et le calcul de la
24
Chapitre II Théorie des ondelettes et leurs applications
Sum of sin
1
0.5
Magnitude
0
-0.5
-1
0 0.1 0.2 0.3 0.4 0.5 0.6 0.7 0.8 0.9 1
Time[s]
STFT
10
Magnitude
0
50 80
40 30 60
20 40
10 20
0
Frequency Time[s]
0.5
Magnitude
-0.5
-1
0 0.1 0.2 0.3 0.4 0.5 0.6 0.7 0.8 0.9 1
Time[s]
STFT
1.5
Magnitude
0.5
0
50 40 30 600 700 800
20 10 300 400 500
0 100 200
Frequency Time[s]
Le principal inconvénient de cette technique est que la longueur de la plage (l'échelle) est
fixe. Cela peut s'avérer très embarrassant si on fait l'analyse de signaux qui correspondent à
des phénomènes avec des échelles de temps très différents.
25
Chapitre II Théorie des ondelettes et leurs applications
La localisation d’un signal en temps et en fréquence ne peut se faire sur des supports
infiniment réduits. En particulier, plus on accroît la précision en fréquence de l’analyse,
plus on perd la localisation temporelle, et donc de précision en temps, et réciproquement. Il
existe une relation de principe d’incertitude, vient de la mécanique quantique, mais il joue
un très grand rôle dans le traitement du signal. Il stipule que l’on ne Peut localiser aussi
précisément que l’on veut en temps et en fréquence un signal. Mathématiquement on écrit
que la moyenne des fluctuations en temps et en fréquence est bornée inférieurement :
t . v 1 4 (II.4)
On peut illustrer cette formule par une fonction particulière appelée gaussienne et qui à la
particularité que sa transformée de Fourier est encore une gaussienne [DEM03] :
26
Chapitre II Théorie des ondelettes et leurs applications
II.3.1 Définition :
L’ondelette est une forme d’onde qui a une duré limitée et avec une valeur moyenne égale à
zéro. La transformation en ondelettes permet d’appliquer une analyse multi-résolution sur
le signal étudié. L’analyse multi-résolution de la transformation en ondelettes équivaut à
une décomposition atomique temps-échelle.Chacun des atomes peut s’interpréter comme
étant une projection locale du signal analysé et est obtenu à partir d’une ondelette t
unique par une translation en temps et une dilatation. Partant d’une fonction bien localisée,
dans le plan temps-échelle [BOU08a].
27
Chapitre II Théorie des ondelettes et leurs applications
x e x e10i x
2
(II.5)
2
x u x u
1 10 i
u ,s x e s
e s
(II.6)
s
-3
Temporel Representation x 10 Frequentiel Representation
1 3
u=2
0.5
et s=1
Magnitude
Magnitude
2
0
1
-0.5
-1 0
0 2 4 6 8 10 0 2 4 6 8 10
Times[s] Frequency
1 3
u=2
0.5
et s=2
Magnitude
Magnitude
2
0
1
-0.5
-1 0
0 2 4 6 8 10 0 2 4 6 8 10
Times[s] Frequency
1 0.2
u=4
0.5 0.15
et s=3
Magnitude
Magnitude
0 0.1
-0.5 0.05
-1 0
0 2 4 6 8 10 0 2 4 6 8 10
Times[s] Frequency
1 t u
W f u, s f t * dt (II.7)
s s
28
Chapitre II Théorie des ondelettes et leurs applications
^ 2
C
0
d (II.8)
^
Le coefficient d'ondelettes Wf u, s dépend ainsi des valeurs f (t) et f t dans le domaine
^
temps-fréquence où l'énergie de u , s t et de u , s est concentrée. Des harmoniques
variables dans le temps sont détectés à partir de la position et l'échelle des coefficients
d'amplitude élevés des ondelettes. En temps, u , s t est centrée à u avec une distribution
^
Où est la transformée de Fourier de .pour analyser l'information d'une phase des
^
signaux, une ondelette analytique complexe est utilisée. Ceci signifie 0 pour 0
son énergie est concentrée dans un intervalle positif de fréquence centré à . L'énergie de
^
u ,s est donc concentrée dans un intervalle positif de fréquence centré à , dont la taille
s
est mesurée par 1/s. Dans le plan temps-fréquence, un atome d’ondelettes u , s est
29
Chapitre II Théorie des ondelettes et leurs applications
symboliquement représenté par un rectangle centré à u , . La diffusion de temps et de
s
fréquence est respectivement proportionnelle à s et à 1/s. Quand s change, la longueur et la
largeur du rectangle changent mais sa surface reste toujours constante, comme illustré par
la Figure II.9.
[BOU08a].
On lui associe la famille d’ondelettes u , s t générées par des translations et des dilatations
1 t u
u ,s t (II.11)
s s
L’ondelette t est une fonction de moyenne nulle:
t dt 0
(II.12)
Parmi une grande famille des ondelettes, on trouve: Ondelette gaussienne et gaussienne
complexe, Morlet et Complexe de Morlet, chapeau mexicain, Meyer et Meyer avec une
30
Chapitre II Théorie des ondelettes et leurs applications
Daubechies Haar
Les ondelettes sont de forme constante mais de taille variable, proportionnelle au paramètre
de dilatation « s » (variable d’échelle). La transformation en ondelettes est aussi interprétée
comme étant un processus de filtrage du signal analysé par un filtre passe-bande de bande
passante variable ; c’est le paramètre « s » qui fixe la valeur de cette bande. A. Grossmann
et J.Morlet ont démontré que si t est à valeurs réelles, l’ensemble de ces ondelettes
peut être considéré comme étant une base orthonormée. Cela signifie que tout signal
d’énergie peut s’écrire comme une combinaison linéaire d’ondelettes u , s t et que les
f t étant le signal étudié. Ces produits scalaires mesurent, en un certain sens, les
La transformée continue par ondelette est définie donc par le calcul des coefficients :
1 t u
C u, s f t s dt (II.13)
s
31
Chapitre II Théorie des ondelettes et leurs applications
Dans cette partie en va utilisée comme exemple un signal bruit chargée à partir de Matlab la
figure suivante donne deux cas différentes de la transformée d’ondelette continue
correspond au changement d’échelle
32
Chapitre II Théorie des ondelettes et leurs applications
Cette figure donne bien une image claire sur quoi se passé avec le signal et mettre clair les
périodicités.
i , j t 2 2 2i t j
i
(II.14)
33
Chapitre II Théorie des ondelettes et leurs applications
t 2h j 2t j (II.16)
j
t 2 g j 2t j (II.17)
j
deux filtres complémentaires, passe-haut et passe-bas, et émerge en tant que deux signaux
respectivement le signal d’approximations A et le signal de détails comme le montre la
figure II.12
Pour plusieurs signaux, la partie dans les basses fréquences est la partie la plus importante.
Ce qui donne au signal son identité.
La partie dans Les hautes fréquences, attribue saveur ou nuance.
Dans l’analyse d’ondelette, on parle seulement des approximations et détails.
34
Chapitre II Théorie des ondelettes et leurs applications
Comme on a dit précédemment le signal S, est divisé en deux signaux mais, actuellement
pour faire cette opération dans un signal réelle, on trouve deux signaux de même taille que
le signal original.
Supposé, pour l’instant, que le signal original S contient 1000 échantillons donc le résultat
des deux signaux à 1000 échantillons pour chaque signal, le total est 2000 échantillons
Pour donner deux vecteurs respectivement CA (Coefficients ondelette d’approximation) et
CD (Coefficients ondelette de détails). Tous deux sont de taille approximativement égale à
la moitié du vecteur d’origine. Ceci est du au fait de l’opération de décimation par 2 (down
sampling). [TOO10].
35
Chapitre II Théorie des ondelettes et leurs applications
jusqu'à ce que les différents détails se composent d'un échantillon ou d'un Pixel simple.
Dans la pratique, on choisira un nombre approprié de niveaux basés sur la nature du signal
à décomposer, ou sur un critère approprié tel que l'entropie [BOU08a].
Le signal S (n) est un signal de temps discret pour être décomposé en ses versions
approximatives et détaillées en utilisant l’analyse multi-résolution. Les premiers
coefficients de décomposition sont A1 et D1, où A1 est la version approximative du signal
original S (n) et D1 est la représentation détaillée du signal original S (n) qui est défini dans
la figure (II.14)
36
Chapitre II Théorie des ondelettes et leurs applications
Cette opération est appelée l’algorithme de Mallat schématisé par la structure suivante :
A- Décomposition simple :
Dans cet exemple on a fait une décomposition simple d’un signal (lelecum) chargé de
Matlab on observe clairement le signal approximation (gauche) et le signal détail (droite).
37
Chapitre II Théorie des ondelettes et leurs applications
approximation A1 detail D1
550 25
500 20
15
450
10
400
5
350
0
300
-5
250
-10
200
-15
150 -20
100 -25
0 1000 2000 3000 4000 0 1000 2000 3000 4000
Le même signal conserver pour la décomposition multi niveaux la figure II.18 donne les
trois détails et l’approximation du dernier niveau.
approximation A3 detail D1
600 40
20
400
0
200
-20
0 -40
0 1000 2000 3000 4000 0 1000 2000 3000 4000
detail D2 detail D3
40 40
20 20
0 0
-20 -20
-40 -40
0 1000 2000 3000 4000 0 1000 2000 3000 4000
Quand on fait une Comparaison entre le signal original et le signal approximation au niveau
3 en obtient la figure II.19 suivante avec erreur de 2.2737e-013:
38
Chapitre II Théorie des ondelettes et leurs applications
Original
600
500
400
300
200
100
0 500 1000 1500 2000 2500 3000 3500 4000
Level 3 Approximation
600
400
200
0
0 500 1000 1500 2000 2500 3000 3500 4000
39
Chapitre II Théorie des ondelettes et leurs applications
Le paquet d’ondelettes décompose le signal original qui est stationnaire ou non stationnaire
dans des bandes de fréquence indépendantes. Il n'y a aucune information redondante dans
les bandes de fréquence décomposées. C'est une approche efficace d'analyse basée sur la
multi-résolution et peut être proposée comme méthode de diagnostic de défaut. La
transformation en paquet d’ondelettes est une génération de la transformée en ondelettes,
par la définition de deux fonctions suivantes :
W0 t t (II.18)
W1 t t (II.19)
2 N 1
W2 m1 t 2 g n Wm 2t n (II.21)
n 0
40
Chapitre II Théorie des ondelettes et leurs applications
paquet d’ondelettes est classé avec une paire de nombres entiers j, k , où j est le niveau
41
Chapitre II Théorie des ondelettes et leurs applications
10 2000
courant[A]
courant[A]
0 0
-10 -2000
-20 -4000
0 2 4 6 0 2 4 6
Temps[s] Temps[s]
Vitesse Couple
3000 10
Vitesse[tr/mn]
2000
Couple[Nm]
5
1000
0
0
-1000 -5
0 2 4 6 0 2 4 6
Temps[s] Temps[s]
42
Chapitre II Théorie des ondelettes et leurs applications
a b
c d(adjacentes)
Ensuite les figures II.25 et II.26 contient la transformée d’ondelettes continue en trois
dimension en variant l’échelle et le résultat montre bien que la TOC de la figure II.26
donne des informations claires sur la cassure des barres.
Lorsque en voix la première figure II.25 où l’échelle est petite en remarque que les figures
des cinq cas sont toute même presque aux états défaillants sauf bien sur le dernier cas.
Mais après le changement d’échelle on observe dans la figure II.26 la variation dans chaque
cas.
43
Chapitre II Théorie des ondelettes et leurs applications
a b
c d
e f
Figure II.25. La T0C du courant d’une phase statorique (Db7a)
Pour le premier cas (a) c’est l’état sain, le deuxième cas (b) représente cassure d’une seule
barre schématisée par une grande onde après le régime transitoire, le troisième cas (c) est
44
Chapitre II Théorie des ondelettes et leurs applications
représenté par deux ondes qui convient cassure du deux barres adjacentes après le régime
transitoire toujours pour les cas (d et e) la cassure est représenté par 3 ondes successive
espacé pour le cas (d) et symétrique pour (e) et le cas (f) signifie la cassure d’un segment
d’anneau.
a b
c d
e f
Figure II.26. La TOC du courant d’une phase statorique (Db7b)
45
Chapitre II Théorie des ondelettes et leurs applications
barre est faite. Donc à partir de ces résultats en peut dire que la TOC localise bien le défaut
on remarque aussi qu’on a un système défaillant l’intervalle de simulation est augmente
avec l’augmentation de la nombre des barres cassées (te temps de réponse augmente).
Idem pour les figures suivantes on va donné la transformée d’ondelettes continue du
courant statorique a travers d’autre famille d’ondelettes :
a)Ondelette Haar :
a b
c d
e f
Figure II.27. La TOC du courant d’une phase statorique (HAAR)
46
Chapitre II Théorie des ondelettes et leurs applications
a b
c d
e f
Figure II.28. La TOC du courant d’une phase statorique (Mexh)
c) Ondelette Morlet:
47
Chapitre II Théorie des ondelettes et leurs applications
a b
c d
e f
Figure II.29 La TOC du courant d’une phase statorique (Morlet)
Les même essais a été conservé pour la transformée d’ondelettes discrète TOD
48
Chapitre II Théorie des ondelettes et leurs applications
a b
c d
e f
Figure II.30 La TOD du Courant d’une phase statorique (Db7)
L’approche est concentrée sur l'analyse des signaux à niveau élevé de détail (et
d’approximation) résultant de la décomposition en ondelettes, dont les bandes de fréquence
associées sont incluses de 0 jusqu’à la fréquence d'alimentation. La figure II.30 compare
le TOD du courant du démarrage lorsqu'il s'agit de la machine saine (a), de la machine avec
une barre cassée (b), avec deux barres cassées (c), avec trois barres cassées (d et e) et de la
machine avec cassure d’un segment d’anneau (f).
Pour la machine défectueuse, on peut voir comment les signaux à niveau élevé D8, D9,
D10 et A10 varient avec l'évolution de la fréquence gauche de bande : il y a des
49
Chapitre II Théorie des ondelettes et leurs applications
50
CHAPITRE III
III.1 Introduction :
Dans ce chapitre, nous allons essayer de renforcer les bases d'une nouvelle méthodologie dédiée
au diagnostic des processus industriels par estimation paramétrique. Cette technique s'appuie sur
la loi de Bayes qui exige l'adjonction d'une connaissance a priori caractérisant le fonctionnement
sain en association avec une modélisation de la signature du défaut. Nous montrerons l'avantage
d'une telle approche à travers une application sur un moteur asynchrone.
On définit l'identification ou modélisation expérimentale comme la procédure permettant la
détermination de la représentation mathématique (ou modèle) d'un système à partir des résultats
expérimentaux, nous avons l’exploité de la référence [BAC02].
52
Chapitre III Méthode Bayésienne pour le diagnostic
[MEN 99] ont été imaginées afin d'exprimer la sortie du système linéairement par rapport à ses
paramètres (programmation linéaire L.P). Cette propriété de linéarité permet alors d'utiliser la
méthode des moindres carrés dont l'intérêt essentiel est de fournir une expression analytique de
l'estimée des paramètres [LJU 87]. Malheureusement, on démontre que pour tout modèle de L.P
dont le régresseur dépend directement (ou indirectement par filtrage) des valeurs de la sortie, les
résidus sont du type erreur d'équation et en conséquence l'estimateur est biaisé. Une solution à
l'élimination de ce biais est d'utiliser une technique de variable instrumentale à modèle parallèle
simulé [YOU 70, SOD 83], mais cela complique bien sur l'algorithme, et la convergence peut
dans certains cas poser problème. Enfin, comme en général les machines électriques ne se
ramènent pas à des équations différentielles à coefficients constants mais plutôt à des systèmes
différentiels non linéaires, on comprendra que cette méthodologie d'identification ne soit pas
vraiment adaptée au problème envisagé.
Toutefois, ces méthodes ne doivent pas être rejetées. En effet, bien que leurs estimations soient
critiquables, elles sont néanmoins précieuses car elles peuvent servir à initialiser les méthodes à
erreur de sortie. Ce chapitre va donc être dédié à la présentation de la deuxième catégorie
d'algorithmes, du type erreur de sortie.
Dans le cadre du diagnostic, l'application de l'estimation paramétrique a connu un essort certain
ces dernières années [BAC02]. Ainsi, la mise au point d'algorithmes dédiés à l'estimation réaliste
des paramètres physiques, en tenant compte de la connaissance a priori, a permis une avancée
prometteuse du diagnostic par identification paramétrique. Cette méthodologie est
essentiellement basée sur l'hypothèse qu'un défaut se traduit par la variation de l'état paramétrique
du processus.
Le suivi de l'évolution de ses paramètres caractéristiques est donc un excellent moyen pour
réaliser sa surveillance. Cependant, ce postulat peut facilement être mis en défaut par le fait que
cette méthodologie de base n'est pas capable de distinguer une variation paramétrique normale
(éventuellement prévisible) de celle correspondant à un défaut d'apparition aléatoire. En effet, on
s'est rendu compte ces dernières années que les méthodes de surveillance qui reposent sur des
modèles de fonctionnement nominal ne sont pas satisfaisantes, car ces modèles ne prennent pas
en compte la situation de défaut [MOR 99, SCH 99]. D'où l'intérêt de s'orienter vers une
modélisation associant un mode "différentiel" sensible uniquement aux défauts d'apparition
53
Chapitre III Méthode Bayésienne pour le diagnostic
Plusieurs techniques sont utilisées pour obtenir un modèle de sortie linéaire en fonction des
paramètres (P.L), pour que nous puissions utiliser des algorithmes basés sur la méthode Moindre
Carrés (L.S). Le résidu est alors une équation d'erreur, parce que le vecteur
Avantages :
Inconvénients :
L’estimateur de moindre carré est biaisé
Il est nécessaire d'évaluer d'abord le paramètre structurel et calculer ensuite les
54
Chapitre III Méthode Bayésienne pour le diagnostic
Le résidu est une erreur de sortie. L'identification est exécutée en réduisant au minimum le résidu
on utilisant des techniques d'optimisation non linéaires (méthode du Gradient, Newton,
Marquardt …).
Avantages :
Identification non biaisée
Il est possible d'évaluer directement le paramètre physique, qui est possible même si le
modèle n'est pas linéaire dans le paramètre physique (estimé d'abord ̂ et calculer ensuite
ˆ P f 1 ˆ ).
Système non linéaire décrit par équation différentielles non linéaire peut aussi estimé.
Inconvénients :
Algorithme plus complexe que la moindre carré à cause de son non-linéairitée.
La méthodologie générale mise en œuvre, communément appelée méthode du modèle, peut être
symbolisée par la figure (III.1).
55
Chapitre III Méthode Bayésienne pour le diagnostic
bruit
bk
+ y*
Système es k
d esd
+
excitation + εk J
es Critère
uk _ d
es
d Modèle
yk
esd
Algorithme
de P.N.L
Considérons un système décrit par le modèle d'état général d'ordre n décrivant la réponse
y t à l’excitation u t , dépendant du vecteur paramètres .
x g x, , u dim x n
avec (III.1)
y f x, , u
dim N
*
on obtient une simulation yk de la sortie, soit
56
Chapitre III Méthode Bayésienne pour le diagnostic
x g x, , u
(III.2)
y f x ,
,u
On définit l'erreur de prédiction (résidu) notée k entre la sortie réelle yk* et la sortie
simulée
yk .
k yk*
y uk , (III.3)
Avec :
- yk* yk bk mesure de la sortie yk perturbée par un bruit,
- bk perturbation aléatoire,
- k résidu.
K K 2
J
k 1
2
k
k 1
y *
k
f k u, (III.4)
de Programmation Non Linéaire (P.N.L.) [RIC 71]. La valeur optimale du vecteur paramètre
notée opt est obtenue par un algorithme d'optimisation itératif [HIM 72].
L'algorithme de Marquardt [MAR 63] offre un bon compromis entre robustesse et rapidité de
convergence. Les paramètres à estimer sont réactualisés de la manière suivante :
i 1 i ''
J I
'
. J
1
i
(III.5)
Les algorithmes d'erreur de sortie différent surtout par la façon de gérer l'optimisation.
Pour notre part, nous avons opté pour le calcul du gradient par les fonctions de sensibilité
paramétrique. On utilise :
K
J' 2 k k , i : Gradient.
k 1
57
Chapitre III Méthode Bayésienne pour le diagnostic
K
2 k , i . k , i : Hessien dans l'approximation de Gauss Newton
'' T
J
k 1
0 : Paramètre de réglage.
yk
k , : Fonctions de sensibilité paramétrique.
i
i
Cet algorithme, grâce au réglage du paramètre en cours de recherche, permet d'évoluer entre
une technique de gradient loin de l'optimum (alors 1 ) et une technique de Newton
(lorsque 0 ) qui permet d'accélérer la convergence au voisinage de l'optimum.
Cette procédure garantit une convergence robuste, même en présence d'une mauvaise
initialisation de la recherche.
d'identification [RIC 71, TRI 88]. Ce sont les indicateurs essentiels du conditionnement de
l'identification car elles traduisent l'effet d'une variation d'un paramètre sur la sortie du système.
En effet, le développement en série de Taylor du 1 er ordre de la sortie y t autour de l'espace
paramétrique donne :
y t , y t , . k , . (III.6)
Cette expression indique clairement que la variation de la sortie du modèle peut être projetée sur
la base des fonctions de sensibilité, dont les pondérations ne sont autres que la variation de
l'espace paramétrique ( ) [RIC 91]. En fait, au-delà de leur rôle essentiel dans le calcul, ces
fonctions sont l'équivalent des composantes du régresseur dans le cas linéaire par rapport
aux paramètres [MOR 99]. Par conséquent, l'identification devient très sensible au calcul de ces
coefficients.
Il est possible de procéder directement au calcul des fonctions de sensibilité par des méthodes de
dérivation numérique. Néanmoins, ces méthodes présentes l'inconvénient d'être consommatrices
de temps de calcul et surtout génératrices d'erreur systématique due aux approximations [TRI
99]. Il est donc judicieux de résoudre directement le système différentiel qui régit la dynamique
58
Chapitre III Méthode Bayésienne pour le diagnostic
x,
x , x , x ,
1 i N
(III.7)
,
Pour chaque paramètre i on détermine xn , i à partir de l'équation x g x ,u
par intégration du système différentiel suivant :
x g x, , u x g x, , u
x , i (III.8)
i x i i
g x, , u g x, , u
x, x , i (III.9)
i
x i
y f x, , u f x, , u
T
x , i (III.10)
i x i
On obtient alors
59
Chapitre III Méthode Bayésienne pour le diagnostic
A B
x , i A x , i x u
i i
(III.12)
C D
T
y , i C x , i x
T
u
i i
60
Chapitre III Méthode Bayésienne pour le diagnostic
Y * A exp 1
T
P
M 01
2
0 0
(III.14)
T
1
Y Y
*
,U R1
b
Y Y ,U
*
2
Où :
-A : une constante
- 0 : connaissance initiale de
- M 0 : covariance de 0
T
JC
M 01
0 0
J0
T
+ Y Y ,U
*
Rb1 Y Y ,U *
(III.15)
J*
JC J0 J *
quadratique qui introduit une contrainte " élastique " dans la minimisation du critère global J C :
.
de 0
61
Chapitre III Méthode Bayésienne pour le diagnostic
K 2
T
1
JC M 01 2 y
* ,u
yk (III.16)
b
0 0 k
k 1
J0
C 0
b k 1
2
k k
minimisant J , obtenue grâce à l'algorithme de P.N.L. Afin de
Soit C la valeur de C
Pour cela, faisons l'hypothèse que
opt et 0 sont voisins de C , c'est-à-dire que les fonctions
J
1
T
J
JC
C min C
''
C (III.18)
ST
J 2
M 1
0
0
b2
(III.19)
J '' 2 M 1 S S
T
0
b2
Avec :
1T
S
T
K
Lorsqu'on utilise l'algorithme de Newton pour déterminer le minimum de J C à partir de la valeur
initiale 0 , on obtient cet optimum C en une seule itération J C car est une forme quadratique
de Alors :
C 0
J
''
1
J' 0
(III.20)
62
Chapitre III Méthode Bayésienne pour le diagnostic
Avec
J
'
0
2 S T
2
b
Y *
Y 0
Ce qui permet d'écrire explicitement :
1
ST S
C 0 M 01
b2
ST
2
b
Y *
Y 0 (III.21)
1 ST S
Soit Popt où Popt représente la matrice de covariance relative au critère conventionnel
b2
P 1 M 01 Popt
1
(III.22)
C’est-à-dire :
C 0
PS T
2
b
Y *
Y 0 (III.23)
apportée par le jeu de données Y (correspondant à opt ). De plus, compte tenu de (III.22),
*
L'approche Bayésienne est confortée par l'interprétation du type Filtre de Kalman que l'on peut
aussi rapprocher d'une interprétation de type régularisation .Malheureusement, cette
interprétation est mise en défaut dans le cas de l'estimation des paramètres physiques à partir d'un
modèle de complexité réduite.
63
Chapitre III Méthode Bayésienne pour le diagnostic
On constate en effet que la perturbation de sortie bk n'est pas véritablement aléatoire mais
y f k uk , opt
K
On notera que J opt
*
k tient compte à la fois du bruit bk et de
k 1
b2 S T S 1 .
Popt
J
ST S
T J
opt opt opt
b
2
b
2
b2
Soit finalement :
T T
JC
M 01
1
Popt opt K
0 0 opt
0 et opt , dont l'ouverture respective est caractérisée par M 0 et Popt . J C est donc un
unique paraboloïde, centré en C , tel que [MOR 99] :
M opt
1
C 0
M 0 Popt
1 1
0 Popt
1
0
1
( C est le barycentre de 0 et opt ) et dont l'ouverture est conditionnée par M C , telle que :
T
Soit J C C
M C1 C J C C
64
Chapitre III Méthode Bayésienne pour le diagnostic
Lorsque 0 et opt sont voisins, le critère J C est plus convexe que le critère conventionnel et
précédents.
Par ailleurs, si l'estimation opt est mal sensibilisée, c'est-à-dire si l'optimum est très plat, alors
l'optimum global C sera attiré par 0 qui joue dans ce cas le rôle d'une force de rappel
"élastique " (et d'autant plus que le paraboloïde J 0 est " refermé").
65
Chapitre III Méthode Bayésienne pour le diagnostic
Par ailleurs, il est important de signaler que les matrices de covariance de 0 et du bruit peuvent
être considérablement simplifiées, sans nuire notablement aux propriétés de cette technique.
Ainsi, la matrice M 0 peut avantageusement se réduire à une forme diagonale, au besoin en
surestimant la valeur de chaque variance, comme on le verra dans les paragraphes consacrés aux
applications. D'autre part, la matrice de covariance du bruit peut se réduire à un seul coefficient
constitué par la variance de la perturbation, ce qui est plus particulièrement justifié lorsqu'on est
en présence d'erreur de modélisation.
III.5.3. Choix de l’information a priori :
lorsque la matrice d'information est proche de la singularité, synonyme d'une excitation pauvre.
Deux situations différentes peuvent être envisagées pour le choix de 0 et M 0 [TRI 99,
MOR99].
Si on dispose d'une connaissance au préalable, disponible soit par une expérimentation
élémentaire (essais électrotechniques conventionnels dans le cas des machines électriques) ou par
des données constructeur (paramètres électriques, incertitude, etc.), il serait judicieux de
construire notre information a priori à partir de cette base.
Cependant, il est indispensable de prendre quelques précautions quant à l'utilisation de ces
données issues généralement d'une expérimentation en régime stationnaire, éventuellement non
compatible avec le domaine de validité du modèle choisi. Il est donc préférable d'ajuster cette
connaissance par des estimations spécifiques selon le mode de fonctionnement.
En pratique, il est préférable de construire l'information a priori en partie par la connaissance
physique et par des estimations préalables. Plusieurs acquisitions de données correspondant à
différents modes de fonctionnement sont donc nécessaires.
En effet, afin de construire les intervalles d'incertitude, il faut envisager l'ensemble des situations
susceptibles de faire varier les paramètres (changement normal dans l'état du procédé).
Au chapitre précèdent, nous avons proposé une méthodologie de diagnostic générale ainsi que
des modèles de défaut de la machine asynchrone à cage d'écureuil. Dans ce chapitre, nous
66
Chapitre III Méthode Bayésienne pour le diagnostic
La procédure de diagnostic peut être présentée par l’organigramme suivant. Cette procédure
sera appliquée par la suite pour l’étude de l’état de notre moteur.
b(t)
y(t)
Processus y* (t)
u(t)
y* (t)
Modèle
M
Estimation
paramétrique
Génération de signaux
potentiellement Détermination des
variations de
indicateurs de défaut
Tests statistiques
Diagnostic
Localisation
67
Chapitre III Méthode Bayésienne pour le diagnostic
Pour expliquer cette procédure du diagnostic en va appliquer le à notre modèle d’état du moteur
asynchrone.
III.6.2. Estimation de la machine saine :
Dans ce paragraphe, on se propose d'illustrer l'application des techniques du type erreur de sortie
avec information a priori au cas de la machine asynchrone "saine" en régime dynamique.Dans un
premier temps, il est nécessaire de préciser le modèle de la machine utilisée pour l'estimation
paramétrique. On présente ensuite l'identification de ce modèle à partir des données
expérimentales [BAC02] avec le type d'algorithme présentée au paragraphe précédent.
68
Chapitre III Méthode Bayésienne pour le diagnostic
Avec
T
x ids iqs dr qr : Vecteur d’état.
U ds ids
u , y : entrée et sortie de la machine.
U qs iqs
Rs Rr R
L 0 r
Lm L f
Lf 1
f
0
T
R Rr R L
f 1 0
0 s r 0
Lf Lf Lm L f , B 0 1 1
A ,C
R L f 0 0
Rr 0 r 0 0
Lm 0 0
0 Rr
Rr
0 0
Lm
En résumé ce modèle est linéaire d’ordre 4 utilisé pour notre diagnostic pour l’estimation des
paramètres Rs , Rr , Lm , L f .
Notons en plus que le modèle est celui d’une machine asynchrone à cage.
Le système est multivariable, à deux entrées U ds etU qs et à deux sorties ids et iqs On définit
l'erreur d'estimation (résidu d'identification noté ds sur l'axe d et qs sur l'axe q) entre la sortie
*
réelle (courants mesurés i dqs ) et la sortie simulée (estimée) i dqs par :
*
dsk i d sk i d sk
*
(III.27)
q i d i d
sk sk sk
* *
Où i d sk et i qsk sont des mesures échantillonnées à la période Te = 0.7ms ( t kTe , k variant de 1 à
K =6429 points). Les courants estimées i d sk et i qsk représentent la simulation du modèle sur la base
69
Chapitre III Méthode Bayésienne pour le diagnostic
Rs Rr Lm L f
On se propose d'estimer ces paramètres avec information a priori, constituée sur une moyenne de
dix enregistrements préalables pour différentes températures (correspondant à la connaissance du
fonctionnement «sain» de la machine Pour cela, on va minimiser le critère composite suivant :
K 2
T
1
JC M 01 2 y
* ,u
yk (III.28)
b
0 0 k
k 1
J0
Avec
Rs 0 9.81
R
3.83
r0
0
Lm 0 0.436
L f 0 0.0762
R2s 0 0 0 2.10-3 0 0 0
0 R2s 0 0 0 2.10-4 0 0
M0
0 0 L2 0 0 0 6.10-7 0
m
L2m 0 10
-7
0 0 0 0 0
b2 0.0639
On minimise J C par l'algorithme de Marquardt.
On peut constater sur le tableau (Tab.III.1) que les estimations sont beaucoup plus proches aux
estimations du vecteur 0 .On note aussi que les estimations des résistances sont légèrement
70
Chapitre III Méthode Bayésienne pour le diagnostic
La figure (III.4) représente, l'évolution des paramètres en fonction des itérations : il est évident
que l'adjonction de l'information a priori a nettement accéléré la convergence de l'algorithme
(deux fois plus rapide que le critère simple) [BAC02].
Rs Rr
9.855 3.83
9.85
3.825
9.845
9.84 3.82
9.835
Rs
Rr
3.815
9.83
9.825 3.81
9.82
3.805
9.815
9.81 3.8
0 5 10 15 20 25 0 5 10 15 20 25
iterations iterations
Lm Lf
0.4365 0.0763
0.0762
0.436
0.0761
0.4355
0.076
Lm
Lf
0.0759
0.435
0.0758
0.4345
0.0757
0.434 0.0756
0 5 10 15 20 25 0 5 10 15 20 25
iterations iterations
71
Chapitre III Méthode Bayésienne pour le diagnostic
différents essais. En effet, on constate des disparités entre leur estimation, au contraire des
paramètres rotorique Rr et Lm qui sont quasiment voisins. Ce même constat a été établi dans
[MOR 99]. En fait, ce sont vraisemblablement les paramètres rotoriques qui sont les mieux
sensibilisés par le protocole d'excitation.
On représente à la figure (III.4) l'évolution de en fonction des itérations pour un essai à
moyenne charge en 20 itérations.
L’algorithme converge vers l'optimum. La figure (III.5) représente la comparaison entre le
courant mesurée ids* et son estimée i ds , on constate la bonne concordance de l'estimation du
courant avec le courant réel. Après un transitoire de simulation (environ 50 ms), le résidu
d'identification devient négligeable et ne dépasse pas 0.8 A.
réel
estmé
10
5
Courant [A]
-5
-10
72
Chapitre III Méthode Bayésienne pour le diagnostic
0.06
0.04
0.02
erreur du Courant [A]
-0.02
-0.04
-0.06
-0.08
0 1000 2000 3000 4000 5000 6000 7000
échantillons [s]
Dans la section suivante on va élargir notre étude, avec cette même philosophie, mais pour les cas
défaillant.
Un modèle de défaut rotorique paramétrée par les 6 coefficients Rs Rr Lm L f 0 0 est exposé
en annexe B. En prenant les mêmes variables d'état que précédemment, la représentation d'état de
ce modèle est proche du modèle classique de Park, seule l'expression de la résistance rotorique
dans la matrice de transition est modifiée :
x t A( ) x t Bu t
(III.29)
y t C x t
Avec
T
x ids iqs dr qr : Vecteur d’état.
T T
u U ds U qs , y ids iqs : entrée et sortie de la machine.
73
Chapitre III Méthode Bayésienne pour le diagnostic
L'angle de défaut 0 permet la localisation de la barre cassée au rotor à l'aide d'un capteur absolu.
Afin d'obtenir sa valeur pour chaque essai, il est nécessaire d'introduire ce paramètre dans le
vecteur et pouvoir ainsi l'identifier.
Le choix de cet angle de défaut est primordial lors de la procédure de diagnostic. En effet, ce
paramètre conditionne la direction de l'anomalie au rotor. En cherchant le taux de défaut 0 sur
une barre donnée, il est important d'indiquer la bonne direction de recherche. En plus, lorsqu'un
défaut sur plusieurs barres apparaît, il est évident que la recherche sur un seul axe ne peut plus
expliquer un tel déséquilibre. Il faut donc introduire autant de directions de recherche que de
nombre de barres en défaut (Figure. III.6).
En pratique, il est impossible de connaître au préalable le nombre de barres en défaut. Une
solution naturelle consisterait à identifier un modèle avec nb directions de recherche (où nb est le
74
Chapitre III Méthode Bayésienne pour le diagnostic
nombre de barres).Il faudrait dédier à chaque encoche rotorique un paramètre 0k afin de
quantifier le taux de défaut dans chacune d'elles, ce qui aurait pour effet d'augmenter
considérablement le nombre de paramètres à estimer, et donc de fausser l’estimation
paramétrique. Cette solution est donc irréaliste en pratique. Une solution moins contraignante
consiste à procéder par étapes élémentaires :
1. On identifie la machine avec un modèle comportant un seul quadripôle de défaut, la
recherche du taux de défaut se fera donc sur une seule barre (un seul axe de recherche).
T
On définit le vecteur des paramètres à estimer : Rs Rr Lm L f 0 0
On calcule le nombre de barres cassées nbc correspondant au taux de défaut sur l'axe de recherche
repéré par l'angle 0 :
Si le nombre de barres cassées nbc est négligeable, alors le rotor est sain. Si le nombre de barres
cassées nbc est proche de l'unité, alors le rotor comporte au moins un défaut dans une barre.
2. Si nbc 1 , alors le rotor comporte plus d'une barre cassée.
On introduit dans modèle deux paramètres 01 et 02 correspondant respectivement au taux de
défaut sur deux axes de recherche repérés par les angles 01 et 02 On définit alors nouveau
T
vecteur des paramètres à estimer : Rs Rr Lm L f 01 02 01 02
On calcule les paramètres nbck correspondant aux taux de défaut sur les deux barres
3. Ce processus est réitéré si nbck > 1.
Même si les angles de défaut ne permettent pas la localisation des barres cassées en absence d'un
capteur absolu, ils permettent néanmoins de connaitre leur répartition au rotor. En effet, en
situation de défaut sur deux barres, l'estimation de deux angles de défaut 01 et 02 permet d'avoir
75
Chapitre III Méthode Bayésienne pour le diagnostic
b 2 , alors le nombre des axes choisis est égal au nombre réel de barres en défaut
Si
2
b
modélisation.
Remarque : En application industrielle, il est évident que la simple détection d'une barre cassée
est suffisante pour envisager soit le changement du rotor dans le cas des petites et moyennes
puissances, soit sa réparation pour les grandes puissances. Dans ce cas, le diagnostic sur un seul
axe est suffisant pour une maintenance prédictive de la machine. En plus, les fabricants de
moteurs électriques (Moteurs Leroy Somer) sont plus intéressés par un diagnostic en sortie de
chaîne de fabrication afin de détecter la présence d'anomalies dans les barres (bulles d'air),
synonyme d'une mauvaise phase de coulage de l'aluminium. Il est donc inutile, en pratique, de
réitérer le processus de recherche du nombre de barres cassées. C'est donc uniquement dans un
souci académique et de vérification de notre méthode que ce processus itératif est envisagé.
Avec un rotor possédant une barre cassée, trois essais ont été réalisés avec des conditions
expérimentales différentes pour montrer l'influence du mode de fonctionnement de la machine. Il
est évident que plus on charge la machine sollicitant ainsi le rotor, plus l'information "rupture de
barres" se manifeste fortement. D'ailleurs il est impossible jusqu' à présent d'envisager la
détection de défaut rotorique par analyse spectrale sans charger la machine (à vide), car les
fréquences parasites sont proportionnelles au glissement de la machine [ABE 99, BAG 97]. Nous
avons testé la procédure de diagnostic en présence d'une barre cassée dans les trois situations
suivantes :
1.Essai à vide
2. Essai en moyenne charge (puissance absorbée 520 Watts)
3. Essai en pleine charge (puissance absorbée 900 Watts)
76
Chapitre III Méthode Bayésienne pour le diagnostic
Les trois modes de fonctionnement ont été effectués à température normale (35°C). nous
remplacerons directement le paramètre 0 par le nombre de barres cassées correspondant nbc .
Le tableau (Tab.III.2) présente les résultats d'identification pour une moyenne de dix
enregistrements différents. En premier, on peut remarquer que les paramètres électriques du
mode commun sont peu affectés par le défaut. Leurs variations dans l'ensemble des situations
sont négligeables.
En revanche, l'estimation du paramètre nbc indique la présence d'un déséquilibre au rotor.
Malgré l'initialisation à zéro de ce paramètre, le nombre de barres cassées estimé est proche de
l'unité sur l'ensemble des essais. On peut constater que plus le rotor est sollicité, plus l'estimation
est proche de la réalité, mettant ainsi l'accent sur l'importance de la charge lors du diagnostic des
défauts rotorique. Par conséquent, il est nécessaire pour une meilleure estimation du nombre de
barres cassées de charger suffisamment la machine.
L f 0.0762
0.0768 0.0770 0.0772
b 0.0663
2
0.0920 0.0789 0.0778
Cependant, si l'application ne le permet pas, les essais à vide peuvent malgré tout nous donner
une approximation suffisante et satisfaisante du taux de défaut.
On peut remarquer aussi, que le nombre de barres estimé n'excède pas l'unité. Il n'est donc pas
nécessaire de réitérer le processus sur deux axes de recherche. En plus, l'estimation de la variance
77
Chapitre III Méthode Bayésienne pour le diagnostic
pour les deux types d'excitation est proche de sa valeur initiale ce qui permet de conclure quant
au bon choix du modèle, et par conséquent du nombre d'axes de défaut.
Rs Rr
9.81 3.848
9.8 3.846
9.79 3.844
9.78 3.842
9.77 3.84
Rr
Rs
9.76 3.838
9.75 3.836
9.74 3.834
9.73 3.832
3.83
9.72 0 5 10 15 20 25
0 5 10 15 20 25
iterations iterations
Lm Lf
0.4365 0.077
0.436 0.0769
0.0768
0.4355
0.0767
0.435
Lm
Lf
0.0766
0.4345
0.0765
0.434
0.0764
0.4335 0.0763
0.433 0.0762
0 5 10 15 20 25 0 5 10 15 20 25
iterations iterations
nbc th0
1.001 0.4189
1 0.4189
0.4189
0.999
0.4188
0.998
0.4188
th0
nbc
0.997
0.4188
0.996
0.4188
0.995 0.4188
0.994 0.4188
0.993 0.4188
0 5 10 15 20 25 0 5 10 15 20 25
iterations iterations
78
Chapitre III Méthode Bayésienne pour le diagnostic
réel
Courants statoriques ids réel et ids estimé
estmé
2.5
1.5
10 1
0.5
Courant [A]
0
-0.5
-1
-1.5
-2
-2.5
1000 1005 1010 1015 1020 1025 1030 1035 1040 1045
Temps [s]
5
Courant [A]
-5
-10
0.06
0.04
0.02
erreur du Courant [A]
-0.02
-0.04
-0.06
-0.08
0 1000 2000 3000 4000 5000 6000 7000
échantillons [s]
Pour la rupture de plusieurs barres au rotor, on peut envisager les situations suivantes :
2
1. Rotor avec deux barres cassées successives
28
79
Chapitre III Méthode Bayésienne pour le diagnostic
2. Rotor avec deux barres cassées décalées d'un angle
2.8
Pour ces essais, on se propose d'appliquer l'organigramme présenté précédemment pour obtenir le
nombre des barres cassées ainsi que l'angle qui les sépare.
Il s'agit dans un premier lieu d'estimer comme précédemment le vecteur des paramètres suivants :
T
Rs Rr Lm L f 0 0 .
L f 0.0762 0.0759
L f 0.0762 0.0758
b 0.0639 b 0.0639
2 2
0.0319 0.1053
Les résultats de l'identification font apparaître sur l'ensemble des essais l'existence d'une
défaillance au rotor. Il parait clair que le taux de défaut sur un seul axe est supérieur à l'unité. Par
conséquent, le nombre de barres en défaut est supérieur à une barre. De plus, on remarque que le
nombre de barres cassées estimé lorsque les défauts sont successifs (essai 1) est plus important
que pour des défauts décalés (essais 2). En fait, l'estimation paramétrique explique le déséquilibre
présent dans la machine en projetant les défauts sur un seul axe. Ainsi, plus les barres en défaut
sont proches l'une de l'autre, plus le taux de défaut estimé est important. Dans le cas particulier où
80
Chapitre III Méthode Bayésienne pour le diagnostic
les défauts sont successifs, le nombre de barres cassées estimé sur un seul axe est
approximativement proche de la réalité.
b2 :
D'ailleurs ceci se manifeste clairement sur la valeur de l'estimation de la variance
b2 et sa
Lorsque les barres cassées sont successives (essai 1), l'écart entre la variance estimée
valeur initiale b2 est de l'ordre de 50 %.
En fait, pour un défaut de deux barres successives, la projection sur un seul axe est adaptée à
l'explication du défaut. Lorsque les barres sont non successives (essais 2), la variation maximale
de l'estimation de la variance est de l'ordre de 160 %., mettant ainsi en évidence une importante
erreur de modélisation. Pour ce genre de défaut, il faut donc réitérer le processus sur un nombre
d'axes plus élevés.
Comme l'estimation paramétrique précédente a détecté plus d'une barre cassée, il est donc
nécessaire d'effectuer une nouvelle identification en augmentant le nombre de directions de
défaut. On écrit l'expression du nouveau vecteur des paramètres à estimer :
T
Rs Rr Lm L f 01 02 01 02
On rapporte sur le tableau (III.4) les estimations des paramètres électriques et le taux de défaut
sur chaque axe ainsi que le décalage angulaire.
81
Chapitre III Méthode Bayésienne pour le diagnostic
b 0.0639 0.0368
b 0.0639 0.1171
2 2
2* 0.2244 0.2842
28 2.8
La rupture de deux barres au rotor se manifeste sur les deux axes de défaut par un taux de défaut
proche de l'unité. En effet, pour l'ensemble des essais les taux de barres cassées nbc1 et nbc 2
indiquent l'existence d'un déséquilibre sur les deux directions de défaut. Dans les essais 1 et 2, les
paramètres électriques sont peu affectés par le défaut. On a vu que sur un seul axe de défaut, la
b2 était importante. En revanche, comme le montre le
variation de l'estimation de la variance
b2 est proche de sa valeur initiale (0.0639). Ceci est une indication
tableau (III.4), l'estimation
quant au bon choix du nombre de directions de recherche.
Du fait de l'absence d'un capteur absolu, les angles 01 et 02 sont différents d'un essai à l'autre. Ils
ne permettent donc pas une localisation des barres cassées. Par contre, l'angle permet de
connaitre le décalage angulaire entre les deux barres en défaut. D'après l'estimation de cet écart,
on peut conclure que le rotor dans l'essai 1 possède deux barres successives, alors que les barres
cassées dans l’essai 2.
D’après les résultats de simulation trouvée au chapitre deux et dans ce chapitre on va faire une
comparaison entre les deux méthodes
82
Chapitre III Méthode Bayésienne pour le diagnostic
paramétrique.
Diagnostic est basé sur l'analyse des signaux à Les algorithmes de type erreur d'équation ont
niveau élevé obtenus à partir de la été abandonnés car ils sont biaisés et beaucoup
décomposition en ondelettes (discrète) du trop sensibles aux perturbations stochastiques
signal du courant statorique a donné une image et aux erreurs de modélisation mais le LAII a
réelle sur les différents défauts rotoriques de montré que l'adjonction d'une information a
la machine asynchrone à cage. ainsi la priori en erreur de sortie, grâce à un critère
transformé d’ondelettes continue en trois composite, permet d'introduire une
dimension a menée à des résultats très connaissance initiale, relative à la machine
significatifs en terme de défauts saine par exemple, et ainsi d'accélérer et de
robustifier la convergence de l'algorithme de
Programmation Non Linéaire. (P.N.L)
Elles nous permettent d'effectuer une analyse l'un des objectifs les plus importants, dans le
robuste et mènent à une multitude cadre du diagnostic, concerne la mise au point
d'applications. Contrairement à la transformée de modèles mathématiques réellement
de Fourier à court terme, la transformée en représentatifs d'un fonctionnement en défaut.
ondelettes fait appel à la notion de temps-
échelle impliquant des fenêtres d'analyse de
longueurs dynamiques.
En modélisation orientée vers le diagnostic, il En modélisation orientée vers le diagnostic, il
est essentiel d'envisager deux modes ; un mode est essentiel d'envisager deux modes ; un mode
commun et un mode différentiel. commun et un mode différentiel.
Le mode commun doit correspondre au Le mode commun doit correspondre au
modèle dynamique de la machine modèle dynamique de la machine
asynchrone. Exprimé dans un repère asynchrone. Exprimé dans un repère
triphasé ou biphasé, il traduit le triphasé ou biphasé, il traduit le
fonctionnement sain de la machine. fonctionnement sain de la machine.
Le mode différentiel a pour objectif de Le mode différentiel a pour objectif de
traduire le dysfonctionnement traduire le dysfonctionnement
et ses paramètres doivent être essentiellement et ses paramètres doivent être
sensibles au défaut essentiellement sensibles au défaut
83
Chapitre III Méthode Bayésienne pour le diagnostic
III.8 Conclusion :
Dans ce chapitre, nous avons proposé une procédure de détection et de localisation des défauts
sur la machine asynchrone basée sur l'estimation paramétrique et sur l'utilisation de modèles
dédiés aux défauts statoriques et rotoriques. Cette procédure de diagnostic a été validée à partir
de défauts expérimentaux réels, dans les deux principaux modes de fonctionnement envisagés
Elle a permis la localisation et la quantification le nombre de barres cassées au rotor, Ceci est dû
à la puissance de l'algorithme d'identification avec information a priori et au modèle global de
défauts permettant d'expliquer un déséquilibre au rotor de la machine.
84
CONCLUSIONS GENERALES &
PERSPECTIVES
Conclusions générales et perspectives
Pour aborder l'étude, nous avons établi un état de l'art des défauts pouvant intervenir dans la
machine asynchrone et des méthodes classiques permettant de les identifier. Ce travail
préliminaire a mis en évidence deux catégories d’approches en vue du diagnostic spécifique de la
machine asynchrone :
La première est basée sur la transformée en ondelettes et divisé en deux sections : transformé
d’ondelettes continue et transformée d’ondelettes discrète pour le diagnostic des défauts de
rupture des barres rotoriques et rupture des portions d’anneaux de court-circuit
La transformée en ondelettes continue est faite en trois dimensions (Temps échelle
Amplitude).
La transformée d’ondelettes discrète est basée sur l'analyse des signaux à niveau
élevé obtenus a partir de la décomposition en ondelettes du signal du courant
statorique. Elle est concentrée sur l'étude des signaux d'approximation et de détail
résultants de la décomposition en multi-niveau qui contiennent les informations des
défauts. Ces signaux permettent la détection de l'évolution des harmoniques
caractéristiques liées à la rupture pendant le fonctionnement en charge. Une
particularité de la technique des ondelettes, la détection de la non-stationnarité dans un
signal est exploitée à travers une décomposition du courant statorique lors de cassure
des barres et cassure d’un segment d’anneau.
85
Conclusions générales et perspectives
asynchrone à cage. A travers cet objectif, la modélisation des défauts statoriques et rotoriques de
la machine asynchrone ainsi que l'application des algorithmes récursifs dans le diagnostic des
défauts ont été considérés.
En ce qui conçerne le moteur asynchrone, il est évident qu’il y a beaucoup de points à traiter,
d’autre défauts plus complexes comme un court circuit entre les spires et défauts d’excentricité
devront être bien traités.
86
Conclusions générales et perspectives
Les approches proposées, basées sur la transformée en ondelettes discrète du signal, peuvent être
prolongées pour le diagnostic et la discrimination entre d'autres types de défauts dans les
machines électriques.
La prise en compte des pertes fer devient nécessaire, pour éviter que celles-ci se reportent sur les
paramètres résistifs faussant l'estimation paramétrique. Un modèle décrivant les courants de
Foucault dans les tôles magnétiques devient nécessaire.
87
ANNEXE A
ANNEXE A Modèle multi- enroulement de la MAS à cage
A.1 Introduction :
L'étude et la mise au point des méthodes de diagnostic des machines électriques nécessitent
l’aménagement d’un environnement expérimental riche. En effet, les méthodes élaborées
doivent être testées pour diverses conditions de fonctionnement et pour des machines de
caractéristiques différentes ce qui est rarement possible en pratique ; c'est pour cette raison
que la modélisation et la simulation des machines électriques constituent une étape
primordiale en matière du diagnostic. Elles permettent la compréhension du fonctionnement
défectueux et la vérification, sur un prototype virtuel, des algorithmes de détection et de
localisation des défauts.
Elles permettent aussi, de construire des bases de données sur les manifestations électriques et
magnétiques des défauts. Il est important donc, de synthétiser un modèle adapté au problème
à traiter, décrivant le comportement de la machine non pas de la façon moyenne, comme pour
la commande, mais d'une façon la plus fine possible. [ABE99]
Pour obtenir le modèle d'un système ; trois tâches doivent être accomplies :
Choisir le modèle ;
Vérifier sa validité.
La modélisation décrite dans cette annexe, à pour objet de simuler la rupture de barres ou de
portions d'anneaux de court-circuit pour une machine asynchrone à cage. Pour ce faire nous
avons choit un modèle basé sur un circuit maillé représentant la cage rotorique car il s’adapte
bien au problème posé puisque il décrit chaque élément de la cage par un circuit électrique
équivalent [KHA09].
L'objectif est avant tout de posséder un modèle de la machine asynchrone qui met en évidence
l'influence des défauts étudiés sur les grandeurs mesurables de la machine (courants, vitesse,
couple, …), afin d'étudier les phénomènes mise en jeu.
Pour ce faire, on va modéliser le rotor de la machine par des mailles reliées entre elles
électriquement et couplées magnétiquement, afin de disposer d'un modèle mathématique où
88
ANNEXE A Modèle multi- enroulement de la MAS à cage
Pour mettre en évidence l’influence des défauts électriques sur les grandeurs temporelles de la
machine asynchrone, il est indispensable de poser certaines hypothèses qui ont pour but de
faciliter la mise en équations des circuits électriques de la machine. Mais, il faut imposer un
minimum d’hypothèses si nous voulons que le vecteur de sortie soit le plus exploitable
possible.
Circuit magnétique linéaire (la perméabilité du fer très grande devant 1).
Avec ces hypothèses et on supposant un stator sain les différents paramètres du modèle sont
comme suit [KHA09].
En premier temps, on suppose que les enroulements statoriques sont idéalement distribués
autour du périphérique de l'entrefer de telle sorte que l'induction résultante puisse être
sinusoïdale, dans ce cas l'expression de la FMM sera [BEL06] :
2 Ns Is
F ( ) cos( ) (A.1)
p
D'après le théorème d'Ampère on peut écrire :
N I
Hdl ps s
F ( ) (A.2)
89
ANNEXE A Modèle multi- enroulement de la MAS à cage
2 0 N s I s
Bs ( ) cos( ) (A.3)
e p
Par conséquent, le flux magnétique dans l'entrefer est obtenu par l'intégration de l'expression
(A.3)
2p
s Bs dS Bs Rl d
S
2p
On obtient :
4 0 N s R l
s Is (A.4)
e p2
Le flux total traversant l’enroulement de la phase « a » est :
2 0 N s R l
2p
sa N ss N s I s
e p2 cos( p ) d (A.5)
2p
Donc :
sa Lsp I s
4 0 N s2 R l
Lsp Lms (A.6)
e p2
Le flux de fuite est donné par :
fs L fs I s (A.7)
Puisque les enroulements statoriques sont symétriques, les inductances propres des trois
phases sont considérées égaux Las Lbs Lcs Ls
La figure A-1 illustre la modélisation du rotor par un schéma électrique équivalent, le rotor a
était décomposer en circuit élémentaire (mailles) constituer de deux barres et de deux portions
90
ANNEXE A Modèle multi- enroulement de la MAS à cage
d’anneaux les reliant à chaque extrémité. Cette topologie de circuits rotoriques nous permettra
d’envisager la rupture de n’importe quelle barre ou de portion d’anneau.
Figure A.2: Induction magnétique produite par une maille du rotor. [ALL09]
91
ANNEXE A Modèle multi- enroulement de la MAS à cage
Nr 1 2 R l
rpk 0 I rk (A.10)
Nr 2 e
L’inductance propre d’une boucle rotorique est :
N 1 2
Lrp r 2 0 Rl (A.11)
Nr e
L’inductance totale de la k eme maille rotorique est égale à la somme de son inductance
principale, des inductances de fuite des deux barres et des inductances de fuites de deux
portions d’anneaux de court circuit fermant la maille k
Lrr Lrp 2 Lb 2 Le (A.12)
Les mailles rotoriques sont magnétiquement couplées par l’intermédiaire du flux rotorique
d’entrefer, le flux traversant la j eme maille produit par le courant I rk circulant dans la maille k
1 2 0
Mrr Rl (A.14)
N r2 e
L’induction produite par la bobine de la phase « n » dans la k eme maille rotorique est donnée
par :
2 0 N s I s 2
Bmsr cos p n (A.15)
e p 3
Avec n= (1, 2,3)
Le flux traversant la maille k, est donné par :
( k 1) a
rk a
ka
Bmsr R l d
On obtient :
92
ANNEXE A Modèle multi- enroulement de la MAS à cage
( k 1) a k 1a
2 1 2
rk a Bmsr R l d 0 N s RlI s sin p n (A.16)
ka
ep p 3 ka
L’inductance mutuelle entre la phase « a » du stator et la maille rotorique est :
2
M rk a M sr cos p n k a (A.17)
3
40 N s Rl a 2
Avec M sr sin , a p
ep 2
2 Nr
Le tableau (A.1), résume les expressions des déférentes inductances de la machine asynchrone
à cage qu'on a l'utiliser [KHA09].
INDUCTANCES EXPRESSIONS
40 N s2 Rl
L'inductance principale d'une phase statorique. Lsp Lms
e p 2
Lsp
L'inductance mutuelle entre phases statoriques. Ms
2
L'inductance totale d'une phase statorique. Lsa Lbs Lcs Ls Lsp Lsf
Nr 1 2
L'inductance principale d'une maille rotorique Lrp 0 Rl
N2 e
93
ANNEXE A Modèle multi- enroulement de la MAS à cage
d
Vabc Rs I abc abc
dt (A.18)
abc Ls I abc M sr I rk
Avec :
I rk I r 0
T
I R1 ... I rk ... I r ( Nr 1) , vecteur de courants dans les mailles rotoriques.
rs O 0
Rs 0 rs 0 (A.19)
0 0 rs
Las Ms Ms
Ls Ms Las Ms (A.20)
Ms Ms Las
Où : K 0,1, 2,..., Nr 1
Sachant que :
I ek I rk I e
I bk I rk I r ( k 1)
L'équation de tension pour une maille ' k ' de la cage rotorique est donnée par :
R R d
Rbk I r ( k 1) 2 e Rb ( k 1) Rbk I rk Rbk I r ( k 1) e I e rk 0 (A.22)
Nr Nr dt
Avec :
L
Nr 1
L
rk Lrp 2 Lb 2 e I rk M rr I rg Lb I r k 1 I r k 1 e I e
Nr j 0 Nr
(A.23)
2 4
Lsr cos r ka cos r ka cos r ka I abc
3 3
Cependant on doit compléter le système d'équations des circuits du rotor par celle de l'anneau
de court-circuit, on a alors :
Nr 1 Nr 1
Re Le d d
Nr
I rk
k 0 Nr
dt I
k 0
rk Re Le Le
dt
Ie 0 (A.24)
95
ANNEXE A Modèle multi- enroulement de la MAS à cage
d I d L
V R I L I (A.25)
dt dt
Avec :
trois tensions statoriques et les Nr tensions des mailles rotoriques ainsi que la tension de
l'anneau de court-circuit.
I I a
T
Ib Ic Ir 0 I r1 ... I rk .... I r ( k 1) I e , vecteur global des courants N r 4 , il
contient les trois courants statoriques et les N r courants des mailles rotoriques, ainsi que le
courant de l'anneau de court-circuit.
Rs 33 03N
r 1
R ... ... , matrice globale des résistances.
0
Nr 13 Rr Nr1Nr1
Avec :
96
ANNEXE A Modèle multi- enroulement de la MAS à cage
Ls 33 M sr 3 N
r 1
Le Re
Lrp 2 Lrb 2 N M rr Lb M rr Rr ( Nr 1)
Nr
r
Le
M rr Lb Lrp 2 Lrb 2
Nr
M rr Lb M rr
Lr (A.27)
Le R
Rr ( Nr 1) M rr Rr ( Nr 1) Lrp 2 Lrb 2 e
Nr Nr
Re
R
e Re
Nr Nr
d M sr
0
d L
dt
..... ..... , dérivée de la matrice globale des inductances.
dt
d M sr
t
dt 0
1
cos( ) sin( )
2
2 1 2 2
P( ) cos( ) sin( ) (A.28)
3 2 3 3
1 4 4
cos( ) sin( )
2 3 3
97
ANNEXE A Modèle multi- enroulement de la MAS à cage
P 0
T ..... ..... (A.29)
0 1Nr1 Nr1
T
Sachant que :
3
Vds Vm cos(s r )t
2
Avec : (A.30)
V 3
Vm sin(s r )t
qs 2
d T I tr d L
T Vtr RT Itr L T Itr
1
(A.31)
dt dt
1 d T 1 d L d I
Vtr
T R T T L T T Itr
T L T tr
1 1
(A.32)
dt dt dt
A
B C D
P 1 R P 0
s
A T R T ............................. ....
1
(A.33)
O 0
d P
P Ls 0
1
d T
dt
B T L
1
............................. .... (A.34)
dt
T d
P
M sr dt
0
98
ANNEXE A Modèle multi- enroulement de la MAS à cage
1 d M sr
0 P
1 d T
dt
C T T ............................. ........................... (A.35)
dt
d P
M sr 0
T
dt
P 1 L P P 1 M
s sr
D T L T ............................. ...........................
1
(A.36)
M sr P Lr
T
Ltr et Rtr sont les matrices globales des inductances et des résistances obtenues après la
transformation de Park.
99
ANNEXE A Modèle multi- enroulement de la MAS à cage
Ls 2M s 0 0 0 0 0 0
0 Ls M s 0
3
Lsr
3
Lsr cos(a)
3
Lsr cos(( Nr 1)a) 0
2 2 2
0 0 Ls M s 0
3
Lsr sin(a)
3
Lsr sin(( Nr 1)a) 0
2 2
............ .......... ............ ........ .................. ............. .......... .......................... ...
3 Le L e
0 Lsr 0 Lrp 2Lb 2 Mrr Lb M rr M rr Lb
2 Nr Nr
0 3
Lsr cos(a)
3
Lsr sin(a) Mrr Lb
Le
Lrp 2Lb 2M rr Lb M rr
2 2 Nr
3 3 Le Le
0 Lsr cos(( Nr 1)a) Lsr sin(( Nr 1)a) M rr Lb M rr M rr Lb Lrp 2Lb 2
2 2 Nr Nr
............ ................... ...................... ............. ...................... .............. .............. ...........................
0 Le Le
0 0 Le
Nr Nr
La matrice Rtr est donnée par :
rs 0 0 0 0 0 0
0 rs r ( M Ls ) 0 r L
3
rL
3
sin(( N r 1) a )
sin( a ) 0
s sr sr
2 2
3 3 3
0 r ( Ls M s ) rs rL
sr
rL
sr
cos( a ) rL
sr
cos(( N r 1) a ) 0
2 2 2
0 0 R R 2
R
e
R R
R
e
N
0 0
b 0 b ( N r 1) b0 b ( N r 1)
N
r r
R R R 2
R
e
R
0 0
b ( k 1) bk b ( k 1) bk
N
r
0 0 R R R 2
R
e
R
e
0 0 R
b ( N r 1) b ( N r 2) b ( N r 1) b ( N r 2)
Nr Nr
0 0 R
e
R
e
0 Re
Nr Nr
100
ANNEXE A Modèle multi- enroulement de la MAS à cage
A ces équations, on ajoute les équations électromécaniques afin d'avoir la vitesse électrique de
rotation et la position r du rotor.
d 1
m (Ce Cr k0m ) (A.38)
dt J
d
r r (A.39)
dt
Il faut d'abord, trouver les expressions des composantes biphasées ds, qs et du flux
statorique.
On a :
(A.40)
kr 0 1 M sr Lr 0 1 I kr
T
I kr
(A.41)
kr M sr P
T
Lr
( L 2M ) I
0s s s 0s
3 Nr 1
ds ( Ls M s ) I ds Lsr I rk cos(ka ) (A.42)
2 k 0
3 Nr 1
ds ( Ls M s ) I qs Lsr I rk sin(ka )
2 k 0
Or, pour un moteur alimenté par une source triphasée, la puissance instantanée s'écrit :
Ps (t ) Vacb I abc
T
P V0 dqs P I 0 dqs
T
(A.43)
T
VOdqs I 0 dqs
Les équations de tensions dans un repère lié au rotor sont données par :
101
ANNEXE A Modèle multi- enroulement de la MAS à cage
d ds
Vds rs I ds r qs
dt
¨ (A.44)
V r I d qs
r ds
qs s qs dt
d ds d qs
Psa (t ) rs ( I ds2 I qs2 ) I ds I qs r ( ds I qs qs I ds ) (A.45)
dt dt
3 Nr 1 N r 1
Ce PLsr I qs I rk cos(ka) ids I rk sin(ka) (A.47)
2 k 0 k 0
Le type de défaut que nous étudions est la rupture d’une ou plusieurs barres rotoriques ou de
portions d’anneaux de court-circuit. Le circuit électrique rotorique donné à la figure (A.3)
doit être reconsidéré pour permettre la prise en compte du défaut rotorique dans le modèle de
la machine. La figure (A.4) représente le schéma des deux cas : état sain et en présence d’une
barre cassée.
102
ANNEXE A Modèle multi- enroulement de la MAS à cage
La simulation de ce type de défaillance peut être en utilisant deux méthodes différentes, le but
étant d’annuler le courant qui traverse la barre incriminée.
En effet, la suppression d’une barre de la cage nous donne des matrices Rr et Lr de rang
De plus, la simulation d’une barre partiellement cassée (barre fissurée de moitié par exemple)
ne peut pas être envisagée si nous utilisons la première méthode de modélisation alors qu’elle
est tout à fait faisable avec la seconde [KHA09].
A.5 Conclusion :
Nous avons utilisé un modèle multi enroulement qui tient compte de la structure du rotor. Le
choix d’un tel modèle est imposé par l’objectif de pouvoir simuler une rupture de barre ou de
portion d’anneaux de court-circuit au rotor. Pour cela, nous avons représenté toutes les
équations des barres et les portions d’anneaux du rotor.
103
ANNEXE B
ANNEXE B Modèle d’état de défaut de la MAS à cage
B.1 Introduction :
L'hypothèse fondamentale pour la surveillance d'un système par un suivi paramétrique est
qu'un défaut se traduit par la variation d'un (ou plusieurs) paramètre(s) caractéristique(s) du
système, constituant ainsi la signature de ce défaut. Intuitivement, diagnostiquer un défaut
revient donc à réaliser un suivi des paramètres d'un modèle de fonctionnement normal.
(Modèle de Park par exemple pour la machine asynchrone) et la simple variation
paramétrique [MOR 99, DUR 99] est une indication de la présence d'un défaut.
En fait, ce postulat peut facilement être mis en défaut par le fait que cette méthodologie de
base n'est pas capable de distinguer une variation paramétrique normale (due à un changement
dans l'état de la machine) de celle correspondant à un défaut d'apparition aléatoire. Il est
évident qu'un défaut a tendance à modifier le modèle normal, allant dans certains cas jusqu'à
modifier sa structure, mais presque toujours en introduisant une erreur de modélisation.
D'après [MOR 99, SCH 99], il paraît clair que l'utilisation de modèles simplifiés s'avère
inadaptée dans le cadre du diagnostic. D'où l'intérêt d'introduire des modes dans le modèle de
fonctionnement normal, sensibles uniquement au défaut.
Comme nous l'avons déjà signalé, la méthodologie de surveillance présentée précédemment
fait appel à une étude du comportement de la machine en régime défectueux. La
caractérisation des fonctionnements défaillants constitue ainsi une étape essentielle pour la
modélisation physique des défauts.
La machine asynchrone présente en plus d'un comportement dynamique conventionnel, un
comportement dû au défaut. Ainsi, notre étude consiste à élaborer des modèles permettant le
découplage des deux modes ; le mode commun qui n'est autre que le modèle dynamique de la
machine asynchrone. Ce mode, exprimé dans le repère triphasé ou dans le repère de Park et
paramétrisé par les composants électriques de la machine, est l'image du comportement de la
machine saine. Pour tenir compte du défaut, il faut cependant introduire le mode différentiel
104
ANNEXE B Modèle d’état de défaut de la MAS à cage
Dans le cadre du diagnostic, la mise au point d'un modèle est surtout motivée par les
possibilités de simuler des défauts. [ABE 99, MAK 97, VAS 94] proposent une modélisation
La figure (B.1) illustre la modélisation conventionnelle du rotor par dipôles élémentaires avec
une barre cassée [ABE 99, MAN 96].
105
ANNEXE B Modèle d’état de défaut de la MAS à cage
On a considéré qu'une rupture de barre rotorique est à l'origine d'un champ H 0 stationnaire par
rapport au rotor (ou plutôt d'une anomalie de champ, stationnaire par rapport au rotor) [BAC
02]. On suppose que le rotor en défaut est équivalent à un rotor sain, auquel on a adjoint un
bobinage supplémentaire parcouru par un courant fictif i0 de défaut.
Une panne au rotor est donc équivalente à un déséquilibre de champ traduit par un bobinage
en court-circuit, du fait de la cage d'écureuil, et dont le nombre de spires fictives est
proportionnel au taux de défaut. Pour tenir compte de cette anomalie de champ, ce bobinage
doit obligatoirement avoir la même direction que la barre en défaut. Par conséquent, le mode
différentiel introduit comporte deux paramètres de défaut permettant la détection et la
localisation des barres cassées :
1-L'angle électrique noté 0 repérant le "bobinage"en défaut par rapport à l'axe d (axe de
l'encoche rotorique dont le courant induit est en phase avec la première phase statorique). Ce
paramètre permet la localisation de la barre en défaut.
2-Le rapport de défaut noté 0 égal au rapport du nombre de spires en défaut sur le nombre
total de spires dans une phase triphasée rotorique fictive sans défaut.
Ce paramètre permet de quantifier le déséquilibre et d'obtenir le nombre de barres cassées. Le
nombre de spires au rotor étant fictif, pour un rotor de nb barres, si on considère une spire
rotorique comme étant une maille constituée de deux barres court-circuitées par deux portions
d'anneaux [ABE 99, BAC 01a], alors le nombre total de spires rotoriques est égal au nombre
nb
de barres au rotor. Une phase fictive est constituée donc de barres. Pour nbc barres cassées
3
sur une phase, l'expression du rapport de défaut 0 est donnée par :
3nbc
0 (B.1)
nb
Remarque : On pourrait se poser des questions quant à la validité de la relation (B.1) dans
le cas d'un rotor à cage. En fait, cette expression permet un passage simple du rotor à cage au
rotor bobiné et traduit tout simplement une relation de proportionnalité entre le nombre de
barres cassées nbc et le taux de défaut au rotor.
Les équations de tension et de flux de la bobine en défaut B0 exprimées dans le repère biphasé
106
ANNEXE B Modèle d’état de défaut de la MAS à cage
d0
0 0 Rr i0 (B.2)
dt
magnétique H 0 stationnaire par rapport au rotor et dirigé selon l'axe 0 . Ce champ magnétique
est à l'origine du flux 0 . En projetant i0 et 0 sur les axes d et q de Park, on leur associe les
vecteurs stationnaires :
cos 0 cos 0
i dq 0 i0 , dq 0 0
sin 0 sin 0
Les relations (B.2) et (B.3) deviennent des relations entre des vecteurs stationnaires par
rapport au rotor. Ainsi, dans le repère rotorique, l'ensemble des équations de la machine au
stator, au rotor et au bobinage B0 est donné par :
d
U dqs RS i dqs dqs P dqs (B.5)
dt 2
2
dqs L f i dqs Lm i dqs i dqr 0 i dqo (B.6)
3
d
0 Lm i dqr (B.7)
dt dqr
107
ANNEXE B Modèle d’état de défaut de la MAS à cage
Par analogie avec l'étude du schéma équivalent ramené au primaire des transformateurs, les
équations de flux de la machine asynchrone en défaut rotorique deviennent :
~
dqs dqf dqm L f i dqs Lm i dqs i dqr i dqo (B.11)
108
ANNEXE B Modèle d’état de défaut de la MAS à cage
matrice résistance de défaut Rdéfaut . La figure (B.3) illustre le schéma équivalent de la machine
asynchrone avec défaut rotorique en régime dynamique avec fuite ramenée au stator
On pourrait se poser des questions quant au rôle de la matrice résistance Rdéfaut dans
1 0
Rr Rr
0 1
cos 0 2
cos 0 sin 0
Rdéfaut Rr
1 cos sin sin 0
2
0 0
109
ANNEXE B Modèle d’état de défaut de la MAS à cage
On peut constater que la résistance de défaut, au contraire de la résistance saine, est non
équilibrée (i.e : non diagonale dont les termes sur la diagonale sont différents) et possède des
termes de couplage. Ainsi, l'introduction de cette matrice dans le schéma équivalent modifie
entièrement la structure de la machine. Lorsque la machine est saine donc( 0 ), la
résistance Rdéfaut devient nulle ce qui revient à court-circuiter le quadripôle de défaut. Le
un déséquilibre dans les grandeurs rotoriques ainsi que des termes de couplage sur les deux
axes d et q du rotor. Par conséquent, de nouvelles composantes dont la pulsation est
proportionnelle au glissement de la machine sont introduites, et se retrouvent de ce fait dans
les courants statoriques, traduisant ainsi un déséquilibre rotorique.
L'angle 0 permet d'effectuer un repérage absolu du bobinage en défaut par rapport à l'axe d
(Figure B.1) En effet, les courants réels induits dans les encoches rotoriques étant nb phases,
l'angle 0 est donc fixé par la position initiale du rotor par rapport au stator.
Pour localiser une barre cassée, il faut donc imposer au rotor une référence (un top zéro) qui
permet de repérer les barres selon l'angle 0 : il suffit pour cela d'effectuer la mesure de la
position du rotor grâce à un capteur absolu.
Nous avons montré qu'un défaut rotorique en régime stationnaire est à l'origine de nouvelles
composantes de fréquences 1 2kg f s dans le courant statorique, qui induisent des
oscillations du couple [ABE 99, DID 01]. Ainsi, pour valider le modèle de défaut rotorique de
la machine asynchrone, il suffit de comparer les résultats expérimentaux aux résultats issus de
la simulation de ce modèle. Il s'agit donc de simuler le modèle de défaut en régime
stationnaire (tensions sinusoïdales) en présence de rupture de barres au rotor.
Le système global simulé est obtenu en introduisant l'équation électromécanique de la
machine Ainsi, la machine asynchrone en défaut de rupture de barre peut être décrite par le
système d'équations différentielles :
x t A( ) x t Bu t (B.17)
110
ANNEXE B Modèle d’état de défaut de la MAS à cage
y t C x t (B.18)
Avec
T
x ids iqs dr qr : Vecteur d’état.
T T
u U ds U qs , y ids iqs : entrée et sortie de la machine.
On excite la machine avec une entrée sinusoïdale U s et en régime établi, on introduit une
rupture d'une barre. La simulation nous permet d'obtenir le vecteur des courants statoriques is .
Sur le banc expérimental de 1.1 kW selon le référence [BAC02], on remplace le rotor sain par
un rotor avec une barre cassée. Le défaut est obtenu en trouant une encoche rotorique à l'aide
d'une perceuse.
B.4 Conclusion :
111
ANNEXE C
ANNEXE C Paramètres des moteurs utilisés
Pour nos expérimentations, nous avons utilisé une machine LS90 de 1.1 kW à deux paires de
pôles, conçue par Moteurs Leroy Somer pour les besoins expérimentaux.
Ses caractéristiques détaillées sont données par la table suivante :
112
ANNEXE C Paramètres des moteurs utilisés
113
BIBLIOGRAPHIE
Bibliographie
[ABE 99] A. Abed, L. Baghli, H. Razik & A. Rezzoug, Modelling induction motors for diagnosis
purposes, EPE'99, Lausanne, Suisse, pp. 1-8, September 1999.
[ABE 02] A. Abed, Contribution à l'étude et au diagnostic de la machine asynchrone Thèse de
doctorat, Université de Henri Poincaré, Nancy-I, France, 2002.
[ALL09] A.Allal.Grandeurs non invasives pour le diagnostic des machines électriques. Thèse de
Magister .Université Ferhat Abbas de Sétif .Algérie 2009.
[AYA07]. M. Ayad, D. Chikouche Application de la transformée en ondelette à l'analyse des
signaux vibratoires d'un système d'engrenage en vue d'un diagnostic précoce,
4th International Conference on Computer Integrated Manufacturing CIP’2007.
[BAC 02a] S. Bachir, Contribution au diagnostic de la machine asynchrone par estimation
paramétrique. Thèse de doctorat , Université de Poitiers . France 2002.
[BAC 02b] S. Bachir, G. Champenois, S. Tnani, Jean-C. Trigeassou and S. Moreau. Une
méthodologie de diagnostic basé sur l’approche Bayésienne : Application à la machine
asynchrone à vitesse constante. CIFA'02, Nantes, France, pp.447-452, 8-10 Juillet 2002.
[BAC 06] S. Bachir, S. Tnani, Jean-C. Trigeassou and G. Champenois, Diagnosis by Parameter
Estimation of Stator and Rotor Faults Occurring in Induction Machines IEEE transactions on
industrial electronics,vol.53,no.3,june 2006.
[BAG 97] L. Baghli, L. Hein, H. Razik & A. Rezzoug, Modelling rotor cage induction motors for
default detection, IEEE International SDEMPED'97, Carry-le-Rouet, France, pp. 41-47,
Septembre 1997.
[BEL06] S.BEL. Diagnostic des défauts dans les moteurs asynchrones triphasés à cage. Thèse de
Magister .Université Mohamed Boudiaf de M’sila Algérie 2006.
[BOU08a] A.Bouzida .diagnostic de défauts de la machine asynchrone à cage par la technique
des ondelettes. Thèse de Magister .Ecole Nationale Polytechnique d’Alger. Algérie 2008
[BOU10b] A. Bouzida, O. Touhami, R. Ibtiouen, A. Belouchrani, M. Fadel and A. Rezzoug.
Fault Diagnosis in Industrial Induction Machines through Discrete Wavelet Transform. 2010
IEEE.
[DEM03]. J. Demaeyer, M. Bebronne et S. Forthomme, Les Ondelettes:L’Analyse de Fourier
Département de physique faculté des sciences, printemps des sciences 2003.
[HIM 72] D. M. Himmelblau, Applied non linear programming, Mc Graw Hill, USA, 1972.
Bibliographie
[KHA99] A.Khatir. Etude comparative des modèles des machines asynchrones utilisés en
diagnostic des défauts .Thèse de Magister .Université Ferhat Abbas de Sétif .Algérie 2009.
[LJU 87] L. Ljung, System identification : Theory for the user, Prentice Hall, New Jersey, USA,
1987.
[MAR 63] D. W. Marquardt, An algorithm for least-squares estimation of non linear
parameters, Journal of Soc. Indust. Appl. Math. VOL.11, N° 02, pp. 431-441, 1963.
[MEN 99] M. Mensler, Analyse et étude comparative de méthodes d'identification des systèmes
à représentation continue. Développement d'une boîte à outil logicielle, Thèse de doctorat,
Université de Nancy I, France, 1999.
[MIS10] M. Misiti. Y. Misiti. G. Oppenheim. J. M. Poggi. Wavelet Toolbox for Use with
MATLAB 2010.
[MOR 99] S. Moreau, Contribution à la modélisation et à l'estimation paramétrique des machines
électriques à courant alternatif : Application au diagnostic, Thèse de doctorat, Université de
Poitiers, France, 1999
[PER05] V .Perrier Idée de la base Application de la théorie des ondelettes, Laboratoire de
Modélisation et Calcul de l’IMAG Institut National Polytechnique de Grenoble 2005.
[POL94] R. Polikar. The story of wavelet, Department of Electrical & Computer Engineering
Rowan University 1994.
[RIC 91] J. Richalet, Pratique de l'identification, Hermès, Paris, 1991.
[SCH 92] C. Schauder, Adaptive speed identification for vector control of induction motors
without rotational transducers, IEEE Trans. on Industriels Applications, VOL.28, NO. 05,pp.
1054-1061, 1992.
[SOD 83] T. Soderstrom & P. Stroica, Instrumental variable methods for system identification,
Springer Verlag, Berlin, 1983.
[TEC 09] .Technique de l’ingénieur 2009.
[TRI 88] J. C. Trigeassou, Recherche de modèles expérimentaux assistée par ordinateur,
Technique et Documentation Lavoisier, Paris 1988.
[TRI 99] J. C. Trigeassou, J. P. Gaubert, S. Moreau & T. Poinot, Modélisation et identification
en génie électrique à partir de résultats expérimentaux, Journées 3EI'99, Supelec Gif-sur-Yvette,
Mars 1999.
Bibliographie
[WAL 94] R. F. Walliser & C. F. Landy, Determination of interbar currents in the detection of
broken rotor bars in squirrel cage induction motors, IEEE Transactions on Energy Conversion,
VOL. 09, NO. 1, pp. 152-158, mars 1994
[YOU 70] P. C. Young, An instrumental variable method for real-time identification of
a noisy process, Automatica, VOL. 06, pp. 271-287, 1970
Résumé :
Dans ce mémoire nous avons utilisé techniques des ondelettes et Bayésienne dans le but du
diagnostic des machines asynchrones à cage d’écureuil. La première technique qui offre une analyse
très fine des signaux unidimensionnels et bidimensionnels à travers une transformée d’ondelettes
continue et décomposition en ondelettes discrètes, et la deuxième s'appuie sur une modélisation de la
signature de défauts en associant un mode commun (modèle sain) et un mode différentiel (de défaut :
cassure des barres et cassure d’un segment d’anneau) et sur une méthodologie d'estimation
paramétrique permettant l'adjonction de l'expertise de l'utilisateur.
Ces deux technique sont performée à l’environnement Matlab, les résultats obtenus ont montré
l’efficacité de ces technique dans la détection des défauts électriques rotoriques même la détection de
la non-stationnarité dans la première. Ainsi extraire les informations nécessaires à partir du courant
moteur de la machine pour la deuxième.
Mots clés : cassure des barres, modélisation de la machine asynchrone à cage, technique des
ondelettes, information a priori, méthode Bayésienne.
Abstract:
In this thesis we used techniques of wavelet and Bayesian with the aim of the diagnosis of the
induction machines with squirrel cage. The first technique which offers a very fine analysis of the one
dimensional and two-dimensional signals through one transformed by continues wavelet and
decomposition by discreet wavelet, and the second approach on a modelling of the signature defects
by associating a common mode (healthy model) and a differential mode (of defect: broken bars and
broken segment of ring) and it is methodology of paramétrique estimation allowing the addition of the
expertise of the user.
This two technique are performed in Matlab environment, the obtained results showed the efficiency
of these techniques in the detection of the electric defects rotoriques even the detection of non-
stationnarité in the first one. So extract the necessary information from the common engine of the
machine for the second.
Keywords: Broken bars, modelling induction machine with squirrel cage, wavelet technique and
Bayesian method.
: ملخص
ايذمٍٕح.فً هز ٖ اٌّزوشج لّٕا تا سرخذاَ ذمًٕذا اٌّىٌداخ واٌثاٌضٌح تهذف ذشخٍض أعطاب اَ الخ اٌغٍش ِرىالرح راخ اإلطاس اٌّىطىي
أِا، األوٌى ذرٍح إخشاء ذحًٍٍ دلٍك خذ ا يإلشاساخ راخ تعذ و راخ تعذٌٓ عثشخحىيي اٌّىٌداخ ايِسرّش و ذحًٍٍ اٌّىٌداخ اٌّرمطع
ِٓ اٌثأً فرشذىض عٍى اٌشتظ تٍٓ ذىلٍعا إٌّىرج اٌعاَ (اٌسٍٍُ) و إٌّىرج اٌّعطىب( عطب ذىسٍش اٌمضثاْ وعطة لطع ششٌحح
ج اٌرمٍٕح
إٌرائحMatlab هاذاْ اٌرمٍٕراْ ذُ إٔداصهّا فً تشِدٍح.ٍِٓق ) بطشٌمح ذسّح ترمذٌش اٌّعطٍا خ ورٌه تإضافح خثشاخ اٌّسرخذ
اٌحًج
ًٌ وتاٌرا،اٌّحمك أثثرد وفاءج هزٖ اٌرمٍٕح فً اٌىشف عٓ اٌعٍىب اٌىهشتائٍح فً اٌّحشن و وزا وشف اإلشاساخ غٍش اٌثاترح فً األوٌى
ج
.اسرخالص اٌّعٍىِاخ اٌالصِح ِٓ خالي ذٍاس ِحشن اٌّاوٍٕح
ذمًٕ اٌثاٌضٌح ج،ْ ذىسٍش اٌمضثا:الكلمات الرئيسية
ج، ّٔىرج اَ الخ اٌغٍش ِرىالرح راخ اإلطاس اٌّىطىي،ذمًٕ اٌّىٌداخ