E-diagnostic de processus physiques à base des méthodes de haute résolution

Abstract

L’expansion des systèmes utilisant des capteurs intelligents a incité l’étude d’E-diagnostic de processus physiques à base des méthodes de haute résolution. Le contrôle automatisé des machines éoliennes modernes nécessite la maintenance proactive. On a proposé plusieurs indicateurs mesurant le niveau de performance d’un protocole d’acheminement sans fil des paquets de données vers la station de supervision. Une étude de conception d’un système de diagnostic IESRCM permettant la surveillance locale ou à distance des machines indiquées est réalisée. Une comparaison a été effectuée pour apprécier les performances de ce système lors de son intégration avec les modules sans fil GPRS ou Wi-Max. Les résultats obtenus avec simulation sous Proteus ISIS et OPNET ont favorisé l’incorporation du module Wi-Max dans le système proposé en raison de ses avantages par rapport au GPRS. Les méthodes d’estimation spectrale à haute résolution sont efficacement utilisées pour la détection de défauts électromécaniques d’éoliennes. Devant la diversité de ces méthodes, une investigation de chaque algorithme à part est réalisée avec un signal composite du courant statorique contenant plusieurs types de défauts et sous un environnement différemment bruité. On a déduit à cet égard que la précision de l’estimation spectrale dépend du degré de perturbation du signal, du niveau de sévérité d’un défaut, de la fréquence d’échantillonnage et du nombre d’échantillons de données. La comparaison avec simulation sous Matlab qu’on a effectuée entre ces algorithmes a prouvé la supériorité de l’algorithme ESPRIT. Cependant, cet algorithme présente un temps de calcul relativement grand et demande une taille mémoire importante pour être exécuté. Pour contourner cet obstacle, on a proposé une amélioration de la technique ESPRIT-TLS pour la rendre applicable en temps réel. Une nouvelle version est développée dans cette thèse intitulée Fast-ESPRIT. L’élaboration envisagée est effectuée en combinant la technique de filtrage passe bande récursif IIR de Yule-Walker et la technique de décimation. L’évaluation de la technique proposée dans la détection de quatre types de défauts d’une éolienne est réalisée. L’analyse des résultats obtenus confirme que l’algorithme Fast- ESPRIT offre une précision spectrale très satisfaisante dans la discrimination des harmoniques des défauts étudiés. On a abouti à une complexité réduite avec un rapport admissible, à une réduction de l’espace mémoire requis pour son exécution 5 fois inférieur et à la diminution du temps de calcul d’environ 14,25 fois moins. Cette méthode offre une meilleure résolution même en présence d’un nombre important d’harmoniques de défauts différents. Cependant, cette nouvelle méthode présente quelques limitations puisqu’elle ne permet pas de reconnaitre le type et le niveau de sévérité d’un défaut détecté. On a donc proposé une autre approche de contrôle en temps réel. Celle-ci combine la méthode Fast-ESPRIT développée, l’algorithme de classification de défauts intitulé CAFH et un système d’inférence flou interconnecté aux capteurs de vibration localisés sur les différentes composantes d’éolienne. Un nouvel indicateur du niveau de sévérité de chaque type de défaut a été formulé. Il permet d’éviter les alarmes inutiles. La simulation sous Matlab de cette approche avec quatre types de défaillances en présence d’un bruit montre qu’elle offre une meilleure robustesse dans la classification des défauts.