ACCUEIL

Consignes aux
auteurs et coordonnateurs
Nos règles d'éthique
Auteurs : soumettez
votre article en ligne
Autres revues >>
European Journal of Electrical Engineering
2103-3641
Revue des Systèmes
Revue Internationale de Génie électrique (1295-490X)
 

 ARTICLE VOL 9/2-3 - 2006  - pp.299-331  - doi:10.3166/rige.9.299-331
TITRE
Diagnostic évolutif par reconnaissance des formes. Application aux machines asynchrones

RÉSUMÉ
Cet article présente l'utilisation d'une méthode de reconnaissance des formes pour assurer le suivi et le diagnostic d'un système. Pour l'illustrer, nous avons utilisé comme application, un moteur asynchrone 5,5 kW à cage d'écureuil, notamment pour la détection de barres cassées, en fonction du niveau de charge. A partir de mesures réalisées sur le système, des paramètres sont calculés. Ces paramètres sont utilisés pour construire un vecteur forme qui sera considéré comme la signature du système. Pour déterminer ce vecteur forme, deux méthodes sont appliquées, l'une, assez connue, Sequential Backward Selection (SBS) et l'autre, que nous avons développé, basée sur une approche génétique, présentant l'avantage de choisir la meilleure dimension de l'espace de représentation. L'algorithme de décision est basé sur la règle des k-plus proches voisins, enrichi d'un suivi de l'évolution du système à l'aide de trajectoire permettant alors un diagnostic non seulement des états définis dans l'ensemble d'apprentissage, mais aussi des états intermédiaires.


ABSTRACT
In this paper, a pattern recognition method is used to provide the tracking and the diagnosis of a system. To illustrate it, we used as application, a 5.5 kW squirrel-cage asynchronous motor, in particular for the detection of broken bars, under any level of load. From measurements carried out on the system, parameters are calculated. These parameters are used to build up a pattern vector which is considered as the system signature. To determine this pattern vector, two methods are applied. One, well-known, Sequential Backward Selection (SBS) and the other, which we developed, based on a genetic approach, with the advantage to determine the optimal dimension of the representation space. The decision phase is based on the "k-nearest neighbors" rule, associated with an evolution tracking of system using trajectory allowing a diagnosis not only of states defined in the training set, but also of the intermediate states.


AUTEUR(S)
Olivier ONDEL, Emmanuel BOUTLEUX, Guy CLERC

MOTS-CLÉS
diagnostic, reconnaissance des formes, k-ppv, évolution, actualisation de la connaissance.

KEYWORDS
diagnosis, pattern recognition, k-nn, evolution tracking, knowledge updating.

LANGUE DE L'ARTICLE
Français

 PRIX
• Abonné (hors accès direct) : 12.5 €
• Non abonné : 25.0 €
|
|
--> Tous les articles sont dans un format PDF protégé par tatouage 
   
ACCÉDER A L'ARTICLE COMPLET  (1,47 Mo)



Mot de passe oublié ?

ABONNEZ-VOUS !

CONTACTS
Comité de
rédaction
Conditions
générales de vente

 English version >> 
made by WAW Lavoisier