Depot Institutionnel de l'UMBB >
Thèses de Doctorat et Mémoires de Magister >
Génie Mécaniques >
Doctorat >
Veuillez utiliser cette adresse pour citer ce document :
http://dlibrary.univ-boumerdes.dz:8080/handle/123456789/7272
|
Titre: | Pronostic de l’usure des outils de coupe à l’aide des techniques de l’intelligence artificielle |
Auteur(s): | Laddada, Sofiane Si-Chaib, Mohammed Ouali(Directeur de thèse) |
Mots-clés: | Intelligence artificielle Surveillance de l’état des outils Signal de vibrations |
Date de publication: | 2021 |
Editeur: | Université M'Hamed Bougara : Faculté de Technologie |
Résumé: | Dans l’industrie, l’exigence de compétitivité conduit les entreprises manufacturières
à surveiller d’une manière fiable et précise les conditions de fabrication
des produits essentiellement celles liées à l’obtention des pièces complexes par
enlèvement de matière. Dans ce type d’usinage, l’usure de l’outil de coupe est
l’un des facteurs les plus critiques affectant la qualité des surfaces de pièces usinées,
les tolérances géométriques imposées et la tenue de l’outil dans le temps.
Le développement d’un système de surveillance fiable de précision avec une
productivité optimale est un intérêt économique important afin d’être capable
de faire un suivi en ligne des machines-outils pour réduire les temps d’arrêt,
éviter les bris des machines et des dommages aux pièces. Dans cet esprit, la
thèse porte sur le diagnostic et pronostic de défaillance de composant critique
comme "l’usure des outils de coupe" pour estimer à tout instant leur état de
santé, détecter les signes précurseurs de l’initiation d’une dégradation et prédire
son état futur utile au calcul de la durée de vie restante (Remaining Useful
Life : RUL).
Dans ce cadre, cette étude est basée sur l’approche pronostic orientée données
recueillies par les capteurs d’émission acoustique et de vibrations. Le travail se
fait en deux phases principales, une phase d’apprentissage (hors ligne) et une
phase d’exploitation ou de test (en ligne). Dans la première phase, les signaux
bruts sont traités par la transformée en ondelettes pour extraire les caractéristiques
pertinentes relevant du phénomène de dégradation subi par l’outil de
coupe. Ces caractéristiques sont ensuite directement utilisées ou réduits pour
établir des modèles obtenus par la machine d’apprentissage extrême améliorée
(IELM) et les systèmes d’inférence neuro floue (ANFIS) capables de fournir
une information sur les différents états de santé du composant durant son utilisation.
Dans la deuxième phase, le modèle appris est exploité pour identifier
l’état actuel du composant et estimer son RUL.
Les méthodes proposées ont été appliquées aux données du monde réel recueillies
au cours de plusieurs coupes d’usinage d’une machine-outil à commande
numérique (CNC) |
Description: | 118 p. : ill. ; 30 cm |
URI/URL: | http://dlibrary.univ-boumerdes.dz:8080/handle/123456789/7272 |
Collection(s) : | Doctorat Doctorat
|
Fichier(s) constituant ce document :
Il n'y a pas de fichiers associés à ce document.
|
Tous les documents dans DSpace sont protégés par copyright, avec tous droits réservés.
|