Please use this identifier to cite or link to this item: http://archives.univ-biskra.dz/handle/123456789/24570
Full metadata record
DC FieldValueLanguage
dc.contributor.authorHARZELLI, Imadeddine-
dc.date.accessioned2023-04-18T08:42:08Z-
dc.date.available2023-04-18T08:42:08Z-
dc.date.issued2020-10-22-
dc.identifier.urihttp://archives.univ-biskra.dz/handle/123456789/24570-
dc.description.abstractCe travail de thèse est une contribution à l’approche de surveillance des défauts et à la commande par linéarisation entrée-sortie du moteur asynchrone dans un entraînement en boucle fermée. Trois types de défauts sont pris en compte dans la machine: cassures de barres, court - circuits entre spires dans les enroulements statoriques et l’excentricité statique du rotor. L’approche est conçue pour détecter et identifier les défauts simples et mixtes pendant le fonctionnement de la machine en utilisant des techniques avancées. A cette fin, deux procédures sont appliquées à la surveillance des défauts : - la stratégie basée sur le modèle avec connaissance à priori, qui génère des résidus de vitesse rotorique et du courant statorique via la technique de génération des résidus pour indiquer la présence de défaut au moyen d’un observateur à grand gain dans l’entraînement en boucle fermée. Cependant, cette stratégie n’est pas en mesure de reconnaître le type de défauts, car elle peut être affectée par les perturbations, - la stratégie basée sur des techniques avancées à savoir les réseaux de neurones (RN) et le réseau neuro - flou (MANFIS) qui sont appliqués afin d'identifier et classer ces défauts. Néanmoins, les techniques avancées ont besoin d’une base de données pertinente pour obtenir des résultats satisfaisants. L’analyse du courant statorique, basée sur la combinaison HFFT de la transformée de Hilbert (TH) et de la transformée de Fourier rapide (FFT), est donc appliquée pour extraire les amplitudes des raies et les utiliser comme données d’entrées pour les réseaux RN et MANFIS. Les résultats obtenus montrent l'efficacité du système de surveillance des défauts et sa capacité à détecter et classer pratiquement toutes les défaillances mineures dans un entrainement à base d’un moteur asynchrone.en_US
dc.description.sponsorshipUniversité Mohamed Khider - Biskraen_US
dc.language.isofren_US
dc.publisherUniversité Mohamed Khider - Biskraen_US
dc.subjectRéseau de neurones (RN) ; réseaux neuro-flou (MANFIS) ; Transformation de Hilbert (TH).en_US
dc.subjectMoteur asynchroneen_US
dc.subjectCommande par linéarisation entrée-sortie ; Surveillance des défautsen_US
dc.subjectgénération des résidusen_US
dc.titleContrôle non linéaire de la machine asynchrone en vue du diagnostic des défauts en utilisant des techniques avancées.en_US
dc.typeThesisen_US
Appears in Collections:Département de Génie Electrique

Files in This Item:
File Description SizeFormat 
these_doctorat_harzelli_imadeddine_final_2020.pdf8,33 MBAdobe PDFView/Open


Items in DSpace are protected by copyright, with all rights reserved, unless otherwise indicated.