Classification des défauts mécaniques par les machines à vecteurs de support (SVM).Application aux machines tournantes

Cet article presente l’utilisation de la methode des machines a vecteurs de support SVM (en anglais. Support Vector Machine) pour le diagnostic et la classification des defauts des machines tournantes. La classification par SVM utilise le concept de discrimination par apprentissage machine qui s’appuie sur la notion de generalisation a partir d’un ensemble de donnees. Le choix des parametres de classification, tels que le principe de vaste marge, fonction Kernel ainsi que l’hyperplan jouent un role important pour une bonne separation des donnees et l’aboutissement a des taux de classification adequats. La separation a ete developpee, et appliquee en utilisant des indicateurs temporels et frequentiels obtenus a partir des signaux vibratoires recueillis a partir d’un banc d’essai installe au niveau de « L’unite de recherche appliquee en siderurgie metallurgie URASM-CRTI Annaba». Les signaux acquis correspondent a deux modes de fonctionnements; fonctionnement sain et fonctionnement defectueux materialise par des defauts d’engrenage et de balourd. L’application de la technique proposee sur des signaux de vibration reels a montre son efficacite en termes de separation et de classification multi-defauts.