Table des matières
INTRODUCTION ET PRESÉNTATION DE LA PROBLEMATIQUE
CHAPITRE 1 REVUE DE LA LITTERATURE ET STRUCTURE DE LA THESE
1.1 Introduction
1.2 Synthèse des travaux publiés sur l’utilisation de l’émission acoustique pour détecter les défauts de roulements
1.2.1 Analyse temporelle
1.2.2 Analyse d’enveloppe
1.2.2.1 La transformée de Hilbert
1.2.2.2 Teager Kaiser Energy Operator (TKEO)
1.2.2.3 Application de l’analyse d’enveloppe pour l’émission acoustique
1.3 Synthèse des travaux publiés sur le traitement de signal
1.3.1 Le Kurtosis spectral (KS) et le Kurtogram
1.3.1.1 La méthode MED (Minimum Entropy Deconvolution)
1.3.1.2 Application de SK et du Kurtogram pour l’émission acoustique
1.3.2 Les ondelettes
1.3.2.1 La transformé en ondelette continue (TOC)
1.3.2.2 La transformé en ondelette discrète (TOD)
1.3.2.3 Les paquets d’ondelettes
1.3.2.4 Empirical Wavelet Transform (EWT)
1.3.2.5 Application des ondelettes pour l’émission acoustique
1.3.3 Cyclostationnarité
1.3.4 La méthode EMD (Empirical Mode Decomposition) et Ensemble EMD (EEMD
1.3.4.1 EMD (Empirical Mode Decomposition)
1.3.4.2 EEMD (Ensemble Empirical Mode Decomposition)
1.3.4.3 Application de l’EMD et EEMD pour l’émission acoustique
1.4 Sévérité des défauts étudiés
1.5 Objectifs et originalités de la recherche
1.6 Structure de la thèse
1.6.1 Analyse comparative entre l’EA et les mesures de vibrations
1.6.2 Développement de nouveaux outils de traitement de signal pour une meilleur détection
1.6.3 Indicateurs non linéaires comme outils de diagnostic
CHAPITRE 2 MONITORING BEARINGS BY ACOUSTIC EMISSION: A COMPARATIVE STUDY WITH VIBRATION TECHNIQUES FOR EARLY DETECTION
2.1 Présentation
2.2 Article
2.2.1 Abstract
2.2.2 Introduction
2.2.3 Experimental methodology
2.2.4 Results analysis
2.2.4.1 Analysis of vibration signals
2.2.4.2 Analysis of ultrasonic signals
2.2.4.3 Comparison of RMS level between vibration and ultrasound measurements
2.2.4.4 Time descriptors
2.2.5 Conclusion
2.2.6 Acknowledgments
CHAPITRE 3 APPLICATION INDUSTRIELLE
3.1 Introduction
3.2 Objectif
3.3 Contexte de l’étude
3.4 Protocole expérimental
3.5 Régime haute vitesse
3.6 Essais à basse vitesse
3.7 Comparaison entre les descripteurs statistiques
3.8 Conclusion
CHAPITRE 4 CYCLOSTAIONARITY APPLIED TO ACOUSTIC EMISSION AND DEVELOPMENT OF NEW INDICATOR FOR MONITORING BEARING DEFECTS
4.1 Présentation
4.2 Article 2
4.2.1 Abstract
4.2.2 Introduction
4.2.3 Cyclostationarity
4.2.3.1 Methodologies for processing cyclostationary signals
4.2.4 Experimental study
4.2.4.1 Results analysis and applications
4.2.4.1.1 Vibration signal
4.2.4.1.2 Acoustic emission signal
4.2.4.1.3 Comparison between vibration and acoustic emission
4.2.4.1.4 New Indicator of cyclostationary
4.2.5 Conclusion
4.2.6 Acknowledgments
CHAPITRE 5 MONITORING MACHINES BY USING A HYBRID METHOD COMBINING MED, EMD, AND TKEO
5.1 Présentation
5.2 Article 3
5.2.1 Abstract
5.2.2 Introduction
5.2.3 Empirical Mode Decomposition (EMD)
5.2.4 Teager Operator Energy
5.2.5 Minimum Entropy Deconvolution (MED)
5.2.6 Bearing faults diagnosis based on MED-EMD and TKEO
5.2.6.1 Proposed method for defect detection of ball bearings
5.2.6.2 Numerically simulated signal
5.2.6.2.1 Method 1: TKEO Applied to x(?)
5.2.6.2.2 Method 2: Applying EMD and TKEO
5.2.6.2.3 Method 3: MED+EMD+ TKEO
5.2.6.3 Experimental study
5.2.6.4 Experimental application
5.2.6.4.1 Acoustic emission
5.2.6.4.2 Vibration measurements
5.2.7 Conclusions
5.2.8 Acknowledgements
CHAPITRE 6 A COMPARATIVE STUDY BETWEEN EMPIRICAL WAVELET TRANSFORMS AND EMPIRICAL MODE DECOMPOSITION METHODS: APPLICATION TO BEARING DEFECT DIAGNOSIS
6.1 Présentation
6.2 Article 4
6.2.1 Abstract
6.2.2 Introduction
6.2.3 Empirical Mode Decomposition (EMD)
6.2.3.1 Mode mixing
6.2.4 Ensemble Empirical Mode Decomposition (EEMD)
6.2.4.1 Review of EEMD parameter selection
6.2.4.2 A new method for improved EEMD
6.2.5 Empirical Wavelet Transforms (EWT)
6.2.6 Bearing faults diagnosis based on EWT and EEMD
6.2.6.1 Simulated signal
6.2.6.1.1 Application of EMD and EEMD
6.2.6.1.2 Application of EWT
6.2.6.2 Experimental application to bearing defect diagnosis
6.2.6.2.1 Experimental set up
6.2.6.2.2 Experimental application
6.2.6.2.3 Selection of IMF
6.2.7 Conclusions
6.2.8 Appendix: Empirical Wavelet Transform
6.2.9 Acknowledgements
CHAPITRE 7 EMPIRICAL MODE DECOMPOSITION COMBINED WITH EMPIRICAL WAVELETS FOR EXTRACTING BEARING FREQUENCIES IN A NOISY ENVIRONMENT AND EARLY DETECTION OF DEFECTS
7.1 Présentation
7.2 Article
7.2.1 Abstract
7.2.2 Introduction
7.2.3 Empirical Mode Decomposition (EMD)
7.2.4 Empirical wavelet transforms (EWT)
7.2.5 A new indicator combining Energy, Kurtosis and ApEn
7.2.6 A detection method based on EMD and EW
7.2.7 Case studies for validating the method
7.2.7.1 A simulated signal with one resonant frequency
7.2.7.1.1 Case A: The variance of the noise is 0.2
7.2.7.1.2 Case B: The variance of the noise is 0.5
7.2.7.2 A simulated signal with two resonances
7.2.7.3 A simulated signal with gear and bearing signatures
7.2.8 Experiments on a bearing test bench
7.2.8.1 Application 1
7.2.8.2 Application 2
7.2.9 Conclusions
7.2.10 Acknowledgements
CHAPITRE 8 INDICATEURS NON LINÉAIRES COMME OUTILS DE DIAGNOSTIC
8.1 Introduction
8.2 Fondements théoriques
8.2.1 Approximate entropy (ApEn)
8.2.2 Sample Entropy (SampEn)
8.2.3 Lempel-Ziv Complexity (LZC)
8.2.4 Les paramètres d’analyse
8.3 Application pour le diagnostic des défauts de roulement
8.4 Application pour le diagnostic des défauts d’engrenage
8.5 Conclusion partielle du chapitre 8
CONCLUSION ET SYNTHESE
RECOMMANDATIONS
ANNEXE I CARACTÉRISTIQUES MÉTROLOGIQUES COMPLÈTES DU CAPTEUR UE 10 000
ANNEXE II MONITORING GEARS BY USING A METHOD COMBINING
ENERGY SEPARATION, EMPIRICAL MODE DECOMPOSITION
AND MINIMUM ENTROPY DECONVOLUTION
ANNEXE III NONLINEAIR PARAMETERS FOR MONITORING GEARS
COMPARAISON BETWEEN LIMPEL ZIV, APPROXIMATE
ENTROPY AND SAMPLE ENTROPY COMPLEXITY
LISTE DE RÉFÉRENCES BIBLIOGRAPHIQUES
