Commande neuro floue tolérante aux défauts d’une turbine à gaz : Contribution à la détection de vibrations
Des informations générales:
Doctorat 3ème Cycle |
Le niveau |
Commande neuro floue tolérante aux défauts d’une turbine à gaz : Contribution à la détection de vibrations |
Titre |
| Automatique Appliquée |
SPECIALITE |
Page de garde:
Sommaire:
Introduction Générale
CHAPITRE I: Etat de l’art sur les systèmes de diagnostics industriels
I.1. Introduction
I.2. Principe de base du diagnostic
I.3 Aide au diagnostic
I.4. Différentes étapes du diagnostic industriel
I.5. Classification des méthodes de diagnostic à base de modèles
I.6. Méthodes de génération de résidus
I.6.1. Approche par espace de parité
I.6.2. Approche à base d’observateurs ou de filtres
I.6.3. Approche par estimation paramétrique
I.7. Diagnostic qualitatif
I.7.1. Reconnaissance des formes
I.7.2. Méthodes de l’intelligence artificielle
I.8. Détection et localisation des défauts
I.8.1. La détection
I.8.2. Localisation
I.9. Conclusion
CHAPITRE II: Contribution à la modélisation de vibrations des turbines à gaz
II.1. Introduction
II.2. Vibrations des machines tournantes
II.3. Stratégie de diagnostic vibratoire
II.4. Principaux défauts d’une machine tournante
II.4.1. Défaut de balourd
II.4.2. Défaut désalignement
II.5. Méthode d’analyse de vibration
II.5.1. Analyse spectrale par transformée de Fourier (FFT)
II.6. Contribution à l’analyse de vibration
II.6.1. Cas de système sans défaut
II.6.2. Cas de système avec défaut
II.7. Détection de vibration d’une turbine a gaz par méthode circulaire
II.7.1. Vibration de rotor
II.8. Applications et techniques de configuration
II.8.1. Techniques de configuration
II.8.2. Applications sur la turbine à gaz GE-MS3002
II.9. Etude de défauts de turbine à gaz examinée par la méthode circulaire
II.9.1. Désalignement parallèle
II.9.2. Défaut balourd
II.9.3. Classification des défauts
II.10. Deuxième application sur une turbine à gaz GE-MS3002C
II.11. Conclusion
CHAPITRE III: Modèle dynamique d’une turbine à gaz a deux arbres
III.1. Introduction
III.2. Identification des systèmes industriels
III.3. Identification de modèle d’une turbine à gaz
III.4. Surveillance des turbines à gaz
III.4.1. Modélisation du système de positionnement de soupapes de carburant
III.4.2. Résultats de surveillance de turbine à gaz HDGT
III.5. Linéarisation dynamique du modèle de turbines à gaz à deux arbres
III.5.1. Turbine à gaz à deux arbres MS 5002C
III.5.2. Modélisation des turbines à gaz
III.5.3. Linéarisation du modèle non linéaire de la turbine à gaz
III.6. Résultats des applications
III.7. Conclusion
CHAPITRE IV: Commande tolérante aux défauts à base d’un système d’inférence neuro flou appliquée à une turbine à gaz
IV.1. Introduction
IV.2. Commande tolérante aux défauts
IV.3. Classification des approches de commande tolérante aux défauts
IV.3.1. Approches passives de commande tolérante aux défauts
IV.3.2. Approches actives de commande tolérante aux défauts
IV.4. Stratégie de configuration d’une commande tolérante aux défauts
IV.5. Commande tolérante aux défauts actives d’une turbine à gaz
IV.5.1. Mise en œuvre de la commande active
IV.5.2. Modélisation de turbine à gaz à base de système neuro flous (ANFIS)
IV.5.3. Système neuro flous (ANFIS)
IV.5.4. Modèle ANFIS de turbine à gaz
IV.5.5. Commande active tolérante aux défauts appliquée à une turbine à gaz
IV.6. Résultats d’application
IV.7. Conclusion
Conclusion générale
Bibliographie
Télécharger: