Utilisation des SVM pour la classification des défauts de roulement dans la machine asynchrone

Abstract

Ce travail s'inscrit dans le cadre du diagnostic des défauts de roulement dans les machines asynchrones industrielles. L'objectif principal est de classifier automatiquement les défauts de roulement en exploitant les signaux vibratoires issus du banc d'essai CWRU. Pour ce faire, nous avons appliqué une méthode combinant l'extraction de six paramètres statistiques et fréquentiels des signaux segmentés, suivie d'une classification par machines à vecteurs de support (SVM). Deux approches ont été comparées : un SVM à paramètres manuels et un SVM optimisé par un algorithme hybride PSO-SSA. Les résultats obtenus ont montré une distinction claire entre les quatre classes étudiées (état normal, défaut de bille, défaut de bague interne et défaut de bague externe), confirmant la supériorité de l'approche optimisée avec une précision de 100 % en test contre 88,98 % pour le SVM manuel.