FR3130028B1 - Procédé de diagnostic automatique d'une pièce - Google Patents
Procédé de diagnostic automatique d'une pièce Download PDFInfo
- Publication number
- FR3130028B1 FR3130028B1 FR2112840A FR2112840A FR3130028B1 FR 3130028 B1 FR3130028 B1 FR 3130028B1 FR 2112840 A FR2112840 A FR 2112840A FR 2112840 A FR2112840 A FR 2112840A FR 3130028 B1 FR3130028 B1 FR 3130028B1
- Authority
- FR
- France
- Prior art keywords
- diagram
- signal
- sub
- rotating machine
- neural network
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
- 238000003745 diagnosis Methods 0.000 title abstract 3
- 238000000034 method Methods 0.000 title abstract 3
- 238000010586 diagram Methods 0.000 abstract 6
- 238000013528 artificial neural network Methods 0.000 abstract 3
- 238000010276 construction Methods 0.000 abstract 2
- 239000011159 matrix material Substances 0.000 abstract 2
- 238000004364 calculation method Methods 0.000 abstract 1
- 230000002950 deficient Effects 0.000 abstract 1
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01M—TESTING STATIC OR DYNAMIC BALANCE OF MACHINES OR STRUCTURES; TESTING OF STRUCTURES OR APPARATUS, NOT OTHERWISE PROVIDED FOR
- G01M13/00—Testing of machine parts
- G01M13/04—Bearings
- G01M13/045—Acoustic or vibration analysis
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01M—TESTING STATIC OR DYNAMIC BALANCE OF MACHINES OR STRUCTURES; TESTING OF STRUCTURES OR APPARATUS, NOT OTHERWISE PROVIDED FOR
- G01M13/00—Testing of machine parts
- G01M13/02—Gearings; Transmission mechanisms
- G01M13/028—Acoustic or vibration analysis
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/04—Architecture, e.g. interconnection topology
- G06N3/0464—Convolutional networks [CNN, ConvNet]
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/08—Learning methods
- G06N3/084—Backpropagation, e.g. using gradient descent
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/08—Learning methods
- G06N3/09—Supervised learning
Landscapes
- Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- General Health & Medical Sciences (AREA)
- General Engineering & Computer Science (AREA)
- Biophysics (AREA)
- Computational Linguistics (AREA)
- Data Mining & Analysis (AREA)
- Evolutionary Computation (AREA)
- Artificial Intelligence (AREA)
- Molecular Biology (AREA)
- Computing Systems (AREA)
- Biomedical Technology (AREA)
- Life Sciences & Earth Sciences (AREA)
- Mathematical Physics (AREA)
- Software Systems (AREA)
- Health & Medical Sciences (AREA)
- Acoustics & Sound (AREA)
- Testing Of Devices, Machine Parts, Or Other Structures Thereof (AREA)
- Measurement Of Mechanical Vibrations Or Ultrasonic Waves (AREA)
Abstract
Procédé de diagnostic automatique d'une pièce Un aspect de l’invention concerne un procédé de diagnostic automatique d'une pièce d’une machine tournante réalisé à partir d'un signal temporel généré par la machine tournante, comportant les étapes suivantes : Construction d'un diagramme à partir du signal, comprenant les sous-étapes suivantes :Découpage du signal en une pluralité de sous-signaux ;Pour chaque sous-signal, calcul de la transformée de Fourier du sous-signal pour obtenir une énergie vibratoire par fréquence ;Construction du diagramme, le diagramme étant une matrice présentant une pluralité de lignes correspondant chacune à une vitesse de rotation de la machine tournante, et une pluralité de colonnes correspondant chacune à une fréquence de la transformée de Fourier divisée par une vitesse de rotation de la machine tournante, la matrice comprenant pour chaque ligne et chaque colonne, l’énergie vibratoire correspondante ;Entraînement supervisé d’un réseau de neurones artificiels pour le rendre capable de fournir à partir d'un diagramme, une classe de fonctionnement comprise dans un ensemble de classes de fonctionnement comportant au moins une classe de fonctionnement nominal et une classe de fonctionnement défectueux, le réseau de neurones artificiels étant entraîné sur une base de données d'entraînement comportant des diagrammes d’entraînement chacun associé à une classe de fonctionnement ;Utilisation sur le diagramme construit, du réseau de neurones artificiels entraîné pour fournir une classe de fonctionnement de la machine tournante.
Priority Applications (3)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| FR2112840A FR3130028B1 (fr) | 2021-12-02 | 2021-12-02 | Procédé de diagnostic automatique d'une pièce |
| CN202280080166.1A CN118302757A (zh) | 2021-12-02 | 2022-12-01 | 自动诊断零件的方法 |
| PCT/FR2022/052216 WO2023099849A1 (fr) | 2021-12-02 | 2022-12-01 | Procédé de diagnostic automatique d'une pièce |
Applications Claiming Priority (2)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| FR2112840A FR3130028B1 (fr) | 2021-12-02 | 2021-12-02 | Procédé de diagnostic automatique d'une pièce |
| FR2112840 | 2021-12-02 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| FR3130028A1 FR3130028A1 (fr) | 2023-06-09 |
| FR3130028B1 true FR3130028B1 (fr) | 2023-12-22 |
Family
ID=84689025
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| FR2112840A Active FR3130028B1 (fr) | 2021-12-02 | 2021-12-02 | Procédé de diagnostic automatique d'une pièce |
Country Status (3)
| Country | Link |
|---|---|
| CN (1) | CN118302757A (fr) |
| FR (1) | FR3130028B1 (fr) |
| WO (1) | WO2023099849A1 (fr) |
Family Cites Families (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN104819846B (zh) * | 2015-04-10 | 2017-03-22 | 北京航空航天大学 | 一种基于短时傅里叶变换和稀疏层叠自动编码器的滚动轴承声音信号故障诊断方法 |
| JP7040668B2 (ja) * | 2018-08-30 | 2022-03-23 | 日本電気株式会社 | 異常検出装置、方法、プログラム |
| CN109632309A (zh) * | 2019-01-17 | 2019-04-16 | 燕山大学 | 基于改进s变换与深度学习的滚动轴承故障智能诊断方法 |
| CN111256965B (zh) * | 2020-01-20 | 2022-03-11 | 郑州轻工业大学 | 多尺度信息融合的堆叠稀疏自编码旋转机械故障诊断方法 |
| CN113567131B (zh) * | 2021-07-29 | 2024-05-03 | 沈阳建筑大学 | 基于s变换与微型卷积神经网络模型的轴承故障诊断方法 |
| CN113627375A (zh) * | 2021-08-16 | 2021-11-09 | 北京信息科技大学 | 一种行星齿轮故障诊断方法、系统、存储介质及计算设备 |
-
2021
- 2021-12-02 FR FR2112840A patent/FR3130028B1/fr active Active
-
2022
- 2022-12-01 WO PCT/FR2022/052216 patent/WO2023099849A1/fr unknown
- 2022-12-01 CN CN202280080166.1A patent/CN118302757A/zh active Pending
Also Published As
| Publication number | Publication date |
|---|---|
| FR3130028A1 (fr) | 2023-06-09 |
| WO2023099849A1 (fr) | 2023-06-08 |
| CN118302757A (zh) | 2024-07-05 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN109901537B (zh) | 用于边缘计算侧的机械设备运行状态监测方法和系统 | |
| US20150308285A1 (en) | Wind turbine diagnostic device for generator components | |
| EP3452799B1 (fr) | Procédé d'identification d'un défaut dans un système d'engrenages dans une éolienne | |
| FR3130028B1 (fr) | Procédé de diagnostic automatique d'une pièce | |
| KR102067314B1 (ko) | 회전 기계의 모니터링 장치 | |
| CN109263271B (zh) | 一种基于大数据的印刷设备检测分析方法 | |
| ES2382964B1 (es) | Sistema y procedimiento de diagnóstico de incidentes y provisión de soporte técnico con respecto a servicios de comunicación | |
| WO2020036818A8 (fr) | Système et procédé de prévision de pannes de machines industrielles | |
| CN105806614B (zh) | 基于嵌入式双服务器的火电厂旋转机械故障诊断方法及系统 | |
| Saeki et al. | Visual explanation of neural network based rotation machinery anomaly detection system | |
| FR3094511B1 (fr) | Procédé d’acquisition de données capturées par un module de capture embarqué dans un engin mobile suivant une trajectoire prédéterminée, programme d’ordinateur et dispositif correspondants | |
| WO2019107315A1 (fr) | Procédé et système de détection d'un symptôme d'anomalie dans un appareil surveillé | |
| FR3014502A1 (fr) | Procede et dispositif de detection de defauts mecaniques dans une machine tournante a regime variable | |
| CN114896559A (zh) | 一种基于排列熵的自适应噪声完备集合经验模式分解方法 | |
| Khan et al. | AI based real-time signal reconstruction for wind farm with SCADA sensor failure | |
| CN113759876B (zh) | 基于案例推理的风电机组故障诊断方法及系统 | |
| CN105973596A (zh) | 一种基于lltsa和pnn的风机故障诊断方法 | |
| CN107800683A (zh) | 一种挖掘恶意ip的方法及装置 | |
| CN112098094A (zh) | 一种低速重载轴承故障振动诊断的方法 | |
| FR3117175B1 (fr) | Procede de determination de l’etat de fonctionnement d’une eolienne | |
| US8448945B2 (en) | Three dimensional random number generator | |
| Hocine et al. | Electric motor bearing diagnosis based on vibration signal analysis and artificial neural networks optimized by the genetic algorithm | |
| Ziani et al. | Bearing fault diagnosis using neural network and genetic algorithms with the trace criterion | |
| US290624A (en) | Chester | |
| EP0533934A1 (fr) | Installation exploitant la force hydraulique |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PLFP | Fee payment |
Year of fee payment: 2 |
|
| PLSC | Publication of the preliminary search report |
Effective date: 20230609 |
|
| PLFP | Fee payment |
Year of fee payment: 3 |