See discussions, stats, and author profiles for this publication at: https://www.researchgate.

net/publication/322722144

Diagnostic et détection des défauts dans les machines asynchrones par des
méthodes avancées de traitement du signal

Article · January 2018

CITATIONS READS

0 1,379

4 authors:

Elhoussin Elbouchikhi Yassine Amirat

Institut Supérieur de l'Electronique et du Numérique Yncréa Ouest
67 PUBLICATIONS   575 CITATIONS    96 PUBLICATIONS   1,176 CITATIONS   

SEE PROFILE SEE PROFILE

Gilles Feld Mohamed Benbouzid

Institut Supérieur de l'Electronique et du Numérique Université de Bretagne Occidentale
28 PUBLICATIONS   78 CITATIONS    738 PUBLICATIONS   11,879 CITATIONS   

SEE PROFILE SEE PROFILE

Some of the authors of this publication are also working on these related projects:

Tidal Stream Turbines View project

Optimal coordination of relays in a practical power system considering FACTS technology and Renewable sources: application to the Algerian Network View project

All content following this page was uploaded by Elhoussin Elbouchikhi on 02 February 2018.

The user has requested enhancement of the downloaded file.

Sûreté de fonctionnement et diagnostic Thème

Diagnostic et détection des défauts dans les machines

asynchrones par des méthodes avancées de traitement
du signal

ELBOUCHIKHI ELHOUSSIN*, YASSINE AMIRAT*, GILLES FELD*, FRANCK LE GALL*, MOHAMED

BENBOUZID**
* ISEN YNCREA OUEST, IRDL FRE CNRS 3744, 20, Rue Cuirassé Bretagne, 29200, Brest
** Université de Brest, IRDL FRE CNRS 3744, 29238 Brest Cedex 03
[email protected], [email protected], [email protected],
[email protected], [email protected]

Résumé: La détection des défauts électriques et mécaniques dans les machines électriques par des
méthodes d’analyse des courants statoriques a été largement explorée. Ces techniques sont
communément appelés MCSA (Motor Current Signature Analysis) et se basent principalement sur
l’analyse de la densité spectrale de puissance (DSP) des courants statoriques. En effet, les défauts se
manifestent à travers l’apparition de nouvelles composantes fréquentielles ou l’augmentation de
l’amplitude de certaines fréquences caractéristiques. Les méthodes permettant de mettre en relief
l’apparition de telles composantes peuvent être classifiées en 3 grandes catégories : techniques
d’estimation de la DSP, techniques de démodulation du courant statorique et les techniques
temps/fréquence. Ce document propose un état de l’art des techniques de traitement de signal
proposées dans la littérature pour l’analyse des signaux électriques afin d’en extraire les informations
utiles à la détection et la caractérisation des défauts (classification). Les techniques abordées dans ce
document sont illustrées pour la détection des défauts de roulements et de rupture de barres sur un
banc expérimental dédié au diagnostic.

1. Introduction généralement mesurés à des fins de contrôle ou de

protection.
La machine asynchrone est l’une des machines les
plus utilisées dans l’industrie, grâce à sa robustesse, sa Cet article présente un état de l’art des techniques
fiabilité et son faible coût. Malheureusement, ces utilisées pour la détection des défauts dans les
machines sont impactés par des défaillances diverses machines électriques en analysant le courant statorique.
qui peuvent conduire à l’arrêt de la production et Il présentera, dans un premier temps, les défauts des
causer des dommages aux équipements et humains aux
machines asynchrones et leurs conséquences. Il
alentours. Par conséquent, la surveillance et le
diagnostic de ces machines deviennent primordiaux s’intéressera ensuite à la sûreté de fonctionnement des
afin de diminuer les coûts de maintenance et entraînements électriques. Finalement, il présentera les
d’exploitation, augmenter la sécurité et la disponibilité techniques permettant de détecter et caractériser ces
des équipements et garantir la continuité de la défauts. L’étude de ces techniques permettra de
production. proposer des outils de diagnostic et de surveillance en
L’objectif des activités de recherche dans cette temps réel de ces entraînements et ainsi augmenter leur
thématique est de proposer des techniques fiables et fiabilité et leur disponibilité.
efficaces pour détecter et caractériser des défauts de
façon précoce et ainsi intervenir avant l’arrêt définitif 2. Les défauts de machine asynchrone : causes,
du système [1]. Différentes techniques sont mises en conséquences et solutions
œuvre pour réaliser la détection des défauts et le Malgré leur robustesse et leur fiabilité élevée, les
diagnostic des machines asynchrones. Ces techniques machines asynchrones peuvent présenter plusieurs
se basent essentiellement sur des techniques de défauts qui peuvent impactés la partie mécanique,
électrique, contrôle/commande ou l’électronique de
traitement de grandeurs physiques issues de capteurs
puissance et éventuellement des défauts combinés.
électriques, magnétiques, thermiques, acoustiques,
vibratoires, récupérés sur le système [2]. L’utilisation 2.1. Les défauts et leur fréquence
des signaux électriques présente l’avantage d’être non- d’occurrence
intrusive et ne nécessite pas de capteurs Les machines asynchrones sont assujetties à des
supplémentaires. En effet, les courants sont défaillances diverses et variées tels que l’excentricité,
La Revue 3EI n°91
Janvier 2018 1
 Sûreté de fonctionnement et diagnostic Thème

l’oscillation de couple de charge, la rupture des barres roulements, déformation du rotor ou de

rotoriques, les défauts de roulement, etc. Ces l’arbre, mauvais alignement, défaut de
principales défaillances sont dues à des causes variées centrage.
qui sont associées à la conception, la fabrication ou  Les défauts qui entraînent des oscillations de
l’emploi. Les défauts au stator et les défauts de couple : défauts en tout genre de la charge
roulement représentent près de 80% des défauts mécanique, défauts de roulements.
constatés (Figure 1). Pour les machines de plus faible  Les défauts qui entraînent des perturbations de
puissance, les défauts au stator sont moins fréquents. la répartition des forces magnétomotrices :
Tandis que les défauts de roulement et les défauts au défauts de court-circuit statoriques, rupture de
rotor sont prépondérants pour les machines à hautes connexions électriques au stator.
vitesse. Par conséquent, les roulements et les isolants
constituent le maillon faible dans les machines 2.3. Mise en œuvre d’une stratégie de sûreté
asynchrones. de fonctionnement
De nombreux éléments d’un entraînement
électrique peuvent être la source d’une défaillance :
rotor, stator, roulements, charge, alimentation, etc.
Chaque défaut peut produire des phénomènes
différents qui se manifestent sur les différentes
grandeurs fondamentales du système (vibrations,
température, couple, courant).
La mise en place d’une démarche de sûreté de
fonctionnement nécessite des connaissances préalables
sur le comportement des systèmes en défaut (outils de
modélisation très utiles). Les outils de détection
doivent être adaptés au mode de fonctionnement du
système (régime permanent ou transitoire) et au type de
Figure 1: Répartition des défaillances des composants [3]. défaut à détecter (mécaniques, électriques,…). Le
diagnostic d’un défaut est une étape délicate qui
2.2. Les causes et les conséquences nécessite des moyens et des connaissances plus
Les origines de ces défauts sont diverses et peuvent poussées que la simple détection. Les actions à mener
être classées en différentes catégories [4] : après détection/diagnostic dépendent de la nature de
 Origines électriques : détérioration des isolants, l’application et du défaut.
sollicitations en tension importante dues à
l’utilisation des convertisseurs statiques, fortes 3. Surveillance et diagnostic de la machine
variations de courant dans des circuits inductifs asynchrone
: ouvertures et fermetures de disjoncteurs,
déclenchements de fusibles, répartition non L’amélioration de la fiabilité et la disponibilité de la
homogène des tensions dans le bobinage ce qui machine asynchrone dans les différentes applications
implique une forte sollicitation des isolants d’où industrielles nécessitent la mise en œuvre d’une
un vieillissement accéléré. stratégie de maintenance adéquate. Afin de diminuer
 Origines mécaniques : abrasion des matériaux les coûts de la maintenance et de l’arrêt du processus
isolants ou du cuivre, excentricité du stator par en cas de défaillance, il est obligatoire de mettre en
rapport au rotor, forces radiales et tangentielles place une surveillance en temps réel du dispositif.
dues à la présence de champs magnétiques
indésirables, vibrations, usure par frottement 3.1. Les différentes stratégies de maintenance
pour les roulements. La norme AFNOR NF [4] définit la maintenance
 Origines thermiques : déséquilibre de comme «l'ensemble des actions permettant de
l’alimentation, nombre de démarrages successifs maintenir ou de rétablir un bien dans un état spécifié ou
importants, surcharge mécanique, en mesure d'assurer un service déterminé». La
vieillissements thermique naturel des isolants, maintenance en milieu industriel peut être classifiée en
mauvaise ventilation. deux grandes catégories qui sont : la maintenance
 Origines environnementales : poussières, corrective et la maintenance préventive. Cette dernière
humidité, graisse, acidité de l’air, température est une attitude proactive et est réalisée dans le but de
ambiante importante. réduire la probabilité de défaillance et ainsi augmenter
la disponibilité de la machine asynchrone. On distingue
Tous les défauts évoqués précédemment conduisent deux formes particulières de maintenance préventive
à des effets génériques qui peuvent être regroupées en qui sont :
3 catégories principales [5-8] :  La maintenance systématique : opérations
 Les défauts qui entraînent une excentricité du effectuées suivant un échéancier établi.
rotor par rapport au stator : défauts de
La Revue 3EI n°83
2 Janvier 2016
Sûreté de fonctionnement et diagnostic Thème

 La maintenance conditionnelle : les opérations l’analyse courant / puissance présente un grand intérêt
sont déclenchées lorsque certains paramètres économique et peut être adopté par l'industrie. Ainsi,
mesurables atteignent un seuil limite plusieurs activités de recherche ont été axées sur la
(révélateur d’un état de dégradation avancée détection de défauts à base de courant dans les
de l’équipement). machines électriques [6-7]. Les mesures de puissance
La maintenance conditionnelle peut être mise en ont également été étudiées. Le défi de l'utilisation des
œuvre en surveillant certaines grandeurs physiques signaux de courant et/ou de tension pour la surveillance
telles que les vibrations, la température, le champ des conditions de fonctionnement est de proposer des
magnétique, les grandeurs électriques, etc. techniques de traitement de signal permettant d'extraire
des critères de détection des défauts en environnement
3.2. Surveillance de la machine asynchrone stationnaire et non stationnaire (variations de vitesse,
éolienne, etc.). Ceci afin de proposer des techniques de
La surveillance de la machine asynchrone peut être diagnostic intelligentes capable de classifier les défauts
réalisée en mesurant les vibrations au niveau de la et de prévoir une défaillance potentielle (pronostic,
machine. En effet, tous les défauts introduisent des maintenance prédictive).
vibrations supplémentaires sur le système
électromécaniques. Ces vibrations excessives sont 3.3. Surveillance à travers l’analyse des
utilisé comme indicateur de défauts dans différents courants statoriques
domaines industriels tels que les éoliennes, la traction Les défauts qui peuvent survenir sur des machines
électrique, etc. Or, ces techniques sont onéreuses et électriques ont un impact direct sur le contenu
nécessitent des capteurs supplémentaires. fréquentiel des courants statoriques ou rotoriques [1-6].
La Table 1 donne, dans le cas d’une machine
Les défauts de la machine asynchrone peuvent asynchrone à cage d’écureuil, la signature fréquentielle
conduire à des oscillations de couple et un déséquilibre de certains défauts.
au rotor. Par conséquent, la surveillance du couple a été
proposée pour la détection des défauts. Toutefois, Défauts Signatures fréquentielles
l’installation des capteurs de couple doit être réalisée
sur l’arbre rotor ce qui rend le système de surveillance
Excentricité
complexe et coûteux. La surveillance des roulements
peut être réalisée en se basant la température. En effet,
le standard IEEE 841 stipule qu’en état normal de
fonctionnement, la température du roulement ne doit Rupture de barre
pas augmenter de plus de 45°C. Cependant, la rotorique
température peut être affectée par d’autres paramètres
tels que l’environnement, la vitesse de rotation, le Défauts de roulement
couple développé, etc. L'analyse de la composition, le
contenu, la taille et la classification des particules
Oscillation de couple
d'usure dans l'huile de lubrification des roulements et
de nombreux autres composants de la machine
asynchrone permettent de déterminer leur état de Table 1. Les signatures fréquentielles des défauts d’une MAS
fonctionnement. De nombreuses autres méthodes [1-6].
existent telles que la surveillance des émissions Avec :
acoustiques, la surveillance des flux, etc. Néanmoins,
ces techniques sont plus compliquées à mettre en  : fréquence fondamental d’alimentation.
œuvre dans des applications réelles et nécessitent des  : fréquence dépendant de l’élément
capteurs supplémentaires, ce qui augmente le prix, la défaillant et de la géométrie du roulement.
complexité du système de surveillance et peut diminuer  : nombre de paire de pôles.
la fiabilité de l’ensemble du système puisque ces  : glissement.
éléments sont également assujettis à des défaillances.  = 1, 2, 3,…
Cette étude des approches de maintenance L’extraction de l’information contenue dans les
conditionnelle souligne le besoin d'une approche de signaux discrets concernant le défaut nécessite le
surveillance des conditions de fonctionnement efficace, passage du domaine temporel vers le domaine
non-intrusive et à moindre coût. Une technique fréquentiel. La transformée de Fourrier rapide (FFT)
prometteuse repose sur l’analyse des courants ou de la est l’un des outils utilisés dans le cas des signaux
puissance. Elle est basé sur des mesures de courant et / stationnaires (machines fonctionnant en régime
ou de tension déjà disponibles à des fins de contrôle et permanent, défauts impactant des composantes
de protection. Par conséquent, aucun capteur fréquentielles constantes au cours du temps, glissement
supplémentaire et aucun dispositif d'acquisition ne sont constant (couple de charge constant)). Ces approches
requis. De plus, les signaux de courant / tension sont souffrent d’une mauvaise résolution en cas
fiables et facilement accessibles. Il s'ensuit que d’acquisition sur une courte durée. Des connaissances a

La Revue 3EI n°91

Janvier 2018 3
 Sûreté de fonctionnement et diagnostic Thème

priori sur le signal permettent d’exploiter des méthodes techniques de visualisation des signatures
paramétriques afin d’améliorer la résolution fréquentielles des défauts en environnement
fréquentielle. Cela est dû à leur capacité à distinguer stationnaire et non-stationnaire ainsi que les techniques
des raies spectrales très proches. Ces techniques sont de démodulation les plus présentées dans la littérature.
généralement appelées méthodes à haute résolution et
comprennent trois sous-classes: les méthodes de
prédiction linéaire, les techniques de sous-espace et
l'estimation par le maximum de vraisemblance. Dans 4. Analyse de la densité spectrale de puissance
cet article, nous nous concentrons sur les techniques de (DSP) du courant statorique pour la détection
sous-espace. Ces techniques comportent des défauts
principalement les algorithmes MUSIC (MUltiple
SIgnal Characterization) et ESPRIT (Estimation of Un signal est un support de l’information mesurée
Signal Parameters via Rotational Invariance par un capteur et destinée à un récepteur. Dans le cas
Techniques). des machines asynchrones, les courants statoriques ou
rotoriques sont mesurés principalement pour réaliser du
En environnement non-stationnaire, des techniques contrôle/commande. Ces mêmes courants peuvent être
d’analyse temps-fréquence sont requis. En effet, les utilisés pour réaliser le diagnostic et la surveillance de
techniques d'estimation spectrale présentées ces systèmes. En environnement stationnaire, la
précédemment sont mal adaptées aux moteurs recherche de la signature du défaut est réalisée en
asynchrones pilotés par un onduleur, aux éoliennes et à utilisant des techniques d’estimation de la densité
de nombreuses autres applications où l'environnement spectrale de puissance. Ces techniques regroupent deux
est principalement non stationnaire en raison des classes qui sont le périodogramme et ses extensions et
conditions de vitesse transitoires ou variables. Dans ces les techniques à haute résolution (MUSIC et ESPRIT).
conditions, la détection des défauts est généralement
effectuée en utilisant des approches non stationnaires, Les techniques d’analyse spectrale sont illustrées
telles que les représentations temps/fréquence ou pour des signaux issus d’un banc expérimental avec un
temps/échelle. Ces approches comprennent la défaut de rupture de barres. Les courants statoriques
transformée de Fourier à court terme (TFCT), la triphasés sont échantillonnés à une fréquence
transformée en ondelettes continue (TOC), la d’échantillonnage de et pendant .
distribution de Wigner-Ville (DWV) et d'autres
distributions quadratiques et la transformée de Hilbert- 4.1. Le périodogramme
Huang (THH). Par souci de clarté, nous nous limitons
ici la présentation de la formulation mathématique en Le periodogramme, , est un estimateur de la
temps discret. Pour plus de détails et des équations densité spectrale de puissance (DSP) d’un signal
temporelles continues, le lecteur pourrait se référer à discret . Il est donné par :
[10].
(1)
De plus, tout défaut mécanique peut entraîner des
défauts d'excentricité et d'oscillation de couple de Avec, est la transformée de Fourrier discrète
charge. Le défaut d'excentricité entraîne une d’un signal x[n] :
modulation d'amplitude et une oscillation du couple de
(2)
charge entraîne une modulation de fréquence des
courants du stator. La fréquence de modulation dépend Avec, est la fréquence d’échantillonnage et le
des conditions de fonctionnement de la machine et de nombre d’échantillons. Il est à noter que le
la gravité de la défaillance [7-8]. Par ailleurs, les périodogramme est un estimateur biaisé et non
courants statoriques peuvent être modulés en fréquence consistent (la variance ne tend pas vers zéro quand N
et/ou en amplitude et cette modulation est corrélée avec tend vers l’infini) de la densité spectrale de puissance.
les composants défectueux du roulement [9]. D'une
manière générale, le courant est sinusoïdalement Un des moyens d’améliorer l’estimation de la
modulé en fréquence et/ou en amplitude lorsqu'un densité spectrale de puissance d’un signal est le
défaut se produit. Sur la base de cette approche de périodogramme modifié et moyenné de Welch. Le
modélisation, il semble que les outils les plus adaptés périodogramme de Welch décompose le signal en
plusieurs segments, réalise le calcul du périodogramme
pour extraire un indicateur de défaut sont les
techniques de démodulation. Afin de démoduler les de chaque segment multiplié par une fenêtre temporelle
courants, plusieurs auteurs ont utilisé des techniques à énergie unitaire, puis calcule la moyenne des résultats
classiques de démodulation comme le démodulateur obtenus. Le périodogramme de Welch est donné par
l’expression mathématique suivante :
synchrone, la transformée de Hilbert, les distributions
temps-fréquence, etc. (3)
Dans ce qui suit, le signal discret à analyser sera
noté x[n]. Ce signal est obtenu à partir de Avec,
l’échantillonnage d’un signal continu avec une période
d’échantillonnage de . Nous présentons les
La Revue 3EI n°83
4 Janvier 2016
Sûreté de fonctionnement et diagnostic Thème

Où U : est le facteur de normalisation.

correspond à la transformée de Fourier discrète du
signal fenêtré , avec est une
fenêtre temporelle (Hanning, Hamming, etc.) et est
un retard temporel.
Le périodogramme de Welch améliore l’estimation
en diminuant le biais et la variance mais il détériore la
précision et la résolution fréquentielle à cause de
l’étape de segmentation (réduction du nombre
d’échantillons pour réaliser le calcul de la FFT).
Les figures 3(a) et 3(b) représentent le
périodogramme et le périodogramme de Welch,
respectivement. Le périodogramme a été calculé en (b) Périodogramme de Welch.
utilisant une longueur de signal de 5s, une fréquence
d'échantillonnage de 1kHz et la fenêtre de Hamming. Figure 2 : DSP du courant statorique dans le cas sain et
La méthode de Welch divise les données en huit avec défaut.
segments, chacun avec un chevauchement de 50%,
calcule les périodogrammes modifiés des segments qui 4.2. L’algorithme MUSIC
se chevauchent et fait la moyenne des périodogrammes L’algorithme MUSIC est basé sur la décomposition
résultants pour produire l'estimation de la DSP. Chaque en valeurs propres de la matrice de covariance du
segment est fenêtré avec une fenêtre de Hamming qui a courant statorique et exploite l’orthogonalité qui existe
la même longueur que le segment. entre le sous-espace signal et le sous-espace bruit. Cet
algorithme est décrit par l’algorithme 1.
Le périodogramme de Welch améliore les
performances d'estimation. Malheureusement, il La figure 3 donne la DSP du courant du statorique
diminue la précision spectrale et la résolution à cause la en utilisant Root-MUSIC. Puisque la méthode Root-
segmentation. Afin d'augmenter la résolution en
fréquence, le temps d'acquisition du signal doit être Algorithme 1 : MUSIC
augmenté. Malheureusement, l'hypothèse d’un signal
stationnaire peut être violée si le temps d'acquisition du Requière: N échantillons du courant statorique .
signal est trop long. Le périodogramme et ses 1. Calculer la matrice de covariance
extensions sont des méthodes non paramétriques, c'est- . Où dénote
à-dire qu'elles ne nécessitent aucune connaissance a
l’Hermitien. Vu que contient M
priori du signal.
échantillons et que nous disposons de N
échantillons, nous pouvons construire G=N-
M+1 sous-vecteurs .
2. Calculer la décomposition en valeurs propres
de (EVD)
(1)
Où est constitué de M vecteurs propres
orthonormées de et est une matrice
orthogonale contenant les valeurs propres
listées par ordre décroissant.
3. Estimer l’ordre du model en utilisant les
critères d’information théorique [13].
4. Calculer la fonction de coût
(2)
(a)Périodogramme
Où dénotes la norme de Frobenius et le
vecteur colonne est donné par

(3)
est constitué des vecteurs propres
associés aux valeurs propres engendrant le
sous-espace bruit.
5. Déterminer maxima de représentant les
estimateurs des fréquences.
MUSIC permet uniquement d’estimer les fréquences,
l’estimateur des moindres carrés est utilisé afin

La Revue 3EI n°91

Janvier 2018 5
 Sûreté de fonctionnement et diagnostic Thème

Algorithme 2 : TLS-ESPRIT

Requière: N échantillons du courant statorique .

1. Calculer la matrice de covariance
. Où dénote
l’Hermitien. Vu que contient M
échantillons et que nous disposons de N
échantillons, nous pouvons construire G=N-
M+1 sous-vecteurs .

2. Calculer la décomposition en valeurs propres

de (EVD) Figure 3 : DSP du courant statorique dans le cas sain et
(1) avec défaut basé sur MUSIC.
Où est constitué de M vecteurs propres
orthonormées de et est une matrice
orthogonale contenant les valeurs propres 4.3. L’algorithme ESPRIT
listées par ordre décroissant. Afin de réduire le temps de calcul de l’algorithme
3. Estimer l’ordre du model en utilisant les MUSIC, l’algorithme ESPRIT a été proposé. En effet,
critères d’information théorique [13]. cette technique repose sur le calcul de la décomposition
4. Calculer l’estimateur du sous-espace signal en valeurs propres, ce qui permet d'extraire directement
constitué de vecteurs propres associés aux P le contenu fréquentiel, plutôt que de conduire à un
plus grandes valeurs propres. problème d'optimisation comme pour MUSIC. Cet
algorithme est décrit dans l’algorithme 2.
(2) L’estimation de la DSP du courant statorique basée
5. Calculer la décomposition en valeurs propres sur la méthode ESPRIT est donnée sur la figure 4.
de Cette méthode permet également de mettre en relief
l’existence d’un défaut puisque les fréquences duesau
défaut sont présentes sur le spectre. Il est prouvé dans
(3)
la littérature que la méthode ESPRIT est moins
Et partitionner en sous-matrices
gourmandes en terme de temps de calcul et présentent
comme suit :
des performances statistiques meilleurs que celles de
(4) MUSIC.

6. Calculer les valeurs propres de

7. Calculer l’estimateur des fréquences

où corresponds à la phase.

d’estimer les amplitudes. Bien que les performances de

MUSIC soient substantielles, ils sont obtenus au
détriment d’un temps de calcul et de stockage
importants. De plus, ses performances dépendent de
l'estimateur de la matrice de covariance et du rapport Figure 4 : DSP du courant statorique dans le cas sain et
signal sur bruit (SNR). avec défaut basé sur ESPRIT.

5. Démodulation des courants statoriques

Les techniques de démodulation permettent de

calculer la fréquence instantanée et l’amplitude
instantanée d’un signal [7]. La majorité des
techniques abordées ici sont basées essentiellement sur
l’estimation du signal analytique suivant le schéma de
la figure 5.

La Revue 3EI n°83

6 Janvier 2016
Sûreté de fonctionnement et diagnostic Thème

Figure 5: Estimation du signal analytique.

Les techniques de démodulation peuvent être

classifiées en deux grandes catégories :
 Les techniques mono-dimensionnelles Figure 7 : Démodulation basé sur le démodulateur
nécessitant l’acquisition du courant d’une synchrone ( ).
seule phase.
 Les techniques multi-
dimensionnelles requièrent l’acquisition des 5.2. La transformée de Hilbert
courants des trois phases. La transformée de Hilbert permet de calculer le
Les méthodes de démodulation sont illustrées pour signal analytique (Figure 5) et est définie pour un
un défaut de roulement. Les courants statoriques signal discret comme suit :
triphasés sont échantillonnés à une fréquence
d’échantillonnage de et pendant un temps (4 )
.
Où la réponse impulsionnelle est donnée par :

5.1. Le démodulateur synchrone

Le démodulateur synchrone est une technique (5)
largement utilisée dans le domaine des
télécommunications. Elle suppose que la fréquence
fondamentale est connue (Ce qui est le cas des
machines asynchrones connectées au réseau).
L’estimation de la composante directe et la composante
en quadrature est illustrée par la Figure 3. Dans un
premier temps, le courant statorique est multipliée par
les signaux de référence et
. Le signal en sortie est ensuite filtré par
un filtre passe-bas de fréquence de coupure égale à
afin d’éliminer les composantes hautes fréquences.
Figure 8 : Démodulation basée sur la transformée d’Hilbert [39].

L’estimation de la fréquence instantanée et de l’amplitude

instantanée est possible et unique si et seulement si le spectre de
et de ) sont disjoints (Figure 5). Il est à noter que la
transformée de la transformée de Hilbert peut être calculée en
utilisant la FFT.

Figure 6: Démodulateur synchrone. Figure 9 : Illustration du théorème de Bedrosian.

Les résultats de simulation pour le calcul de l’amplitude Les résultats de simulation en utilisant le transformée de Hilbert
sont données sur la figure 10. Les mêmes conclusions que celles
instantanée et de la fréquence instantanée sont fournis sur la figure 7.
déduite dans le cas du démodulateur synchrone peuvent être
Il semblerait d’après ces résultats que le défaut de roulement
introduit une modulation de fréquence. présentées.

La Revue 3EI n°91

Janvier 2018 7
 Sûreté de fonctionnement et diagnostic Thème

Figure 12: Démodulation basée les courants triphasés.

Figure 10 : Démodulation basé sur la transformée de
Hilbert. La matrice dans le cas de la transformée de
Concordia est défini par :

5.3. L’opérateur d’énergie de Teager

Contrairement aux méthodes décrites précédemment, (8)
l’algorithme de séparation d’énergie discret estime la
fréquence instantanée et l’amplitude instantanée en se
basant sur le signal temporel . Cet algorithme est
basé sur l’opérateur d’énergie de Teager qui est définie
par : La transformée de Concordia est valide uniquement
pour un système équilibré. Les résultats de simulation
(6) sont présentés sur la figure 13 et montre l’intérêt de la
transformée de Concordia pour la détection du défaut
Par conséquent, l’amplitude instantanée et la de roulement.
fréquence instantanée sont définies par :

(7)

Cet algorithme présente l’avantage d’être peu

gourmant en termes de temps de calcul et d’avoir une
bonne résolution. Les résultats de simulation sont Figure 13 : Démodulation basé sur la transformée de
données sur la figure 11. Cette méthode permet ddonc Concordia.
de mettre en évidence la signature du défaut de
roulement. Mais, cette approche est très sensible au 5.5. Le maximum de vraisemblance
bruit et aux variations rapide de la fréquence Le maximum de vraisemblance est une technique
instantanée comparée à la fondamentale. statistique d’estimation de signaux dont les paramètres
sont inconnus. Dans le cas d’un système déséquilibré,
il est possible d’estimer les deux composantes en
quadrature en utilisant la matrice suivante :

(9)

Où, . Les termes ,

Figure 11 : Démodulation basé sur l’opérateur d’énergie de et sont les termes de déséquilibre sur les trois
Teager. phases. Ces termes correspondent aux éléments du
vecteur associé à la plus petite valeur propre de la
5.4. La transformée de Concordia matrice de covariance définie par :
La transformée de Concordia est une transformation
linéaire qui calcule les composantes directes et en (10)
quadrature en se basant sur les courants des trois
phases comme illustré sur la figure 12.
La Revue 3EI n°83
8 Janvier 2016
Sûreté de fonctionnement et diagnostic Thème

6. Analyse temps-fréquence des courants

Où : statoriques
Les signaux récupérés sur les machines
asynchrones sont non stationnaires (le contenu
Les résultats de simulation pour la détection du fréquentiel du signal varie en fonction du temps). La
défaut de roulement sont présentés sur la figure 14. non-stationnarité est due à :
Cette figure montre que le défaut introduit une  La vitesse variable de la machine électrique
modulation de la fréquence fondamentale. (la fréquence des courants statoriques/rotoriques est
directement liée à la vitesse de rotation de l’arbre
rotor).
 La phase de démarrage et d’arrêt de la
machine (régime transitoire).
Le traitement des signaux non stationnaires
nécessitent des outils spécifiques. Une représentation
de l’amplitude des différentes composantes du signal
en fonction du temps et de la fréquence est nécessaire
pour visualiser l’évolution du contenu fréquentiel en
Figure 14 : Démodulation basé sur le maximum de
fonction du temps. Parmi ces outils on peut citer :
vraisemblance.  Le spectrogramme qui est basé sur le calcul de
la STFT (Short Time Fourier Transform).
5.6. L’analyse en composante principale  Lesdistributions quadratiques temps/
L’analyse en composante principale (PCA) est un fréquence (Wigner-Ville, etc.).
outil statistique permettant de transformer un nombre  Les ondelettes (scalogramme).
de signaux corrélés en signaux non-corrélés nommés  La transformée de Hilbert-Huang.
les composantes principales. La PCA est basée sur la
Les techniques présentées dans la suite de cet article
décomposition en valeur propre de la matrice de sont illustrés pour la détection des défauts de rupture de
covariance et est donnée par : barres de la cage d’une machine asynchrone. Les
(11) représentations ont été implémentées en utilisant la
Toolbox temps fréquence sous Matlab [10] sauf pour la
Où est une matrice diagonale composée des deux THH qui a été réalisée en utilisant l’algorithme G.
plus grandes valeurs propres de , est une matrice Rilling sous Matlab [12].
unitaire composée des vecteurs propres associés et
est défini par : 6.1. Le spectrogramme
Le spectrogramme est basé sur la transformée de
(12)
Fourier à court terme. Le contenu fréquentiel est
calculé pour différents segments temporels du signal
Cette transformée présente l’avantage d’être valide puis disposés l’un à côté de l’autre suivant l’axe des
même en cas de déséquilibre. Les résultats de temps. Pour les signaux discrets, la STFT est donnée
simulations sont fournis sur la figure 15 et semble par :
confortés les résultats obtenus précédement en utilisant
(13)
les techniques mono-dimensionnelles et multi-
dimensionnelles. Avec, est la fenêtre temporelle.
Le spectrogramme est défini par le carré du module
de la STFT, idem. . La résolution en
temps et en fréquence du spectrogramme est limitée par
l’inégalité de Heisenberg-Gabor donnée ci-dessous :
(14)

Où et sont respectivement la résolution

temporelle et la résolution fréquentielle (la dispersion
d’énergie). Dans le cas du spectrogramme cette
résolution est la même en temps et en fréquence.
Figure 15: Démodulation basé sur l’analyse en composante Le spectrogramme du courant statorique dans le cas
principale. sain et avec présence de la rupture de barre est donné
sur la figure 16. On constate que la présence du défaut
se manifeste par des composantes fréquentielles au
alentour de la fondamentale. L’amplitude de ces
La Revue 3EI n°91
Janvier 2018 9
 Sûreté de fonctionnement et diagnostic Thème

composantes évolue en fonction du temps. Mais la signal résultant de la décomposition en ondelettes est
résolution temporelle et fréquentielle reste faible. associé à une bande de fréquence. Ainsi, pour une
fréquence d’échantillonnage de (échantillons par
seconde), le détail contient l’information concernant
le signal de départ dans l’intervalle de
fréquence . Tandis que le signal
d’approximation contient les fréquences basses du
signal qui appartiennent à la bande . Par
conséquent, on peut dire que la transformée en
ondelettes discrète réalise un procédés de filtrage.
Les résultats de simulation en utilisant la
transformée en ondelettes sont donnés sur la figure 17.
On constate que cette approche multi-résolution permet
la discrimination du cas défaillant du cas sain
(modulation d’amplitude de la fréquence
(a) Machine saine.
fondamentale). Le grand inconvénient de la
transformée en ondelettes est son temps de calcul
exorbitant et l’interprétation souvent difficile à réaliser.

(b) Machine avec défaut.

Figure 16: Spectrogramme.

(a) Machine saine.

6.2. L’analyse temps/échelle (les ondelettes)

Modulation
Contrairement à la STFT qui a une résolution d’amplitude
limitée et constante, la transformée en ondelette est une
représentation multi-résolution qui permet d’analyser
les différentes fréquences avec des résolutions
différentes. La transformée en ondelettes donne une
bonne résolution temporelle en haute fréquence et une
bonne résolution fréquentielle en basse fréquence. La
transformée en ondelettes discrète est définie par :
(15)

(b) Machine avec défaut.

Avec,
Figure 17 : Scalogramme.
(16)

où, est l’ondelette mère (Morlet, Daubechies, 6.3. Les distributions temps-fréquence
etc.). Le scalogramme est définie comme étant le carré quadratiques
du module de la transformé en ondelettes,
Contrairement aux techniques précédentes, qui se
idem . concentrent sur la décomposition du signal temporel,
La transformée en ondelettes discrète décompose le les distributions quadratiques se concentrent sur la
signal à analyser, en une somme d’un signal décomposition de l'énergie du signal dans le plan
d’approximation et des signaux de détails . temps/fréquence. Cohen [15] a introduit une classe
L’algorithme de Mallat [14] démontre que chaque générale des distributions temps-fréquence qui satisfait

La Revue 3EI n°83

10 Janvier 2016
Sûreté de fonctionnement et diagnostic Thème

les propriétés d’invariance vis-à-vis de la translation

temporelle et de la modulation de fréquence. Les
différentes distributions peuvent être regroupées dans
une même classe dont seul le noyau diffère. Les
propriétés de chaque distribution peuvent être déduites
à partir du noyau. Le noyau peut être une fonction du
temps et de la fréquence mais également du signal
même. Une des distributions les plus utilisée dans la
littérature pour réaliser la détection et la caractérisation
des défauts dans les entraînements électriques dans le
cas non-stationnaire est la distribution de Wigner-Ville.
La distribution de Wigner-Ville peut être (a) Machine saine.
interprétée comme étant la distribution de l’énergie du
signal en fonction du temps et de la fréquence. Elle est
définie comme suit :

(17)

Le plus grand intérêt de la Distribution Wigner-

Ville réside dans la parfaite concentration de la
fréquence instantanée dans le cas d’une modulation
linéaire. Cependant, pour d’autres types de
modulations (modulation sinusoïdale de la phase, par
exemple), elle introduit des termes d’interférences
nommés « cross-terms ». La non linéarité de la (b) Machine avec défaut.
distribution (distribution quadratique) peut être critique Figure 18 : Distribution de Wigner-Ville.
dans le cas où on a des signaux multi-composants ; des
termes d’interférences apparaissent à des instants ou à 6.4. La transformée de Hilbert-Huang et ses
des fréquences pour lesquels on n’a pas d’énergie. Ces extensions
termes d’interférences peuvent conduire à des
mauvaises interprétations des résultats. La transformée de Hilbert-Huang (THH) est une
technique non linéaire. Pour obtenir une représentation
En pratique, Pour réduire ces termes temps-fréquence, les signaux sont décomposés en une
d’interférences, on utilise la pseudo-Wigner-Ville, qui somme de signaux mono-composants modulés en
est une version laissées de la Distribution de Wigner- amplitude et/ou en fréquence. Ensuite, la fréquence et
Ville. Elle est définie dans (15). l’amplitude instantanées sont extraites des signaux
résultants en utilisant une technique de démodulation.
Pour décomposer le signal en une somme de
(18) signaux mono-composants appelés Intrinsic Mode
Où, est la fenêtre de lissage qui réduit Function (IMF), Huang et al. [35] ont proposé une
l’amplitude des termes d’interférences mais réduit technique empirique nommée décomposition modale
également la résolution de la représentation empirique (EMD). La transformée d’Hilbert permet
temps/fréquence. ensuite de calculer le signal analytique des IMFs.
Les résultats de simulations basés sur la distribution Finalement, on déduit la fréquence instantanée et
de Wigner-Ville sont fournis sur la figure 18. On l’enveloppe complexe des IMFs. Le théorème de
constate la présence de sidebands autour de la Bedrosian [36], traitant de la transformée d’Hilbert du
fréquence fondamentale due à la présence du défaut de produit de deux fonctions réels, démontre que l’unicité
rupture de barre. Cependant, on remarque également du couple fréquence instantanée et de l’enveloppe
l’apparition d’autres composantes fréquentielles complexe est vérifiée si les spectres de l’enveloppe
(artefacts) qui peuvent conduire à une mauvaise complexe et du sinus de la phase instantanée sont
interprétation. disjoints.
Pour résumer, la transformée de Hilbert-Huang est
effectuée en 3 étapes :
 Les IMFs sont extraites du signal original grâce
à l’EMD dont l’algorithme est décrit dans [12];
 La transformée d’Hilbert est appliqué sur
chaque IMFs ;

La Revue 3EI n°91

Janvier 2018 11
 Sûreté de fonctionnement et diagnostic Thème

 L’enveloppe complexe et de la fréquence 7. Conclusions

instantanée sont extraites.
Dans cet article, nous avons présenté un état de
l’art des techniques de traitement de signal pour la
En représentant conjointement l’amplitude
détection des défauts dans les machines asynchrones à
instantanée et la fréquence instantanée en fonction du
cage d’écureuil. Ces techniques peuvent être
temps, il est alors possible de représenter le contenu
regroupées en trois familles qui sont : les techniques
temps-fréquence du signal. En utilisant d’autres
d’estimation de la densité spectrale de puissance, les
techniques de démodulation, il est possible d’obtenir de
techniques de démodulation et les techniques temps-
nouvelles représentations. En particulier la transformée
fréquence. Ces approches présentent la première étape
de Huang-Teager est une dérivée de la THH obtenue en
d’un algorithme de détection de défauts puisqu’elles
remplaçant la démodulation basée sur la transformée de
permettent uniquement d’extraire l’information liée au
Hilbert par une démodulation basée sur l’opérateur
défaut (visualisation de l’impact du défaut sur le
d’énergie de Teager-Kaiser.
courant statorique). Une seconde étape doit être mise
La figure 19 présente la représentation en place afin de réaliser le diagnostic (classification,
temps/fréquence obtenue en utilisant la technique de mesure de sévérité et prise de décision). Cette seconde
Hilbert-Huang. Dans le cas d’une rupture de barre, étape peut être réalisée en se basant sur les techniques
l’IMF 2 et 3 présentent des oscillations importantes qui d’intelligence artificielle (ou outils de reconnaissance
peuvent être donc utilisées comme indicateur du de formes) telles que les réseaux de neurones, les
défaut. machines à vecteurs de support, la logique floue, etc.

8. Bibliographie
[1] M.E.H. Benbouzid, “A review of induction motors
signature analysis as a medium for faults
detection,” IEEE Transactions on Industrial
Electronics, vol. 47, n°5, pp. 984-993, October
2000.
[2] M. Riera-Guasp, J. A. Antonino-Daviu , G. A.
Capolino, “Advances in Electrical Machine, Power
Electronic, and Drive Condition Monitoring and
Fault Detection : State of the Art ” IEEE
Transactions on Industrial Electronics, vol. 62, n°3,
pp. 1746-1759, March 2015.
[3] M.E.H. Benbouzid and G.B. Kliman, “What stator
current processing based technique to use for
induction motor rotor faults diagnosis,” IEEE
Transactions on Energy Conversion, vol. 18, n°2,
(a) Machine saine. pp. 238-244, June 2003.
[4] Maintenance industrielle, Tome 1 : Méthodes et
outils AFNOR, 1996
[5] R. Bigret, J. L. Féron, “Diagnostic, maintenance,
disponibilité des machines tournantes,”
ELSEVIER MASSON, Décembre 1994.
[6] E. Elbouchikhi, V. Choqueuse, and M. Benbouzid,
“Induction machine diagnosis using stator current
advanced signal processing,” International Journal
on Energy Conversion, vol. 3, no. 3, pp. 76–87,
May 2015.
[7] Elbouchikhi E, Choqueuse V, Benbouzid M.
Condition monitoring of induction motors based on
stator currents demodulation. International Review
of Electrical Engineering, vol. 10, no. 6, pp. 704–
715, 2015.
[8] M. Blodt, J. Regnier, and J. Faucher,
“Distinguishing load torque oscillations and
(a) Machine avec défaut.
eccentricity faults in induction motors using stator
Figure 19 : La transformée de Hilbert Huang (THH). current Wigner distributions,” IEEE Trans.
La Revue 3EI n°83
12 Janvier 2016
 Sûreté de fonctionnement et diagnostic Thème

Industry Applications, vol. 45, no. 6, pp. 1991–

2000, November/December 2009.
[9] M. Blodt, P. Granjon, B. Raison, and G. Rostaing,
“Models for bearing damage detection in induction
motors using stator monitoring,” IEEE Trans.
Industrial Electronics, vol. 55, no. 4, pp. 1813–
1822, Avril 2008.
[10]P. Flandrin, Time-frequency/time-scale analysis
(Academic Press, 1998).
[11]F. Auger, P. Flandrin, P. Goncalves, and O.
Lemoine, “Time-frequency toolbox for use with
matlab,” CNRS, GDR ISIS, Tech. Rep., 1997.
[12]G. Rilling, P. Flandrin, and P. Gonçalves, “On
empirical mode decomposition and its algorithms,”
in IEEE-EURASIP Workshop on Nonlinear Signal
and Image Processing, Grado, Italia, 2003
[13]P. Stoica and Y. Selen, “A review of information
criterion rules,” IEEE Signal Processing Magazine,
vol. 21, n°4, pp. 36–47, July 2004.
[14] S. Mallat, “A Wavelet Tour of Signal
Processing: The Sparse Way,” 3rd ed.
Academic Press, 2008.
[15] L. Cohen, “Time-frequency distributions-a
review,” Proceedings of the IEEE, vol. 77, n°7,
pp. 941–981, July 1989.

La Revue 3EI n°91

Janvier 2018 13

View publication stats