Contribution au diagnostic et a l'analyse de défauts d'une machine synchrone à aimants permanents.

L’avènement des aimants permanents et les progrès récents dans l’électronique de puissance ont joué un rôle majeur dans l’évolution de la motorisation électrique des véhicules. Actuellement, les machines synchrones à aimants permanents (MSAP) grâce à leurs performances, et surtout leur efficacité énergétique, sont considérées comme les candidats idéaux pour les chaînes de traction des véhicules hybrides et électriques. Toutefois, en raison du vieillissement des matériaux, des défauts de fabrication ou des conditions de fonctionnement assez sévères, différents types de défauts sont capables de survenir dans les composants de la machine, ses organes de commande ou de mesure. Pour répondre aux exigences de sûreté, de fiabilité et de disponibilité, l’intégration d’une approche de surveillance et de diagnostic de défauts, dans le groupe motopropulseur électrique automobile, devient de plus en plus primordiale. Dans ce contexte, l’objectif de la thèse est de contribuer au diagnostic et à la caractérisation de défauts dans la MSAP par une analyse vibratoire. En premier temps, des approches analytiques de modélisation de la MSAP et des défauts : de court-circuit inter-spires, d’excentricité et de démagnétisation rotoriques serontproposées. L’intérêt majeur de tels modèles, dans le cadre du diagnostic, est d’étudier le comportement de la machine en présence de défauts étudiés afin d’en déduire les méthodes de détection les plus adaptées. En outre, des modèles numériques seront développés afin de les confronter aux parties magnétique et mécanique analytiques de la machine ainsi qu’au défaut de démagnétisation. Dans la phase d’analyse des impacts de défauts, nous allons nous focaliser sur les cas d’excentricité et de démagnétisation rotoriques. Les indicateurs de défauts seront extraits des représentations du signal vibratoire dans le temps et l’espace et de leurs transformées de Fourier, pour les cas de défauts simples et les cas de deux défauts combinés. Pour les cas simples, deux approches de localisation seront proposées : la première utilise le principe de tests statistiques et de tables de signatures, inspirée des méthodes de diagnostic à base de modèles, alors que la deuxième repose sur un banc de trois réseaux de neurones, où chacun est à une entrée et une sortie et destiné à localiser un type de défaut. Enfin, les performances des deux approches, en termes de robustesse et d’adaptabilité, seront comparées pour les mêmes ensembles de seuillage/d’apprentissage et de test.