Soutenance de thèse de Nacer YOUSFI

La sécurité et la fiabilité sont cruciales en aéronautique et dans d’autres industries telles que les éoliennes ou les véhicules lourds, où un fonctionnement continu est essentiel. La surveillance de l’état des machines est un domaine clé pour la détection précoce des défauts. Dans ce contexte, la surveillance vibratoire est largement utilisée pour l’évaluation de l’état de santé des composants. Cette thèse vise à développer de nouvelles méthodes de décomposition des signaux vibratoires afin d’extraire des indicateurs pertinents de l’état de santé du système, inaccessibles par des mesures directes. Les approches basées sur des modèles vibratoires comprennent plusieurs étapes principales, parmi lesquelles la modélisation phénoménologique occupe une place centrale. Cette modélisation vise à mettre en évidence des expressions analytiques adaptées aux données vibratoires, en exploitant les connaissances a priori sur la cinématique du système. Traditionnellement, ce processus repose sur une correspondance manuelle entre les fréquences caractéristiques et le contenu spectral, ce qui est à la fois chronophage et fortement dépendant de l’expertise. Cette recherche remédie à ces limitations en proposant une approche basée sur l’analyse symbolique, capable d’identifier automatiquement des expressions mathématiques décrivant les données vibratoires, en tenant compte de la vitesse de rotation de la machine et de la cinématique. Une régression symbolique basé sur les réseaux de neurones est introduite afin de découvrir des formules analytiques compactes et interprétables, sélectionnés via un processus d’apprentissage intégrant des contraintes de parcimonie. Les informations relatives à l’état de santé contenues dans les signaux vibratoires apparaissent souvent sous forme de motifs faibles et de courte durée dans le domaine temporel, et sont déformées par la fonction de transfert du système, due à la propagation des sources d'exciation jusqu’au capteur. Par conséquent, une étape de prétraitement est utilisée pour atténuer ces effets, permettant ainsi de reconstruire des signaux plus représentatifs de l’état de santé réel. Dans ce contexte, contrairement aux approches basées sur le cepstre, qui exploitent les composantes stochastiques du signal vibratoire, nous proposons une contribution originale fondée sur la composante déterministe des données vibratoires mesurées. La méthode proposée exploite les informations spectrales structurées pour estimer la réponse impulsionnelle du système, permettant ainsi de récupérer les motifs liés à l’état de santé. De plus, la connaissance précise de la vitesse de rotation des machines est essentielle pour une analyse fine des vibrations, en particulier pour compenser les fluctuations de vitesse. Cette exigence motive la recherche visant à extraire l’information sur la vitesse de rotation directement à partir des mesures vibratoires, évitant ainsi l’installation coûteuse d’encodeurs. Contrairement aux approches probabilistes multi ordres (MOPA), qui exploitent les harmoniques multiples d’une fréquence d’intérêt, la méthode proposée utilise un modèle phénoménologique pour caractériser les spectres structurés où l’information se répartit sur plusieurs raies en raison de phénomènes de modulation. La méthode estime d’abord les pics harmoniques, puis les aligne via une optimisation robuste sur des modèles harmoniques normalisés, améliorant ainsi l’estimation de la vitesse de rotation sans supposer que le raie la plus énergétique correspond à la fréquence fondamentale, comme dans MOPA. Enfin, une séparation des sources des composantes caractéristiques est proposée afin de localiser et d’accéder directement aux informations relatives à l’état de santé. Un estimateur du maximum de vraisemblance est proposé, basé sur le modèle phénoménologique, utilisant une optimisation par moindres carrés alternés suivie d’une étape de type gradient pour suivre dans le temps les variations des sources.