WOW !! MUCH LOVE ! SO WORLD PEACE !
Fond bitcoin pour l'amélioration du site: 1memzGeKS7CB3ECNkzSn2qHwxU6NZoJ8o
  Dogecoin (tips/pourboires): DCLoo9Dd4qECqpMLurdgGnaoqbftj16Nvp


Home | Publier un mémoire | Une page au hasard

 > 

Analyse vibratoire et estimation de la durée de vie résiduelle des composants mécaniques de guidage en rotation


par Gilles Yowel MASSALA MBOYI
Université des Sciences et Techniques de Masuku - Ingénieur en Réseau & Télécom 2018
  

précédent sommaire suivant

Bitcoin is a swarm of cyber hornets serving the goddess of wisdom, feeding on the fire of truth, exponentially growing ever smarter, faster, and stronger behind a wall of encrypted energy

5.5 Perspective d'optimisation du modèle théorique

L'observation majeure qui découle inéluctablement des résultats obtenus dans le tableau synoptique des erreurs de prédiction du RUL est que seuls quatre roulements parmi les onze roulements d'essai présentent un pourcentage d'erreur d'estimation dont la valeur absolue est inférieure à 10%.

Ce constat en particulier nous entraine à penser que le modèle théorique présenté ci-dessus peut être sujet à une optimisation afin d'améliorer ces pourcentages d'erreurs en les réduisant considérablement.

Pour cela, on se propose de généraliser le terme de calcul de l'indicateur utilisé dans ce modèle théorique de la manière qui suit :

On calcule la moyenne des N premiers termes du tableau des valeurs absolues du signal vibratoire temporel rangé l'ordre décroissants. On fait varier N dans l'ensemble des valeurs suivantes :

En appliquant ce principe sur tous les roulementstest, on obtient les résultats suivants :

Tableau 7: évolution de l'erreur d'estimation en fonction de N

valeur de N

2

3

5

7

10

bearing1_3

42,37

38,97

37,1

15,85

13,33

bearing1_4

85,84

84,96

80

79,06

75,81

bearing1_5

25,04

25,04

9

8,26

7,35

bearing1_6

12,6

12,6

-5

11,3

9,79

bearing1_7

28,8

28,8

-2

-8,6

-6,48

bearing2_3

62,03

59,08

64

58,98

58,41

bearing2_4

16,43

14,62

10

-8,74

-9,15

bearing2_5

-399,54

-339,57

-440

-421,06

-412,39

bearing2_6

-67,03

-78,28

49

40,72

39,11

bearing2_7

412,01

412,01

-317

-305,23

-290,42

bearing3_3

103,47

112,25

90

83,63

77,59

Lorsqu'on diminue la valeur de N on remarque une augmentation considérable du taux d'erreur d'estimation du RUL. Ce constat est général à tous les roulements test. Cette approche est par conséquent à rejeter car elle ne cadre pas avec notre objectif d'amélioration du taux d'erreur.

Par contre en augmentant la valeur de N on diminue le pourcentage d'erreur d'estimation du RUL. Pour le cas par du roulement bearing1_3 nous sommes passés de 37,1% à 13,33%, soit une réduction de plus de20% du taux d'erreur. On déduit qu'il est nettement mieux d'augmenter le nombre de valeurs au niveau du calcul de l'indicateur afin d'améliorer le pourcentage d'erreur d'estimation du RUL.

précédent sommaire suivant






Bitcoin is a swarm of cyber hornets serving the goddess of wisdom, feeding on the fire of truth, exponentially growing ever smarter, faster, and stronger behind a wall of encrypted energy








"Des chercheurs qui cherchent on en trouve, des chercheurs qui trouvent, on en cherche !"   Charles de Gaulle