Diagnostic intelligent des machines tournantes par la VMD

Cet ouvrage présente une approche innovante pour le diagnostic des défauts dans les machines tournantes, fondée sur la Décomposition en Modes Variationnelle (VMD) et les techniques d'intelligence artificielle. Il débute par une analyse des stratégies de maintenance conditionnelle et des limites des méthodes classiques de traitement du signal. La VMD y est comparée à la Décomposition en Modes Empiriques (EMD) afin de démontrer sa supériorité pour l'extraction des signatures de défauts en environnements bruités. Un critère basé sur l'entropie de Shannon est proposé pour optimiser le nombre de modes, tandis que l'intégration de la Décomposition Multirésolution par Ondelettes (WMRA) améliore la détection des défauts faibles. Enfin, un modèle hybride VMD-LSTM est développé pour la classification automatique et l'évaluation de la sévérité des défaillances. Alliant rigueur scientifique et validation expérimentale, ce livre offre une contribution majeure au diagnostic prédictif et à la maintenance intelligente dans le contexte de l'industrie 4.0.

Autorentext

Ammar Mrabti est docteur en génie mécanique, spécialiste de l'analyse vibratoire et du diagnostic intelligent des machines tournantes. Ses travaux portent sur la combinaison du traitement avancé du signal et de l'apprentissage profond pour la maintenance prédictive. Il a publié plusieurs articles indexés et effectué beaucoup de recherches.