Repository logo
  • English
  • Français
  • Log In
Repository logo
  • Communities & Collections
  • All of DSpace
  • English
  • Français
  • Log In
  1. Home
  2. Browse by Author

Browsing by Author "Larabi, Hamimi"

Now showing 1 - 1 of 1
Results Per Page
Sort Options
  • Loading...
    Thumbnail Image
    Item
    Application de la méthode SVM à la détection et la classification des défauts dans les machines tournantes
    (Université Mouloud Mammeri Tizi Ouzou, 2021-06) Larabi, Hamimi; Ahcene, Sidali
    Ce mémoire présente une technique de diagnostic de défaut et de classification basée sur la méthode d'apprentissage automatique « Les Machines à Vecteurs de Support, SVM » qui est basée sur des données. Dans notre travail, nous nous intéressons à la classification des défauts de roulement apparaissant dans les machines tournantes avec la méthode SVM. Dans la phase de classification, les machines à vecteurs supports (Support Vector Machines (SVM)) ont été retenues. Ce système de diagnostic a été évalué en utilisant des signaux vibratoires en différents modes de fonctionnement (sain et avec défauts). Les résultats obtenus montrent l’efficacité de cette approche.

Dspace Portail web UMMTO E-Learning UMMTO Messagerie UMMTO

    Centre des Systèmes et Réseaux CSRICTED 026.18.62.29 centre_reseaux@ummto.dz