Application de la méthode SVM à la détection et la classification des défauts dans les machines tournantes
| dc.contributor.author | Larabi, Hamimi | |
| dc.contributor.author | Ahcene, Sidali | |
| dc.date.accessioned | 2022-05-17T09:47:32Z | |
| dc.date.available | 2022-05-17T09:47:32Z | |
| dc.date.issued | 2021-06 | |
| dc.description | 91 f. : ill. ; 30 cm. (+CD-Rom) | en |
| dc.description.abstract | 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. | en |
| dc.identifier.citation | Electromécanique | en |
| dc.identifier.other | MST/ELECTRO20 | |
| dc.identifier.uri | https://dspace.ummto.dz/handle/ummto/17713 | |
| dc.language.iso | fr | en |
| dc.publisher | Université Mouloud Mammeri Tizi Ouzou | en |
| dc.subject | Méthode svm | en |
| dc.subject | Machine tournante | en |
| dc.subject | Maintenance industrielle | en |
| dc.subject | Analyse vibratoire | en |
| dc.title | Application de la méthode SVM à la détection et la classification des défauts dans les machines tournantes | en |
| dc.type | Thesis | en |