Fuzzy symptoms generation by FFT and SWT
Génération de symptômes flous par FFT et SWT : applications à la détection de vibrations
Résumé
The purpose of this work is fault detection through changes detection or anomalies in the measured signals. Our work presents a method making possible to build a behavioral model of the process, using historical process data (reference signals), in order to detect abnormal situations resulting from dysfunctions. This method consists in generating on line progressive symptoms, making possible to follow the temporal evolution of the system operation to be supervised. These symptoms take into account uncertainties on the decision by aggregating the result of the detection test with that of its validity. By their properties of frequency and time-frequency localization, Short Time Fourier Transform and Stationary Wavelets Transform are two methods adaptable to fault diagnosis. The choices of the weighting window length and type for the STFT, of the mother wavelet and the number of decomposition levels for the SWT are the freedom degrees which allow this method to extract relevant information from the analyzed signals. A gradual symptom is obtained according to the type and from of the extent fault. The fault detection method conceived was initially tested on signals containing simulated faults was then validate on industrial signals to detect the torsional vibrations in a reversing rolling mill (hot rolling). The freedom degrees of the suggested method confer flexibility to the developed methods with regard to different applications.
L'objectif de ce travail est la détection des défauts à travers la détection des changements ou des anomalies dans les signaux mesurés. Notre travail présente une méthode permettant de construire, à partir d'historique de données (signaux de référence), un modèle comportemental du procédé, puis de détecter des situations anormales issues des dysfonctionnements. Cette méthode consiste à générer des symptômes flous en ligne permettant de suivre l'évolution temporelle du fonctionnement du système à surveiller. Ces symptômes prennent en considération les incertitudes sur la décision en fusionnant le résultat du test de détection avec celui de sa validité. Par leurs propriétés de localisation fréquentielle et temps-fréquence, la transformée de Fourier à court terme et la transformée en ondelettes stationnaires sont deux méthodes adaptables au diagnostic. Les choix de la longueur et du type de la fenêtre de pondération pour la STFT, de l'ondelette mère et du nombre de niveaux de décomposition pour la SWT sont les degrés de liberté qui leur permettent d'extraire des informations pertinentes des signaux analysés. Un symptôme graduel est obtenu en fonction du type et de l'ampleur du défaut. La méthode de détection conçue a été testée sur des signaux contenant des défauts simulés, puis a été ensuite validée sur des données industrielles pour la détection des vibrations torsionnelles dans un laminoir réversible (laminage à chaud). Les degrés de liberté de la méthode proposée confèrent aux méthodes développées la flexibilité par rapport à différentes applications.
Loading...