Annonce
Offre thèse Univ. Orléans : Caractérisation des machines électriques par analyse conjointe des signaux électrique / vibratoire
9 Avril 2023
Catégorie : Doctorant
Mots clés – Keywords
Traitement des signaux de consommation électriques, Traitement des signaux vibratoires, Modélisation mécanique / électrique, Usine du futur
Electrical consumption signal processing, Vibration signal processing, Mechanical / electrical modelization, Factory of the future
Profil et compétences recherchées - Profile and skills required
Ce poste est ouvert aux candidats au doctorat qui ont un intérêt pour le traitement du signal appliqué à l'analyse vibratoire et au génie électrique. Le candidat doit être titulaire d'un master avec une solide expérience dans plusieurs domaines précédemment cités mais la valence traitement du signal et des données est prépondérante.
Une grande autonomie de travail est aussi demandée, tant sur les aspects méthodologiques qu'expérimentaux.
This position is opened to PhD candidates having particular interest in signal processing applied to vibration analysis and electrical engineering. The candidate must hold a Master degree with experience in many of the previous fields. The signal and data processing part however is predominant.
A great autonomy is required, both on methodological and experimental aspects.
Précisions sur l'encadrement - Details on the thesis supervision
Bourse de thèse de la région Centre Val de Loire pour 3 ans, avec codirection entre l'Université d'Orléans et l’Université de Tours
La thèse se déroulera en collaboration entre les laboratoires PRISME (Université d'Orléans) et GREMAN (Université de Tours) mais sera principalement localisée à Chartres, site de l'Université d'Orléans.
Modalités de candidature (avant le 21 mai)
Adresser CV, lettre de motivation et relevé de notes à philippe.ravier@univ-orleans.fr (directeur de thèse) et jean-charles.lebunetel@univ-tours.fr (codirecteur de thèse)
PhD grant from « région Centre Val de Loire » for 3 years, with cosupervising between PRISME laboratory (University of Orléans) and GREMAN laboratory (University of Tours).
The PhD work will be conducted between PRISME (University of Orléans) and GREMAN (University of Tours) but will be mainly located in Chartres (site of University of Orléans).
Modalities for application (before 21st may)
Send your CV, motivation letter and transcripts to philippe.ravier@univ-orleans.fr (thesis supervisor) and jean-charles.lebunetel@univ-tours.fr (thesis cosupervisor)
Contexte - Context:
La surveillance du fonctionnement des installations électriques est d’un intérêt majeur notamment dans le domaine industriel où tout défaut ou dysfonctionnement non perçu d’un élément d’une chaîne de production est susceptible d’arrêter intempestivement l’outil de production ce qui a des conséquences financières dramatiques pour l’entreprise. Aujourd’hui, pour répondre à cet enjeu, les opérations de maintenance s’orientent vers l’analyse des données fournies par des capteurs (IOT) sur les équipements. La captation et le traitement de ces données deviennent un enjeu majeur des actions de maintenance préventive futures, ceci afin de tendre vers une maintenance prédictive voire proactive ou prescriptive. Dans ce cadre, l’idée de ce travail de thèse est de chercher à exploiter conjointement les signaux issus de l’analyse vibratoire des machines avec ceux issus des mesures de courant électrique.
Monitoring on electric operating facilities is of major interest particularly in the industrial sphere where any weakness or incorrect working in the manufacturing process is liable to jeopardise the production lines that may shut down with dramatic financial consequence for companies. The exploding phenomenon of the Internet of Things (IoT) provides many opportunities to Manufacturing industries to manage the maintenance of machines in a new Prescriptive way. This new way allows dynamic case management but requires big data acquisition and analysis. Within this frame, many acquisition modalities are available and the idea of this thesis is to jointly exploit signals from machine vibrations with those from their electric current measures.
Objectifs de la thèse / PhD objectives:
Le travail demandé s’appuie sur les résultats de plusieurs projets collaboratifs PRISME-GREMAN antérieurs. Le laboratoire PRISME a acquis une expertise dans la modélisation fine et la caractérisation des courants électriques à des fins d’identification des consommateurs présents sur le réseau, à partir d’un seul point de mesure de la tension et du courant (projet MDE-MAC3). Il s’agit ici de chercher à exploiter l’évolution des paramètres électriques (courant, tension et quantités déduites) pour déceler un défaut ou un dysfonctionnement, en lien avec les indicateurs issus de l’analyse vibratoire (suivi des ordres, kurtosis, indicateurs cyclostationnaires…). Le laboratoire GREMAN a développé une expertise dans la caractérisation des installations électriques, par mesure et identification des paramètres physiques ainsi que dans la modélisation des charges et de leur consommation (projets CPLDIAG et ECCO). Il s’agit ici de chercher à modéliser des dysfonctionnements ou états de fonctionnement de moteurs électriques (balourds, chocs, charges excessives, …) dans une optique de surveillance de ces équipements.
The work will benefit the results of previous collaborations between PRISME and GREMAN labs. The PRISME laboratory has acquired expertise in modelling and characterizing the electric currents of appliances for their active identification by using a single point measure in the domestic electric grid (MDE-MAC3 project). The question is now to leverage electric parameters evolution (current, voltage and deduced quantities) for perceiving any dysfunction or default in the installation equipments by linking the evolutions with indicators stemming from vibration analysis (order tracking, kurtosis, cyclostationary indicators…). The GREMAN laboratory has developped expertise in electrical installation characterization, by measuring and identifying physical parameters of the power lines as well as electric loads modelling and their consumption (CPLDIAG and ECCO projects). The purpose is modelling dysfunctions or functioning states of electric machines (unbalances, shocks, excessive loads...) for equipment surveillance.
Références - references
[1] P. Granjon et al., Comparison of electrical and vibration analysis methods for mechanical fault monitoring in wind turbine drivetrain, 15th International Conference on Condition Monitoring and Machinery Failure Prevention Technologies, 2018, Nottingham, United Kingdom
[2] A. Assoumane, Diagnostic des engrenages et des roulements en régime variable par une analyse vibratoire, thèse de l'Université d'Orléans, 2018
[3] M. Naît Meziane, Identification d’appareils électriques par analyse des courants de mise en marche, thèse de l'Université d'Orléans, 2016
[4] R. Nizigiyimana, Diagnostic de réseaux électriques et communication par CPL, thèse de l'Université de Tours, 2014
[5] J. Pacheco-Chérrez et al., Bearing fault detection with vibration and acoustic signals: Comparison among different machine leaning classification methods, Engineering Failure Analysis, 2022.
Email des directeurs de thèse : philippe.ravier@univ-orleans.fr; jean-charles.lebunetel@univ-tours.fr