Niveau : Avancé
Afin de créer un système de surveillance de détection d'anomalies en temps réel pour les roulements à rouleaux, le signal d'accélération du roulement à rouleaux est prétraité par incréments de 0,5 seconde, puis divers indicateurs statistiques sont appliqués au signal d'accélération prétraité pour déterminer le NOR (normal) et l'ORF. (bague extérieure) du roulement à rouleaux. Après avoir défini les modèles de (défaut de bague intérieure) et d'IRF (défaut de bague intérieure), nous apprenons les modèles à l'aide de techniques d'apprentissage automatique pour construire un système qui surveille la détection des anomalies en temps réel. En appliquant la méthodologie statistique de JMP, l'asymétrie et l'aplatissement ont été sélectionnés comme indicateurs statistiques pour reconnaître les modèles NOR (normal), ORF (défaut de bague extérieure) et IRF (défaut de bague intérieure) des signaux d'accélération des roulements à rouleaux, et la reconnaissance des modèles a été fournie par JMP. Un modèle de détection d'anomalies a été construit en appliquant des méthodologies d'apprentissage automatique telles que ANN (Artificial Neural Network), SVM (Support Vector Machines) et la régression logistique, NL (Nominal Logistics).
