Restauration de signaux pour la Maintenance prédictive des roulements des trains à grande vitesse
Le projet de maintenance prédictive des roulements des trains à grande vitesse a remporté le prix Yann LeCunn de la meilleure innovation lors de l’événement TechnInnov 2023 (https://ai-africa.ecc-emines.ma/). Cette initiative vise à améliorer la détection et la prévention des défaillances des roulements des trains à grande vitesse en utilisant des méthodes non invasives, permettant ainsi de réduire les coûts liés aux pannes de roulement.
Ce projet a été réalisé par Hermann Agossou lors de son stage de césure chez SIANA, sous la supervision notamment de Mohammed El Rhabi (ECC) et Mohamed Sedki (SIANA).
Les roulements sont des composants essentiels pour transmettre le mouvement de rotation de l’essieu aux roues, mais ils peuvent tomber en panne en raison de défauts, entraînant ainsi des coûts significatifs. Notre méthode se base sur l’analyse des signaux vibratoires ou acoustiques pour identifier les défauts des roulements.
La méthode comprend deux étapes principales : le débruitage du signal observé et la procédure simultanée de désencombrement BSS (Blind Source Separation) pour extraire les informations pertinentes. Les résultats numériques obtenus à partir d’échantillons d’observations mélangeant deux sources réelles non gaussiennes et indépendantes démontrent l’efficacité de notre approche en termes de détection des défauts.