Développement d’une méthode non-supervisée d’apprentissage profond pour la détection de défaillance à partir de signaux acoustiques et vibratoires

L’objectif du projet est d’automatiser la reconnaissance des signaux acoustiques et vibratoires a l’aide d’un modele d’apprentissage profond. Cette reconnaissance est la premiere etape du developpement d’un modele de pronostic et de suivi de !’evolution de la degradation des alternateurs. Ces signaux sont issus de mesures effectuees periodiquement sur les alternateurs durant leur fonctionnement. Les mesures acoustiques etant considerees comme non-intrusives par rapport a !’exploitation des alternateurs, leurs etudes et analyse a l’interieur d’un algorithme de detection automatique de defaut aura un impact majeur relativement aux strategies de priorisation de la maintenance. Entin, les signaux vibratoires et acoustiques permettent de quantifier l’etat de sante des alternateurs, comme les signaux electrocardiogrammes « ECG » pour l’etat de sante d’un humain.

Faculty Supervisor:

Ioannis Mitliagkas

Student:

Partner:

Institut de Recherche Hydro-Québec

Discipline:

Computer science

Sector:

Professional, scientific and technical services; Utilities

University:

Université de Montréal

Program: