Mèmoire Complet 2 PDF

MINISTERE DE L’ENSEIGNEMENT SUPERIEUR ET DE
LA RECHERCHE SCIENTIFIQUE
UNIVERSITE FERHAT ABBAS - SETIF

UFAS (ALGERIE)
MEMOIRE
Présenté à l’Institut d’Optique et Mécanique de Précision

Pour l’obtention du Diplôme de
MAGISTER
Filière : Optique et Mécanique de Précision
Option : Mécanique appliquée
Par
Mr. Nabti Mohamed Tahar
THEME
Etude de l’evolution des indicateurs spectraux et cepstraux

dans la détection des défauts mécaniques
Soutenu le : 14 Déc 2011 devant le jury d’examen :
Mr. F. KHABER M.C.A à l’université de sétif Président

Mr. A. FELKAOUI M.C.A à l’université de sétif Rapporteur
Mr. A. HAMOUDA M.C.A à l’université de sétif Examinateur
Mr. F. DJEDDOU M.C.A à l’université de sétif Examinateur
Dédicace
A tout unificateur dans le monde ;
A mes chers parents que je dois toute ma gratitude ;
A mes frères : Mokhtar, Daha, Ali et Okba
A mes soeurs ;
A ma femme et mon fils ;
A la famille NABTI et KHEMILI ;
A mes collègues de poste graduation ;
A mes collègues de SORALCHIN ;
A tous ceux qui me sont chers en dieu.
Nabti Mohamed Tahar

Sommaire
SOMMAIRE
Introduction générale .......................................................................................................... 01
Chapitre I. Maintenance industrielle
I.1. Introduction................................................................................................................... 03
I.2. Maintenance ................................................................................................................. 03
I.2.1. but de la maintenance ....................................................................................... 03
I.2.1.1. Objectifs financiers ............................................................................... 03
I.2.1.2. Objectifs opérationnels ......................................................................... 03
I.2.2. Types de la maintenance .................................................................................. 04
I.2.2.1. Maintenance préventive ......................................................................... 04
I.2.2.1.1. Maintenance systématique ........................................................ 04
I.2.2.1.2. Maintenance conditionnelle ..................................................... 04
I.2.2.2. Maintenance corrective .......................................................................... 05
I.2.3.Niveaux de maintenance .................................................................................. 05
I.2.4. Organisation de la maintenance conditionnelle ............................................. 06
I.2.5. Classement des machines ................................................................................ 07
I.2.5.1. Vitales ..................................................................................................... 07
I.2.5.2. Importante .............................................................................................. 07
I.2.5.3. Secondaire .............................................................................................. 07
I.2.6. La cinématique ................................................................................................. 07
I.3. Méthodes d’analyse.................................................................................................... 07
I.3.1. L’analyse d’huile .............................................................................................. 07
I.3.2. Thermographie infrarouge ............................................................................... 08
I.3.2.1. Définition ............................................................................................... 08
I.3.2.2. Exemple ................................................................................................... 08
I.3.3. Analyse vibratoire ............................................................................................... 09
I.3.3.1. Définition ....................................................................................................... 09
I.3.3.2. vibration mécanique .................................................................................... 09
I.3.3.2.1. Définition d’une vibration ............................................................... 09
I.3.3.2.2. signal vibratoire ................................................................................. 10
I.3.3.3. Type des signaux .......................................................................................... 10
I.3.3.3.1. Déterministe ........................................................................................ 11
I.3.3.3.2. Aléatoire .............................................................................................. 11
I.3.3.4. Caractéristiques d’un signal vibratoire ..................................................... 12
I.4. La chaine de mesure................................................................................................... 12
I.4.1. Les capteurs de vibrations ............................................................................... 14
I.4.2. Types des capteurs .............................................................................................. 15
I.4.2.1. Accéléromètre piézo-électrique .......................................................... 15
I.4.2.2. capteur à courant de Foucault .............................................................. 15
I.4.3. Le conditionnement du signal ........................................................................... 15
I.4.4. Choix des indicateurs ......................................................................................... 16
I.5. Défauts des machines tournantes ............................................................................. 17
I.5.1. Balourd ................................................................................................................ 17
I.5.2. Désalignement ..................................................................................................... 17
I.5.3. Mauvais serrage mécanique .............................................................................. 18
I.5.4. Engrènement ........................................................................................................ 18
Sommaire
I.5.5. Défauts des roulements ...................................................................................... 18

I.6. Définitions ................................................................................................................... 19
I.6.1. dégradation .......................................................................................................... 19
I.6.2. Défauts et pannes................................................................................................ 19
I.6.3. Défaillance .......................................................................................................... 19
I.6.4. Cause de défaillance .......................................................................................... 20
I.7. Surveillance vibratoire ............................................................................................... 21
I.8. Diagnostic vibratoire.................................................................................................. 22
I.8.1. Analyse temporelle ........................................................................................... 23
I.8.2. Analyse fréquentiel ............................................................................................ 26
I.9. Conclusion................................................................................................................... 26
Chapitre II. Etat de l’art de l’analyse vibratoire
II.1. Introduction ................................................................................................................. 27
II.2. Les roulement ........................................................................................................... 27
II.2.1.Eléments des roulements ......................................................................................... 28
II.2.2.Défauts des roulements .......................................................................................... 28
a. Causes ...................................................................................................................... 28
b. Principale défauts .................................................................................................... 28
II.2.3. Caractéristiques du signal engendré par le roulement endommagé ......................... 30
a. Model mathématique du signal ............................................................................... 30
b. Défauts de la bague interne .................................................................................... 31
c. Défauts de la bague externe .................................................................................... 31
d. Défauts de l’élément roulant ................................................................................... 32
e. Défauts de la cage ................................................................................................... 32
II.2.4.Méthodes d’analyse des défauts de roulement .......................................................... 33
II.2. 4.1. L’analyse de l’enveloppe............................................................................... 33
II.2.4.2. L’analyse temps-échelle (ondelette) .............................................................. 35
II.2.4.3. Kurtosis spectral ............................................................................................ 37
II.2.4.3.1. Définition............................................................................................. 37
II.2.4.3.3. Kurtogramme ...................................................................................... 39
II.3.les engrenages............................................................................................................... 43
II.3.1. présentation ............................................................................................................. 43
II.3.2. Principale source des vibrations .............................................................................. 43
II.3.3.Types de défauts ....................................................................................................... 44
a. L’usure ..................................................................................................................... 44
b. Pitting ...................................................................................................................... 44
c. Fissuration ................................................................................................................ 44
d. l’écaillage ................................................................................................................. 44
II.3.4. Signal d’engrènement............................................................................................... 45
II.3.5.Méthodes d’analyse des défauts d’engrenage .......................................................... 46
II.3.5.1. Analyse spectrale.......................................................................................... 46
II.3.5.2. Analyse cepstral ........................................................................................... 48
II.3.5.3. Analyse temps-fréquence ............................................................................ 54
II.4. Conclusion................................................................................................................... 56
Chapitre III. Présentation des systèmes étudiés et discussion des résultats
III.1. Introduction ................................................................................................................ 57
III.2. Etude du système de roulement ................................................................................ 58
III.2.1 Banc d'essai de roulement "Bearing Data Center".......................................... 58
III.2.2 Présentation des signaux étudiés .................................................................... 60
Sommaire
III.2.3. Extraction des indicateurs ............................................................................. 62

III.2.3.1 Indicateurs temporels ...................................................................... 62
III.2.3.2 Indicateurs fréquentielles ................................................................ 64
III.3.4 Kurtosis spectrale ............................................................................... 66
III.2.4 Applications ................................................................................................... 66
III.2.4.1 Sans défauts......................................................................................... 66
III.2.4.2 Avec défaut Ø=0.007 ........................................................................ 67
III.2.4.2 Avec défaut Ø=0.014 ......................................................................... 68
III.2.4.2 Avec défaut Ø=0.021 ......................................................................... 69
III.2.4.2 Avec défaut Ø=0.028 ......................................................................... 70
III.3.Etude de système d’engrenage .................................................................................. 72
III.3.1. Boite de vitesse d’un hélicoptère « NAVY Westland data »........................ 72
III.3.2. Préparation des observations.......................................................................... 75
A) Filtrage ....................................................................................................... 75
B) Décimation ................................................................................................. 75
III.3.3. Extraction des indicateurs ............................................................................. 75
III.2.3.1 Indicateurs temporel ........................................................................ 76
III.2.3.2 Indicateurs fréquentielles ................................................................ 77
III.2.3.3 Analyse cepstral ........................................................................... 80
III.3.4 Applications ................................................................................................... 80
III.3.4.1 Sans défauts......................................................................................... 81
III.3.4.2 défaut niveau 1 .................................................................................. 81
III.3.4.2 défaut niveau 2 .................................................................................. 81
III.4. Conclusion ............................................................................................................... 82
Conclusion générale ............................................................................................................ 83

Bibliographie
Introduction générale
La maintenance optimale des machines tournantes en fonctionnement a une
importance vitale pour assurer une production permanente et augmenter la durée de vie
de ces machines. Les différentes méthodes de surveillance sont : l’analyse d’huile,
l’analyse de température et L’analyse vibratoire,... L’analyse vibratoire est la
technique la plus utilisée pour réaliser une surveillance et un diagnostic fiable et pour
détecter l’apparition et l’évolution de la plupart des défauts mécaniques. Ces travaux de
maintenance ont une importance économique, elles permettent de passer d’une
maintenance systématique (fréquentielle) à une maintenance conditionnelle moins
coûteuse.
Le principe de l’analyse vibratoire est basé sur l’idée que les machines tournantes
(pompes, compresseurs, turbines…) en fonctionnement engendrent des défauts tels que :
un balourd, un désalignement, un défaut de roulement, un écaillage de dents
d’engrenage,… qui donnent des signaux vibratoires très compliqués. Ces signaux sont
captés par des accéléromètres piézoélectriques placés sur les paliers de la machine, le
plus proche possible de la source du défaut, et subissent une série de prétraitements
telles que: l’analyse spectrale, l’analyse cepstrale, l’analyse temporelle, l’analyse temps-
fréquence, temps-échelle et l’analyse de la cyclostationnarité.
Les engrenages ont fait l’objet de nombreux travaux [K. Drouiche], [Mac Fadden],
[I.M. Lebal], [M. Chiollaz] , [J. Ondroubh] les auteurs des références [B. RANDALL] ,
[C. CAPDESSUS] ont constaté que l’analyse cepstrale est un bon compliment de
l’analyse spectrale, L'analyse par le cepstre présente des propriétés qui la rendent
particulièrement adaptée à l'étude des vibrations d'engrenage, pour sa simplicité et sa
capacité à fournir des informations compactes et faciles à interpréter [Ion BRATU] ,
[M. El Badaoui].
Le diagnostic de roulement a été étudié par Balderston [H. Balderston] de Boeing en
1969.Il a identifié que l’information des défauts devaient principalement être trouvé
dans la région des hautes fréquences de résonance. Après, en 1970, Weichbrodt et Smith
[B.Weichbrodt] ont employé la moyennage synchrone pour les défauts dans des
roulements. La technique de résonance à haute fréquence (HFRT), plus tard appelée
l'analyse d'enveloppe, a été appliquée dans [M.S. Darlow], ce concept de démodulation a
mené à l'élaboration d'un certain nombre de méthodes de diagnostic de roulement, où la
1
fréquence démodulée était la résonance du capteur elle-même. Il y a une discussion sur

la façon de choisir la largeur de bande optimum pour la démodulation liée à l'analyse
d’enveloppe [Robert B. Randall]. Le KS [Jérôme Antoni] est employé pour indiquer la
meilleure bande de démodulation pour l'analyse d’enveloppe. Elle peut également être
employée à déterminer la largeur de bande optimale pour maximiser le kurtosis.
Le but de ce travail est de maitriser les techniques : l’analyse spectrale, l’analyse
cepstrale, l’analyse d’enveloppe et le kurtosis spectrale. Et de confirmer les différents
résultats sur nos signaux qui sont : les signaux de roulements ;"the Case Western Reserve
University- Bearing Data Center " Cleveland USA; base de données des essais de
roulements à billes normaux ou défectueux, et Les signaux d’une boite de vitesse d’un
hélicoptère de la NAVY -Université de Pennsylvanie.
Le mémoire est structuré en trois chapitres, suivis d’une conclusion générale.
Chapitre I. Etude bibliographie (Généralités sur la maintenance et l’analyse
vibratoire)
Dans la première partie du chapitre, nous avons présenté une étude théorique sur
la maintenance industrielle et leurs types.
Dans la deuxième partie du chapitre, nous avons donnée les différents types des
signaux vibratoires et leurs caractéristiques, nous avons ensuite exposé le système
d’acquisition et d’enregistrement de ces signaux
Chapitre II. Etat de l’art des méthodes d’analyse vibratoire
Ce chapitre présente un état de l’art sur les travaux de recherche des méthodes
de traitements. Nous discutons les travaux sur L’enveloppe spectrale, le kurtosis spectral
et l’analyse temps-échelle qui sont très utilisés dans le diagnostic des défauts de
roulements. Le spectre, le cepstre d’énergie et la transformé en ondelettes sont discutés
pour le cas du diagnostic vibratoire des systèmes d’engrenage.
Chapitre III. Présentation des systèmes étudiés et discussion des résultats
Dans ce chapitre, après que nous avons décrit les bancs d’essai. Nous avons
appliquée en premier lieu l’application des méthodes de l’analyse de l’enveloppe et le
kurtosis spectral sur les signaux réels d’un roulement. En deuxième lieu nous avons
présenté les résultats de l’analyse spectrale et l’analyse cepstrale pour des signaux réels
d’un engrenage et étudie l’efficacité de ces techniques pour le système défaillant.
Nous avons terminé par une conclusion générale sur cette étude, ainsi que
quelques perspectives pour des études ultérieures.
2
CHAPITRE I Maintenance industrielle
I.1. Introduction :
Le monde industriel et le monde des transports disposent de machine et d’installation
de plus en plus performantes et complexes. Les exigences de haute sécurité, la réduction des
couts d’exploitation et la maitrise de la disponibilité des équipements donnent à la
maintenance des systèmes, un rôle prépondérant. Elle doit permettre de n’intervenir qu’en
présence d’éléments défectueux, de minimiser le temps de réparation, et de fournir un
diagnostic fiable et facilement interprétable malgré la complexité des équipements.
Nous nous intéressons principalement aux transmissions des puissances mécaniques
utilisées dans différents domaines tel que l’industrie : l’aéronautique, l’automobile et les
transports ferroviaires. La maintenance de ces systèmes de transmission occupe un temps
relativement important par rapport à leur temps d’utilisation, actuellement la recherche
scientifique vise à développer les outils nécessaires à l’optimisation de la maintenance de tels
systèmes.
Dans ce chapitre, nous introduisons l’approche de maintenance, nous donnons les
différents types de maintenance et présentons les causes de défaillances. Un rappel sur
l'analyse vibratoire des machines tournantes est également donné.
I.2. Maintenance :
Le terme de maintenance désigne l’ensemble des techniques d’entretien et de la
vérification qui sont en œuvre pour permettre une utilisation optimale des machines dans une
installation industrielle
I.2.1. But de la maintenance :
Les objectifs de la maintenance peuvent être classés en deux types :
I.2.1.1 Objectifs financiers :
- Réduire au minimum les dépenses de maintenance.
- Assurer le service de maintenance dans les limites d’un budget.
I.2.1.2 Objectifs opérationnels :
- Maintenir l’équipement dans les meilleures conditions possibles.
- Assurer la disponibilité maximale de l’équipement à un prix minimum.
- Augmenter la durée de vie des équipements.
- Entretenir les installations avec le minimum d’économie et les remplacer à des
périodes prédéterminées.
- Assurer un fonctionnement sûr et efficace à tout moment.
3
I.2.2. Types de la maintenance :

Nous distinguons plusieurs types de maintenance (figure I.1) :
I.2.2.1. Maintenance préventive :
Qui vise à diminuer la probabilité de défaillance d’un système. Pour cela elle
s’appuie sur :
I.2.2.1.1 Maintenance systématique :
Qui consiste à changer suivant un échéancier établi à l’avance des organes jugés
Proches de l’usure. Elle est définie par les lois de la conception par le constructeur et
remplie par l’expérience des agents de la maintenance. C’est la plus simple et la plus
utilisée jusqu’a présent. Elle consiste donc en des arrêts réguliers de la machine, avec
démontage, contrôle des jeux et remplacements systématiques d’organes .La date de l’arrêt
est planifié par expérience.
Elle se base sur des données statistiques du dossier historique de l’unité d’intervention
ou en fonction d’impératif de sécurité. L’inconvénient d’une telle maintenance est le risque
démontage inutile de la machine occasionnant ainsi un manque à gainer certain. De plus, il
est toujours délicat de redémarrer un équipement froide dans la quel des réglages parfois
longs et complexes. Il se peut aussi qu’on ait des défaillances entre deux interventions
systématiques provoquant ainsi des dégâts importants avec arrêt de la production.
I.2.2.1.2. Maintenance conditionnelle :
Qui demande au préalable d’effectuer un diagnostic avant de remplacer l’organe en
question. Elle s’appliqué particulièrement aux machines tournantes. Elle est basée sur
l’analyse :
- Externe des machines (corrosion, ancrages, etc.…..)
- Des paramètres de procès (température, pression débit …..)
- Des huiles de lubrification et étanchéité.
- Des températures d’organes des machines
- Des vibrations et des bruits au niveau des organes.
La maintenance conditionnelle permet donc d’éviter les inconvénients de la
maintenance systématique. Par le fait qu’elle permet de déterminer quel organe défaillant
devra être remplacé et la date à laquelle s’impose l’intervention en se basant uniquement
sur les analyses en temps réel de la machine et non sur des données statistiques.
Bien évidemment, pour faire de telles prédictions, il est nécessaire d’accéder à une
bonne compréhension du rôle de la machine dans les procès et de son fonctionnement
4
interne, car il n’est pas possible de prédire l’avenir d’un équipement sans connaître son
état de santé au temps présent.
I.2.2.2.Maintenance corrective :
Qui vise à intervenir à la suite de pannes. Cela ne veut pas dire que toutes ces pannes
n’ont pas été prévisibles. Ce type de maintenance sera facilité par une bonne maintenabilité
(aptitudes à maintenir ou à rétablir un dispositif, dans un état, lui permettant d’accomplir sa
fonction). Il pourra permettre d’améliorer la fiabilité globale en analysant les problèmes
rencontré en contrôle techniques ou cercles de qualité ou avec les constructeurs [D. Sona].
MAINTENANCE INDUSTERIELLE
MAINTENANCE MAINTENANCE
CORRECTIVE PREVENTIVE
SYSTEMATIQUE CONDITIONNELLE
Figure I.1 : types de maintenance
I.2.3. Niveaux de maintenance : La norme NF X 60-010 définit, à titre indicatif, quatre

niveaux de maintenance (Tableau I.1) :
niveau 1 niveau 2 Niveau3 niveau 4

travaux - réglages opérations identification travaux importants de
simples mineures de et diagnostic maintenance corrective
- pas de maintenance de pannes ou préventive
démontage préventive
ni ouverture
sur place ou atelier spécialisé avec
lieu sur place sur place dans atelier de outillage général
maintenance
personnel exploitant du technicien technicien équipe avec
bien habilité spécialisé encadrement technique
spécialisé
exemple remise à zéro changement identification intervention sur
d'un automate d'un relais de l'élément matériel dont la remise
après arrêt défaillant en service est soumise à
d'urgence qualification
I.2.4. Organisation de la maintenance conditionnelle :
Tableau I.1 : les quatre niveaux de maintenance
5
I.2.4. Organisation de la maintenance conditionnelle :

Dans la référence [Fran] on définie l’organisation de la maintenance conditionnelle par
l’organigramme suivant (figure I.2) :
1. Choix des équipements à inclure dans le programme d’entretien prédictif
2. Choix des techniques de surveillance de l’évolution du défaut
3. Établissement de spectres vibratoires de référence
4. Établissement des courbes de tendance.
5. Détection d’alarme
6. Diagnostic
NON des défauts
OUI
7. Correction nécessaire
Figure I.2 : Organisation de la maintenance conditionnelle [Fran]
1. Cette étape comprend la codification des équipements, l’inventaire et la sélection du type

d’entretien appliqué à chaque équipement
2. Cette étape comprend le choix de la technique de mesure, leur périodicité, leur endroit et
repérage, la création d’une route et des dossiers de suivi
3. Cette étape s’occupe de la détermination des alarmes
4. Cette étape comprend la prise de mesure, l’enregistrement et la gestion des données
vibratoires.
5. vérification du seuil d’alarme
6. déterminer l’élément défaillant
7. Changer ou corriger l’élément défaillant.
6
I.2. 5. Classement des machines :

Afin de ne pas surveiller inutilement des machines qui n’ont pas une importance capitale,
les industriels établissent souvent le classement suivant :
I.2.5.1. Vitales : machines non doublées dont la panne entraîne l’arrêt de la production.
Les frais et les délais de remise en état sont importants. Les pertes de production sont
inacceptables.
I.2.5.2. Importante : machines doublées ou non dont la panne entraîne une baisse sensible
de la production. Les frais et délais de remise en état sont importants, les pertes de production
aussi.
I.2.5.3. Secondaire : machines doublées ou dont une panne ne remet pas en cause les
capacités de production.
I.2.6. La cinématique :
On ne peut surveiller correctement une machine que l’on ne connaît pas. Avant de
recueillir un signal vibratoire, il faut prendre connaissance de la cinématique de l’installation
à surveiller. Parmi les indications les plus importants, le technicien doit connaître :
— la vitesse de rotation de chaque ligne d’arbre ;
— le nombre de pales ou d’aubages sur les ventilateurs et les pompes ;
— le nombre de dents des engrenages ;
— le diamètre des poulies et la longueur des courroies ;
— le type des roulements ;
— le nombre de barres de la cage d’écureuil du moteur, etc.
Tous ces renseignements sont indispensables pour déterminer les outils adéquats à une
surveillance efficace. Ils permettent de calculer les fréquences caractéristiques des défauts
susceptibles d’apparaître sur les machines. [T.I BM 5 145].
I.3. Méthodes d’analyse :
Il existe plusieurs méthodes d’analyse tel que :
I.3.1. L’analyse d’huile :
Le lubrifiant (huile) est comparable au sang de la machine, il reflète le comportement et
l’état du système dans lequel il circule.
Le suivie de ces caractéristiques physico-chimique permet d’apprécier l’état de
dégradation de l’huile et de connaître son aptitude à remplir totalement ses fonctions initiales
de lubrification. L’évolution de cette dégradation peut être un indicateur de condition
7
d’exploitation de l’équipement. Elle va permettre d’optimiser les fréquences de vidanges dans

le cas de quantité importante, le suivie de la contamination permet :
- De situer l’organe défectueux, d’apprécier l’évolution et le type d’usure dans
le cas d’une pollution par des particules internes.
- D’apprécier la nature et l’origine des agents extérieurs.
On prend comme référence les caractéristiques de l’huile neuve et on compare les résultats
obtenue a chaque analyse, si l’on constate une évolution brutale des caractéristiques ou si l’on
atteint des valeurs très éloignées des valeurs initiales, il faut soit intervenir au niveau du
matériel ou remplacer l’huile [Jean]
I.3.2 Thermographie infrarouge
I.3.2.1. Définition : Le contrôle par thermographie a pour objet de détecter et de localiser
les variations de température en surface. Une caméra infrarouge associée à un logiciel de
traitement d'image, permet d'obtenir une image en 2 dimensions, appelée thermo-gramme, de
la zone contrôlée. La couleur de chaque pixel de l'image peut être reliée à la température en
chaque point de l'objet, en faisant des hypothèses sur la valeur d'émissivité de la surface
La thermographie est utilisée lors des opérations de maintenance sur site pétrochimique
notamment pour le contrôle :
- de l'état des calorifuges et frigorifuges d'équipement fonctionnant hors température normale,
- de l'état des matériaux réfractaires utilisés sur les fours, cheminés et le gunitage de réacteurs,
- de niveaux dans les réservoirs.
La thermographie est bien adaptée à la détection des points chauds (surchauffe, température
anormale) sur les machines tournantes et les armoires électriques. Il est également
envisageable de surveiller un processus comme le soudage, le remplissage d'un moule.
[j.beige]
I.3.2.2. Exemple : Figure I.3 présente un exemple de la thermographie infrarouge pour
détecter un défaut d’engrenage.
I.3.3. L’analyse vibratoire :

Figure I.3 : exemple de la thermographie infrarouge [j.beige]
8
I. 3.3.1. Définition :
Le principe de l'analyse des vibrations est basé sur l'idée que les structures de machines,
excitées par des efforts dynamiques, donnent des signaux vibratoires dont la fréquence est
identique à celle des efforts qui les ont provoqués ; et la mesure globale prise en un point est
la somme des réponses vibratoires de la structure aux différents efforts excitateurs. On peut
donc, grâce à des capteurs placés en des points particuliers, enregistrer les vibrations
transmises par les structures de la machine et, grâce à leur analyse, identifier l'origine des
efforts auxquels elle est soumise. De plus, si l'on possède la « signature » vibratoire de la
machine lorsqu'elle était neuve, ou réputée en bon état de fonctionnement, on pourra, par
comparaison, apprécier l'évolution de son état ou déceler l'apparition d'efforts dynamiques
nouveaux consécutifs à une dégradation en cours de développement.
La mesure d'une vibration transmise par la structure d'une machine sous l'effet d'efforts
dynamiques sera fonction de multiples paramètres
- Caractéristiques de fixation de la machine sur le sol qui oppose des réactions
aux vibrations et modifie l'intensité
- Position et fixation du capteur sur la machine
- Caractéristiques du capteur.
- Pré-amplification et transmission du signal.
- Vitesse de rotation et puissance absorbée.
- Etat des liaisons de la chaîne cinématique (alignement, balourd, engrenages,
roulements etc.).
I.3.3.2. vibration mécanique
I.3.3.2.1. Définition d’une vibration :
La norme ISO 2041 « Vibrations et chocs - Vocabulaire (Août 1990) » définit la notion de
vibration : Variation avec le temps de l’intensité d’une grandeur caractéristique du
mouvement ou de la position d’un système mécanique, lorsque l’intensité est alternativement
plus grande et plus petite qu’une certaine valeur moyenne ou de référence. En fait, un corps
est dit en vibration lorsqu’il est animé d’un mouvement oscillatoire autour d’une position
d’équilibre ou de référence. Les textes de normalisation AFNOR relatifs aux vibrations sont :
NF E 90-001, NF E 90 002.
9
I.3.3.2.2. signal vibratoire :

Une vibration peut se représenter sous diverses formes.
Si l'on observe un système mécanique simple constitué d'une masselotte suspendue à un

ressort, on constate que le mouvement de la masselotte se traduit par un déplacement, une
vitesse et une accélération.
On remarque sur la figure ci-dessus un décalage entre les maxima de chaque sinusoïde. Ce
décalage est appelé la phase du signal.
La représentation en accélération accentue les hautes fréquences
La représentation en déplacement accentue les basses fréquences
Il faut également noter qu'il existe une relation mathématique entre déplacement, vitesse et
accélération.
I.3.3. Type des signaux : La figure I.4 représente les différentes types des signaux
I.3.3. 1. Déterministe
Des signaux (périodique ou non périodique) dont l’évolution en fonction du temps
peut être parfaitement décrite par un modèle mathématique. Ces signaux proviennent de
10
phénomènes pour lesquels on connaît les lois physiques correspondantes et les conditions
initiales, permettant ainsi de prévoir le résultat. Les signaux non périodiques se composent
d’une part des signaux pseudopériodiques formés d’une somme de sinusoïdes de périodes
différentes et d’autre part des signaux transitoires dont l’existence est limitée dans le temps.
Ces signaux "certains" peuvent en principe être reproduits rigoureusement identiques à eux-
mêmes. [Serge]
I.3.3.2. Aléatoire :
Le signal aléatoire fait intervenir deux notions :
· La notion de signal c’est à dire une mesure qui dépend d’un ou plusieurs paramètres
d’espace, le plus souvent le temps.
· La notion d’aléatoire qui fait que, à un instant t donné, la mesure n’est pas certaine
mais dépend du hasard. Cet aspect est appelé l’aspect stochastique et on parle indifféremment
de signal aléatoire ou de signal stochastique.
Ce sont les signaux qui ont caractère non reproductible et imprévisible. [Caen]
Entrée Système Signal vibratoire
Déterministe Aléatoire
Périodique Non périodique Stationnaire Non stationnaire
Presque périodique Transitoire Cyclostationnaire
Figure I.4 : les différents types des signaux vibratoires
11
I.3.4. Caractéristiques d’un signal vibratoire :

Les signaux vibratoires ont une structure complexe, et sont constitués de différentes
composantes :
 une partie du signal provient des phénomènes cycliques (déterministes ou non) se
produisant dans le système, comme la rotation des arbres, les chocs des engrènements,
les mouvements existants au sein d’un roulement...,
 une partie aléatoire, due aux phénomènes parasites générés lors du fonctionnement
d’un système (jeu, frottement, ...)
Ces signaux ne sont globalement pas stationnaires. En effet, ils ne sont pas indépendants
du temps même si la vitesse de fonctionnement reste constante. Cette non-stationnarité a
plusieurs origines [Bren] :
 vieillissement du système.
 excitation du système en vibration due aux chocs internes successifs voire chaotiques
(engrenages, roulements...),
 non-stationnarité des efforts transmis à travers le système,
 imperfection des surfaces de contact, et contact variable entre dentures.
I.4. Chaine de mesure :
Le but de la mesure est de faire correspondre, à une grandeur physique que l'on désire
connaître, une grandeur compréhensible par le système d'acquisition. De nos jours, il s'agit
presque uniquement de signaux électriques qui ont remplacé les systèmes mécaniques et
optiques d'autrefois. Ainsi le capteur délivre un signal qui est amplifié et converti
généralement en tension par un conditionneur. Le système d'acquisition n'a plus alors à traiter
qu'un courant électrique dont l'intensité est directement reliée à l'amplitude du phénomène vu
par le capteur et cela quel que soit le type de ce capteur.
Prenons l'exemple d'une chaîne d'acquisition analogique (figure I.5). Le mot analogique
veut dire que la loi liant l'information issue du capteur à la grandeur mesurée est continue. Le
signal issu du capteur est transformé par un conditionneur de signaux qui comprend
généralement les éléments suivants :
— le convertisseur de mesure, qui transforme généralement le signal en un courant électrique
aisément transportable et qui est en entrée de la plupart des stations d'acquisition modernes.
— l'amplificateur, qui a pour but d'augmenter l'intensité du signal et de le rendre en cela
moins sensible au bruit de fond ambiant.
12
— un ou plusieurs dispositifs de traitement du signal qui sont dédiés à la chaîne d'acquisition et

varient en fonction des objectifs fixés par l'utilisateur. Ces dispositifs mettent en œuvre des
fonctions très variées allant des filtres aux corrélations entre signaux en passant par la conversion
en valeur efficace ou la linéarisation. Dans certains cas, il est possible de trouver, dans la chaîne
d'acquisition, un multiplexeur : par exemple, si la station d'acquisition est éloignée du lieu de
mesure ou si l'opérateur désire enregistrer un certain nombre de voies sur une bande magnétique.
L'opération consiste à faire passer plusieurs signaux par une seule voie.
Figure I.5 : la chaine de mesure analogique [BM 5 160]
La chaîne de mesure numérique, dont un exemple est donné (figure I.6), utilise au départ
les mêmes dispositifs que la chaîne de mesure analogique. En sortie du conditionneur de
signaux, le signal est échantillonné et numérisé par les éléments suivants :
— l'échantillonneur-bloqueur (E/B) a pour mission, au moment indiqué par le système
logique de commande, de figer la valeur instantanée du signal au moins le temps que le
convertisseur analogique-numérique effectue sa conversion.
— le convertisseur analogique-numérique (CAN) a pour rôle de coder la valeur instantanée du
signal en entrée en un nombre. Son fonctionnement est géré par le système logique de
commande qui peut être un microprocesseur. De la même manière que pour la chaîne
analogique, dans le cas de plusieurs voies d'acquisition, un multiplexeur peut venir s'intercaler
dans la chaîne numérique soit entre le conditionneur et l'échantillonneur-bloqueur, soit entre
ce dernier et le convertisseur analogique-numérique. [BM 5 160]
13
Figure I.6 : la chaine de mesure numérique [BM 5 160]
I.4.1. Capteurs de vibrations :

Le capteur de vibrations est le premier maillon de la chaîne de mesure. Le plus largement
utilisé est l'accéléromètre ou capteur piézoélectrique. Le principe de tous ces accéléromètres
est de générer un signal électrique proportionnel au niveau de vibration. Ces accéléromètres
sont très appréciés car ils possèdent une large bande de fréquence présentant une excellente
linéarité, permettent l'intégration du signal pour obtenir la réponse en vitesse ou en
déplacement et sont d'une excellente précision et fiabilité.
La façon d'utiliser l'accéléromètre joue un rôle primordial dans la prise de mesure. En
effet, le mode de fixation et l'emplacement du capteur influent sur les résultats. La fixation sur
la structure doit être réalisée à partir d'une liaison parfaite. Il existe plusieurs modes de
fixation tels que le goujon vissé, l'embase collée, l'embase magnétique, la pointe touche. Ces
différents modes jouent un rôle considérable sur la bande de fréquence et surtout sur la
répétitivité des mesures. Le choix de l'emplacement du capteur se veut important étant donné
la conception de celui-ci. En effet, la prise de mesure est fournie pour une direction donnée;
c'est pourquoi l'accéléromètre doit être placé à un endroit où la mobilité est maximale.
Actuellement, le capteur est placé au plus près du défaut potentiel pour éviter les
contributions extérieures.
Les signaux enregistrés par les capteurs sont souvent le résultat d'un mélange de
nombreuses sources vibratoires qui peuvent perturber l'interprétation des niveaux d'analyse
introduit dans la section précédente. Et ceci est d'autant plus vrai si le capteur n'est pas placé
au plus près du défaut potentiel dû à un manque d'accessibilité. La surveillance d'un
composant particulier peut être perturbée par la présence d'autres sources vibratoires. De
même, le diagnostic peut s'avérer difficile si des composants identiques sont intégrés à
l'équipement étudié. [CHIEMENTIN]
14
I.4.2. Types des capteurs :

I.4.2.1. Accéléromètre piézo-électrique :
Le capteur et le conditionneur de signal qui lui est associée sont les deux maillons de base
communs à toute chaine de mesure et tout système de surveillance ou de diagnostic par
analyse de vibrations. Sa dynamique de mesure et sa bande passante très étendue font de
l’accéléromètre piézo-électrique le capteur le mieux adapté pour l’analyse des vibrations
absolues de palier. Le choix d’un accéléromètre et du conditionneur de signal sera guidé par
la spécialité et l’environnement des équipements à surveiller (vitesse, température des paliers,
distance entre capteur et unité de traitement…). Les éléments déterminants dans le choix d’un
accéléromètre et de son conditionneur, outre la sensibilité et les facteurs d’influences, sont la
fréquence de coupure inférieure de la fréquence de résonance. En l’absence de contraintes
particulières d’utilisation (température de palier très élevée [>120°C] ou vitesse de rotation
très basse [<120tr/min] l’accéléromètre a électronique incorporée (ICP) est de plus en plus
utilisé au déterminent de l’association accéléromètre/amplificateur de charge.
I.4.2.2. Capteurs à courant de Foucault :
Le capteur de proximité le mieux adapté à la mesure et à l’analyse du déplacement relatif
d’un arbre dans son palier est le capteur à courant de Foucault. Sa bande passante est très
étendue mais sa dynamique est faible a cause du bruit élevé induit par les imperfection
d’usinage de l’arbre et la non homogénéité magnétique des matériaux le constituant. Ces
imperfections géométriques et magnétiques se traduisent dans le domaine spectral par la
présence d’un peigne de raies dont le pas correspond à la fréquence de rotation. Ce peigne de
raies parasite le spectre de signal utile et peut induire de graves erreurs d’interprétation. La
réduction de ce bruit nécessite un traitement spécifique de l’arbre au niveau des zones de
visée des sondes. [Alain Boulenger, Christian Pachaud].
I.4.3. Le conditionnement du signal :
Le signal électrique doit être conditionné pour être traité par les appareils d'analyse. Ce
conditionnement est donné par les déférents points suivants :
1) L’amplification du signal de sortie du capteur pour le rendre exploitable, réalisée par le
préamplificateur.
2) L’intégration du signal pour passer à la vitesse ou au déplacement réalisée par l'intégrateur.
3) La limitation de la plage de fréquences du signal, réalisée par les filtres passe-haut et
passe-bas.
15
4) L’amplification du signal pour le transmettre à l'appareil d'analyse, réalisée par

l'amplificateur [CHIEMENTIN].
I.4.4. Choix des indicateurs :
Le choix de ou des indicateurs (Tableau I.2) les mieux appropriées est fonction de:
- l'organe à surveiller (roulement, engrenage, palier, …),
- la nature des vibrations (sinusoïdale, impulsionel, …),
- la plage de fréquences ou le défaut est le plus facilement identifiable.
- certain nombre de traitements précoces à effectuer tel que, l’élimination des parties qui
obscurcissent l’interprétation des signaux : bruit aléatoire, modulation d’amplitude ou de
phase, phénomène de résonance, etc. Ces indicateurs doivent permettre une surveillance
d'anomalies à un stade précoce, déterminant la nature et les états de dégradation Selon donc
les défauts redoutés, on choisira le ou les indicateurs les mieux appropriés en s'aidant du
tableau suivant [Felkaoui] :
Indicateurs
Accélération,
SPM, g/SE, HFD, BCU, …
Roulements Facteur Crête, Kurtosis,
Démodulation d'amplitude,
Cepstre
Accélération,
Kurtosis,
Quelques exemples Engrenage Démodulation d'amplitude,
d'organes Cepstre
Surveillés Bispectre, bicorrélation,
bispectre
cyclique, corrélation spectrale
Paliers fluides Déplacement

(relatif ou absolu)
Accélération,
Vibration de type Facteur Crête, Kurtosis,
Nature des vibrations impulsionel Démodulation d'amplitude,
générées Cepstre
Vibration de type sinusoïdal Déplacement, vitesse
Basses fréquences Déplacement ou vitesse
Plages de fréquences où le
Moyennes fréquences Vitesse ou accélération
défaut est plus facilement
identifiable Hautes fréquences Accélération
Tableau I.2 : les différents indicateurs [Felkaoui]
16
I.5. Défauts des machines tournantes :

I.5.1. Balourd :
Le balourd (figure I.7) est la cause de vibrations la plus commune et la plus fréquemment
rencontrée. En dépit du soin apporté à la construction des rotors, il est donc impossible de les
équilibrer parfaitement et il existe donc toujours une vibration à la fréquence de rotation
dont l'amplitude est directement proportionnelle à l'importance du balourd et au carré de
vitesse de rotation. Une modification brusque de l'amplitude correspond systématiquement à
une modification du balourd dont l'origine peut-être une rupture ou la déformation d'une
partie du rotor (ailettes de turbine par exemple). Si cette modification d'amplitude est plus
lente, il peut s'agir d'une usure ou d'un encrassement de la partie tournante (suie, dépôt, etc.).
Le phénomène se caractérise par une vibration radiale importante à la fréquence de rotation.
Figure I.7 : Défaut de balourd [Landolsi]
I.5.2. Désalignement :
Un désalignement (Figure I.8) provoque des vibrations à la fréquence de rotation ainsi
qu'aux harmoniques d'ordre 2, 3 et parfois 4 (double, triple, quadruple de la fréquence de
rotation et parfois même davantage en particulier pour les accouplements à denture où l'on
rencontre les harmoniques liés au nombre de dents et à la fréquence de rotation).
La composante axiale de la vibration est particulièrement importante pour l'harmonique
d'ordre 2.
Figure I.8 : Défauts désalignement [Landolsi]
17
I.5.3. Mauvais serrage mécanique :

Lorsqu'un palier est desserré ou présente une possibilité de mouvement partiel dans le plan
radial, il apparaît une vibration radiale à une fréquence égale à deux fois la vitesse de rotation.
Cette vibration se produit sous l'effet du balourd initial et elle peut prendre une amplitude
élevée en fonction du degré de desserrage du palier.
I.5.4. Engrènement :
L'engrenage est un dispositif élémentaire constitué de deux organes rigides et dentés R1 et
R2 généralement cylindriques ou coniques, appelés roues, possédant N1 et N2 dents qui
tournent aux vitesses V1 et V2 autour d'axes fixes [BDIRINA].
Un défaut d’engrenage (Figure I.9) provoque des vibrations à la fréquence est égale à la
vitesse de rotation du pignon multipliée par son nombre de dents (feng= N1 f1=N2 f2).
Figure I.9 : Défaut d’engrenage [Bren 02].
I.5.5. Défauts des roulements :

L'écaillage d'une piste de roulements (Figure I.10) provoque des chocs et une résonance
du palier qu'il est facile d'identifier avec un appareil à mesure d'ondes de chocs. En analyse
spectrale, ce phénomène apparaît aux hautes fréquences par une densité spectrale qui
augmente au fur et à mesure que les roulements se détériorent.
Si l'avarie du roulement ne comportait qu'un seul point, on pourrait voir apparaître un pic à
une fréquence liée à la vitesse du rotor et aux dimensions du roulement (diamètre de pistes
intérieures et extérieures, nombre de billes).
Ecaillage de la bague intérieure Écaillage d'une bille.

Figure I.10 : les éléments du roulement [Chiementin]
18
I.6. Définitions :
I.6.1. Définition d’une dégradation :
Une dégradation représente une perte de performances d'une des fonctions assurées
par un équipement [[Zwin] :
 une perte de performances d’une des fonctions assurées par l’ensemble (si les
performances sont au-dessous du seuil d’arrêt défini dans les spécifications
fonctionnelles, il n’y a plus dégradation mais défaillance) ;
 un sous-ensemble lui-même dégradé voire défaillant (sans conséquence fonctionnelle
sur l’ensemble).
I.6.2. Défauts et pannes :
La diversité des activités du diagnostic industriel conduit très souvent à utiliser, sans trop
les préciser, les termes des pannes et de défaut. Bien que les différences entre les concepts de
défaillances, pannes et défauts soient souvent très subtiles et quelquefois subjectives.
La panne est l’inaptitude d’un dispositif à accomplir une fonction requise. Il est clair que
dès l’apparition d’une défaillance, caractérisée par la cessation du dispositif à accomplir sa
fonction, on déclarera le dispositif en panne. Par conséquent, une panne résulte toujours d’une
défaillance.
I.6.3. Définition de la défaillance :
Une défaillance est l'altération ou la cessation de l'aptitude d'un ensemble à accomplir ses
fonctions requises avec les performances définies dans les spécifications techniques. Les
défaillances peuvent être classées selon différents critères:
 Défaillance progressive ou soudaine, selon la rapidité de leur manifestation.
 Défaillance partielle ou complète ou intermédiaire, selon l'amplitude (la fonction
est dégradée ou absente).
 Défaillance précoce, à taux constant ou d'usure, selon le moment d'apparition dans le
cycle de vie du matériel.
 Défaillance mineure, significative, critique ou catastrophique, selon leur effet sur le
système, l'environnement et l'homme.
 Défaillance première, seconde et de commande, selon les causes des défaillances
[Bdirina].
19
I.6.4. Cause de défaillance
La norme AFNOR NF X60010, définit la cause de défaillance par « les circonstances

liées à la conception, la fabrication ou l’emploi et qui ont entraîné la défaillance ».
Cette définition est fondamentale en diagnostic industriel, n’oublions jamais qu’une
bonne politique de maintenance passe obligatoirement par une maîtrise parfaite des
mécanismes de ruine liés à la conception, à la construction et à l’exploitation des matériels.
Bien évidemment détecter une défaillance est capital pour éviter une éventuelle perte de la
fonction d’un processus industriel, mais il est encore plus important de connaître et de
prévenir à temps d’une manier précoce une défaillance en suivant l’évolution d’une
dégradation d’un élément matériel. Pour surmonter la difficulté de la maîtrise des mécanismes
de ruine, les figures (I.11.1) et (I.11.2) représentent les principales causes de défaillance liées
à l’emploi ou aux phénomènes de corrosion [Zwin]
Corrosion
Localisée Généralisée Haute température
Piqure Fissuration Corrosion sèche Oxydation
Uniforme Sélection
Figure I.11.1. Défaillances liées au phénomène de corrosion [Zwin]
Cause liée à la construction
Fabrication Sous Contrôle incorrecte

incorrecte dimensionnement de fabrication
Matériaux Traitements Procédure Matériel de

thermique incorrecte contrôle
Choix de insuffisant
Dessin matériaux
Figure I.11.2. Causes de défaillances liées à l’emploi [Zwin]
20
Ces définitions ont été extraites pour certaines à partir des références suivantes :
[Dubu] [Alatt] [More] [Lure] [Zemo] et [Zwin].
I.7. La surveillance vibratoire
Turbines, pompes, moteurs, compresseurs, alternateurs, centrifugeuses, ventilateurs…
toutes ces machines, que l’on dit : tournantes, ont un point commun : elles comprennent des
organes en rotation. Suivant les cas, il peut s’agir de structures relativement simples,
constituées d’un seul arbre en rotation à travers un ou plusieurs roulements, ou de machines
plus complexes composées de plusieurs arbres tournant à des vitesses de rotation
différentes… Mais ce qui caractérise avant tout ces machines, c’est qu’elles sont composées
d’organes fragiles (roulements et engrenages, notamment) soumis à des contraintes
mécaniques importantes et à des environnements industriels difficiles. Les sources de
défaillance sont donc multiples : l’écaillage d’un roulement, la rupture d’une dent d’un
engrenage, le désalignement d’un des axes, etc. Lorsque la machine joue un rôle vital dans la
production (c’est le cas par exemple d’une presse dans le domaine de l’imprimerie, d’un
broyeur de cimenterie ou encore d’une centrifugeuse dans un réacteur chimique…), ces
défauts peuvent s’avérer lourds de conséquences. Pour éviter des arrêts de production
imprévus et les pertes économiques qui en découlent, il faut surveiller en permanence ces
équipements et traquer tous les signes précurseurs de défauts avant qu’il ne soit trop tard.
[Mesures]
La mesure de la valeur globale est une méthode approximative d'analyse du signal qui fait
abstraction du paramètre fréquentiel pour ne mesurer que l'amplitude évaluée (Figure I.12) :
1) En valeur crête à crête (1) c'est à dire en mesurant l'amplitude maximum de l'onde
fondamentale, mesure utile par exemple lorsque le déplacement vibratoire d'une
machine est critique en regard des contraintes de charge maximale ou de jeu
mécanique.
2) En valeur crête (2), mesure intéressante pour indiquer par exemple le niveau d'un
choc de courte durée.
3) En valeur efficace (3), mesure qui tient compte de l'évaluation de la valeur des
composantes harmoniques et directement reliée au contenu énergétique de la vibration.
A noter que ces valeurs d'amplitudes d'utilité complémentaire peuvent représenter un
déplacement, une vitesse ou une accélération, car vitesse et accélération sont aussi des
fonctions sinusoïdales obtenues après dérivation de la fonction déplacement.
21
Figure I.12 : les indicateurs temporels d’un signal simple
I.8. Diagnostic vibratoire

Lors d'un relevé périodique, l'agent d'entretien préventif du secteur a signalé une augmentation du
niveau global de vibration.
 Suite à ce constat, le responsable d'entretien a demandé un diagnostic de la machine par
analyse vibratoire.
 Suite à des graphes du niveau vibratoire en fonction de la fréquence, relevés sur les paliers
ou sur le carter on définit l’élément défaillant après une série de traitement.
L'analyse vibratoire des machines tournantes cherche à identifier l'origine des
vibrations engendrées par un mécanisme (groupe alternateur, boîte à vitesse, roulement...) soit
dans l'optique d'une réduction des vibrations, soit parce que celles-ci sont la traduction d'une
dégradation et annonciatrices d'une future panne.
Les phénomènes sources étant souvent périodiques la décomposition du signal en
fréquence par transformée de Fourier est l'outil privilégié, d'autant plus utilisé que de
nombreux systèmes calculent cette transformation en « temps réel ». [Bernard]
Il existe différents outils d’analyse vibratoire permettant de détecter et de diagnostiquer
l’apparition des défauts dans les machines tournantes. De nombreuses publications
synthétisent ces différentes méthodes ou outils. Elles sont généralement classées en quatre
grandes catégories d'analyse des données vibratoires : analyse temporelle, analyse
fréquentielle, analyse temps- fréquence et analyse cepstral.
22
I.8.1. Analyse temporelle :

L’analyse dans le domaine temporel est basée directement sur le signal temporel lui-même.
La distribution d’amplitude du signal peut s’exprimer sous forme d’une fonction de densité de
probabilité. Pour cela, on découpe en plage de mesures de N intervalles Ij de longueur égale.
On définit la probabilité Pj(x) pour que l’amplitude x de la vibration soit comprise entre les
bornes de l’intervalle Ij par le rapport du temps pendant lequel l’amplitude instantanée du
signal a été comprise entre ces deux valeurs sur le temps total de mesure (Figure I.13). [Elba]
[Raad].
Figure I.13 : Établissement d’une courbe de densité de probabilité.

(a1: valeur efficace du signal).
Le graphe de la figure I.13 montre que l’allure générale du signal vibratoire peut être
analysé à travers sa densité de probabilité.
i n j
t ij
p j ( x)   (1.1)
T i 1
Pour obtenir des informations plus synthétiques sur la forme de la courbe de distribution des
amplitudes du signal sans la tracer, les méthodes traditionnelles calculent les caractéristiques
statistiques suivantes [Andr] :
1-La moyenne : elle correspond au moment d’ordre1, elle est donnée par :

M1  x   x p( x)dx

(I.2)
2-La variance : elle correspond au moment d’ordre 2, et caractérise la dispersion des

variables autour de la moyenne, elle est donnée par :

M 2   2   ( x  x ) 2 p ( x)dx (I.3)

4-Le Skewness : c’est le moment d’ordre 3, il est donné par :
23

1
 (x  x)
3
M 3  Sk  p ( x)dx (I.4)
 3

Le skewness caractérise le taux de dissymétrie de la distribution d’amplitudes du
signal par rapport à la valeur moyenne.
La fonction skewness disponible sur Matlab à été utilisée pour calculer le skewness
d’ un signal (x=skewness(y)) tel que y : le signal des défauts.
5-Le kurtosis : le moment d’ordre 4, représente le taux d’aplatissement de la
distribution d’amplitude, il donne une évaluation de l’importance du pic du sommet
de la courbe. il est défini par :

1
 (x  x)
4
M4  k  p ( x)dx (I.5)
 4

Le kurtosis de la distribution normal est égale à 3, il est supérieur à3 si la distribution
devienne plus centrée ce qui indique la présence d’un défaut et il est inferieur à 3 si la
distribution est aplatit [Chiter]
Le Kurtosis prend une valeur égale à 3 pour un roulement sain et dépasse cette valeur
dès l'apparition d'un défaut de type écaillage [Mart].
Exemple de diagnostic avec le kurtosis [Boulenger] :
En analyse vibratoire, le kurtosis est certainement le moment statistique le plus utilisé.
Les vibrations de type sinusoïdale ou impulsionel génèrent des allures de courbe de
densité différente. Pour quantifier cette différence, le Kurtosis est le plus représentatif.
Ce paramètre détecte la présence d’impulsions ou de choc dans le signal.
La Figure I.14 présente les densités de probabilité du signal vibratoire d’un
réducteur : à gauche, en fonctionnement sain, la valeur du kurtosis est 2.5 ; à droite, en
fonctionnement dégradé, la valeur du kurtosis est de 11.5.
Distribution normale Distribution centrée
Figure I.14 : densité de probabilité du signal vibratoire d’un réducteur
24
La valeur K du kurtosis dépend fortement de la forme des signaux [Boule]. Par

exemple :
K=1.5 pour une vibration de type sinusoïdal.
K=3 pour une vibration de type impulsionel aléatoire.
K élevé pour une vibration de type impulsionel périodique.
La fonction kurtosis disponible sur Matlab à été utilisée pour calculer le kurtosis d’un
signal (x=kurtosis(y)) tel que y : le signal des défauts
6- La valeur efficace : c’est une valeur très caractéristique du signal, vu qu’elle a une
relation directe avec l’énergie contenue dans celui-ci :
t
1
RMS  
T 0
x 2 (t )dt (I.6)
Ce paramètre est le plus couramment utilisé en analyse vibratoire, mais il est

beaucoup imprécis dans le cas des roulements, car il ne varie de façon significatif
que lorsque le défaut devient très sévères mais il encore utilisable et très efficace
mais pas tous seul. Donc il convient de lui associer un autre indicateur par exemple
le skew pour en savoir plus de l’état d’un roulement avec une certaine certitude
7-Facteur de crête : c’est le rapport entre la valeur de crête et la valeur
efficace (RMS).
Vcrête
Fcrête  (I.7)
RMS
Il faut rappeler qu’une vibration de type sinusoïdale aura un facteur de crête voisin
de 2 , alors qu’une vibration de type impulsionel aura un facteur de crête plus
important. Lorsqu’il n’y a pas de défaut le Fc reste proche de trois (3) et il faut
rappeler que l’apparition d’un défaut entraine l’augmentation du facteur de crête.
Quelques valeurs caractéristiques du facteur de crête sont résumées par le tableau
suivant :
Vcrête
Nature de vibration Fcrête  Causes possibles
RMS
Périodique de type 1.5 à 2.5 Balourd
sinusoïdal ou complexe. Désalignement.
Aléatoire de type 3 à 4 Roulement en bon
impulsionel. état.
Périodique de type >4 Roulement écaillé.
impulsionel.
Tableau I.3 : récapitulatif des indicateurs
25
I.8.2. Analyse fréquentiel :

L'analyse spectrale permet de décomposer un signal complexe en composantes
sinusoïdales caractérisées par leur amplitude et leur fréquence. L'interprétation d'un spectre
sera autant plus précise et pertinente que le diagnosticien sera en possession d'un maximum de
renseignements concernant les conditions de fonctionnement et la cinématique de la machine.
Les méthodes fréquentielles sont basées sur la transformée de Fourier :

X(f )  x(t).ei2ftdt.

La connaissance des fréquences caractéristiques permet d’identifier et de localiser les défauts

issus des composants mécaniques en analysant leur spectre, l’utilisation simple du spectre de
Fourier, pour certains cas de diagnostic, ne suffit plus. Il faut utiliser d’autre méthodes
spécifiques mais complémentaires tel que :
 L’analyse d’enveloppe (démodulation de l’amplitude)
 Analyse cepstrale
 Analyse temps -fréquence
 Méthodes temps échelle "analyse en Ondelettes"
 Analyse cyclostationnaire
I.9. conclusion
La maintenance prédictive a été introduite dans les entreprises depuis 1989 avec un
développement d'une application informatisée qui a été intégré au système GMAO (gestion de
maintenance assistée par ordinateur). Cette application permet de surveiller certaines
machines par la mesure de vibrations.
Nous avons constaté que la machine pouvait tourner en sécurité jusqu'à trois fois
(parfois plus) plus longtemps que prévu et le cycle de révision devient plus long. Ceci
implique un gain en pièce de rechange.
Le choix des méthodes d’analyse des signaux accélérométriques issus de machines
tournantes est normalement conditionné par la nature de la machine, mais aussi par la nature
du défaut à déceler dans le signal.
Dans ce chapitre nous avons présenté le maximum des méthodes de surveillance et dans
le chapitre de l’état de l’art, nous présenterons les méthodes de diagnostic les plus utilisés
pour les organes (engrenage et roulement).
26
CHAPITRE II __ _ __Etat de l’art de l’analyse vibratoire
II.1. Introduction :
Le développement des analyseurs de signaux et des logiciels sur PC permettent
d’appliquer les méthodes de traitement de signal sur les signaux vibratoire des machines
tournantes et de réaliser un bon diagnostic.
Dans ce chapitre, on présente un état des lieux des méthodes d’analyse vibratoire les
plus fréquemment utilisées dans le cas de signaux des machines tournantes et surtout pour les
signaux d’engrenage et du roulement.
Nous présentons les méthodes de traitement qui peuvent être utilisées pour faire la
détection, le diagnostic ou les deux. La première partie de ce chapitre concerne les défauts de
roulement et les méthodes de traitements disponibles, ces méthodes sont : l’analyse
d’enveloppe, La transformée en ondelettes et le kurtosis spectral. La seconde partie
concerne les défauts d’engrenage et les méthodes de traitement les plus utilisées. Ces méthodes
sont : l’analyse spectrale, l’analyse cepstrale et l’analyse temps-fréquence. [IMAC]
L’analyse spectrale est certainement la méthode la plus naturelle en analyse vibratoire,
Cependant, en pratique la richesse du spectre en harmonique fait que la lisibilité reste difficile.
L’analyse cepstrale représente un bon complément de l’analyse spectrale pour les basses
fréquences. Les méthodes d’analyse d’enveloppe, temps-fréquence et temps-échelle, bien
adaptées au cas des signaux non-stationnaires.
II.2. Les roulements :
Des roulements, il y en a partout... des pédales de vélos au ventilateur des PC en passant
par les compresseurs ou les roues de véhicules, un très grand nombre de systèmes en rotation
en sont équipés. Et dans l’industrie, ce sont des composants stratégiques des machines
tournantes : situés entre les parties fixes et les parties mobiles de la structure, ils assurent la
transmission des efforts et la rotation de l’arbre.
Mais, s’ils sont les plus courants, ces composants sont aussi les plus fragiles. Il faut dire
que les différents éléments qui les constituent (les billes, la cage et les bagues) sont en
permanence sollicités. Le passage répétitif des billes sur les pistes engendre de fortes
contraintes mécaniques qui entraînent peu à peu une dégradation du métal par fatigue, et
finissent par provoquer l’apparition de défauts ponctuels (des fissures, un écaillage des
surfaces, etc.). Autre cause d’avarie, les défauts de montage et de conception. Ils provoquent en
effet des surcharges qui entraînent, à terme, l’usure prématurée du roulement. Enfin, comme
tout système de précision, le roulement est sensible à la pollution extérieure. Un environnement
poussiéreux, la présence de copeaux ou d’impuretés dans le corps du système, des lubrifiants
27
pollués ou une atmosphère humide… sont autant d’agents extérieurs susceptibles de causer
d’importants dégâts. Pour éviter des arrêts de production imprévus et coûteux, il faut alors
surveiller en permanence l’état des roulements, et “traquer” tous les signes précurseurs des
défauts : un bruit inhabituel, des vibrations anormales, une élévation de température, etc.
[Tendance]
II.2.1. Eléments de roulements :
Le roulement est composé des éléments (Figure II.1) suivants :
– deux bagues concentriques en acier, appelés bague intérieure et bague extérieure,
comportant des chemins de roulement (surfaces sur lesquelles "roulent" les corps roulants),
– des corps roulants, billes ou rouleaux généralement en acier, permettant le mouvement des
deux bagues avec un frottement minimal,
– une cage séparant et guidant les corps roulants (en polyamide, tôle acier, laiton ou résine).
Figure II.1 Eléments de roulement
II.2.2. défauts des roulements :
a. Causes des défauts :
Les roulements peuvent être endommagés par des causes externes comme:
– contamination du roulement par des particules extérieures : poussière, grains de sable, ...
– corrosion engendrée par la pénétration d’eau, d’acides, ...
– lubrification inadéquate qui peut causer un échauffement et l’usure du roulement,
– mauvais alignement du rotor,
– courant qui traverse le roulement et qui cause des arcs électriques, [Ali IBRAHIM]
28
b. Principales défauts :
On peut noter deux types d'avaries caractéristiques de la détérioration des roulements :
Les avaries dites naturelles dues à la fatigue des roulements et les avaries dues à un mauvais
montage ou une mauvaise utilisation du roulement.
On qualifie les principaux défauts :
 Le grippage, dû à l'absence de lubrification, à une vitesse excessive ou un mauvais

choix du type de roulement. Ceci se manifeste par un transfert de matière arrachée sur
les surfaces et redéposée par microsoudure.
 Les empreintes par déformation, dues à des traces de coups, des fissures ou des
cassures.
 L'incrustation de particules étrangères, due à un manque de propreté au montage ou de
l'entrée accidentelle d'impuretés.
 La corrosion, due à un mauvais choix du lubrifiant, surtout quand les roulements
viennent d'être nettoyés et sont contaminés par la transpiration des mains.
 La corrosion de contact, due au mauvais choix d'ajustements entre les bagues et les
logements ou les arbres.
 Les criques, fissures étroites ou autres amorces de cassures dues aux contraintes
exagérées au montage ou au démontage.
 L'usure par abrasion, due à une mauvaise lubrification. L'usure par abrasion donne aux
roulements un aspect gris, givré.
 Le cas le plus rencontré est un défaut d'écaillage dû à la fatigue des roulements.
L'écaillage de fatigue, est un phénomène normal qui conduit à une défaillance et ce,
quelque soit les conditions d'utilisation et de fonctionnement. Ce défaut survient sous
l'effet de la fatigue due aux contraintes de cisaillement alternées qui sévissent en sous-
couche. L'écaillage localisé et prématuré résulte d'anomalies caractérisées telles qu'un
mauvais montage, une surcharge, un défaut d'alignement, une mauvaise forme de
logement. Ces défauts donnent naissance à des vibrations qui les caractérisent. C'est
pourquoi l'analyse vibratoire s'avère intéressante et s'est montrée très puissante d'une
part pour surveiller l'état de fonctionnement et d'autre part pour diagnostiquer le défaut
et suivre son évolution. [Chiementin]
29
II.2.3. Caractéristiques du signal engendré par le roulement endommagé :

a- Modèle mathématique du signal :
Le modèle mathématique proposé par Yuh-Tay Sheen [She], pour simuler les signaux
vibratoires des défauts des roulements est montre que chaque impulsion est modulée par deux
fréquences du signal harmonique avec une décroissance exponentielle. Ce signal pourrait être
utilisé pour modéliser un signal de réponse impulsionelle modulée avec deux fréquences de
résonance du système simplifié et est exprimé en :
(II.1)
Avec :
(II.2)
Où :
- mod : le reste de division de kT par 1/f0 .
- α : fréquence exponentielle.
- f0 : fréquence de modulation.
- f1 et f2 : fréquences de résonance.
- La fréquence d'échantillonnage : fe.
Les avaries les plus fréquentes sur les roulements sont les défauts d'écaillage. Lors de la
mise en rotation, un train d'impulsion est généré par ces défauts, à une fréquence bien définie
que l'on appelle "fréquence caractéristique" de défaut du roulement. Ce signal périodique est
l'origine de nombreuses méthodes de détection de défaut de roulement [Tand]. Les fréquences
caractéristiques sont déterminées à partir de la géométrie du roulement et de la cinématique de
la machine étudiée.
Les grandeurs géométriques caractéristiques des roulements sont le nombre de billes N , leur
diamètre d b , et le diamètre moyen d m (figure II.2). Le plan de contact des billes peut être
incliné d'un angle par rapport au plan vertical, appelé angle de contact.
30
Figure II.2. Représentation d'un roulement et ses dimensions caractéristiques
Nous distinguons quatre types de dégradations sur les roulements [Esto][Beno]:

b- Défaut de la bague interne :
Il est caractérisé par la présence d’une raie à la fréquence caractéristique du défaut
( f d ,bi ).Cette fréquence est modulée par la fréquence de rotation (bandes latérales autour de la
raie de défaut.
N  d 
f d , bi   1  b cos     f rot  f ext  (II.3)
2  dm 
Avec : f rot fréquence de rotation de la bague interne
f ext : Fréquence de rotation de la bague externe, cette fréquence de rotation de la bague
externe est nulle si la bague est emmanchée dans le carter.
 : Angle de contact.
L’image théorique de ce défaut (charge radial et charge axial) est donnée dans les figures
suivantes
Ecaillage sur la bague intérieure (charge radial)

Ecaillage sur la bague intérieure (charge axial)
Figure II.3.1 : Ecaillage sur la bague intérieure [Chiter]
c- Défaut sur la bague externe :
Ce défaut est caractérisé par la présence d’une raie à la fréquence (fd,be). Bien que la charge
appliquée sur la bague externe soit constante, on peut remarquer une modulation d’amplitude à
la fréquence de rotation de l’arbre autour de la fréquence de défaut.
N  d  (II.4)
f d , be   1  b cos     f rot  f ext 
2  d m 
31
Ecaillage sur la bague extérieure Spectre réel d’écaillage sur la bague extérieure
Figure II.3.2 Ecaillage sur la bague extérieure [Chiter]

d- Défaut de l’élément roulant :
La première fréquence caractéristique de défaut correspond à la fréquence de rotation de
l’élément roulant sur lui-même. De plus, cet élément roulant rencontre une fois la bague interne
et une fois la bague externe par tour, il génère donc des chocs à 2 fois cette fréquence.
 2

f d , er 
1 dm  1   d b cos     f  f 
2 db  d   rot ext (II.5)
  m  
Figure II.3.3 Ecaillage sur l’élément roulant
e- Défaut de la cage :
Ce défaut se manifeste par la présence de raies à la fréquence f d ,ca et ses harmoniques. A
l’instar de la bague interne, on pourra constater des bandes latérales autour de f d ,er (fréquence
de défaut d’élément roulant) et 2. f d ,er , ces bandes seront distantes d’une fréquence égale à la
fréquence de défaut de la cage f d ,ca [Esto].
1  d  1 d 
f d , ca   1  b cos    f rot   1  b cos    f ext (II.6)
2  dm  2 dm 
32
II.2.4. Méthodes d’analyse des défauts de roulement:

Pour détecter les défauts de roulement, plusieurs méthodes ont été étudiées : la méthode
de l’enveloppe, la transformée en ondelettes ainsi le kurtosis spectral.
II.2.4.1. L’analyse de l’enveloppe :
Elle est basée sur La transformée d’Hilbert qui est un outil très utilisé pour le diagnostic
des machines tournantes. [Sama],[Andr], la transformée d’Hilbert produit un signal temporel
complexe Z(t) définie par :
Z  X (t )  x(t )  jH  x(t ) (II. 7)
L'enveloppe est l’amplitude de ce signal, elle représente une évaluation de la modulation

présente dans le signal dû aux bandes latérales [Xian]. Elle révèle la modulation dans les
signaux causés par un équipement défectueux. De plus, elle enlève le signal porteur et cela
diminue l'influence de l’information sans apport, pour le but de découverte de défauts. La
figure II.4 représente le signal enveloppe d’une boite vitesse avec et sans défaut.
Spectre d’enveloppe d’une boite vitesse sans défaut

Spectre d’enveloppe d’une boite vitesse avec défaut
Figure II.4 Spectre d’enveloppe d’une boite vitesse avec et sans défauts
En pratique, la méthode de l’enveloppe demande une série de traitements du signal
temporel brut avant d’obtenir le résultat. Ceux-ci sont repris sur la figure suivante:
Filtrage
Passe Bande autour de Signal temporel brut
la fréquence de
résonance
Transformée de Signal filtré
Hilbert : calcul de
l’enveloppe
Transformée de Enveloppe du signal

Fourier : calcul du
spectre
Spectre de l’enveloppe
du signal
Figure II.5 Schéma de fonctionnement de la méthode de l’enveloppe [Xian].
33
En 1984 McFadden et J.D.Smith ont proposé un nouveau modèle qui tient compte de la
série d’impulsions, la modulation du signal périodique causée par la distribution non uniforme
de la charge, et de la vibration transmise de l’élément roulant.
En 1984 Wang et Harrap ont proposé encore un nouveau modèle en considérant la série
d’impulsion, la modulation du signal périodique causée par la distribution non uniforme de la
charge, et du premier mode vibrationnel avec une description mathématique. Dans leur travail,
ils ont introduit l’analyse de l’enveloppe pour des cas réels. [Chiter]
En 1993-1999 Brakov et al ont étudié plusieurs défauts dans les différents éléments
constituant un roulement par l’analyse d’enveloppe.
En 2004 Christophe Thiry a effectuée dans le cadre du travail de fin d’études « Diagnostic
vibratoire des roulements dans une machine tournante », La méthode de l’enveloppe est
appliquée sur une série de mesures prises sur un roulement avec un défaut de la bague interne
à la vitesse de rotation d’environ 30 tr/sec. La fréquence du défaut vaut 146,9 Hz. Le spectre
obtenu après application de la méthode de l’enveloppe sur le signal de base, est présenté à la
figure suivante :
Figure II.6 Défaut de la bague intérieure [Christophe Thiry].

Sur ce spectre, il apparaît clairement une série de pics. Ceux-ci correspondent à la
présence du défaut de piste intérieure. On constate un pic à 146,9 Hz égal à la fréquence BPFI ;
les deux premières harmoniques sont elles aussi présentent (293,8 Hz et 440,6 Hz). Avec ces
seules informations, la présence du défaut est détectée. [V. Lenaerts]
En 2009 KARACAY.T et N. Akturk ont étudié la vibration d’un défaut de l’élément
roulant d’un roulement et un désalignement de l’arbre supporter le roulement et le moteur
d’entrainement, ils ont pu distinguer et séparer les deux fréquences des défauts par la méthode
de l’analyse de l’enveloppe spectral. [T.Karacay]
34
II.2.4.2. L’analyse temps-échelle (ondelettes) :

[Flandrin] présente l’utilisation en traitement du signal, des variantes de la
transformée de Fourier, il les classe dans deux catégories : les méthodes temps-fréquence
comme la transformée de Wigner-Ville et les méthodes temps-échelle. La transformée en
ondelettes est classés par l’auteur dans cette deuxième catégorie. L’application de l’analyse en
ondelettes est très vaste dans le domaine de traitement des signaux sonores, compression
d’image, l’analyse de la turbulence…
L’analyse en ondelettes consiste à décomposer le signal sur une base de fonctions à support
borné. Les fonctions de base se déduisent d’une ondelette mère par dilatation et/ou contraction.
On parle ainsi de décomposition temps-échelle [Raad], [Bern].
On distingue :
- l’ondelette continue de Morlet (qui correspond en fait à un filtrage du signal par un banc de
B
filtres à i ( Bi largeur de bande, f i fréquence centrale) en quadratures,
fi
- et les ondelettes discrètes orthogonales qui garantissent l’unicité de la décomposition d’un
signal. Le choix de la meilleure ‘ondelette’ en fonction du problème considéré est important
dans un souci d’interprétation physique de la décomposition.
La transformée en ondelettes d'un signal S (t ) est définie par :

C a ,b   s t a ,b t dt (II. 8)

Cette analyse est multi résolution, nous obtenons une bonne résolution fréquentielle en
basses fréquences, et temporelle en hautes fréquences. Les coefficients de la décomposition, en
nombre restreint, permettent de synthétiser le signal original avec une très bonne qualité.
Ce point bien exploité dans les télécommunications et le traitement d’images, est d’un intérêt
moindre en Mécanique. Ils peuvent être bien sûr utilisés pour de la classification. On retrouve
quelques applications en ce sens, par exemple pour le diagnostic de défauts dans des moteurs
automobiles
Exemple d’application la méthode d’ondelettes pour détecter un défaut de roulement :
La transformée en ondelettes est une méthode d'analyse de temps-fréquence des signaux,
qui a été largement appliquée et développée dans le traitement des signaux non-stationnaires,
elle présente une meilleure que l'analyse de Fourier traditionnelle. Par conséquent, la
transformée en ondelettes a beaucoup d'applications dans le diagnostic de défaut de roulement
de roulement [J. Ling], [W.T. Peter],[W.T. Peter], [S.T. Lin].
L'importance de la transformée en ondelettes est que le coefficient reflète réellement le
point auquel il y a une similitude entre le signal et la fonction correspondante de ondelette-
35
base. Plus le coefficient est grand, les deux pièces sont semblables [Q. Sun]. Par conséquent
les différentes fonctions de ondelette -base mèneraient aux résultats tout à fait différents de
l'analyse de signal. Actuellement dans le diagnostic de panne mécanique, c'est l’ondelette
de Morlet qui est la plupart du temps appliqué à la détection du défaut [J. Lin],
[D. Booulahbal], et des résultats relativement satisfaisants sont obtenus dans toutes les
applications.
[J Cheng] donne une nouvelle manière d'identifier les défauts de roulement par la méthode
d'analyse d'autocorrélation de spectre de puissance de temps –ondelette, la méthode est
appliquée sur des signaux de vibration des roulements avec les défauts de la bague extérieur et
autre dans la bague intérieur.
Pour les roulements avec défauts de la bague extérieur la fréquence théorique du défaut
f =76 Hz (T=0.01316s), la fonction d’autocorrélation du spectre de puissance de l’ondelette du
signal d’accélération est montré dans la figure (II.7.a), de ce qu’il peut avoir que la fonction
d’autocorrélation obtient des pics périodiques ou la période égale à 0.0132s. Ce qui confirme
la période théorique calculée du défaut.
Figure II.7.a La fonction d’autocorrelation du spectre de puissance

d’ondelette du signal de vibration avec défaut de la bague extérieur [J Cheng ] .
Pour les roulements avec défauts de la bague intérieur la fréquence théorique du défaut
f =100 Hz (T=0.01s), la fonction d’autocorrélation du spectre de puissance de l’ondelette du
signal d’accélération est montré dans la figure II.7.b, de ce qu’il peut avoir que la fonction
d’autocorrélation obtient des pics périodique ou la période égale à 0.01s.
Figure II.7.b La fonction d’autocorrelation du spectre de puissance

d’ondelette du signal de vibration avec défaut de la bague intérieur [J Cheng] .
36
II.2.4.3. Kurtosis spectral (SK) :

II.2.4.3.1. Définition :
Le SK est défini par la transformée de Fourier courte termes (STFT), de manière à
obtenir un diagramme de temps/fréquence d'un signal. Comme illustré sur la Figure II.8.1,
la STFT est obtenu en déplaçant une fenêtre courte de temps, telle que Hanning, les spectres
pour chacun la position de fenêtre sont arrangées dans un diagramme 3-D avec du temps sur
une axe et de la fréquence de l'autre. Le SK est alors calculé pour chaque ligne de fréquence
dans la direction de temps.
Le (STFT) se compose des spectres complexes, il est possible pour distinguer une valeur
de -1 pour une sinusoïde, et zéro pour un signal aléatoire gaussien, mais pour les applications
il est seulement nécessaire de distinguer entre valeurs élevées (de l'ordre de 10-30), pour un
signal impulsif, et s'approcher de zéro pour les signaux stationnaires. [V.D. Vrabie]
Figure II.8.1 : calcul du SK pour un signal du défaut de roulement.

(a) signal temporel. (b) Amplitude de STFT. (c) Kurtosis Spectral [N, Sawalhi]
Choix de fenêtre optimal :

Le calcul du SK dépend du choix des paramètres d'analyse, en particulier la longueur de
la fenêtre, La figure II.8.2 donne un exemple pour un défaut d'élément de roulement. le SK
calculé pour des longueurs de fenêtre de 16, 32, 64, 128, 256 échantillons. Il est évident que 16
donne la fréquence insuffisante résolution, alors que > 64 réduit les valeurs de SK, alors la
longueur de fenêtre devraient être choisis 32 ou 64. [Randall]
37
Figure II.8.2: (a) PSD avec différents longueur de fenêtre.

(b) SK calculé pour des différentes longueurs de fenêtre. [N, Sawalhi]
Le kurtosis spectral (KS) est un descripteur fréquentiel initialement introduit par

[Dwyer] pour pallier l’incapacité de la densité spectrale de puissance (DSP) à détecter et à
caractériser des non-stationnarités dans un signal. L’idée consiste à calculer le kurtosis du
signal analysé à "chaque fréquence" afin de discerner les structures non-stationnaires et
d’indiquer dans quelle(s) bande(s) de fréquences celles-ci se réalisent. Cette manière de faire
s’avère relativement robuste par rapport au bruit additif stationnaire, contrairement au kurtosis
global. Nous avons donné une définition formelle du KS des signaux non-stationnaires partir
de la décomposition de Wold-Cramér. Le kurtosis spectral (KS) d’un processus
non-stationnaire X(n) se formule :
Ou H (n, f) s’interprète comme l’enveloppe complexe de X(n) à la fréquence f.

Cette définition jouit de nombreuses propriétés. Dwyer rappelle brièvement les plus
importantes (figure II.8.3):
i) le KS des processus stationnaires réguliers est une fonction constante de la fréquence,
ii) le KS des processus stationnaires gaussiens est une fonction identiquement nulle,
iii) en présence de bruit stationnaire additif N(n), le KS d’un processus non-stationnaire X(n)
s’exprime :
K(X +N) (f ) = KX (f )/[1 + ρ(f )] (II.10)
Où est le rapport bruit-à-signal en fonction de la fréquence.
38
Les propriétés (i) - (iii) suffisent à comprendre la capacité du KS à détecter, caractériser

et localiser en fréquence des non-stationnarités
Figure II.8.3 Exemple : kurtosis spectral [Pierre Granjon]
II.2.4.3.2. Le kurtogramme :
L’estimation du KS tel que défini par l’équation (II.9) se conçoit sans trop de
difficulté par extension des estimateurs de la DSP à l’ordre 4. Les estimateurs
potentiels se ramènent alors, d’une manière ou d’une autre, à calculer les Kurtosis
d’enveloppes complexes en sortie d’un banc de filtres. Nous avons montré que ces
estimateurs ne sont stables dans le sens où ils fournissent des estimations relativement
invariantes par rapport au choix des paramètres d’analyse que pour des processus
localement stationnaire. A contraire dans le cas de processus fortement
non-stationnaires (typiquement des impulsions), le KS affiche des valeurs qui
dépendent sensiblement du choix de la résolution fréquentielle, c’est à dire de la largeur
des bandes du banc de filtres. Par exemple, le cas extrême où la largeur des bandes
devient infiniment étroite implique un KS nul en raison du théorème de la Limite
Centrale. Cet état de fait n’est pas forcément un inconvénient, mais veut simplement
dire que pour un processus non-stationnaire quelconque, le KS dépend à la fois de la
fréquence et de la résolution fréquentielle. A titre d’exemple le KS d’un signal composé
d’impulsions brèves en temps sera mieux estimé à partir d’un banc de filtres à bandes
larges et donc associé à une résolution fréquentielle grossière. A l’inverse un signal non-
stationnaire crée par des modulations lentes de certaines de ses composantes
harmoniques devra être analysé avec une résolution fréquentielle très fine. En bref, à
39
chaque type de non-stationnarité correspond une dyade {fréquence f / résolution

fréquentielle ∆f} qui maximise son Kurtosis et donc sa détection. Nous avons appelé
kurtogramme la représentation du KS dans le plan (f, ∆f) et avons illustré les
avantages de ce type de représentation dans les problématiques de détection. Il est
clair cependant que l’exploration exhaustive du plan (f, ∆f) est très coûteuse en temps
de calcul et difficilement envisageable en pratique. Nous proposons dans cet article un
algorithme de calcul rapide du kurtogramme basé sur un échantillonnage dyadique du
plan (f, ∆f) et dont la complexité maximale est de l’ordre de N logN. [Jérôme Antoni]
Application du kurtogramme
Le premier exemple [J. Antoni] concerne l'analyse des signaux de roulement provenus de a
boîte de vitesse en une seule étape à l'université de la Nouvelle-Galles du Sud, Sydney. Les
caractéristiques du roulement sont rapportées dans le tableau suivant :
Nombre des roulements 12

Vitesse de rotation de l’arbre 6Hz
Diamètre des billes 7.12mm
Diamètre moyenne 38.5mm
Angle 0°
Fréquence d’échantillonnage 48 000Hz
Différents défauts ont été crée dans les roulements, les signaux d'accélération ont été mesurés
dans chacun cas.
Figure II.8.4 : a) PSD et b) SK calculée dans les différentes

résolutions de la fréquence pour un signal du défaut de la bague extérieur
du roulement [J. Antoni]
40
La figure II.8.5 montre le PSD et le SK dans le cas d'un défaut de la bague extérieur.
Les différentes évaluations sont montré ce qui correspondent aux longueurs de fenêtre ; Nw=
16, 32,56, 128, 256 (des résolutions spectrales 3000, 1500 750, 375, 188Hz de la ligne),
dans tous les cas, le SK indique clairement la présence d'un signal transitoire dans la bande de
fréquence de 7.5 kilohertz, des valeurs maximum sont atteintes dans la bande [10-13] kilohertz
où le rapport signal/bruit est le plus grand.
Figure II.8.5 : a) PSD et b) SK calculée dans les différentes

résolutions de la fréquence pour un signal du défaut de l’élément roulant
du roulement
La figure II.8.6 montre une analyse semblable dans le cas d'un défaut de l'élément roulant.
Ici, le SK indique la présence de un signal transitoire dans la bande de fréquence de 7
kilohertz, les valeurs maximum de sont atteints autour 14 et 23 kilohertz.
De ces deux figures on remarque pour Nw= 16 le kurtosis spectral (SK) est très grand et pour
Nw >64 le SK diminuent rapidement vers le zéro, donc la longueur raisonnable est entre 32-64
Figure II.8.6 (a) PSD, (b) différence en dB, (c) SK du défaut de la bague extérieur
41
La figure 3 présente la différence du PSD du signal de roulement avec et sans défaut, et les
comparent avec le kurtosis spectral (SK). Ces figures montrent que le SK et la différence du
PSD sont comparables dans la forme et ils partagent plus ou moins les mêmes maximums. Le
SK maintenant être un outil très valable pour remplacer la différence du PSD quand aucune
donnée historique n’est disponible sur le système à surveiller.
En 2006 [J. Antoni] illustre l’utilisation du kurtogramme pour le diagnostic des paliers à
roulements dans les systèmes mécaniques. Un défaut de roulement se manifeste sur les mesures
vibratoires par une série d’impulsions généralement de faibles amplitudes par rapport au bruit
de fond environnent. Afin de les détecter, il est d’usage de démoduler le signal dans différentes
bandes de fréquences jusqu’à trouver celle qui maximise le rapport signal-à-bruit. Le
kurtogramme permet de substituer à cette procédure empirique une méthodologie rigoureuse
pour rapidement trouver la bande de démodulation optimale. Ceci est illustré sur le signal
vibratoire de la figure II.8.7.a auquel on fait correspondre le kurtogramme (figure II.8.7.b)
Ce dernier indique un kurtosis spectral maximum sur la dyade
{f3; (Δf)2.6} = {0 ,292 ; 0,083} la partie réelle de l’enveloppe dans la bande de
fréquence correspondante est représenté à la figure 7.b. Il faut apprécier le fait que le signal de
défaut dont le rapport signal-à-bruit initial était seulement de -30dB a été parfaitement détecté
et extrait du bruit de fond.
Figure II.8.7.a (a) Signal vibratoire, (b)

Figure II.8.7.b Kurtogramme du signal
partie réelle de l’enveloppe complexe
de la figure II.8.7.a
partie réelle extraite via le kurtogramme,
(7 niveaux en tiers de puissance de 2.)
avec le seuil de significativité à 0,1%.)
42
II.3. Les engrenages :

II.3. 1. Présentation :
Dans le phénomène d'engrènement, il se produit un choc chaque fois qu'une dent menant
est en contact avec une dent menée. Ceci génère une vibration dont la fréquence est égale à la
vitesse de rotation du pignon multipliée par son nombre de dents. S'il y a déformation du profil
de la denture, la fluctuation de la charge sur la ou les dents donne naissance à des fluctuations
de vitesse et aboutit aussi à une modulation de fréquence (ou de phase). L'analyse spectrale de
ce phénomène montre des bandes latérales situées de part et d'autre de la fréquence
d'engrènement.
Figure II.9 : Systèmes d’engrènement
II.3.2. Principales sources des vibrations :

Parmi les sources essentielles d'excitation d'un engrenage en mouvement on peut noter :
 L'erreur de coaxialité dans les roues à engrenage qui provoque des vibrations
(balourd).
 La modification du profil due à l'erreur de fabrication et à la déformation des dents.
 L'influence des arbres et grandeurs des masses (accouplement, moteur,…) sur la
charge dynamique
 Les chocs entre les dents à l'amorce de l'engrènement lorsque la dent non déformée
supporte une fraction de la charge tandis que les autres dents se déchargent.
 La déformation variable des dents produit la variation de la charge le long des profils
des dents et une variation de la charge à travers la ligne d'engrènement pour une paire
de dents en contact.
43
 Les forces de frottement variables en sens.

 L'expulsion de l'huile et de l'air de l'entre dent.
 Les fluctuations de la charge des dents surviennent durant l'engrènement des dents
même dans les conditions de la charge constante. [BDIRINA]
II.4. Types de défaut :
Plusieurs types de défauts peuvent affecter les dentures d’engrenage. On peut citer les
défauts répartis sur toutes les dents :
A) L’usure : L’usure est un phénomène local caractérisé par un enlèvement de
matière dû au glissement de deux surfaces l’une contre l’autre. Le développement de l’usure est
lié à la charge et à la vitesse de glissement en chaque point des surfaces de contact, ainsi qu’à la
présence plus ou moins grande d’éléments abrasifs dans le lubrifiant.
L’usure normale, progresse lentement, elle est inversement proportionnelle à la dureté
superficielle de la denture. L’usure anormale se produit lorsque le lubrifiant est souillé de
particules abrasives ou lorsque le lubrifiant est corrosif. Elle conduit à un mauvais
fonctionnement de l’engrenage, voire à sa mise hors service.
B) Le pitting : Il s’agit de trous peu profonds, qui affectent toutes les dents. Le pitting
est une avarie qui se produit surtout sur des engrenages en acier de construction relativement
peu dur. Il est moins à craindre si la viscosité du lubrifiant est élevée. L’apparition des piqûres
est associée aussi à un rapport épaisseur de film lubrifiant sur rugosité composite insuffisant
pour éviter des contacts entre aspérités.
Et, les défauts localisés sur des dentures particulières :
C) La fissuration : généralement par fatigue, elle progresse à chaque mise en charge,
à partir d’un point initial situé presque toujours au pied de la dent. Elle apparaît surtout sur des
aciers fins, durcis par traitement thermique, qui sont très sensibles aux concentrations de
contraintes. L’apparition de ces fissures est la conséquence d’une contrainte au pied de la dent
qui dépasse la limite de fatigue du matériau, et est en général située du côté de la dent sollicitée
en traction.
D) L’écaillage : Il se manifeste aussi sous forme de trous, mais ceux-ci sont
beaucoup moins nombreux, plus profonds et plus étendus que ceux des piqûres. L’écaillage se
trouve dans les engrenages cémentés, qui sont les plus répandus à l’heure actuelle car ils
permettent de passer des couples importants avec des dimensions faibles. [EL BADAOUI]
44
II.3.4. Signal d’engrènement :

Les vibrations d'un engrenage sont produites principalement par le choc entre les dents
des deux roues qui le composent. La vibration est périodique, et sa fréquence est égale à la
fréquence de rotation de l'une des deux roues, multipliée par le nombre de dents de cette roue
On peut modéliser ce signal de la façon suivante :
(II. 11)
Où
e(t): bruit blanc
φi : la phase initiale du mouvement.
fR : la fréquence de rotation de l'arbre.
Z : nombre de dents d'une roue dentée.
i : nombre des harmoniques.
Modulations : Le signal Se(t) est toujours modulé en amplitude et en fréquence par des
signaux périodiques dont les fréquences sont les fréquences de rotation des deux roues fr1 et
fr2. La caractéristique importante de ces modulations est qu'elles sont multiplicatives, et non
additives. C'est pourquoi leur existence se traduit dans le spectre par une convolution avec les
harmoniques d'engrènement, convolution qui étend la présence de ces modulations aux totalités
du spectre. Le signal temporel est donc modélisé de la façon suivante :
(II. 12)
(II. 13)
Ou Te est la période d'engrènement, T r1 et T r2 .celles des modulations, se(t), la valeur

du signal d'engrènement sur la durée de passage d'une dent. Te, Tr1 et Tr2 ont en outre la
propriété suivante il existe deux entiers N1 et N2 tels que:
(II. 14)
.
45
II.3.5. Méthodes d’analyse des défauts d’engrenage :

II.3.5.1 Analyse spectrale :
La transformée de Fourier de l'expression s(t) est somme de trois termes [Ion BRATU 2007].
Le premier a pour expression
(II. 15)
Il s'agit donc d'une famille de raies périodique de période Fe = 1/Te et dont l'enveloppe est
donnée par se(ν).
Les deux autres termes, dont l'expression sont donnée par:
(II. 16)
Figure II.10 : Spectre de signale d’engrènement.
Le spectre est le concept fondamental de l'analyse en fréquence dont le signal

amplitude/temps est converti en amplitude/fréquence. Il est représenté sous forme d'un
graphique montrant l'amplitude de la vibration à chaque fréquence. A partir des caractéristiques
d'une machine surveillée, et des fréquences auxquelles apparaissent les anomalies, il est donc
possible de détecter l'origine d'un défaut et d'en suivre l'évolution.
Pour obtenir le spectre en fréquence, il existe plusieurs méthodes. On distingue principalement

deux approches :
 Les méthodes non-paramétriques
 Les méthodes paramétriques
46
Méthodes non paramétriques :

Les spectres basés sur l’utilisation directe de la transformation de Fourier sont obtenus
soit par le calcul direct sur des segments d’échantillons temporels, pondérés par une fenêtre
d’apodisation puis un moyennage, soit par le calcul du spectre sur la fonction d’autocorrélation
(corrélogramme) [Lawre].
Méthodes paramétriques :
Les méthodes d’analyse fréquentielle paramétriques sont basées sur la détermination
d’un modèle représentant le signal à analyser et pour lequel les paramètres sont utilisés pour
estimer le spectre de puissance. L’estimation du spectre nécessite trois étapes. La première
consiste à sélectionner un type de modèle. Ensuite, on estime les paramètres du modèle retenu
en utilisant les échantillons du signal, et enfin, la dernière étape concerne l’estimation spectrale
à partir des paramètres du modèle estimé.
L’analyse spectrale par la modélisation autorégressive (AR) qui utilise un modèle tout
pôle est sans conteste la plus utilisée des techniques hautes résolutions d’analyse spectrale
paramétrique. Elle doit son succès surtout à sa facilité de mise en œuvre. [Elbadaoui].
Méthodes de décomposition harmonique :
Cette méthode suppose que le signal est composé d'un certain nombre de raies spectrales
dont il convient de trouver les fréquences et les puissances.
Etat de l’art :
Le diagnostic vibratoire des réducteurs à engrenages par analyse spectrale a fait l’objet de
nombreuses études [Benda], [Dron],[Droui],[Drosj],[Taylo],[Gao], [McFa], [Rasol] et [Oda].
Dans ce qui suit, on présente un exemple de diagnostic par analyse spectrale. [Elbadaoui]
En 2007 [BDIRINA] fait une application sur les techniques d'estimation spectrale par les
méthodes de décomposition harmonique et celles des modèles autorégressifs AR au signal
vibratoire émis par le système d'engrenage sous test.
Le réducteur étudié est composé de deux roues comportant respectivement 20 et 21 dents
placées sur un banc d'essais d'engrenage de grandeur industrielle de CETIM fonctionnant
24h/24h. Les conditions de fonctionnement sont fixes, l'arbre d'entraînement du réducteur de
test tourne avec une vitesse de 1000tr/min soit 16,67Hz et la fréquence d'engrènement est de
l'ordre de 330Hz.
L’analyse de signaux d'engrenage orienté vers l'analyse spectrale par les méthodes
paramétriques; celle de décomposition harmoniques, et les méthodes autorégressives. Les
méthodes particulièrement ciblées sont : Pisarenko, Prony et Levinson Durbin [Bdirina].
47
Les résultats montre que les densités spectrales estimées par l'utilisation de l'algorithme de
Prony et de Levinson (méthode de covariance) mettent en évidence clairement la présence du
défaut par un déplacement du pic correspond à une valeur fréquence multiple de la fréquence
d'engrènement et une augmentation de l'amplitude maximale de ces harmoniques pour les deux
méthodes. De plus, nous remarquons une atténuation du pic de fréquence d'engrènement (2fe)
pour la méthode de Levinson, alors que la densité spectrale estimée par l'algorithme de
Pisarenko est mauvaise et ne permet pas de détecter facilement la présence du défaut.
Du point de vu représentation, la méthode de Pisarenko semble très performante car elle
manifeste une bonne résolution fréquentielle, mais les défauts ne sont pas bien mis en évidence
dans les représentations graphiques; ce qui ne permet pas de faire un bon diagnostic.
D'autre part et du point de vue diagnostic, les méthodes de Prony et AR-Levinson sont plus
performantes. Dans ce cas, le défaut se manifeste sous forme d'augmentation de l'amplitude
relative des harmoniques d'engrènement et un déplacement d'un des pics. Cela donne la
possibilité de surveiller et diagnostiquer précocement le système étudié par ces deux méthodes.
II.3.5.2. Analyse cepstrale :

Le cepstre (anagramme de spectre) d’énergie est un opérateur homomorphique introduit
par Bogert en 1963 pour faire de la détection d’écho [Boger]. Dans les systèmes mécaniques
tournants, les signaux ont un caractère périodique après échantillonnage synchrone, de plus les
défauts induisent des motifs récurrents pouvant être considérés comme un système d’échos
multiples, c’est la raison pour laquelle il est utilisé le cepstre [Randa.a], [Randa.b], [Capd] et
[Aatol]. On trouve plusieurs définitions du cepstre d’énergie dans la littérature [El badaoui].
Celle qui est utilisée dans ce mémoire est la suivante :
(II. 17)
Le cepstre de s(t) sera composé de deux pics de quéfrence de Tr1 pour la modulation due
au pignon, et de quéfrence de Tr2 pour la modulation due à la roue
48
Figure II.11 : Cepstre de signal d’engrènement

La variable générique du cepstre ait la dimension d’un temps, elle est souvent appelée
Quéfrence car le cepstre peut être interprété comme le spectre d’un spectre.
On remarque que le cepstre d’énergie et à cause du logarithme transforme le produit de
convolution s(t)=h(t)*e(t) en une addition C(t)=H(t)+E(t). Le cepstre d’énergie d’un signal
accélérométrique, pour une position donnée du capteur, est donc la somme du cepstre de la
fonction de transfert source-capteur qui caractérise le système et du cepstre de l’excitation.
Dans le cas des signaux d’engrenage, cette propriété est à l’origine d’une certaine indépendance
du cepstre d’énergie vis à vis de la position du capteur. En effet, le cepstre d’énergie de la
réponse impulsionel de la structure mécanique est souvent confiné proche de l’origine, alors
que celui du choc périodique d’un défaut, provoque un peigne de pics de même période. Une
application de cette propriété est présentée dans [Randa].
[R.B. Randall] est l’un des précurseurs dans le cas de l’analyse vibratoire. En effet dans
les articles [Randa.a] et [Randa.b], on trouve une étude intéressante sur l’interprétation du
cepstre dans le cas de diagnostic de réducteurs. La Figure II.12.a [Randa] montre un exemple
de spectre de puissance calculé sur un signal accélérométrique issu d’une boite de vitesse. La
complexité de ce spectre rend difficile l’identification des raies. En calculant le cepstre
Figure II.12.b on identifie clairement la présence de deux peignes de Dirac décroissants de
période égale à la rotation du pignon et de la roue engagé. Il faut noter que, à l’inverse du
spectre, la résolution du cepstre d’énergie est d’autant meilleure que les fréquences sont très
proches.
49
Figure II.12.a Spectre de puissance d’une boite de vitesse [Randa]
Figure II.12.b Cepstre d’énergie [Randa]
En 1999 ELBADAOUI propose un indicateur robuste d’avaries : indépendant de la

position du capteur, de l’amplitude des signaux et du rapport signal à bruit.
Lorsque les signaux sont acquis sous échantillonnage angulaire, le moyennage synchrone
permet d’isoler chacun des engrènements d’un réducteur complexe. Cet indicateur a donc été
défini pour un engrenage simple train, et fournit un seul paramètre facilement interprétable :
valeur nulle en l’absence de défaut et tendance vers + ou – 1, selon que la roue ou le pignon
50
développe un défaut. Il ne doit pas être considéré comme un détecteur absolu, mais comme un
révélateur : c’est un outil de surveillance qui doit être initialisé à zéro pendant une phase de
fonctionnement sain du réducteur. Son utilisation sur des cas concrets de diagnostic a montré
son efficacité, puisqu’il a permis par exemple, de déceler la présence d’un défaut le jour même
de sa manifestation constatée par un expert.
En 2004 M. El Badaoui, F. Guillet, N. Nejjar, P. Martini et J. Danière appliquent
l’analyse cepstrale synchrone sur des signaux obtenue sous échantillonnage angulaire des
réducteurs à engrenage, ils montrent que l’analyse cepstrale pour sa simplicité et sa capacité à
fournir des informations compactes faciles à interpréter et dont certaines sont indépendantes de
l’amplitude des signaux et de la position du capteur. Ils montrent que la somme des premiers
pics cepstraux associés à chaque période de rotation est une constante égale à 0.5.
Le réducteur choisi dans un premier temps est composé de deux trains d'engrenages (R1-
R2 et R3-R4). Ce réducteur est entraîné par un moteur électrique triphasé asynchrone et est
chargé par un frein à poudre.
Figure II.12.a : Schéma cinématique du réducteur

Le cepstre d’énergie du signal vibratoire issu du motoréducteur, obtenu après
échantillonnage angulaire, la présence des peignes associés aux périodicités des trois axes de
rotations : Tr1 est la période de rotation de l’arbre moteur, Tr2 est la période de rotation de
l’arbre intermédiaire, Tr3 est la période de rotation de l'arbre de sortie.
Figure II.12.b : Cepstre d’énergie des signaux vibratoires en fonctionnement normal
La somme des premiers pics Tr1, Tr2 et Tr3 est égale à 0.43 . Après un léger défaut de
type choc sur l'arbre de sortie, et on calcule le cepstre d'énergie des signaux émis par le
51
réducteur. On peut constater l'augmentation de l'amplitude du pic Tr3 caractéristiques de la

période de rotation de l'arbre de sortie au détriment des autres pics.
Figure II.12.c : Cepstre d’énergie avec défaut moyen
La somme des premiers pics Tr1, Tr2 et Tr3 est égale à 0.52. Avec une augmentation de
l'intensité du défaut en sortie de l'arbre réducteur, et on recalcule le cepstre d'énergie des
signaux associés. On constate que l'amplitude du pic Tr3 augmente dans les mêmes proportions
au détriment des autres.
Figure II.12.d : Cepstre d’énergie avec défaut important
Une augmentation de l'intensité du défaut en sortie de l'arbre réducteur, et on recalcule le

cepstre d'énergie des signaux associés. On constate (figure II.12.d) que l'amplitude du pic Tr3
augmente dans les même proportions au détriment des autres. La somme des premiers pics Tr1,
Tr2 et Tr3 est égale à 0.45.
Le deuxième réducteur choisi est un banc d'essais d'engrenage de grandeur industrielle
du CETIM fonctionnant 24h/24h. . Le réducteur étudié est composé de deux roues comportant
respectivement 20 et 21 dents, L'arbre d'entraînement du réducteur sous test tourne à la vitesse
de 1 000 tr/min, soit 16,67 Hz, L'essai a duré 12 jours, Les figures suivantes montrent
l'évolution des premiers pics du cepstre d’énergie entre le 2ème jour et le 12ème jour.
52
Figure II.13.a : Les deux premiers pics Figure II.13.b : Les deux premiers pics
du cepstre d'énergie au 2ème jour du cepstre d'énergie au 12ème jour
Les premiers pics du cepstre d'énergie caractérisent les périodes de rotations des roues.
Au 12ème, jour on note un défaut sur une des dents de la roue 1 (écaillage de la dent); le pic
correspondant a fortement augmenté au détriment de l'autre.
L’évolution des premiers pics du cepstre d'énergie et de la somme des premiers pics sur
une durée de 12 jours. Une dégradation de la roue 1 qui accentue l'amplitude du pic cepstral dû
à sa période de rotation. En contre partie, le pic cepstral de l'autre roue diminue. Globalement,
la somme des premiers reste constante. En pratique la somme des premiers pics est comprise
entre 0.43 et 0.52.
Figure II.13.c : Evolution des premiers pics du cepstre d'énergie
En 2004 O. Cousinard et al, ont présenté une application de l’analyse cepstrale

réalise en milieu industriel, elle concerne un diagnostic par comparaison de 4 multiplicateurs de
vitesse de forte puissance dans une usine agroalimentaire, ils testent l’efficacité du cepstre pour
la détection de défauts sur des systèmes à engrenages tournant à grande vitesse, Les
multiplicateurs entrainent des compresseurs centrifuges à roues, fonctionnant en continu 350
jours par an, destines à faire de la re-compression de vapeur .Chacun d’eux est compose d’un
seul étage d’engrenages à denture hélicoïdale guidé par des paliers fluides. Ils sont entrainés
par des moteurs de 860 KW à 3000 tr/min (50 Hz).
– Vitesse de rotation de l’arbre d’entrée du multiplicateur : 3000 tr/min (50 Hz)
– Vitesse de rotation de l’arbre de sortie : 11 214 tr/min (187 Hz)
53
– Nombre de dents du pignon menant : 157 dents

– Nombre de dents du pignon mené : 42 dents
– Fréquence d’engrènement : 7850 Hz.
Figure II.14.a Multiplicateur n◦ 2 – Cepstre

Figure II.14.b Photographie de la dent
détériorée par écaillage
Un choc à la fréquence de 50 Hz (quefrence = 0.02) caractéristique d’un défaut de type

écaillage sur une dent du pignon menant du multiplicateur.
Le réducteur a été arrêté et ouvert à la suite de ce diagnostic afin de vérifier l’état du
pignon. Cette intervention a permis de confirmer l’écaillage de la dent du pignon menant et de
prévoir une opération de maintenance.
II.3.5.3. Analyse temps-fréquence :
Les méthodes d’analyse temps fréquence ont été développées pour l’étude des signaux
non-stationnaires [Ville], [Fland] et [Choy]. Cette notion de non stationnarité peut s’appliquer
aussi bien à des signaux aléatoires qu’à des signaux déterministes. Plus généralement, elles
s’appliquent à des signaux dont le contenu fréquentiel ou les propriétés statistiques évoluent au
cours du temps.
La distribution de Wigner-Ville :
L'analyse temps–fréquence traditionnelle utilise des distributions qui représentent l'énergie
ou puissance des signaux en deux dimensions de temps et de fréquence pour révéler les
meilleurs modèles de diagnostic. La transformée de Fourier à court terme (STFT) [Andr] et la
distribution Wigner–Ville (DWV), sont les distributions temps–fréquence les plus utilisées.
La transformation de Wigner-Ville est définie par :

 
 S (t  2 )S (t  ).e  2j d (II. 18)
*
Ws (t , v) 

2
Avec : s(t) signal complexe quelconque.
54
La figure II.15 représente une distribution Wigner –Ville (DWV) pour deux niveaux de
défauts d’engrenage (écaillage) et la distribution de l’énergie instantanée en fonction du temps
Figure II.15 : Une représentation temps fréquence (DWV) et l’énergie instantanée

pour un pair d’engrenage a)30%, b) 50% écaillage de dent [El badaoui]
Exemple d’analyse temps fréquence :

La figure II.16 représente la distribution d’énergie de type Wigner-Ville calculé sur un
signal accélérométrique issu d’une boite de vitesse comportant un défaut avancé de type
écaillage [Oehlm]. On retrouve les fréquences caractéristiques de l’engrènement, notamment la
fréquence d’engrènement à 906 Hz, et ses harmoniques. De plus on observe une forte énergie
au alentour de 2500 Hz qui correspond à l’instant d’engrènement au point de charge maximale
de la dent comportant l’écaillage. La fréquence liée au phénomène d’écaillage (certainement
une fréquence propre du système mécanique) décroît approximativement de façon linéaire avec
le temps, et l’amplitude diminue également. Ces variations caractérisent la manière dont
l’énergie est absorbée par le système mécanique.
La représentation temps-fréquence a permis ainsi de mettre évidence la modulation de
fréquence linéaire en fonction du temps, due en partie au défaut d’écaillage, le tout en ayant
une très bonne résolution temporelle et fréquentielle, ce que la transformation de Fourier
classique ne permet pas. [Elbadaoui]
55
Figure II.16: représentation temps-fréquence du signal vibratoire [Oehlm].

Cependant, le temps de calcul d’une représentation temps fréquence peut être prohibitif,
et de plus l’interprétation d’une image est souvent difficile. En pratique la représentation
temps-fréquence est souvent une étape utilisée pour faire une analyse événementielle du signal
vibratoire, et pour mesurer aussi, les fréquences et les résonances éventuelles associées à
chaque source d’excitation contenue dans le signal vibratoire. De plus l’automatisation de telles
méthodes pour la détection de défaut est encore complexe [Astra].
II.4. conclusion :
Dans ce chapitre nous avons vu que le choix des méthodes d’analyse des signaux
accélérométriques issus de machines tournantes est normalement conditionné par la nature de la
machine, mais aussi par la nature du défaut à déceler dans le signal. Pour les réducteurs à
engrenages, parmi toutes les méthodes qui ont été présentées, on aura pu constater que
l’analyse cepstrale présente un très bon rapport performance sur complexité. C’est l’une des
raisons qui a motivé l’étude que nous avons menée sur le cepstre d’énergie. [Elba].
Et Pour les défauts de roulements, parmi toutes les méthodes qui ont été présentées, on aura pu
constater que le kurtosis spectrale indiquer la meilleure bande de démodulation pour l'analyse
d’enveloppe. [J. Antoni]
Dans le prochain chapitre, nous présenterons des applications de ces méthodes sur des
signaux réelles.
56
CHAPITRE III Présentation des systèmes étudiés et discussion des résultats
III.1. Introduction :
Les objectifs principaux de la maintenance prévisionnelle sont la détection d’une

anomalie sur une machine avant qu’elle entraine une grave défaillance, et le suivi de l’état
d’usure ou de détérioration des machines composants un système de production, grâce à des
indicateurs significatifs, de manière à planifier d’éventuelles interventions.
La surveillance par analyse des vibrations est un outil indispensable pour une
maintenance moderne, puisqu'elle permet un diagnostic approprié des défauts, d'éviter la
casse et de n'intervenir sur une machine qu'au bon moment et pendant des arrêts programmés
de la production.
La surveillance vibratoire et le diagnostic de défauts dans les machines tournantes fait
l’objet de nombreux travaux, les engrenages et les roulements ont fait et font encore l'objet de
nombreuses études. Ces sont des éléments très sollicités et susceptibles de présenter des
défauts qui évoluent rapidement vers la rupture.
Le diagnostic dans la majorité des cas est établi en interprétant les signaux vibratoires
émis par les machines en fonctionnement. Plusieurs techniques de traitement de ces signaux
se sont développées dont l’analyse spectrale apparait dans la majorité des cas, comme la plus
efficace. Néanmoins, elle présente des limites et des techniques complémentaires telles que
les analyses du signal d’enveloppe, temps-fréquence, kurtosis spectral ou cepstrale prennent
alors le relais afin d’affiner ou de sécuriser le diagnostic.
Le premier ensemble des signaux sont des signaux de roulements "the Case Western
Reserve University- Bearing Data Center" Cleveland USA, base de données des essais de
roulements à billes normaux ou défectueux, recueillis sur un banc d’essai très simple,
composé d’un moteur, un accouplement et une génératrice. De simples défauts sous forme de
points « de différent diamètres et profondeurs » ont été créés sur les différents organes
composants les roulements d'essais.
Le deuxième ensemble des signaux étudiés proviennent de l’instrumentation d’une boite
de vitesse d’un hélicoptère de la NAVY -Université de Pennsylvanie, qui souhaite comparer
différentes méthodes de diagnostic.
Dans ce chapitre, nous allons présenter les résultats obtenus de l’application des
techniques de l’enveloppe et le kurtosis spectral pour les signaux vibratoires du roulement, et
l’application des techniques de l’analyse spectrale et de l’analyse cepstrale pour des signaux
vibratoires d'engrenage.
57
III.2. Etude du système de roulement :

III. 2.1. Banc d'essai des roulements "Bearing Data Center" :
Ce site Web " www.eecs.cwru.edu\laboratory\bearing\welcome_overview.htm ", permet

d'accéder à la base de données des essais de roulements à billes, soit les roulements normaux
ou défectueux.
De nombreuses études ont été réalisées sur ces signaux ; les méthodes temps fréquences,
temps échelle, l’analyses spectrale, l’approche de classification et l'analyse vibro-acoustique
dans le but d’établir également un diagnostic précoce et automatique des défauts.
Au niveau de notre laboratoire (LMPA), plusieurs études ont été réalisées sur ces signaux;
les méthodes d'analyse temporelle, d'analyse fréquentielle, temps échelle, etc. [Felk], [Feda],
[Zian].
Comme il est représenté sur la figure (III.2.1) ci-dessous, le banc d'essai se compose
principalement d'un moteur (à gauche), d'un accouplement transducteur/encoder (centre), d'un
dynamomètre (droit) et des circuits de commande (non montrés).
Figure III.2.1 Banc d'essai de roulements.

Les roulements testés soutiennent l'arbre du moteur des deux cotés (coté entraînement et coté
ventilateur). De simples défauts sous forme de points ont été créés sur les roulements d'essai,
en utilisant l'usinage électro décharge, le tableau (III.2.1) présente les diamètres des défauts,
leurs profondeurs et les marques de roulement utilisés.
58
Position du Emplacement Diamètre profondeur Marque du

roulement du défaut [inches] [inches] roulement
coté entraînement bague Intérieure 0.007 0.011 SKF
coté entraînement bague Intérieure 0.028 0.050 NTN
coté entraînement bague extérieure 0.007 0.011 SKF
coté entraînement bague extérieure 0.040 0.050 NTN
coté entraînement Bille 0.007 0.011 SKF
coté entraînement Bille 0.028 0.150 NTN
Coté ventilateur bague Intérieure 0.007 0.011 SKF
Coté ventilateur bague extérieure 0.007 0.011 SKF
Coté ventilateur Bille 0.007 0.011 SKF
Tableau III.2.1 Caractéristiques des défauts des roulements (Inches ≡ pouces = 25.4 mm).
Des roulements SKF ont été utilisés pour les défauts de différents diamètres 0.007,
0.021, 0.014 [inches] et profondeur de 0.011 [inches], et des roulements équivalents NTN ont
été utilisés pour les défauts de diamètre 0.028 [inches] et profondeur de 0.050 [inches].
Les caractéristiques des roulements des deux cotés (accouplement et ventilateur), y
compris les fréquences du défaut et la géométrie du roulement sont énumérées ci-dessous:
(Tableau III.2.2)
Caractéristique du roulement coté accouplement:6205-2RS JEM SKF, roulement

à Billes de cannelure profonde.
Taille: (inches)
Diamètre Intérieur Diamètre Extérieur Épaisseur Diamètre de Bille Diamètre primitive
0.9843 2.0472 0.5906 0.3126 1.537
Fréquences du défaut : (ce coefficient multiplié par la fréquence de rotation en Hz)

Bague Intérieur Bague Externe Cage Élément Roulant
5.4152 3.5848 0.39828 4.7135
59
Caractéristique du roulement coté ventilateur:6203-2RS JEM SKF, roulement

à billes de cannelure profonde.
Taille: (inches)
Diamètre Intérieur Diamètre Extérieur Épaisseur Diamètre de bille Diamètre primitive
0.6693 1.5748 0.4724 0.2656 1.122
Fréquences du défaut : (multiple de vitesse courante en Hz)

Bague Intérieur Bague extérieur Cage Élément Roulant
4.9469 3.0530 0.3817 3.9874
Tableau III.2.2 Caractéristiques des roulements et des fréquences des défauts.

Les signaux ont été enregistrés à l'aide des accéléromètres, qui ont été fixés à la cage du
moteur par aimant. Ces capteurs ont été placés à la position 12 heures "vertical", des deux
cotés "accouplement et ventilateur" de la cage du moteur.
Les défauts de la bague externes sont des défauts stationnaires, donc le placement du
défaut relativement à la zone de charge du roulement a un impact direct sur la réponse
vibratoire du système "moteur / roulements". Afin de mesurer cet effet, des essais ont été
effectué pour les deux cotés "accouplement et ventilateur". Avec des défauts de bague situés à
3 heures (directement dans la zone de charge), à 6 heures (orthogonales à la zone de charge),
et à 12 heures, les données ont été enregistrées pour :
- Les roulements sans défaut.
- Les défauts uniques du cotés accouplement (12.000 et 48.000 points/second).
- Les défauts uniques du cotés ventilateur (12.000 points/second.)
III.2.2 Présentation des signaux étudiés:
Nous proposons dans ce qui suit d’étudier les signaux temporels enregistrés pour les défauts
de la bague intérieure (BI) pour le couple moteur de puissance de 2 HP.
On a cinq classes de fonctionnement en fonction de la taille du défaut, nous avons donc 5
signaux échantillonnés à 12 KHz, ils sont représentés sur le tableau suivant :
Etiquette Mode de fonctionnement Puissance [HP]

1 Sans défaut 2
2 Défaut bague intérieure Ø=0.007 [inches] 2
60
La figure (III.2.2) montre les signaux temporels pour différents diamètres de défaut,
réalisés sur la bague intérieure, pour le même couple moteur de puissance de 2 HP donc la
vitesse de rotation l’arbre est de fr = 29.16 Hz (V= 1750 tr/min), Il faut tenir compte que ces
signaux sont ceux recueillis du coté de l’accouplement.
Figure III.2.2 Signaux temporels, différents diamètres du défaut sur la bague intérieure
en inches -puissance 2Hp-
61
L’analyse des ces signaux temporels pour les différents diamètres de défauts nous
permet de remarquer la différence des amplitudes des cinq signaux, on remarque que la
sévérité du défaut influence directement l’amplitude du signal.
III.2.3. Extraction des indicateurs :
III.2.3.1. Indicateurs temporels :
Les indicateurs temporels (Tableau III.2.3) sont calculés dans 5 bandes fréquentielles
issues de la décomposition de la bande d’analyse "6 kHz" en 4 sous bandes adjacentes
[1-1500 Hz], [1500-3000 Hz], [3000-4500] et [4500-6000 Hz]. Dans chaque bande on a choisi
de calculer les indicateurs suivants : la valeur efficace, le facteur de crête, la valeur crête à
crête et le kurtosis.
Charge Bande Bande Bande Bande totale
[HP]
0 - 1,5 KHz 1,5 - 3 KHz 3 - 4,5 KHz 0 - 6 KHz
Ve1 Fc1 Vcr1 K1 Ve2 Fc2 Vcr2 K2 Ve3 Fc3 Vcr3 K3 Ve4 Fc4 Vcr4 K4
0 0.07 4.30 0.59 2.81 0.02 2.47 0.09 1.91 0.00 4.48 0.02 3.10 0.07 4.16 0.60 2.78
Sans défaut
2 0.06 5.55 0.61 2.99 0.03 2.32 0.13 1.68 0.00 5.52 0.02 3.40 0.06 5.49 0.69 2.94
Défaut B. I 0 0.11 4.14 0.86 3.57 0.17 4.10 1.37 4.40 0.18 5.46 1.91 5.02 0.29 5.81 3.00 5.39
Ø=0.007
2 0.11 4.27 0.93 3.65 0.17 4.26 1.44 4.37 0.19 5.41 2.13 5.89 0.30 5.47 3.03 5.58
Défaut B. I 0 0.04 4.83 0.42 3.27 0.12 9.05 2.16 24.4 0.14 7.62 2.05 12.4 0.20 9.67 3.95 21.8
Ø=0.014
2 0.04 4.87 0.37 3.22 0.09 10.1 1.74 22.4 0.13 9.20 2.23 15.9 0.16 11.3 3.63 21.5
Défaut B. I 0 0.13 3.57 0.96 3.19 0.32 6.07 4.00 6.37 0.29 5.68 3.36 5.81 0.53 7.1 7.12 7.78
Ø=0.021
2 0.09 4.27 0.81 3.17 0.34 5.32 3.71 6.17 0.22 5.96 2.61 6.74 0.48 6.96 6.19 7.89
Défaut B. I 0 0.41 3.89 3.06 3.18 0.60 4.56 5.50 3.44 0.21 4.66 2.05 3.41 0.84 5.27 7.82 3.37
Ø=0.028
2 0.51 3.98 4.01 3.00 0.53 4.60 5.03 3.25 0.21 4.64 1.97 3.23 0.84 5.40 8.73 3.28
Tableau III.2.3 : Les indicateurs temporels
La figure (III.2.3) représente l’évolution des indicateurs dans chaque bande fréquentielle
pour les différents états du défaut.
Il semble assez facile d'affirmer que :
- la valeur des indicateurs varie d'une bande fréquentielle à une autre.
- ces indicateurs sont sensibles aux variations du diamètre de défaut créé sur la bague
intérieure du roulement et non pas sur la variation de la charge.
1) Pour le roulement sans défaut le kurtosis est K4=2.94 ≈3, ce qui implique le signal
vibratoire à une distribution d’amplitude est gaussienne donc un roulement en bon état
62
2) Pour le roulement avec défaut Ø=0.007 inches le kurtosis K4=5.58 ≥ 4, le signal

vibratoire est impulsive due au choc (défaut localisé).
vibratoire est très impulsive due au choc (défaut localisé).
vibratoire est moins impulsive que le défaut Ø=0.014 (recouvrement).
5) Pour le roulement avec défaut Ø=0.028 inches le kurtosis K4= 3.28≈3, le kurtosis
redevient gaussien mais il ya une augmentation considérable de la valeur efficace de
Ve4= 0.06 à Ve4= 0.84.
Le kurtosis apparaît comme étant l’indicateur le plus approprié à la détection des défauts
de type chocs, notamment ceux du roulement. Il est sensible à la bande de fréquence du signal
et la taille du défaut. Le facteur de crête est moins sensible que le kurtosis, pas autant que
l’énergie est le RMS qui se montrent d’autant plus sensibles aux amplitudes du signal et pas à
sa forme.
Alors pour les roulements il faut suivre l’évolution des deux critères : Kurtosis et
la valeur efficace.
(III.2.3) : l’évolution des indicateurs dans chaque bande fréquentielle
63
III.2.3.2.Indicateurs fréquentielles :
La figure (III.2.4) montre la densité spectrale de puissance (DSP) pour 5 signaux de
défaut de la bague intérieure (puissance = 2Hp).
La figure (III.2.4) la densité spectrale de puissance (DSP) des signaux de défaut de la bague
intérieure (puissance = 2Hp)
64
On constate bien une augmentation d’énergie des signaux. ; Lorsque le diamètre de

défaut augmente l’énergie du signal vibratoire augmente, mais il est difficile de tirer des
conclusions sur la sévérité du défaut.
Pour extraire les indicateurs fréquentiels, nous avons choisi de calculer les énergies du
spectre dans les quatre bandes adjacentes de 1000 Hz chacune, plus la bande d’analyse totale.
Ø Charge Bande Bande Bande Bande Bande

[inches] [HP] 0 - 1KHz 1 -2 KHz 2 -3 KHz 3 -4 KHz 0-6 KHz
Sans 0 -17364 -20004 -22515 -22895 -135580
défaut 2 -17740 -19320 -22468 -23450 -135580
B.I 0 -12535 -13404 -13683 -15857 -98959
Ø=0.007 2 -12429 -13522 -13427 -15858 -98376
B.I 0 -12102 -13999 -14678 -16863 -103620
Ø=0.014 2 -11898 -14544 -15120 -17445 -105430
B.I 0 -9543.8 -12181 -10968 -15596 -87455
Ø=0.021 2 -9598 -12709 -11804 -16654 -90297
B.I 0 -7177.1 -7934.9 -9236.6 -13315 -75800
Ø=0.028 2 -7403.3 -7942.2 -8885.6 -12299 -74211
Tableau III.2.4 : les énergies du spectre.
La figure (III.2.5) montre l’évolution des énergies du spectre, pour la puissance 2HP
calculées dans les différentes bandes fréquentielles.
On remarque que l’influence du diamètre du défaut est très bien détectée pour les
différentes bandes utilisées.
Figure (III.2.5) l’évolution des énergies du spectre
65
III.2.3.3. Kurtosis spectrale :

Dans cette section le kurtogramme est utilisé pour le diagnostic des paliers à roulements
dans les systèmes mécaniques. Un défaut de roulement se manifeste sur les mesures
vibratoires par une série d’impulsions généralement de faibles amplitudes par rapport au bruit
de fond environnent. Afin de les détecter, il est d’usage de démoduler le signal dans des
différentes bandes de fréquences et trouver celle qui maximise le rapport signal-à-bruit
[J. Antoni]. Le kurtogramme permet de substituer à cette procédure empirique une
méthodologie rigoureuse pour rapidement trouver la bande de démodulation optimale et
appliquer ensuite l’analyse d’enveloppe.
III. 2.4. Application :
La méthode d’enveloppe est appliquée sur cinq signaux du défaut de la bague intérieure
(sans défaut, Ø = 0.007'' Ø = 0.014'', Ø = 0.021'', Ø = 0.028'') avec une vitesse de rotation
« fr = 29.16 V= 1750 tr/min ». Nous avons, pour nos travaux, appliqué le programme du
kurtogramme du professeur Antoni Jérôme disponible sur le site
III. 2.4.1. Sans défaut :
III.2.6.1 Kurtogramme de signal sans défaut
Pour le signal du roulement sans défaut le kurtogramme (figure III.2.6.1) indique un

kurtosis spectral maximal (K m ax = 1.2) sur la dyade le
spectre de l’enveloppe dans la bande de fréquence correspondante est représenté sur la
figure suivante (figure III.2.6.2). Sur le spectre on ne remarque aucun pic important
(l’amplitude maximal est de l’ordre de 0.5*10-7 et de la fréquence est égale à fréquence de
rotation de l’arbre), en quelque sorte ce spectre est considéré comme spectre de référence du
roulement.
66
III.2.6.2 Spectre d’enveloppe du signal sans défaut
III. 2.4.2. Avec défaut Ø = 0.007'' :
III.2.6.3 Kurtogramme du défaut de diamètre Ø = 0.007''
Le kurtogramme du défaut Ø = 0.007'' (figure III.2.6.3) indique un kurtosis spectral

maximal (K m ax = 3.3) sur la dyade , il y a une
augmentation du Kurtosis spectral par rapport au kurtosis spectral du signal sans défaut car
le signal vibratoire contient des impulsions de courte durée.
Le spectre de l’enveloppe dans la bande de fréquence correspondante est
représenté sur la figure suivante (figure III.2.6.4) :
III.2.6.4 Spectre d’enveloppe du défaut de diamètre Ø=0.007''
67
Nous avons pour le type de roulement mis en place et pour la vitesse de rotation de
29,16 tr/sec, la fréquence BPFI vaut 158 Hz.
Sur ce spectre (figure III.2.6.4), il apparaît clairement une série de pics. Ceux-ci
correspondent à la présence du défaut de bague intérieure. On constate un pic à 158 Hz égal à
la fréquence BPFI ; la première harmonique (316Hz) ; la deuxième harmonique (474Hz).
Avec ces seules informations, la présence du défaut est détectée.
Cependant, on constate toute une série de pics entourant ces fréquences. Il s’agit en
fait de la modulation de la fréquence BPFI par la fréquence de rotation
« fr = 29.16 V= 1750 tr/min ».
III. 2.4.3. Avec défaut Ø = 0.014''
Ce kurtogramme (figure III.2.6.5) indique un kurtosis spectral maximal (K m a x = 16.1)

sur la dyade nous observons une augmentation du
Kurtosis spectral par rapport au kurtosis spectral du signal avec défaut Ø=0.007'',
Le spectre de l’enveloppe dans la bande de fréquence correspondante est
représenté sur la figure suivante (figure III.2.6.6):
III.2.6.6 Spectre d’enveloppe défaut de diamètre Ø =0.014''
68
Le spectre d’enveloppe (figure III.2.6.6) montre un signal vibratoire d’un roulement

atteint de défauts sur la bague intérieure. Il montre clairement la présence de la composante
spectrale BPFI (158Hz) et la première harmonique (316Hz) et une série de pics entourant ces
fréquences. Il s’agit en fait de la modulation de la fréquence BPFI par la fréquence de rotation
de l’arbre.
III. 2.4.4. Avec défaut Ø = 0.021'' :
Le kurtogramme du défaut (figure III.2.6.7) indique un kurtosis spectral maximal

(K ma x = 9.9) sur la dyade nous observons une diminution
du Kurtosis spectrale par rapport au kurtosis spectral du signal avec défaut Ø=0.014 '', le
défaut est répartie l’impact entre la bille et le défaut durera plus longtemps et l’impulsion
devient plus large ce qui influencera sur la valeur de Kurtosis qui sera plus petite.
La partie réelle de l’enveloppe dans la bande de fréquence correspondante est
représenté sur la figure suivante (figure III.2.6.8) :
III.2.6.8 Spectre d’enveloppe du défaut de diamètre Ø =0.021''
69
Sur ce spectre (figure III.2.6.8), il apparaît clairement une série de pics. Ceux-ci
correspondent à la présence du défaut de la piste intérieure. On constate un pic à 157,9 Hz
égal à la fréquence BPFI et la première harmonique (315Hz).
Cependant, on constate toute une série de pics entourant ces fréquences. Il s’agit en fait
de la modulation de la fréquence BPFI par la fréquence de rotation.
III. 2.4.5. Avec défaut Ø = 0.028'' :
Pour le défaut Ø = 0.028'' le kurtogramme (figure III.2.6.9) indique un kurtosis

spectral maximal (K ma x = 4.6) sur la dyade , il y a
une diminution du Kurtosis spectral par rapport au kurtosis spectral du signal avec défaut
Ø = 0.021'', le spectre de l’enveloppe dans la bande de fréquence correspondante est
représenté sur la figure :
III.2.6.10 Spectre d’enveloppe défaut de diamètre Ø =0.028''
70
Le spectre d’enveloppe (figure III.2.6.10) montre une série des peignes de raies avec des
fréquences difficilement identifiés car le défaut provoque plusieurs impulsions.
Le tableau suivant (III.2.5) présente l’évolution du kurtosis spectral maximum par rapport
au diamètre du défaut de la bague intérieur.
Défaut (inches) Sans défaut O.OO7 O.O14 0.021 0.028
Kmax 1.2 3.3 16.1 9.9 4.6
Tableau III.2.5 : Evolution du Kmax
La figure (III.2.7) montre l’évolution du kurtosis spectrale pour les différents diamètres
des défauts.
Figure (III.2.7) l’évolution du kurtosis spectral
Pour les signaux des défauts des roulements, nous avons constaté ce phénomène c'est à
dire une augmentation du kurtosis spectrale ensuite une diminution, d'après les figures des
signaux temporels on voit clairement que l'ampleur ou la grandeur des chocs est très nettes
(impulsions) pour les défauts de diamètre 0.007 et 0.014 inches car c'est un défaut localisé,
pour les autres défauts de diamètre 0.021 et 0.028 inches qui sont plus important la sensibilité
du K s diminue considérablement car il y a un recouvrement entre les différentes réponses aux
impulsions causés par le passage des billes successives sur le défauts, c'est-à-dire avant que
l’effet d’impulsion ne s’éteint, l’effet du passage de la prochaine impulsion commence.
Les résultats obtenus montrent clairement que le Kurtosis spectrale est très sensible
aux différents diamètres de défaut.
71
III.3. Etude de système d’engrenage:

III. 3.1 Boite de vitesse d’un hélicoptère « NAVY Westland data »
Nous disposons de signaux caractérisant le système pour sept défauts différents et d’un
ensemble de données provenant du système sain. Pour chaque défaut, huit accéléromètres
enregistrent, en différents endroits de la boite de vitesse, les vibrations engendrées par le
système. Les mesures sont effectuées à vitesse constante mais pour neuf couples différents.
.
Figure III.3.1 Schéma simplifié de la boite de vitesse de l’hélicoptère CH46.
Numérotation des éléments et caractéristiques
Le tableau III.3.1 récapitule les sept défauts disponibles ainsi que leur nature (écaillage,
fissure…) et les pièces concernées.
72
Numéro de Pièces concernées par le Description du défaut

défaut défaut
2 2 Ecaillage de l’Epicyclic Planet Gear
3 5 Pitting de l’Input Pinion
4 5 Ecaillage de l’engrenage conique
5 9 Ecaillage de l’Helical Input Pinion
6 8 Fissure de l’Helical Idler Gear
7 6 Fissure du Collector Gear
8 5 et 6 Fissure du Quill Shaft
Tableau III.3.1 Description et position des défauts.
Pour chaque défaut, huit accéléromètres enregistrent, en différents endroits de la boite

de vitesse, les vibrations engendrées par le système. Les mesures sont effectuées à vitesse
constante, pour neuf couples différents. Le tableau III.3.2 ci dessous présente les données
disponibles en fonction du couple et du défaut considéré. Le défaut numéro 9 correspond en
fait au système sain.
Couple / Défaut 2 3 4 5 6 7 8 9
#
100% X X X X X X X X
80% X X X X X X X
75% X X X X X X X
70% X X X X X X X
60% X X X X X
50% X X X X X
45% X X X X
40% X X X X X
27% X X X X X
Tableau III.3.2 Ensemble des données disponibles en fonction du couple et du défaut.
Chaque signal comporte 412464 points, échantillonnés à 103116Hz. Il est à noter que
pour chaque défaut, nous disposons généralement de trois signaux ; le premier provenant du
système sain, le second caractérisant le défaut partiel, et le dernier dû au défaut établi.
Dans la suite de ce chapitre, nous nous limiterons à l’étude d’un seul défaut particulier :
l’écaillage de l’engrenage conique (défaut #4). La figure (III.3.2) présente des photos de
l’engrenage avant les tests ainsi que des vues des différents niveaux de défaut mis à notre
disposition.
La figure III.3.3 présente un schéma simplifié de l’élément atteint par le défaut que
nous souhaitons étudier ainsi que la position de l’élément dans le système. L’accéléromètre le
73
plus proche ainsi que la notation des fréquences utilisées par la suite y sont également
présentés.
Engrenage sain Défaut niveau 1 Défaut niveau 2
Figure III.3.2 Vues des différents niveaux de défaut
Figure III.3.3 Schéma simplifié du système
Fréquence d’échantillonnage : fe  103116 Hz
Nombre de points total est : NT= 412464 points
Les fréquences d'engrènement : fe1 = 1108.9 Hz . fe2 = 3155.8 Hz
Nombre de dents du pignon conique 5 : nd1 = 26 dents

fe 1108.9
fr1  1   42.65Hz
nd 1 26
fe 103116
Le nombre de points par période Np est : Np    2417 pts
fr1 42.65
1
La période T est : T  N p * T  N p *  0.023s
fe
74
La figure III.3.4 représente les signaux temporels recueillis par le capteur 4 pour un
couple de 45%.
Figure III.3.4 Signaux temporels du capteur 4, couple 45%, pour différents états du
pignon conique
III.3.2. Préparation des observations :

a. Filtrage :
Pour éviter l’effet de masque qui entache fortement la sensibilité des indicateurs "larges
bandes" lorsque l'énergie vibratoire introduite par l'apparition d'un défaut n'est pas
prépondérante devant celle introduite par l'ensemble des forces dynamiques générées par le
fonctionnement de la machine et des défauts déjà existants, le signal de chaque jour a donc été
centré puis filtré par un filtre passe-bande, les différents bandes sont montrées dans la section
III.3.3. Le filtre utilisé est à réponse impulsionel finie, généré par la procédure de Matlab
Fir1. [Felk].
b. Décimation :
Nous disposons des signaux, échantillonnées à 103116 Hz. Par le filtrage ci-dessus, nous
avons limité notre étude à une fréquence maximale de 3766Hz. Les signaux sont, donc,
suréchantillonnées. Nous proposons de décimer ces signaux par un facteur 8. Nous obtenons
ainsi des signaux de 51558 points échantillonnés à une fréquence fe=103116/8=12890 Hz.
Nous pouvons remarquer que le théorème de Shannon (fe≥ 2. f max ) est vérifié.
III.3.3. Extraction des indicateurs

Après les prétraitements précédents, et une analyse préliminaire, nous avons choisi de
calculer les indicateurs temporels (les indicateurs statistiques) et les indicateurs fréquentiels
75
dans différentes bandes latérales de largeur 500 Hz autour des fréquences d’engrènement, soit
10 raies latérales (dix fréquences de rotation) autour des 3 principales harmoniques
(1.fe= 1108.9Hz, 2.fe=2217.8Hz, et 3.fe=3266.7Hz). Les bandes de calcul sont alors les
suivantes: [608-1608 Hz], [1717-2717 Hz] et [2766-3766 Hz].
III. 3.3.1. Indicateurs temporels :
Dans chaque bande, les indicateurs (paramètres) statistiques mesurés sont les suivants :
la valeur efficace RMS, le facteur de crête et le kurtosis de l’accélération (Tableau III.3.3).
Sans défaut Défaut niveau 1 Défaut niveau 2
Vef1 Fc1 K1 Vef2 Fc2 K2 Vef3 Fc3 K3
Bande 608-1608 Hz 902 1.61 1.55 399 1.67 1.53 950.6 1.72 1.63
Bande 1717-2717Hz 2272 1.65 1.53 1007 1.63 1.52 2375 1.71 1.56
Bande 2766-3766Hz 2666 1.88 1.55 1182 1.79 1.54 2798 1.92 1.60
Tableau III.3.3 Indicateurs temporels des signaux d’hélicoptère avec couple 45%
Les défauts d’engrenage ont une incidence sur l’allure des signaux mesurés, la
caractérisation de ces signaux nécessite de choisir des indicateurs temporel, ces indicateurs
sont sensible à la forme du signal. Ils permettent sous certaines conditions de suivre
l’évolution de l’apparition du défaut. [C. Benchaabane]
La figure (III.3.5 : a,b,c) représente l’évolution des indicateurs temporels en fonction de la

gravité du défaut. Pour notre cas nous avons que trois signaux (sans défaut, défaut niveau 1,
défaut niveau 2), il est très difficile de faire un tel seuil de surveillance.
On remarque :
1) Les indicateurs (RMS, K et Fc) ont des valeurs un peu élevés au cas sans défaut et
peuvent être dues au défaut de fabrication et de mise en marche de la boite de vitesse
de l’hélicoptère.
2) Pour le défaut niveau 1 : les trois indicateurs scalaires ont des valeurs inferieur par
rapport au cas sans défaut car les engrenages ont subit un rodage.
76
3) Pour le défaut niveau 2 : il y a une augmentation progressive du trois indicateurs

avec l’augmentation de la gravité de défaut
(a) La valeur efficace
(b) Facteur de crête
(c) Kurtosis
Figures III.3.5. Évolution des indicateurs temporels
III. 3.3.2. Indicateurs fréquentielles :
Nous avons comme caractéristique du système étudié les deux fréquences
d’engrènement (fe1 = 1108.9 Hz. fe2 = 3155.8 Hz), et les deux modulations (fr1 = 42.65Hz et
fr2 = 17.6Hz).
Les figures (III.3.6 ; III.3.7 ; III.3.8) montrent la densité spectrale de puissance (DSP) pour
les trois signaux, et leur zoom entre 0 et 4KHz respectivement.
77
La remarque qu’on peut faire après l’analyse spectrale c’est l’apparition des fréquences
d’engrènement f e1 , 2 f e1 et f e 2 , et des raies latérales auteur des fréquences d’engrènement sont
difficilement identifiables.
III.3.6 Sans défaut
III.3.7 Défaut niveau 1
78
III.3.8 Défaut niveau 2
Nous avons choisi de filtrer les signaux par un filtre passe bande à réponse
impulsionelle finie, généré par la procédure *FIR1* du Matlab, Autour de la première
fréquence d’engrènement (fe= 1108.9Hz), la figure (III.3.9) présente la densité spectrale de
puissance (DSP) après décimation et filtrage, on remarque bien la première fréquence
d’engrènement, mais la complexité de ce spectre rend difficile l’identification des amplitudes
des deux fréquences de modulation de la roue et du pignon. Il y’a une augmentation de
l’énergie pour le défaut niveau 2 comparer au défaut niveau 1 et sans défaut.
(a) Sans défaut
79
(b) Défaut niveau 1
(c) Défaut niveau 2
Figure III.3.9 (DSP) après décimation et filtrage
III. 3.3.3. Analyse cepstral :

Les signaux étudiés présentent deux modulations dont les fréquences sont (fr1 = 42.65Hz et
fr2 = 17.6Hz), Dans le spectre, la différence entre les deux fréquences est difficilement
visualiser. L’analyse par le cepstre permet de mettre en évidence la présence de deux
modulations et de connaître leur quéfrence (Qr1 = 0.023s et Qr2 = 0.055s) avec une bonne
précision, et d'avoir sur leur amplitude des renseignements précieux pour le diagnostic de
l'engrenage .La figure (III.3.10) présente le cepstre pour ces signaux.
(a) Cepstre sans défaut
80
(b) Cepstre du défaut niveau 1
(c) Cepstre du défaut niveau 2
Figure III.3.10 : Cepstre des signaux d’engrenage
Le cepstre de la figure fait clairement apparaitre deux peignes de raies significatif associée
à deux quefrence de 0.0234s du pignon et de 0.056s de la roue avec leur rahmoniques.
L’évolution de l’amplitude de deux raies de modulation est trop rapide sur le cepstre à partir
de la détection de l’anomalie.
Le tableau ci-dessous présente pour chaque défaut les amplitudes des deux raies et leur
position, la valeur du rapport entre les amplitudes respectives de deux raies de modulation
sont accumulée dans le tableau (III.3.4).
Rapport entre
Pic 1 (pignon : 26dents) Pic 2 (roue : 63dents) les amplitudes
(pignon / roue)
Quefrence amplitude Quefrence amplitude
(ms) (ms)
Sans défaut 0.0232 0.028 0.0553 0.018 1.555
Défaut niveau 1 0.0234 0.032 0.0562 0.014 2.286
Défaut niveau 2 0.0234 0.036 0.0558 0.012 3
Cette présentation (Figure III.3.7) confirme la position des deux pics. On constate que:
Le tableau (III.3.4) Amplitudes et positons des deux raies dans le cepstre
81
1. Pour le rapport entre les amplitudes des deux pics, il y a une augmentation de l'amplitude
de la raie de pignon (26 dents) et une diminution de l’amplitude de la roue (63 dents) .
2. On peut diagnostiquer un défaut sur le pignon.
L'analyse du cepstre permet donc dans ce cas de détecter la présence d'un défaut et de
déterminer quelle est la roue abîmée.
(Figure III.3.7) Rapport entre les amplitudes (pignon / roue)
III.4. Conclusion :
Le kurtosis spectral est une nouvelle technique d'analyse pour le diagnostic des défauts
de roulement. Le KS employé pour indiquer la meilleure bande de démodulation pour
l'analyse d’enveloppe. il peut également être employée pour déterminer la largeur de bande
optimale pour maximiser le kurtosis.
Le kurtosis spectral peut également être employé pour produire des filtres pour séparer
la partie la plus impulsive d'un signal pour extraire le signal de défaut de roulement du bruit
de fond.
L'analyse de cepstre s'avère être un complément important du spectre dans l'étude des
vibrations d'engrenage. En effet, l'état d'usure d'un réducteur est fortement lié aux
phénomènes de modulation que présentent les vibrations de l'engrenage. Or, ces modulations
sont de faible énergie par rapport au signal d'engrènement, ce qui rend leur détection difficile.
Dans le spectre, leur présence se traduit par des séries de raies, mais la durée du signal étudié
n'offre pas toujours une résolution suffisante en fréquence pour qu'on puisse séparer les
différentes séries de raies et les attribuer aux phénomènes qui en sont la cause.
L'analyse de cepstre permet donc dans ce cas de détecter la présence d'un défaut et de
déterminer quelle est la roue abîmée.
82
Conclusion générale
CONCLUSION GENERALE
Nous avons présenté dans cette étude plusieurs méthodes de traitement du signal
utilisables pour la surveillance et le diagnostic de systèmes à l’aide de mesures vibratoires.
Ces méthodes ont été classées en : analyse temporelle, analyse de Fourier, analyse cepstrale,
analyse d’enveloppe, analyse temps-fréquence et le kurtosis spectral. Ces méthodes sont
d’intérêt et suffisante pour appréhender la plupart des problèmes de diagnostic; elles sont
cependant limitées lorsqu’on souhaite analyser des systèmes et des signaux complexes et
demande des méthodes de prétraitement.
Pour aborder l'étude, nous avons présenté les différents types de la maintenance
industrielle.
Dans la deuxième partie nous avons présenté un état de l’art des méthodes d’analyse
vibratoires, nous avons limité notre étude aux méthodes de l’analyse spectrale et cepstrale
pour les défauts d’engrenages et les méthodes d’analyse d’enveloppe et le kurtosis spectral
pour les défauts de roulement.
Dans cette étude, nous avons évalué l’analyse cepstrale qui permet d’améliorer les
performances de l’analyse spectrale dans la détection des défauts de type (choc) sur les
réducteurs à engrenages. L'analyse de cepstre permet dans ce cas de détecter la présence d'un
défaut et de déterminer quelle est la roue abîmée.
Le kurtosis spectral (KS) est une nouvelle technique dans le diagnostic des défauts
de roulement. Le KS est également employé pour indiquer la meilleure bande de
démodulation pour l'analyse d'enveloppe. Également le Kurtosis spectral est très sensible
aux différents diamètres de défaut.
Les travaux réalisés dans le cadre de ce mémoire pourraient donner lieu à des études
supplémentaires sur plusieurs points :
 Utiliser d’autres méthodes de prétraitement pour améliorer la sensibilité des
indicateurs.
 Calculer d'autres paramètres avec des méthodes de traitement de signal plus avancées.
 Etudier l’influence de la gravité d’un écaillage des engrenages, sur l évolution du
cepstre.
83
Bibliographie
BIBLIOGRAPHIE
[Alatt] ALATTAS Mohamed, « Maintenance des machines tournantes : signature de défauts
d’engrenages droit et hélicoïdaux », Thèse de l’INSA de Lyon, 1994, pp.198.
[Ali IBRAHIM] «Contribution au diagnostic de machines électromécaniques exploitation des
signaux électriques et de la vitesse instantanée». Thèse de Doctorat 10 Mars 2009.
[Alain Boulenger, Christian Pachaud] «Analyse vibratoire en maintenance».
[Andr] Andrew K. Jardine .S, Daming Lin, & Dragan Banjevic « A review on machinery
diagnostics and prognostics implementing condition-based maintenance», Mechanical Systems
and Signal Processing, 22 September 2005
[Astra] Astrade-Carencotte F., Chiollaz M., Gache N., Jourlin M., « Détection de modulations
linéaires de fréquence par traitement d’image sur la distribution de Wigner-Ville », 16ème
colloque GRETSI, 15-19 septembre 1997, pp.243-246.
[BDIRINA] Bdirina El khansa «Diagnostic de défauts d’engrenage par l’analyse vibratoire»
Thèse de Magistère en Génie électronique Option : Contrôle U M'sila 2006
[Benda] Bendat S. J., Piersol A. G., « Engineering applications of correlation and
spectral analysis », 2nd edition, a Wiley-Interscience 1993, pp.1-458.
[Bernard]: Barnard REDORTER, Bernard LAGET «Détection des harmoniques dans un
spectre de vibrations». Traitement de signal volume 6 n°=4 1989
[Bern ] Christophe Bernard, «Ondelettes et problèmes mal posés : la mesure du flot optique et
l’interpolation irrégulière», thèse doctorat de l’école polytechnique " novembre 1999
[B.Weichbrodt] B.Weichbrodt, K.A.Smith, Signature «analysis non-intrusive techniques for
incipient failure identification». General Electric Technical Information Series 70-C-364
1970.
[BM 5 145]: Technique de l’ingénieur «Analyse vibratoire des machines tournantes»
[BM 5 160]: Technique de l’ingénieur « Essais de vibrations, Mesures et exploitation des
résultats »
[Boulenger ] Boulenger A., Pachaud C., « Surveillance des machines par analyse des
vibrations. Du dépistage au diagnostic », Afnor 1995, pp. 1-213
[Boulenger ] A. Boulenger, C. Pachaud, « Analyse vibratoire en maintenance. Surveillance et
diagnostic des machines », 2ème édition, Edition DUNOD, Paris 2003.
[Beno ] Benouaghram Ramzi, «Contribution au diagnostic des machines tournantes
complexes: Application à un laminoir », Thèse de l’UTC de Compiègne, pp.128, 1999
[B. RANDALL] R. B. RANDALL, «Gearbox fault diagnosis using cepstrum analysis»
proceedings of Fourth world Congress on Newcastle u. Vol. 1, 169 1995.
[Bren ]: Claire BRENEUR, «éléments de maintenance préventive des machine tournantes dans
le cas de défauts combinés d’engrenages et de roulements», thèse de l’université de l’INSA de
Lyon, année 2002.
[Caen] : Université de Caen « signaux aléatoire »
[C. CAPDESSUS] C. CAPDESSUS, M. SIDAHMED and J. L. LACOUME «Analyse des
vibrations d'un engrenage: cepstre, corrélation, spectre». revue and traitement du Signal,
Février 1992.
[Cécile Capdessus] «Traitement de signal pour l’analyse vibratoire»
LESI Séminaire Novembre 2005.
Bibliographie
[CHIEMENTIN]: CHIEMENTIN Xavier thèse de doctorat en mécanique « Localisation et

quantification des sources vibratoires dans le cadre d'une maintenance préventive
conditionnelle en vue de fiabiliser le diagnostic et le suivi de l'endommagement des composants
mécaniques tournants : application aux roulements à billes » octobre 2007.
[C Benchaabane] C. BENCHAABANE, A. DJEBALA, N. OUELAA ET S. GUENFOUD
«Diagnostic Vibratoire des Défauts d’Engrenages Basé sur les Indicateurs Scalaires»
Groupe Comportement Dynamique des Structures et Maintenance Industrielle, Laboratoire de
Mécanique et Structures, Université de Guelma, B.P. 401, 24000 Algérie.
[Chiter] Amar Chiter «Détection et diagnostic des défauts de roulement : contribution à la
maintenance des machines tournantes». Thèse de Magistère en optique et mécanique de
précision UFAS 2001
[J. Cheng] Cheng Junsheng «Application of an impulse response wavelet to fault diagnosis of
rolling bearings» Mechanical Systems and Signal Processing 21 (2007) 920–929
[Choy] Choy F.K, Polyshchuk V., Zakrajsek J. J. et al., « Analysis of the effects of surface
pitting and wear on the vibration of a gear transmission system », tribology international, vol.
29 N°1 1996, pp.77.
[Djaoiada Mohamed] « Etude des performances de la classification par couplage réseaux de
neurones artificiels (RNA) – algorithmes génétiques (AG) : application au diagnostic
vibratoire». Thèse de Magistère en mécanique de précision UFAS 2008
[Dron] Dron J. P., « Élaboration et adaptation d’outils pour l’étude et le suivi de
l’endommagement de composants mécaniques par analyse vibratoire. Application à la
maintenance conditionnelle des paliers à roulements », Thèse de l’UFR de Reims, 1995,pp.1-
206.
[Droui] Drouiche K., « Quelques techniques du traitement du signal pour la maintenance
prédictive », Thèse de l’ENST de Paris, 1993.
[Drosj] Drosjack M. J., Houser D. R., « An experimental and theoretical study of the effects of
simulated pith line pitting on the vibration of geared system »,ASME September 1977.
[D. Booulahbal] D. Booulahbal, M.F. Golnaraghi, F. Ismail, Amplitude and phase wavelet
maps for the detection of cracks in geared systems,
Mechanical Systems and Signal Processing 13 (3) (1999) 423–436
[Dubu] Dubuisson B., «Diagnostic et reconnaissance des formes». Traité des nouvelles
technologies. Série Diagnostic et Maintenance. Editions Hermès, Paris 1990.
[Esto] Philippe ESTOCQ, «Une approche méthodologique numérique et expérimentale d’aide
à la détection et au suivi vibratoire de défauts d’écaillage de roulements à billes», thèse de
docteur de L'université de REIMS CHAMPAGNE ARDENNE, décembre 2004
[Feda] Fedala .S «Le diagnostic vibratoire automatisé : comparaison des méthodes d'extraction
et de sélection du vecteur forme Thèse de Magister IOMP, Université Ferhat Abbas Sétif
Algérie, Novembre 2006.
[Felk] Felkaoui. A, Bekka.R.E.H, Antoni. J, Ménad .S « Etude des performances de la sélection
d’indicateurs par couplage algorithmes génétiques – analyse discriminante linéaire» Soumis
au journal européen des systèmes automatisés, janvier 2007.
[A. Felk] Felkaoui. A, « prétraitement des signaux», janvier 2009
[Elba] El badaoui Mohamed, «Contribution au diagnostic vibratoire des réducteurs complexes
à engrenages par l’analyse cepstrale», Thèse de l’Université Jean Monnet, pp 141, Juillet
1999.
[Fland] Flandrin P., « Temps-fréquence », traité des nouvelles technologies, coll.
Hermes 1993.
Bibliographie
[Flandrin] « Fractionnal brownian and Wavelets, in Wavelets, fractals and Fourier transforms
New developments and New application » Oxford Univ Press 1991
[Fran] : François Lafleur «L’organisation d’un programme de maintenance prédictive» 2003
[Gao] Gao Y., Randall R.B., Ford R., « Estimation of envelope spectra using maximum entropy
sepectral analysis and spectrum interpolation », international journal of comadem,1998, pp.15-
22.
[HAMZAOUI] N.HAMZAOUI «Surveillance et diagnostic par analyses vibratoires :
applications aux roulements et engrenages»
[H. Balderston] H. Balderston «The detection of incipient failure in bearings». Material
Evaluation 27 (June) (1969) 121–128.
[IMAC]: IMAC Conference - Feb. 3, 2010 « revue of techniques for bearings and gearbox
diagnostics»
[I.M. Lebal] I.M. Lebal, D. Brie, V. Begotto, M. Tomczak, « Détection de défauts d’engrenage
par démodulation simultanée d’amplitude et de phase ». 2ème conf inter. Méthode de
surveillance. Senlis France 10-12 oct. 1995.
[Ion BRATU] Ion BRATU, Sorin PATER, Mircea VEREŞ, Gh. ABRUDAN «Analyse de l’erreur
de transmission d’un engrenage». Fascicle of Management and Technological Engineering,
Volume VI (XVI), 2007
[Jacques] Jacques Max Jean-Louis Lacoume «Méthodes et techniques de traitement du
signal» 5édition aout 2001.
[Jacky] Jacky DUMAS et Bruno BENNEVAULT « Analyse de signal et analyse des système »
01dB-STELL Février 2001.
[J. Antoni] “The spectral kurtosis: application to the vibratory surveillance and diagnostics of
rotating machines” Mechanical Systems and Signal Processing, In Press. 2004
[Jérôme Antoni] « Calcul Rapide du Kurtogramme et Applications »
[j.beige] Institut de soudure - www.isgroupe.com «Contrôle par thermographie».
[J. Ling] J. Ling, L. Qu, Feature extraction based on Morlet wavelet and its application for
mechanical fault diagnosis, Journal of Sound and Vibration 234 (1) (2000) 135–148
[J. Lin] J. Lin, Feature extraction of machine sound using wavelet and its application in fault
diagnosis, NDT&E International 34 (2001) 25–30
[Jean] : Jean héng «Pratique de la maintenance préventive ».DUNOD 2002.
[J. Ondroubh] J. Ondroubh, A. Chrapkova, J. Bilos, « Research based on modal parameters
changes for crack detection». 2ème conf Inter sur les Meth de Surv et tech de diagnostic
acoustique et vibratoire. Senlis France 10-12 Oct. 1995.
[Karacay]: Tuncay Karacay et Nizami Akru tribology international .42(2009)
« Experimental diagnostics of bal bearing using statical and spectral methods »
[K. Drouiche] K. Drouiche, M. Sidhamed, Y. Grenier, « Détection de défauts d'engrenages par
analyse vibratoire ». Traitement du signal vol 8 N° 5 p 331 (1992).
[Landolsi] Landolsi Foued «COURS DE TECHNIQUES DE SURVEILLANCE»
[Lure]Christophe LURETTE, «développement d'une technique neuronale auto-
adaptative pour la classification dynamique de données évolutives. Application à la supervision
d'une presse hydraulique», thèse docteur de L’Université des Sciences et Technologies de
LILLE, 17 Septembre 2003.
[Lawre] Lawrence S., Marple Jr., « Digital spectral analysis with applications »,
Prentice Hall, 1987, pp. 1-492.
[V. Lenaerts] : Dr Ir V. LENAERTS Ing. X. MILISEN « Comparaison de différentes
méthodes de détection de défauts dans les roulements » 2006.
Bibliographie
[Mac Fadden] P.D. Mac Fadden, J.D. Smith. « A signal processing technique for locals defects
in gear detection from the signal average of the vibration ». Pro. Instr. Mech. Eng, Vol 199
n°4, pp. 287-292, 1985.
[Mart] H. Martin et F. Honarvar. «Application of statistical moments to bearing failure
detection » Applied Acoustics, Vol. 44, pp. 67_77, 1995.
[McFad] McFadden P. D., « Low frequency vibration generated by gear tooth impacts », NDT
International vol. 18 N°5, october 1985, pp.279-282
[M. Chiollaz] M. Chiollaz, P. Flandrin, N. Gache, « Utilisation de la représentation de Wigner-
Ville comme outil de diagnostic des défauts de fonctionnement des moteurs thermiques ».
11ème Colloque GRETSI, Nice 1987, pp 579-82.
[M. El Badaoui] M. El Badaoui, F. Guillet, N. Nejjar, P. Martini et J. Danière, «Diagnostic d'un
train d'engrenages par analyse cepstrale synchrone». SEIZIÈME COLLOQUE GRETSI 15-19
SEPTEMBRE 1997 — GRENOBLE
[Mesures] : revue Mesure mécanique
« MESURES 794 - AVRIL 2007 - www.mesures.com ».
[M.S. Darlow] M.S. Darlow, R.H. Badgley, G.W. Hogg, «Application of high frequency
resonance techniques for bearing diagnostics in helicopter gearboxes». Technical Report, US
Army Air Mobility Research and Development Laboratory, 1974, pp. 74–77
[More] Morel Jacques, «Vibration des machines et diagnostic de leur état mécanique », Edition
EYROLLES, Paris pp.377, 1995
[N, Sawalhi] Nader Sawalhi, Robert B. Randall 2004 «THE APPLICATION OF SPECTRAL
KURTOSIS TO BEARING DIAGNOSTICS »
[Oda] Oda S., Koide T., Yokoyama J., « Study on dynamic behavior of WN gears », JSME
international journal, vol. 30 N°269, 1987, pp.1812-1818.
[Oehlm] Oehlmann H., Brie D., Begotto V., Tomczak M., « Analyse temps fréquence de
l’écaillage d’engrenage de boite de vitesses », 2ème conf. Inter. Méthode de surveillance,
Senlis France 10-12 oct 1995 vol. 1, pp. 243-253.
[Q. Sun] Q. Sun, «Singularity analysis using continuous wavelet» Mechanical Systems and
Signal Processing 16 (6) (2002) 1025–1041
[Pierre Granjon] Pierre Granjon « Analyse spectrale aux ordres supérieurs»
[Raad] Amani RAAD, «Contributions aux statistiques cycliques d'ordre supérieur: application
au diagnostic des défauts d'engrenage», thèse de l'université de technologie de Compiègne,
Novembre 2003
[Randa] Randall R. B., « Advances in the application of cepstrum analysis to gearbox diagnosis
», I Mech E, 1980, pp.169-174.
[Randa. R] Randall R. B., « A new method of modeling gear faults », Journal of Mechanical
Design, April 1982, vol. 104, pp. 259-267.
[Randall] Nader Sawalhi, Robert B. Randall 2004 « THE APPLICATION OF SPECTRAL
KURTOSIS TO BEARING DIAGNOSTICS »
[Robert B. Randall] Robert B. Randall, Jérôme Antoni, «Rolling element bearing diagnostics».
A tutorial Mechanical Systems and Signal Processing 25 (2011) 485–520.
[Rasol] Rasolofondraibe L., Dron J. P., Pavan A, Couet C, « Application des méthodes
paramétriques adaptatives à la surveillance d’une presse d’emboutissage », revue
d’automatique et de productique appliquées, 1993, vol. 6, N°4, .pp.365-383
[Sama.] Samanta B.and Al-Balushi K. R «Artificial neural network based fault diagnostics of
rolling element bearings using time-domain features», Mechanical Systems and Signal
Processing (2003) 17(2), 317–328.
Bibliographie
[Serge]: Serge Dos Santos «COURS DE TRAITEMENT DU SIGNAL» École Nationale

d’Ingénieurs du Val de Loire Année 2008-2009
[Sheen]: SHEEN Yuh-Tay: «A complex filter for vibration signal demodulation in bearing
defect diagnosis». Journal of Sound and Vibration 276 (2004) 105–119.
[Sona] : Documentation SONATRACH « Analyse du panne »
[S.T. Lin] S.T. Lin, P.D. McFadden, Gear vibration analysis by B-spline wavelet-based linear
transform, Mechanical Systems and Signal Processing 11 (4) (1997) 603–609
[Tand] N. Tandon et A. Choudhury. A review of vibration and acoustic measurement «methods
for the detection of defects in rolling element bearings» Tribology International, Vol. 32, pp.
469_480, 1999.
[Taylo] Taylor J. I. Gardinier Inc, « Fault diagnosis of gears using spectrum analysis »,
I. Mech E., 1980, pp.163-168.
[Tendance] : revue mesures 754 avril 2003 « les roulements, des composants à surveille de
prés »
[V.D. Vrabie] P. Granjon, C Servière, «Spectral kurtosis: from definition to application»,
IEEE-EURASIP Workshop on Nonlinear Signal and Image Processing, Grado, Italy, June 8-
11, 2003
[Ville] Ville J., « Théorie et applications de la notion de signal analytique », Câbles et
transm., 2ème A., N°1, 1948, pp. 61-74.
[W.T. Peter] W.T. Peter, Y.H. Peng, Y. Richard, «Wavelet analysis and envelope detection for
rolling element bearing fault diagnosis-their effectives and flexibilities» Journal of Vibration
and Acoustics 123 (2000) 303–310.
[W.J. Wang] W.J. Wang, « Wavelets for detecting mechanical faults with high sensitivity»
Mechanical Systems and Signal Processing 15 (2001) 685–696.
[X. MILISEN] «Comparaison de différentes méthodes de détection de défauts dans les
roulements» MILISEN 2007
[Xian] Xianfeng Fan, Ming J.Zuo «Gearbox fault detection using Hilbert and wavelet packet
transform», Mechanical Systems and Signal Processing 20 (2006) 966–982.
[Zemo] Mohamed Ryad Zemouri, «Contribution à la surveillance des systèmes de production à
l’aide des réseaux de neurones dynamiques : Application à la maintenance», thèse doctorat de
l'université de Franche-Comté, année 2003.
[Zian] Ridha ZIANI, « Etude des performances de la classification par les supports à vaste
marge: application au diagnostic vibratoire», Thèse magister de l'université de FARHAT
ABBAS Sétif- ALGERIE, septembre 2007
[Zwin] Gilles ZWINGELSTEIN, «Diagnostic des défaillances théorie et pratique pou les
systèmes industriels», HERMES, paris, 1995.
Résumé :
L’analyse vibratoire joue un rôle important dans la maintenance des équipements
dynamiques.
Dans cette étude, nous avons appliqué : l’analyse d’enveloppe et le kurtosis spectral
pour le diagnostic des défauts de roulement. L’analyse spectrale et l’analyse cepstrale ont
été appliquées pour le cas des défauts d’engrenage.
Le kurtogramme permet, rapidement de trouver la bande de démodulation optimale
pour détecter les défauts de roulement. Par contre, l'analyse de cepstre permet de détecter
la présence d'un défaut d’engrenage et de déterminer quelle est la roue abîmée.
Mots clés : vibrations mécaniques, machines tournantes, diagnostic, analyse spectrale,
analyse cepstrale, analyse d’enveloppe, kurtosis spectral.
Abstract:
Vibration analysis is playing an important role in the maintenance of dynamic
equipment.
In this study, we applied: analysis of spectral envelope and the kurtosis for the diagnosis
of bearing defects. Spectral analysis and cepstral analysis were applied to the case of gear
faults.
The kurtogramme can quickly find the optimal band demodulation to detect bearing
defects. Cepstrum analysis to detect the presence of a gear failure and determine the
damaged wheel.
Key words: mechanical vibrations, rotating machines, diagnosis, spectrum analysis,
cepstrum analysis, envelope analysis, spectral kurtosis.
:‫ملخص‬
.‫تحليل االھتزازات له دور كبير في صيانة الماكنات الدورانية‬
‫ لتشخيص االعطاب في الدحرجة و التحليل الطيفي و التحليل‬KS ‫ تحليل الغالف و‬:‫في ھذه الدراسة طبقنا‬
.‫ في تشخيص اعطاب التروس‬cepstral
‫ يحدد العجلة‬cepstral ‫ يعطينا المجال االفضل لتطبيق فك التضمين في ترصد اعطاب التروس و التحليل‬KS
.‫المسننة المعطلة‬
‫ التفرطح‬, ‫ التحليل الطيفي‬, ‫ التشخيص االھتزازي‬,‫ اآلالت الدوارة‬, ‫ االھتزازات الميكانيكية‬:‫كلمات المفاتيح‬
cepstral ‫ التحليل‬, ‫تحليل الغالف‬, (KS) ‫الطيفي‬
.

Mèmoire Complet 2 PDF

Transféré par

Droits d'auteur :

Formats disponibles

Mèmoire Complet 2 PDF

Transféré par

Informations du document

Titre original

Copyright

Formats disponibles

Partager ce document

Partager ou intégrer le document

Options de partage

Avez-vous trouvé ce document utile ?

Ce contenu est-il inapproprié ?

Droits d'auteur :

Formats disponibles

Mèmoire Complet 2 PDF

Transféré par

Droits d'auteur :

Formats disponibles

MINISTERE DE L’ENSEIGNEMENT SUPERIEUR ET DE

UNIVERSITE FERHAT ABBAS - SETIF

Présenté à l’Institut d’Optique et Mécanique de Précision

Filière : Optique et Mécanique de Précision

Option : Mécanique appliquée

Mr. Nabti Mohamed Tahar

Etude de l’evolution des indicateurs spectraux et cepstraux

Soutenu le : 14 Déc 2011 devant le jury d’examen :

Mr. F. KHABER M.C.A à l’université de sétif Président

Nabti Mohamed Tahar

I.5.5. Défauts des roulements ...................................................................................... 18

III.2.3. Extraction des indicateurs ............................................................................. 62

Conclusion générale ............................................................................................................ 83

fréquence démodulée était la résonance du capteur elle-même. Il y a une discussion sur

I.2.2. Types de la maintenance :

Figure I.1 : types de maintenance

I.2.3. Niveaux de maintenance : La norme NF X 60-010 définit, à titre indicatif, quatre

niveau 1 niveau 2 Niveau3 niveau 4

I.2.4. Organisation de la maintenance conditionnelle :

1. Choix des équipements à inclure dans le programme d’entretien prédictif

2. Choix des techniques de surveillance de l’évolution du défaut

3. Établissement de spectres vibratoires de référence

4. Établissement des courbes de tendance.

Figure I.2 : Organisation de la maintenance conditionnelle [Fran]

1. Cette étape comprend la codification des équipements, l’inventaire et la sélection du type

I.2. 5. Classement des machines :

d’exploitation de l’équipement. Elle va permettre d’optimiser les fréquences de vidanges dans

I.3.3. L’analyse vibratoire :

I.3.3.2.2. signal vibratoire :

Si l'on observe un système mécanique simple constitué d'une masselotte suspendue à un

La représentation en accélération accentue les hautes fréquences

La représentation en déplacement accentue les basses fréquences

Entrée Système Signal vibratoire

Périodique Non périodique Stationnaire Non stationnaire

Presque périodique Transitoire Cyclostationnaire

Figure I.4 : les différents types des signaux vibratoires

I.3.4. Caractéristiques d’un signal vibratoire :

— un ou plusieurs dispositifs de traitement du signal qui sont dédiés à la chaîne d'acquisition et

Figure I.5 : la chaine de mesure analogique [BM 5 160]

Figure I.6 : la chaine de mesure numérique [BM 5 160]

I.4.1. Capteurs de vibrations :

I.4.2. Types des capteurs :

4) L’amplification du signal pour le transmettre à l'appareil d'analyse, réalisée par

Paliers fluides Déplacement

Tableau I.2 : les différents indicateurs [Felkaoui]

I.5. Défauts des machines tournantes :

Figure I.7 : Défaut de balourd [Landolsi]

Figure I.8 : Défauts désalignement [Landolsi]

I.5.3. Mauvais serrage mécanique :

Figure I.9 : Défaut d’engrenage [Bren 02].

I.5.5. Défauts des roulements :

Ecaillage de la bague intérieure Écaillage d'une bille.

I.6.2. Défauts et pannes :

I.6.4. Cause de défaillance

La norme AFNOR NF X60010, définit la cause de défaillance par « les circonstances

Localisée Généralisée Haute température

Piqure Fissuration Corrosion sèche Oxydation

Figure I.11.1. Défaillances liées au phénomène de corrosion [Zwin]

Cause liée à la construction