Eléments de maintenance préventive de machines tournantes dans le cas de défauts combines d\u27engrenages et de roulements.

Le monde de l\u27industrie et le monde des transports disposent de machines et d\u27installations de plus en plus performantes. Les exigences d\u27exploitations donnent à la maintenance une rôle prépondérant. Elle doit permettre de n\u27intervenir qu\u27en présence d\u27éléments défectueux, de fournir un diagnostic fiable et facilement interprétable. Ce travail a permis de fournir des éléments supplémentaires concernant le diagnostic de transmission de puissance à engrenages dans le cas de défauts combinés d\u27engrenages et de roulements. A partir d\u27un modèle expérimental de réducteur simple étage, des défauts d\u27engrenages et de roulements ont été simulés. Les grandeurs physiques mesurées pour différentes conditions de fonctionnement étaient l\u27erreur de transmission, ainsi que les accélérations recueillies sur trois paliers différents. L\u27analyse de ces données a permis de conclure que l\u27analyse spectrale et cesptrale du signal enveloppe des accélérations était un outil de diagnostic des roulements quelles que soient les conditions de fonctionnement et l\u27état des autres organes mécaniques. D\u27autre part, il a été montré que seules les accélérations mesurées à proximité du roulement à surveiller étaient distinctement porteuses de la signature de l\u27avarie. Concernant les engrenages, il est connu que l\u27analyse des accélérations au palier est efficace pour leur diagnostic. Cependant, il a été montré que ce résultat n\u27est valable qu\u27en cas de roulements sains. Dans le cas contraire, le signal d\u27erreur de transmission s\u27avère être un outil supplémentaire, représentatif de l\u27état des engrenages. Ces différents résultats ont abouti à l\u27établissement d\u27une démarche de diagnostic pour la surveillance de transmissions de puissance à engrenages. D\u27autre part, nous avons abordé le problème de l\u27automatisation de diagnostic par l\u27utilisation de réseaux de neurones. Ceux-ci sont efficaces pour l\u27automatisation d\u27une démarche préétablie, mais aussi pour l\u27optimisation des paramètres d\u27identification d\u27avaries recherchées