Abstract:
Ce travail de thèse est conçu pour fournir des mesures de protections et sécurités contre les phénomènes d’instabilité par l’évaluation du comportement dynamique approfondi réalisé sur une turbine à gaz, dans le but de fournir une stratégie de diagnostics efficace à ce type de machine tournante, et cela par la proposition d'un système de supervision basé sur le développement des outils des réseaux de neurones artificiels, connectés entre eux selon la configuration adoptée à la turbine à gaz étudiée. Les résultats expérimentaux obtenus sont satisfaisants et illustrent l’intérêt des l’approche des réseaux de neurones artificiels pour l'élaboration d'une telle stratégie de diagnostics propre aux turbines à gaz. Cette approche permet de mieux gérer les défaillances causées par les vibrations et montre l'efficacité des ces réseaux de neurones comme outils de calcul très puissants dans la modélisation des systèmes dynamiques complexes.
This thesis work is designed to provide protection and safety measures against the phenomena of instability by the evaluation of the deep dynamic behavior carried out on a gas turbine. In order to provide an effective diagnostic strategy for this type of rotating machine, by proposing a supervision system based on the development of artificial neural network tools, connected to each other according to the configuration adopted at the gas turbine studied. The experimental results obtained are satisfactory and illustrate the advantage of the approach of artificial neural networks for the development of a gas turbine-specific diagnostic strategy. This approach makes it possible to better manage the failures caused by the vibrations and showing the efficiencies of artificial neural networks as very powerful computational tools in the modeling of complex dynamic systems.
