Décomposition basée sur NMF pour la détection d'anomalies appliquée à l'analyse des vibrations.

Résumé Dans cet article, l'analyse des vibrations des moteurs d'avions civils dans un banc d'essai pour effectuer la détection des anomalies est considérée. Les mesures de vibrations à large bande passante contiennent des informations mécaniques essentielles concernant l'état du moteur et la localisation des dommages, le cas échéant. Dans ce cas, les données de vibration sont représentées par des spectrogrammes dans le domaine fréquentiel, qui sont des données à haute dimension comprenant à la fois du bruit instrumental et des informations non discriminantes. Des algorithmes automatiques de détection de dommages spécifiques sont utilisés afin de fournir un état de santé, mais ils sont difficiles à entraîner. Les experts de Snecma effectuent systématiquement une analyse visuelle pour confirmer l'état de santé du moteur. Pour développer une extraction automatique d'informations pertinentes dans ce contexte hautement dimensionnel, les auteurs proposent une nouvelle représentation des spectrogrammes basée sur une réduction de dimension sous les contraintes de positivité, connue sous le nom de factorisation matricielle non négative (NMF). Cette méthode est conforme à la physique. En retour, la détection est basée sur les distances dans l'espace réduit. L'algorithme est entraîné et testé avec des données réelles de vibrations de moteur, parmi lesquelles un moteur présente une signature représentative d'un roulement endommagé. La méthode donne des résultats encourageants.