Veuillez utiliser cette adresse pour citer ce document :
https://di.univ-blida.dz/jspui/handle/123456789/10089
Affichage complet
Élément Dublin Core | Valeur | Langue |
---|---|---|
dc.contributor.author | KADA, Ihcene | - |
dc.contributor.author | MAHMOUD BACHA, Chaïmaa | - |
dc.date.accessioned | 2021-02-21T11:01:32Z | - |
dc.date.available | 2021-02-21T11:01:32Z | - |
dc.date.issued | 2020 | - |
dc.identifier.uri | http://di.univ-blida.dz:8080/jspui/handle/123456789/10089 | - |
dc.description | 4.621.1.788 ; 80 p ; illustré | fr_FR |
dc.description.abstract | Ce travail a pour but de détecter et localiser les défauts de la machine asynchrone plus particulièrement le défaut de court-circuit entre spire statorique. D’après les paramètres de la MAS qui fournissent la plupart d’information sur l’état du système, les décalages triphasés entre le courant de ligne et la tension de phase qui sont les meilleurs indicateurs de défaut pour cette étude. ces indicateurs sont utiliser comme entrée au réseau de neurone de type MLP qui a permis au système de diagnostic de localiser la phase défectueuse avec une bonne précision. | fr_FR |
dc.language.iso | fr | fr_FR |
dc.subject | Machine asynchrone ; court-circuit ; les réseaux de neurone artificiels ; indicateurs de défaut. | fr_FR |
dc.title | Diagnostic des défauts de la MAS à l’aide des réseaux de neurones artificiels | fr_FR |
Collection(s) : | Mémoires de Master |
Fichier(s) constituant ce document :
Fichier | Description | Taille | Format | |
---|---|---|---|---|
MEMOIRE_FINAL_I&Ch.pdf | 3,71 MB | Adobe PDF | Voir/Ouvrir |
Tous les documents dans DSpace sont protégés par copyright, avec tous droits réservés.