Afficher la notice abrégée
| dc.contributor.author |
Abdoun Mourad |
|
| dc.contributor.author |
Betiche Hichem |
|
| dc.date.accessioned |
2025-10-27T09:49:12Z |
|
| dc.date.available |
2025-10-27T09:49:12Z |
|
| dc.date.issued |
2025 |
|
| dc.identifier.uri |
https://di.univ-blida.dz/jspui/handle/123456789/40785 |
|
| dc.description |
4.629.1.206;157p |
fr_FR |
| dc.description.abstract |
Ce mémoire traite le diagnostic des défauts dans les enroulements des transformateurs électriques en
utilisant deux approches. La première repose sur l'interprétation de la réponse en fréquence via des
indicateurs mathématiques pour analyser les écarts entre l'état sain et défectueux. La seconde utilise la
méthode de machine à vecteurs de support (SVM) pour classifier les états avec une grande précision. Les
deux méthodes ont été testées sur des données réelles d'un transformateur, démontrant une efficacité
notable dans la détection des défauts. Les résultats confirment la pertinence de ces approches pour
soutenir la maintenance des transformateurs électriques. |
fr_FR |
| dc.language.iso |
fr |
fr_FR |
| dc.publisher |
blida1 |
fr_FR |
| dc.subject |
: Diagnostic, Transformateur, Indicateurs mathématiques, Machine Learning, SVM |
fr_FR |
| dc.title |
Diagnostic des défauts dans les enroulements du transformateur de puissance en se basant sur la technique de l’analyse de la réponse fréquentielle |
fr_FR |
Fichier(s) constituant ce document
Ce document figure dans la(les) collection(s) suivante(s)
Afficher la notice abrégée