ACCUEIL

Consignes aux
auteurs et coordonnateurs
Nos règles d'éthique
Auteurs : soumettez
votre article en ligne

APPEL À
CONTRIBUTION

Le comité de rédaction du JESA lance un appel à proposition de numéros spéciaux.

En savoir plus >>
Autres revues >>

Journal Européen des Systèmes Automatisés

1269-6935
Revues des Systèmes
 

 ARTICLE VOL 36/4 - 2002  - pp.597-622
TITRE
Diagnostic par reconnaissance de formes de l'état de fonctionnement de l'accélérateur AIRIX

RÉSUMÉ
L'installation AIRIX est un accélérateur à fort courant utilisé pour effectuer de la radiographie éclair au CEA lors d'expérimentations de détonique. La finalité de cette étude est le diagnostic de l'état de fonctionnement du système et l'un des objectifs est l'optimisation de la maintenance pour une plus grande disponibilité de l'installation. Nous avons donc élaboré un outil pour le diagnostic de défaillance basé sur les réseaux de neurones artificiels. Nous proposons une procédure originale permettant d'une part de construire un réseau à fonction de base radiale (RBF) alimenté par des données expérimentales et d'autre part de prendre en compte des nouveaux états susceptibles d'apparaître par la suite. Nous utilisons un algorithme de classification floue pour initialiser ce réseau RBF, de manière non supervisée. Nous présentons les premiers résultats obtenus sur l'injecteur d'AIRIX.


ABSTRACT
The AIRIX facility is a high current accelerator used for flash radiography at the CEA during detonic experiments. The goal of this study is the diagnosis of the machine and one of the objectives is the optimization of the maintenance plan for a best availability of the installation. We have elaborate a tool based on artificial neural network to define the diagnosis. We propose an original procedure first to construct a RBF net and secondly able to take into account new states. We use fuzzy clustering algorithm to initialize the net in a unsupervised manner. We present the first results obtained on the injector of AIRIX.


AUTEUR(S)
Jean-Christophe RIBES, Georges DELAUNAY, Jacques DELVAUX, Eric MERLE, Marc MOUILLET

Reçu le 6 décembre 2000.    Accepté le 13 mars 2002.

MOTS-CLÉS
Diagnostic de défaillances, réseau de neurones, classification floue non supervisée, machine monocoup.

KEYWORDS
Fault Diagnosis, Neural Network, Unsupervised Fuzzy Clustering, Single Shot Machine.

LANGUE DE L'ARTICLE
Français

 PRIX
• Abonné (hors accès direct) : 7.5 €
• Non abonné : 15.0 €
|
|
--> Tous les articles sont dans un format PDF protégé par tatouage 
   
ACCÉDER A L'ARTICLE COMPLET  (1,40 Mo)



Mot de passe oublié ?

ABONNEZ-VOUS !

CONTACTS
Comité de
rédaction
Conditions
générales de vente

 English version >> 
Lavoisier