Note ABES Automated on-line early fault diagnosis of wind turbines based on hybrid dynamic classifier Diagnostic précoce des défauts en ligne à base d’un classifieur dynamique hybride : application aux éoliennes Décomposition en composants 629.895 Détection de défaut (ingénierie) Apprentissage automatique Systèmes dynamiques hybrides Éoliennes Fiabilité Commande automatique Classification automatique L'objectif principal de cette thèse est de développer un schéma générique et adaptatif basée sur les approches d'apprentissage automatique, intégrant des mécanismes de détection et d'isolation des défauts avec une force d’apparition progressive. Le but de ce schéma est de réaliser le diagnostic en ligne des défauts simple et multiple de type dérive dans les systèmes éoliens, et plus particulièrement dans le système du calage des pales et le convertisseur de puissance. Le schéma proposé est basé sur la décomposition du système éolien en plusieurs composantes. Ensuite, un classifieur est conçu et utilisé pour réaliser le diagnostic de défauts dans chaque composant. Le but de cette décomposition en composants est de faciliter l'isolation des défauts et d'augmenter la robustesse du schéma globale de diagnostic dans le sens que lorsque le classifier lié à un composant est défaillant, les classifieurs liées aux autres composants continuent à réaliser le diagnostic des défauts dans leurs composants. Ce schéma a aussi l'avantage de prendre en compte la dynamique hybride de l’éolienne. This thesis addresses the problem of automatic detection and isolation of drift-like faults in wind turbines (WTs). The main aim of this thesis is to develop a generic on-line adaptive machine learning and data mining scheme that integrates drift detection and isolation mechanism in order to achieve the simple and multiple drift-like fault diagnosis in WTs, in particular pitch system and power converter. The proposed scheme is based on the decomposition of the wind turbine into several components. Then, a classifier is designed and used to achieve the diagnosis of faults impacting each component. The goal of this decomposition into components is to facilitate the isolation of faults and to increase the robustness of the scheme in the sense that when the classifier related to one component is failed, the classifiers for the other components continue to achieve the diagnosis for faults in their corresponding components. This scheme has also the advantage to take into account the WT hybrid dynamics. Indeed, some WT components (as pitch system and power converter) manifest both discrete and continuous dynamic behaviors. In each discrete mode, or a configuration, different continuous dynamics are defined. Electronic Thesis or Dissertation Text en PDF 8463603 text/html https://pepite-depot.univ-lille.fr/LIBRE/EDSPI/2015/50376-2015-Toubakh.pdf https://theses.fr/2015LIL10100/abes Toubakh Houari Toubakh 1988-01-19 FR 190704411 https://theses.fr/2015LIL10100 2015LIL10100 https://doi.org/10.70675/03dea73bzcb2ez4f3aza279zb781e86f17b5 2015-11-27 Automatique et Informatique Industrielle Lille 1 026404184 Doctorat Docteur es non oui Sayed-Mouchaweh Moamar MADS_DIRECTEUR_DE_THESE_1 069899800 École doctorale Sciences pour l'ingénieur (Lille ; 1992-2021) MADS_ECOLE_DOCTORALE_1 147297028 École nationale supérieure des techniques industrielles et des mines (Douai, Nord). Département Informatique et Automatique (2005-2016) MADS_PARTENAIRE_DE_RECHERCHE_1 165837896 École nationale supérieure des techniques industrielles et des mines (Douai, Nord ; 1878-2016) MADS_PARTENAIRE_DE_RECHERCHE_2 030937809 ddc:620 Sayed-Mouchaweh Moamar École doctorale Sciences pour l'Ingénieur (Lille) École nationale supérieure des techniques industrielles et des mines (Douai, Nord). Département Informatique et Automatique École nationale supérieure des techniques industrielles et des mines (Douai, Nord) PDF 8463603