Catalogue des ouvrages Université de Laghouat
A partir de cette page vous pouvez :
| Retourner au premier écran avec les étagères virtuelles... |
Détail de l'auteur
Auteur Abdennour Hemka
Documents disponibles écrits par cet auteur
Ajouter le résultat dans votre panier Faire une suggestion Affiner la rechercheDiagnostic des défauts statoriques des machines asynchrones par l'approche LS-SVM / Abdennour Hemka
Titre : Diagnostic des défauts statoriques des machines asynchrones par l'approche LS-SVM Type de document : texte manuscrit Auteurs : Abdennour Hemka, Auteur ; Mohamed Birame, Directeur de thèse Editeur : Laghouat : Université Amar Telidji - Département d'électrotechnique Année de publication : 2023 Importance : 80 p. Note générale : Option : électrotechnique industrielle Langues : Français Mots-clés : Induction machine Fault (inter-turn short circuit) Diagnosis Least square support vector machine (LS-SVM) Intelligent techniques Machine condition monitoring Résumé : This work presents a diagnosis of a fault (inter-turn short circuit) using the least squares support vector machine (LS-SVM) classification algorithm. Several methods have been developed to monitor the condition of machines based on intelligent techniques such as neural networks, fuzzy logic, Kalman filter, etc. However, the use of LS-SVM for machine health monitoring and fault diagnosis is still rare. LS-SVM provides highly accurate classification for machine health monitoring and diagnosis, which provides excellent generalization performance. note de thèses : mémoire de master Diagnostic des défauts statoriques des machines asynchrones par l'approche LS-SVM [texte manuscrit] / Abdennour Hemka, Auteur ; Mohamed Birame, Directeur de thèse . - Laghouat : Université Amar Telidji - Département d'électrotechnique, 2023 . - 80 p.
Option : électrotechnique industrielle
Langues : Français
Mots-clés : Induction machine Fault (inter-turn short circuit) Diagnosis Least square support vector machine (LS-SVM) Intelligent techniques Machine condition monitoring Résumé : This work presents a diagnosis of a fault (inter-turn short circuit) using the least squares support vector machine (LS-SVM) classification algorithm. Several methods have been developed to monitor the condition of machines based on intelligent techniques such as neural networks, fuzzy logic, Kalman filter, etc. However, the use of LS-SVM for machine health monitoring and fault diagnosis is still rare. LS-SVM provides highly accurate classification for machine health monitoring and diagnosis, which provides excellent generalization performance. note de thèses : mémoire de master Réservation
Réserver ce document
Exemplaires
Code-barres Cote Support Localisation Section Disponibilité thq 09-111 thq 09-111 CD BIBLIOTHEQUE DE FACULTE DE TECHNOLOGIE théses (tec) Disponible
