Repository logo
 

Maintenance prédictive des Moteurs

dc.contributor.authorArous, Ahmed Yassine/ Encadré par GATTAL, Azzeddine
dc.date.accessioned2024-07-18T11:44:02Z
dc.date.available2024-07-18T11:44:02Z
dc.date.issued2024-06-12
dc.description.abstract"L'objectif de notre thèse est de concevoir un système de bruit permettant de prévoir et de détecter les problèmes des moteurs en utilisant La maintenance prédictive. Nous examinerons également les problèmes potentiels au sein des moteurs en analysant leurs émissions sonores. Cette étude repose sur des méthodes de collecte et de traitement de données sonores avancées, ainsi que sur des algorithmes d'intelligence artificielle afin de concevoir un outil de diagnostic précis et fiable. Ce mémoire vise principalement à améliorer la maintenance préventive et à diminuer les pannes coûteuses, tout en renforçant la sécurité et les performances des moteurs. C'est la raison pour laquelle nous avons mis en place un système spécialisé afin de nous assister dans la résolution des problèmes de moteur, leur prévision et leur résolution. "en_US
dc.description.provenanceSubmitted by Tom User (dspacest@univ-tebessa.dz) on 2024-07-18T11:44:02Z No. of bitstreams: 1 Apprentissage Par Renforcement Profond.pdf: 3029052 bytes, checksum: 3f683eba9a39d33030ce1118fd49c3b7 (MD5)en
dc.description.provenanceMade available in DSpace on 2024-07-18T11:44:02Z (GMT). No. of bitstreams: 1 Apprentissage Par Renforcement Profond.pdf: 3029052 bytes, checksum: 3f683eba9a39d33030ce1118fd49c3b7 (MD5) Previous issue date: 2024-06-12en
dc.identifier.urihttp//localhost:8080/jspui/handle/123456789/11639
dc.language.isofren_US
dc.publisherUNIVERSITE DE ECHAHID CHEIKH LARBI TEBESSIen_US
dc.subject"maintenance prédictive Diagnostique de panne Algorithmes de prédiction Analyse des données Détection de défauts Maintenance basée sur les données "en_US
dc.titleMaintenance prédictive des Moteursen_US
dc.typeThesisen_US

Files

Original bundle

Now showing 1 - 1 of 1
No Thumbnail Available
Name:
Apprentissage Par Renforcement Profond.pdf
Size:
2.89 MB
Format:
Adobe Portable Document Format
Description:

License bundle

Now showing 1 - 1 of 1
No Thumbnail Available
Name:
license.txt
Size:
1.71 KB
Format:
Item-specific license agreed upon to submission
Description: