3

Chapitre 3 Diagnostic par la reconnaissance des formes
3.1 INTRODUCTION
Parmi toutes les approches du diagnostic, la reconnaissance des formes est une
technique de définition d’algorithmes permettant de classer des objets dont
l’aspect a varié par rapport à un objet type. Il s’agit de définir à quelle forme-
type une forme observée ressemble le plus
3.2 GENERALITES SUR LA RECONNAISSANCE DES

FORMES :
La reconnaissance des formes consiste en une automatisation de tâches de
perception artificielle réalisées usuellement par le cerveau et le système
sensoriel humain.
Une forme est une représentation simplifiée du monde extérieur définie
sous une forme acceptable par l’ordinateur (par exemple un vecteur de réels, ou
bien un mot d’un langage donné, ....). Une forme est donc un vecteur ayant
comme composantes les traits caractéristiques d’un certain « objet ».
Prenons un exemple très simple pour mieux expliciter cette définition.
Supposons que l’on désire concevoir un système artificiel qui sait discerner un «
bon » et un « mauvais » fruit. L’objet à reconnaître est donc un fruit que le
système va tenter de classifier dans l’un des états bon ou mauvais en se servant
de certains caractéristiques de ce dernier : couleur, forme géométrique, dureté …
Ces critères constituent le vecteur forme ou tout simplement la forme. Les états
bon ou mauvais sont les classes de formes ou abusivement les classes. Le
système de reconnaissance aura alors comme objectif de choisir la classe
convenable pour une forme donnée.
Pour ce faire, ce système doit disposer d'un certain nombre de données,
obtenues généralement par expérience, sur lesquelles sera basé son «
raisonnement ». Ces données constituent la base de connaissance ou sont tout
simplement nommées « données d’apprentissage ». Les objets à partir desquels
ont été tirées ces données sont appelés : « les échantillons ». La phase de mise
21
en place de ces données, ainsi que de traitements effectués sur celles-ci est la
phase d’apprentissage.
Enfin, ce système doit être capable de construire le vecteur forme associé
à un objet donné ; c’est ce qu’on entend par : prétraitement, comme nous montre
la figure 08 suivante :
Fig.08 De la réalité à la forme
3.3 LES PHASES DE LA RECONNAISSANCE DES FORMES

Comme nous l’avons introduit dans l’avant-dernier paragraphe du premier
chapitre, un système de reconnaissance des formes doit toujours se dérouler en
trois phases :
 Une phase d’analyse,
 Une phase de choix d’une méthode de décision,
 Une phase d’exploitation
3.3.1 LA PHASE D’ANALYSE
3.3.1.1 DETERMINATION DE L’ESPACE DE REPRESENTATION
Il s’agit de construire le vecteur forme. Elle consiste à déterminer

les paramètres et les techniques de prétraitement nécessaires pour permettre
une meilleure reconnaissance ou classification. Elle est le fruit de
l’expérience acquise sur le processus et conditionne le succès du système.
22
3.3.1.2 RÉDUCTION DE L’ESPACE DE REPRÉSENTATION
Il s’agit de réduire la dimension de l’espace de représentation afin d’une

part de diminuer le temps de classification d’une nouvelle observation, et
d’autre part d’éviter la dégradation des performances à cause d’une dimension
trop élevée de l’espace de représentation. Cette opération de réduction peut être
effectuée par des méthodes d’extraction ou de sélection de paramètres. Dans le
cas le plus fréquent, la méthode la plus appropriée est l’Analyse en
Composantes Principales (ACP).
3.3.1.3 DETERMINATION DE L’ESPACE DE DECISION
L’espace de décision est l’ensemble de toutes les classes possibles. Si

on connaît la classe d’origine de chaque observation de l’ensemble
d’apprentissage, l’espace de décision est parfaitement connu et l’apprentissage
des classes peut être fait en mode dit supervisé. Dans le cas contraire,
l’apprentissage des classes est fait en mode non supervisé et il passe par deux
étapes : une phase de partitionnement automatique de l’ensemble des formes
en classes et une phase de validation de ces classes par un expert. Pour une
évidente simplicité, l’apprentissage en mode supervisé est approprié dès que
des outils permettent d’obtenir des formes typiques pour chaque classe. C’est
d’ailleurs le cas sur lequel nous nous sommes penchés pour notre simulation
3.3.2 LA PHASE DE CHOIX D’UNE METHODE DE DECISION
Les méthodes de décision définissent une règle de décision pour la

classification des nouvelles observations aux différentes classes de l’ensemble
d’apprentissage. Il existe deux méthodes fondamentales de reconnaissance
selon le domaine d’application du système :
Pour la reconnaissance des images, du son et des caractères, les
méthodes structurelles ou analytiques sont privilégiées.
Pour la maintenance des systèmes c’est-à-dire le diagnostic des pannes,
23
les méthodes statistiques ou stochastiques sont les plus adaptées.

Notons de plus que pour certains cas, ces méthodes peuvent être
combinées avec d’autres techniques de l’intelligence artificielle telles que:
les systèmes experts, la logique floue (reconnaissance des formes floue), les
neurones artificielles, etc.
3.3.3 LA PHASE D’EXPLOITATION
Dans cette phase, le système de RdF peut être mis en service. Il permet
de classifier chaque nouvelle observation recueillie sur le système dans une des
classes connues, en appliquant la règle de décision élaborée dans la phase
d’analyse. En diagnostic des pannes, la détermination de cette classe permet
de connaître le mode de fonctionnement actuel du système, c’est-à-dire
d’identifier le composant défaillant.
3.4 L’ANALYSE EN COMPOSANTES PRINCIPALES OU ACP
Lorsque d’une part, la dimension de l’espace de représentation est très

grande (aux alentours de 200 et même plus), et d’autre part le nombre
d’échantillons pour chaque classe est très importante (pouvant atteindre 100
échantillons) ; il est jugé nécessaire de les réduire pour que la classification se
fasse beaucoup plus rapidement. Mais comment s’y prendre, tout en
conservant des caractéristiques essentielles de chaque classe afin de permettre
une reconnaissance plus fiable ? C’est à cette préoccupation que tente de
répondre les méthodes d’analyse de données dont la plus connue est l’ACP.
24
3.5 CONCLUSION
Dans ce chapitre, nous avons décrit les différents étapes de l'élaboration

d'un système de diagnostic par la reconnaissance des formes. Le principe
générale, comme pour tout autre outil de diagnostic, et de confronter les
données recueillies sur le processus aux informations sur les modes de
fonctionnement, disponible dans la base de connaissance (apprentissage).
CONCLUSION GENERALE
25
Le travail présenté dans ce mini-projet expose l'apport des méthodes de

reconnaissance des formes au diagnostic des défauts de cette machine.
pour aborder l'étude, nous avons établi un état de l'art des défauts pouvant avoir
lieu dans la machine asynchrone et des méthode classique permettent de les
identifier.
Nous avons fait une petite aperçue sur les méthodes de diagnostic et en
particulier la méthode de reconnaissance des forme pour analysé les différents
phénomènes des défauts crées dans la machine asynchrone.
Ce travail a permis de monter l'efficacité de l'applications des méthodes
de reconnaissance des formes au diagnostic des machines asynchrone. Comme
perceptives, nous préconisons d'effectuer le diagnostic sur une machine réelle.
26

3

Transféré par

Droits d'auteur :

Formats disponibles

3

Transféré par

Informations du document

Copyright

Formats disponibles

Partager ce document

Partager ou intégrer le document

Options de partage

Avez-vous trouvé ce document utile ?

Ce contenu est-il inapproprié ?

Droits d'auteur :

Formats disponibles

3

Transféré par

Droits d'auteur :

Formats disponibles

Chapitre 3 Diagnostic par la reconnaissance des formes

3.2 GENERALITES SUR LA RECONNAISSANCE DES

Fig.08 De la réalité à la forme

3.3 LES PHASES DE LA RECONNAISSANCE DES FORMES

3.3.1 LA PHASE D’ANALYSE

3.3.1.1 DETERMINATION DE L’ESPACE DE REPRESENTATION

Il s’agit de construire le vecteur forme. Elle consiste à déterminer

3.3.1.2 RÉDUCTION DE L’ESPACE DE REPRÉSENTATION

Il s’agit de réduire la dimension de l’espace de représentation afin d’une

3.3.1.3 DETERMINATION DE L’ESPACE DE DECISION

L’espace de décision est l’ensemble de toutes les classes possibles. Si

Les méthodes de décision définissent une règle de décision pour la

les méthodes statistiques ou stochastiques sont les plus adaptées.

3.3.3 LA PHASE D’EXPLOITATION

3.4 L’ANALYSE EN COMPOSANTES PRINCIPALES OU ACP

Lorsque d’une part, la dimension de l’espace de représentation est très

Dans ce chapitre, nous avons décrit les différents étapes de l'élaboration

Le travail présenté dans ce mini-projet expose l'apport des méthodes de

Vous aimerez peut-être aussi