Diagnostic pont roulant : IR, vibration, huile
La plateforme de diagnostic hybride quadruple pour ponts roulants intègre trois sous-systèmes — caméra thermique infrarouge, inspection aérienne par drone et diagnostic fusionné acousto-vibration-huile — en un système de surveillance unifié. Grâce à l'analyse synergique de signaux multi-sources, elle permet une alerte précoce et une localisation précise des défauts d'équipement.
Conformément aux exigences de la norme ISO 4301 / FEM 1.001 (ex-ISO 4301 / FEM 1.001) relative à la conception des appareils de levage et de la norme GB/T 28264-2017 relative aux systèmes de surveillance et de gestion de la sécurité pour appareils de levage, les modes de défaillance des composants critiques d'un pont roulant sont multiples et interdépendants : l'usure de l'engrenage du réducteur génère des vibrations anormales et des particules métalliques dans l'huile, le vieillissement de l'enroulement du moteur provoque une élévation locale de température, et les fissures sur la poutre principale sont difficiles à détecter à l'œil nu en hauteur. Aucune méthode de détection unique ne peut couvrir tous les types de défauts. La plateforme de diagnostic hybride quadruple KL-DIAG-4000, développée par Kelude, intègre les trois sous-systèmes (caméra thermique infrarouge, inspection multi-capteurs par drone, diagnostic fusionné acousto-vibration-huile) sur une plateforme de données unifiée, assurant un alignement spatio-temporel des signaux multi-sources et une alerte collaborative, améliorant ainsi significativement la précision et la couverture du diagnostic.
Architecture globale du système quadruple
Le système KL-DIAG-4000 adopte une architecture à trois niveaux : la couche de perception est composée d'une caméra thermique infrarouge (résolution 640×480, NETD<30mK), d'une nacelle multi-capteurs pour drone (caméra 4K visible + caméra thermique 640×512 + LiDAR), d'accéléromètres de vibration (type IEPE, réponse en fréquence 0,5 Hz à 10 kHz) et de capteurs d'huile en ligne (comptage de particules + viscosité + humidité). La couche de fusion de données est déployée sur une passerelle de calcul en périphérie (NXP i.MX 8M Plus, 4 cœurs Cortex-A53 + 2 cœurs Cortex-M7), exécutant des algorithmes de synchronisation temporelle unifiée et de fusion au niveau des caractéristiques. La couche application transmet les données au cloud via 4G/5G, offrant des tableaux de bord, des alertes prédictives et des analyses de tendances.
Les données de chaque sous-système sont échantillonnées à des fréquences variables (10 Hz à 1 kHz). La passerelle périphérique utilise le protocole IEEE 1588v2 (PTP) pour une synchronisation sub-microseconde, garantissant la cohérence des horodatages entre les phases de vibration et les images infrarouges. Toutes les données sont stockées dans la base de données temporelle InfluxDB. Chaque pont roulant génère environ 2,8 Go de données brutes par jour, compressées à 120 Mo/jour après traitement en périphérie.
Après extraction des caractéristiques en périphérie, seuls les vecteurs de caractéristiques et les événements d'alarme sont transmis, réduisant considérablement la charge sur le réseau industriel de l'atelier. Par exemple, dans une aciérie, après l'intégration de 12 ponts roulants de la halle d'aciérie sur la plateforme KL-DIAG-4000, le volume total de données transmises quotidiennement par les passerelles est d'environ 1,4 Go (contre environ 33,6 Go de données brutes par jour). Chaque passerelle consomme seulement 12 W (refroidissement passif, sans ventilateur) et est logée dans un boîtier IP65, résistant aux fortes variations de température et aux chocs vibratoires de l'environnement des ponts roulants. La plateforme prend en charge les protocoles industriels Modbus TCP, OPC UA et MQTT, et est compatible avec les principaux automates (Siemens S7-1200/1500, Rockwell ControlLogix, Mitsubishi FX5U), facilitant l'intégration avec les systèmes MES et SCADA existants.
Module 1 : Diagnostic thermographique infrarouge
Le module infrarouge se compose d'une caméra thermique fixe (installée au-dessus de la cabine de commande, angle de vue 67°×52°) et d'une caméra thermique portable pour l'inspection. Il scanne automatiquement les principaux équipements électriques et composants mécaniques du pont roulant toutes les 4 heures. Le système utilise un modèle de segmentation sémantique par IA (basé sur l'architecture U-Net) pour extraire automatiquement 38 zones clés de mesure de température (ROI), telles que le câblage du moteur, le radiateur du variateur de fréquence, la garniture de friction du frein et les raccords de câble. Le seuil de température pour chaque zone est automatiquement défini en fonction de la spécification technique de l'équipement.
Lorsque le taux d'élévation de température d'une ROI dépasse 5 °C/heure ou que la température absolue dépasse le seuil (par exemple, enroulement du moteur ≥ 130 °C, référence à la limite d'isolation de classe F de la norme GB/T 755-2019), le système déclenche automatiquement une alerte et enregistre la séquence vidéo thermique correspondante. Les données d'exploitation réelles montrent que ce module peut fournir une alerte précoce de 48 à 72 heures pour le préchauffage des roulements de moteur. Les données infrarouges participent également à la décision de fusion multi-sources, en croisant les caractéristiques vibratoires pour réduire les fausses alertes.
La caméra thermique est équipée d'un objectif à mise au point motorisée (distance focale 25 mm, champ de vision 24°×18°). À une distance de travail de 15 m, la résolution spatiale par pixel est d'environ 0,6 mm, suffisante pour distinguer une surchauffe de borne électrique ou une zone de température localisée sur la bague extérieure du roulement. Chaque inspection génère des thermogrammes automatiquement archivés dans le dossier d'équipement, permettant des comparaisons de tendances historiques : les opérateurs de maintenance peuvent consulter les courbes de température d'une même ROI sur les 30, 90 ou 180 derniers jours, superposées à la ligne de correction de température ambiante (basée sur les données du capteur de température ambiante de l'atelier), afin d'identifier les élévations de température anormales dues à des défauts plutôt qu'aux variations saisonnières. L'algorithme d'alarme de différence de température intégré est basé sur les seuils recommandés par l'ISO 18434-1 : Δt ≥ 5 °C (par rapport à un point symétrique) et Δt ≥ 8 °C (par rapport à la ligne de base historique).
Sous-module 2 : Inspection aérienne multi-capteurs par drone
La nacelle multi-capteurs embarquée sur le drone quadrirotor (DJI Matrice 350 RTK) comprend une caméra visible 4K, une caméra thermique 640×512 et un LiDAR Livox Mid-360. Le drone effectue automatiquement des inspections le long de trajectoires 3D prédéfinies, chaque trajectoire couvrant les zones en hauteur telles que la semelle supérieure de la poutre principale, les zones de liaison de la tête de pont, le rail du chariot, la ligne d'alimentation et le câble métallique. La trajectoire de vol est autonome grâce au GPS différentiel RTK (précision de positionnement centimétrique) combiné à un modèle BIM préétabli, sans aucune intervention humaine.
Les images visuelles sont traitées en temps réel par le modèle de détection d'objets YOLOv8, permettant d'identifier automatiquement la surface de décollement du revêtement, le desserrage des boulons (via la détection de l'écart angulaire de la tête de boulon par transformée de Hough) et la rupture des fils du câble métallique (détection des irrégularités de texture de surface par balayage linéaire). Les données du nuage de points LiDAR sont utilisées pour détecter les écarts de rectitude du rail (exigence standard ≤2mm/m, conformément à l'FEM 1.001) et les variations de la contre-flèche de la poutre principale. Chaque inspection génère un rapport structuré indiquant le type de défaut, les coordonnées de position (par rapport au système de coordonnées de la grue) et le niveau de risque. Le cycle d'inspection typique est mensuel, avec une durée d'environ 15 minutes par pont roulant.
Le rapport d'inspection par drone est automatiquement comparé aux données historiques, mettant en évidence les nouveaux défauts et l'évolution des défauts existants. Pour la surface de décollement du revêtement, le système utilise un algorithme de segmentation d'images (DeepLabV3+) pour calculer automatiquement le pourcentage de surface dépeinte et générer une courbe de tendance — lorsque la surface dépeinte d'une zone donnée augmente de plus de 20% entre deux mesures consécutives, le système juge que la dégradation du revêtement s'accélère et recommande de planifier un traitement anticorrosion anticipé. La courbe d'évolution de la contre-flèche de la poutre principale constitue également une donnée essentielle pour la maintenance prédictive : conformément à l'FEM 1.001, la contre-flèche au milieu de la portée doit être comprise entre 0,9/1000 et 1,4/1000 de la portée. Une alerte est déclenchée lorsque la contre-flèche mesurée par LiDAR est inférieure à 0,5/1000 ou lorsque le taux de diminution dépasse 0,1/1000 par an. La plateforme KL-DIAG-4000 intègre ces indicateurs de santé structurelle aux données vibratoires et infrarouges dans un tableau de bord unifié de santé des équipements.
Sous-module 3 : Diagnostic fusionné acoustique-vibratoire-huile
Le diagnostic fusionné acoustique-vibratoire-huile constitue le moteur de diagnostic central du système. Des capteurs d'accélération IEPE (PCB 352C33, plage de mesure ±50g) sont installés au niveau du réducteur, du moteur et du logement de roulement de tambour pour acquérir les signaux vibratoires. Parallèlement, un capteur d'huile en ligne (Parker Kittiwake KS10) est installé à la base du réducteur pour surveiller en temps réel le nombre de particules métalliques, la viscosité et la teneur en eau de l'huile. L'analyse vibratoire s'appuie sur les quatre seuils de sévérité vibratoire de l'ISO 10816-3:2009 (≤1,8/1,8~4,5/4,5~11,2/≥11,2 mm/s pour les machines de classe I), tout en extrayant les caractéristiques fréquentielles (énergie des bandes latérales du premier et du deuxième harmonique du spectre FFT) et les caractéristiques temporelles (facteur d'aplatissement, facteur d'impulsion).
Lorsque la sévérité vibratoire dépasse le seuil jaune (4,5mm/s) et que la concentration de particules ferromagnétiques détectée dans l'huile est simultanément supérieure à 2000 particules/mL, le système diagnostique une usure précoce des engrenages (plutôt qu'une défaillance de roulement), avec un score de confiance ≥0,85. Grâce à ce mécanisme de validation croisée vibratoire-huile, le taux de fausses alertes du diagnostic unidimensionnel est réduit d'environ 18% à environ 4% pour le diagnostic fusionné. Le module acoustique-vibratoire-huile exécute automatiquement une analyse complète toutes les 12 heures, chaque cycle d'analyse durant environ 8 minutes (incluant l'acquisition des impulsions vibratoires, l'échantillonnage de l'huile et l'inférence IA).
Mécanisme d'alerte collaborative multi-sources et évaluation des performances
L'alerte collaborative de la plateforme intégrée repose sur un algorithme de fusion décisionnelle par preuves multi-niveaux. Chaque sous-module calcule indépendamment un score de probabilité de défaillance (0 à 1), puis une fusion au niveau décisionnel est effectuée via la théorie des preuves de Dempster-Shafer pondérée. Les coefficients de pondération sont ajustés dynamiquement en fonction de la confiance diagnostique de chaque sous-module pour un mode de défaillance donné. Par exemple, pour l'usure des engrenages, la pondération vibratoire est de 0,45, la pondération huile de 0,40, la pondération infrarouge de 0,10 et la pondération drone de 0,05.
Lors d'un déploiement pilote sur 6 ponts de coulée de 32t dans une aciérie, le système a généré 42 alertes sur une période d'exploitation de 6 mois, dont 35 ont été vérifiées comme de véritables signes avant-coureurs de défaillance lors des arrêts (précision de 83,3%), et 7 étaient des fausses alertes (principalement des erreurs infrarouges provoquées par des variations brutales de la température ambiante). Par rapport au diagnostic unidimensionnel traditionnel, le délai moyen d'alerte précoce du diagnostic fusionné est passé de 7,2 jours pour le diagnostic vibratoire seul à 12,5 jours (soit une amélioration de 73,6%). Kelude, s'appuyant sur les données de diagnostic de cette plateforme, optimise en continu ses modèles algorithmiques et propose à ses clients un pack de mise à niveau de la plateforme chaque trimestre.
| Diagnostic Scénario | Unidimensionnel Diagnostic Taux de précision | Fusion Diagnostic Taux de précision | Délai d |
|---|---|---|---|
| Engrenage du réducteur Usure | 71.3% | 89.7% | 14~21jour(s) |
| roulement de moteur Préchauffage | 65.8% | 86.2% | 48~72heure(s) |
| Câble Métallique Rupture de câble | 78.4% | 91.5% | Temps réel |
| Rectitude du rail Hors tolérance | 82.1% | 94.3% | Temps réel(Inspection) |
| Poutre Principale Fissure | 58.6% | 82.9% | 7~14jour(s) |
| Moyenne | 71.2% | 88.9% | — |
Questions fréquentes
Q : Quels sont les avantages de la plateforme de diagnostic intégrée 4-en-1 par rapport à l'achat de trois systèmes distincts ?
A : L'avantage principal réside dans la synergie des données. Trois systèmes distincts possèdent chacun leur propre collecteur de données, leur propre canal de transmission et leur propre interface de gestion, ce qui rend impossible la synchronisation temporelle et la corrélation des caractéristiques entre les systèmes. Lorsqu'un signal de vibration anormal est détecté, le drone d'inspection peut encore être en charge. Grâce à la base de temps unifiée du KL-DIAG-4000, lorsqu'un capteur de vibrations détecte un choc anormal, le système peut automatiquement extraire les images thermiques infrarouges et les données de particules d'huile au même moment, générant ainsi une chaîne de preuves de défaillance complète. De plus, le coût de déploiement d'une plateforme unifiée est environ 35 % inférieur à celui de trois systèmes distincts (mutualisation du matériel : passerelle périphérique, alimentation électrique et liaison de communication).
Q : Comment la fiabilité et la sécurité de vol des drones sont-elles assurées dans un environnement d'atelier de ponts roulants à forte poussière et à haute température ?
A : Nous utilisons le drone industriel DJI Matrice 350 RTK, avec un indice de protection IP55 et une température de fonctionnement de −20 à +50 °C. Avant le vol, le système vérifie automatiquement les conditions environnementales : le décollage est automatiquement refusé si la vitesse du vent dépasse 8 m/s, si la concentration de poussière dépasse 5 mg/m³ ou si la température sort de la plage de fonctionnement. Pendant tout le vol, le radar d'évitement d'obstacles avant/arrière est actif (portée de détection horizontale de 0,5 à 20 m, verticale de 0,5 à 15 m), et le drone décélère automatiquement à moins de 2 m de la structure en acier du pont roulant. En cas de perte du signal RTK ou d'interruption de la liaison de télécommande pendant plus de 5 secondes, le drone retourne automatiquement à son point de départ (fonction RTH). Lors de déploiements réels dans des aciéries, plus de 1 200 vols ont été effectués sans aucun incident de sécurité.
Q : Le capteur d'huile du diagnostic intégré acoustique-vibration-huile nécessite-t-il un étalonnage et une maintenance périodiques ?
A : Le capteur d'huile en ligne Parker Kittiwake KS10 a un cycle d'étalonnage d'usine de 12 mois. Le capteur dispose d'une fonction d'autotest intégrée qui effectue automatiquement une vérification de sensibilité chaque jour. Le comptage des particules métalliques utilise le principe d'occultation laser ; un étalonnage de précision avec une dispersion standard de particules est requis tous les 3 mois (le kit d'étalonnage fourni comprend des étalons de 1 000 particules/mL et de 5 000 particules/mL). La mesure de viscosité utilise le principe de la microbalance à cristal de quartz et nécessite un étalonnage tous les 6 mois. Dans des conditions d'huile normales (classe ≤ 8 selon la norme AS 1638), le capteur démontre une excellente fiabilité de fonctionnement continu, avec un temps moyen entre pannes (MTBF) ≥ 18 000 heures.
Q : Quelles rénovations sur les ponts roulants existants sont nécessaires pour déployer la plateforme 4-en-1 ?
A : Les principales rénovations comprennent : l'installation de la passerelle d'informatique en périphérie et du module de communication 4G/5G dans l'armoire électrique du pont roulant (occupant 2U d'espace rack) ; le perçage et le taraudage des paliers de roulement de moteur, des entrées/sorties du réducteur et des logements de roulement de tambour pour installer des capteurs de vibrations IEPE (8 à 12 points de mesure par pont en configuration standard) ; l'installation d'une boucle de circulation pour le capteur d'huile en ligne sur l'orifice de vidange du réducteur ; l'installation d'un support fixe pour la caméra thermique et des câbles d'alimentation/communication au-dessus de la cabine de commande ; l'importation de la trajectoire du drone ne nécessite aucune modification du pont roulant lui-même. Ces rénovations peuvent être réalisées pendant un arrêt de maintenance normal (environ 2 jours), avec un temps d'arrêt ≤ 4 heures (câblage du système de commande électrique).
