IA pour grues : anti-balancement et maintenance

Les ponts roulants bipoutres lourds fonctionnent en continu dans la métallurgie, la construction navale, les équipements lourds ou les éléments préfabriqués, avec des charges très variables et des cycles marche/arrêt fréquents. L'intégration de l'IA dans le système de commande ne se résume pas à ajouter une caméra ou un écran : elle fait converger la transmission électrique, la réponse structurelle, l'attitude de la charge et les données de santé de l'équipement dans une même chaîne de calcul. Dès la conception, la structure doit être vérifiée selon les exigences de contrainte admissible, de rigidité et de coefficient de charge dynamique de la norme FEM 1.001 (spécification de conception de grue). L'ajout de fonctions de surveillance de sécurité et d'alerte intelligente doit en outre satisfaire aux exigences du règlement TSG 51-2023 relatif à la surveillance technique de sécurité des appareils de levage en matière d'enregistrement des mesures, de signalement des défauts et d'archivage de l'état de fonctionnement.

Du point de vue fonctionnel, les applications d'IA pour grues se répartissent en trois grandes familles.

Le contrôle du mouvement traite le balancement de la charge, le positionnement précis et le levage synchrone de plusieurs mécanismes.

La perception visuelle couvre l'évitement d'obstacles dans les angles morts du conducteur, la détection de personnes dans la zone de travail et la mesure des déformations structurelles critiques.

La gestion de la santé de l'équipement traite l'usure des roulements, les piqûres sur les dents de réducteur, la dégradation de la réponse des freins et la détection de fissures de soudure sur la poutre principale.

Sur ses ponts roulants bipoutres de norme européenne, Kelude décompose ces trois familles en modules vérifiables, combinés selon les conditions réelles du projet.

Contrôle anti-balancement par IA : alternative à la régulation PID

Le contrôle anti-balancement traditionnel des ponts roulants repose sur la mise en forme d'entrée en boucle ouverte ou sur une boucle fermée de vitesse PID. La mise en forme d'entrée est sensible à la variation de longueur de câble, et les paramètres PID dépendent de la mise en service sur site : dès que la charge, la longueur de câble, la hauteur de levage ou la charge de vent changent, le balancement résiduel réapparaît. L'opérateur doit souvent attendre la stabilisation avant de poser précisément la charge, ce qui pénalise la cadence.

Le contrôle anti-balancement par IA, via l'apprentissage en ligne ou la commande prédictive par modèle, prend en entrée la position et la vitesse du chariot, la longueur de câble, la masse de la charge et l'angle de balancement, puis calcule la commande de vitesse suivante en quelques dizaines de millisecondes. Contrairement à un PID à paramètres fixes, le contrôleur IA ajuste dynamiquement l'accélération et le moment de freinage selon l'état de balancement courant, ce qui réduit la dépendance aux paramètres issus de l'expérience humaine.

L'algorithme anti-balancement IA déployé par Kelude sur les ponts roulants bipoutres de norme européenne de 50 t à 300 t s'interfaced avec la consigne de couple du variateur de fréquence et les signaux du codeur. La logique de traitement est détaillée dans l'algorithme anti-balancement IA. Lors de la mise en service, les plages de longueur de câble correspondant à trois cas typiques — crochet vide, demi-charge, pleine charge — sont d'abord saisies dans une table de paramètres, puis interpolées en ligne par le contrôleur, afin d'éviter une adaptation à une seule charge.

En pratique, la coordination entre le mécanisme de levage et le mécanisme de chariot s'effectue en quelques secondes. Le gain apporté par l'IA se traduit par une amplitude de balancement résiduelle plus faible, moins de corrections manuelles de l'opérateur et un freinage plus progressif. Certains projets combinent la mesure visuelle de la position du point de levage pour un contrôle conjoint anti-balancement et positionnement.

Attention : le contrôle anti-balancement par IA ne supprime pas la marge de sécurité mécanique. Le calcul de structure doit toujours couvrir la charge dynamique de levage, la force d'inertie horizontale et la charge de vent. L'IA améliore la régularité de la conduite, elle ne remplace pas la vérification de résistance.

Planification de trajectoire et détection d'obstacles par vision artificielle

Dans les grands ateliers, la zone de circulation de la grue croise souvent les passages piétons, les colonnes, les piles de stockage et d'autres équipements. La mesure de distance laser ou les limites mécaniques ne couvrent que des positions fixes et gèrent mal les stocks temporaires, les véhicules en mouvement ou l'entrée soudaine de personnel.

En fusionnant vision artificielle et LiDAR, le système construit une carte 3D par grille de la zone de travail et identifie puis suit les obstacles. La planification de trajectoire par IA génère, à partir des dimensions de la charge, de la hauteur du spreader, des limites de vitesse du chariot et de la distance de freinage du pont, des stratégies exécutables de décélération, de contournement ou d'arrêt. Contrairement à une distance de sécurité fixe, cette approche module le niveau de réponse selon le type d'obstacle.

La définition des stratégies anticollision doit tenir compte à la fois de l'agencement du site et du risque d'exposition du personnel. On peut s'appuyer sur la méthode de stratification des distances décrite dans la distance de sécurité anti-collision des grues, en inscrivant les zones d'avertissement, de décélération et d'arrêt d'urgence dans l'API et le contrôleur en périphérie. L'IA visuelle fournit la position et la vitesse des cibles mobiles, sans prendre directement la main sur le circuit d'arrêt d'urgence.

Dans le système électrique de ses ponts roulants bipoutres de norme européenne, Kelude connecte généralement l'unité de vision, le LiDAR et le radar à ondes millimétriques à une passerelle dédiée, puis les relie au contrôleur principal via EtherCAT ou Profinet. On évite ainsi que le flux vidéo sature le réseau principal, tout en transmettant la position des cibles sous forme de paquets de données en temps réel aux modules anti-balancement et de planification de trajectoire.

Précision : la reconnaissance visuelle est sensible à la poussière, aux films d'huile, au contre-jour et aux vibrations. En application, il faut prévoir le nettoyage des optiques, un éclairage d'appoint, un indice de protection adapté et des capteurs redondants. Une caméra unique ne peut constituer le seul critère de sécurité des personnes ; le circuit de sécurité reste fondé sur l'arrêt d'urgence, les limites mécaniques et l'alarme sonore et visuelle.

Maintenance prédictive : exploitation des données vibration et température

La maintenance des grues reposait autrefois sur l'entretien périodique et la réparation après panne. Lorsqu'un réducteur, un frein ou un palier de tambour présente une anomalie, le bruit, l'élévation de température ou le bruit anormal sont déjà perceptibles, et la poursuite de l'exploitation peut aggraver le dommage.

Le principe de la maintenance prédictive est de collecter en séries temporelles l'accélération vibratoire, la température, le courant, l'état de lubrification et le nombre de cycles, puis d'extraire des caractéristiques avant de les soumettre à un modèle d'apprentissage automatique. Le modèle détermine si l'état courant s'écarte de la ligne de base normale et indique une durée de vie utile restante ou une fenêtre d'intervention recommandée.

Les données de vibration conviennent à la détection précoce de l'écaillage des roulements, de l'usure des engrènements, du désalignement d'arbres et des desserrages. Les données de température révèlent le traînage des freins, une mauvaise lubrification ou une élévation locale due à une surcharge moteur. Le signal de courant traduit les variations de charge, le grippage d'un mécanisme ou un retard de serrage du frein.

La fatigue à long terme des cordons de soudure et des structures de la poutre principale est plus complexe. On peut obtenir les variations de contrainte locales par jauges de contrainte, émission acoustique ou mesure visuelle, puis identifier les tendances anormales par un algorithme de régression. Pour les moyens de détection des fissures de soudure, voir la démarche d'ingénierie présentée dans la détection de fissures de soudure sur poutre principale. Avant livraison, Kelude prévoit des interfaces de mesure sur les éléments de structure bipoutres de norme européenne, afin de faciliter le raccordement ultérieur au système de surveillance de santé structurelle.

La maintenance prédictive ne supprime pas totalement l'entretien périodique. Pour les pièces d'usure telles que les garnitures de frein, des contrôles cycliques restent nécessaires selon les exigences du fabricant. L'IA prédictive convient mieux aux dégradations lentes : défaillance précoce des roulements, extension des piqûres sur les dents, contraintes anormales de structure.

La qualité des données conditionne directement la fiabilité de la prédiction. La position d'installation des capteurs, la fréquence d'échantillonnage, la compensation de température et l'étalonnage de la charge influencent les résultats. En début de projet, un apprentissage de la ligne de base en conditions normales est indispensable, faute de quoi le modèle risque de confondre une charge lourde normale avec une anomalie.

Mise en œuvre de la surveillance de sécurité par IA et de la gestion de santé à distance pour les ponts roulants à double poutre de norme européenne

Les ponts roulants à double poutre de norme européenne imposent des exigences élevées en matière de rigidité, de bruit, de surveillance de sécurité et de constance de fabrication. Les produits Kelude de 50 t à 300 t s'adressent principalement aux secteurs de l'équipement lourd, de la métallurgie, de la construction navale et des grands éléments préfabriqués. La hauteur de levage, la portée et la classe de fonctionnement variant considérablement d'un projet à l'autre, le système d'IA doit être adapté au cas par cas.

Lors de la mise en œuvre, l'unité d'informatique en périphérie est généralement installée dans l'armoire électrique du pont, où elle collecte les données du mécanisme de levage, du mécanisme de chariot, du mécanisme de translation du pont, du frein de sécurité et des points de mesure de la poutre principale. L'unité en périphérie assure les alarmes en temps réel et l'inférence légère, tandis que les données historiques sont téléversées vers une plateforme locale ou cloud. En cas d'instabilité du réseau sur site, l'unité en périphérie conserve les derniers enregistrements de fonctionnement.

La plateforme de gestion de santé à distance organise les données de plusieurs grues selon une arborescence d'équipements, générant des indicateurs tels que le spectre de charge, le nombre d'actionnements du frein, l'échauffement du moteur de levage et les tendances de vibration du réducteur. Les responsables peuvent consulter les scores de santé et recevoir des alertes de maintenance planifiée. Pour les équipements à double poutre de norme européenne, la plateforme doit également permettre l'export du journal de fonctionnement, afin de faciliter la gestion des dossiers de surveillance de sécurité.

La configuration des fonctions de surveillance de sécurité et d'alerte précoce intelligente doit couvrir les éléments clés tels que la capacité de levage, le couple, la hauteur de levage, la course, la vitesse, l'état du frein et la protection par verrouillage. Lors de la mise en service sur site, la vérification fonctionnelle est réalisée conformément aux exigences applicables en matière de surveillance technique de la sécurité. Kelude assure l'étalonnage avant livraison, la mise en service sur site et la formation des opérateurs, garantissant une délimitation claire entre les modules intelligents et le circuit de sécurité existant.

Du point de vue de l'application pratique, les bénéfices de l'IA ne se limitent pas à la réduction des pannes : ils incluent également la diminution des ajustements répétés de l'opérateur lors du positionnement précis, la réduction de la charge de travail et l'amélioration de la perception en conditions nocturnes ou en environnement sévère. Lors de la construction d'un système de levage intelligent, il convient de consolider d'abord le verrouillage de sécurité et la commande électrique de base, puis d'y superposer les fonctions d'IA, afin d'éviter que les modules intelligents ne deviennent un nouveau point de défaillance unique.

Questions fréquentes