Diagnostic IA du gougeage de rail par empreinte acoustique

Avec l’approfondissement de la transformation intelligente de l’industrie, la détection en temps réel et le diagnostic précis du frottement du boudin de roue sur le rail des ponts roulants sont devenus un enjeu majeur pour la sécurité de production et la réduction des coûts dans les secteurs de la sidérurgie et de la métallurgie. Kelude a développé, sur la base de la technologie de reconnaissance acoustique par apprentissage profond, un système de diagnostic du gougeage du rail par empreinte acoustique pour ponts roulants, marquant une évolution majeure du diagnostic auditif traditionnel vers le diagnostic intelligent par IA. Voici une présentation détaillée de l’architecture technique et des fonctions principales de ce système.

Les défis du diagnostic du gougeage du rail

Le gougeage du rail sur un pont roulant désigne le frottement et la compression anormaux entre le boudin de roue et le flanc du rail. Il s’agit de l’un des défauts de fonctionnement les plus courants et les plus dommageables pour les ponts roulants. Un gougeage prolongé entraîne une usure rapide du boudin de roue — celui-ci doit être remplacé lorsque son épaisseur est réduite à 80 % de sa valeur d’origine — ainsi que l’usure, voire la déformation, du flanc du rail, une fatigue prématurée des roulements de roue et, dans les cas graves, un risque de déraillement.

Le diagnostic traditionnel repose sur l’expérience auditive des équipes de maintenance, qui jugent de la présence d’un gougeage en écoutant le bruit émis. Or, conformément à la norme ISO 4301 relative à la spécification de conception de grue et au règlement de sécurité pour les appareils de levage ISO 12480, le gougeage, en tant que défaut critique affectant la sécurité structurelle, doit faire l’objet d’une surveillance efficace. Cette méthode traditionnelle est non seulement fortement tributaire de l’expérience individuelle, mais elle ne permet ni une surveillance en temps réel ni une localisation précise. Les entreprises ont généralement recours à une inspection manuelle trimestrielle, ce qui signifie que le problème de gougeage n’est souvent détecté que plusieurs semaines après son apparition, laissant l’usure anormale des galets et des rails s’accumuler. Selon les statistiques du secteur, les arrêts non planifiés dus au gougeage représentent 15 à 20 % de l’ensemble des arrêts sur défaut des ponts roulants, ce qui en fait l’un des facteurs clés affectant l’efficacité opérationnelle de ces équipements.

Solution technique de reconnaissance acoustique par IA

Le système de diagnostic du gougeage du rail par empreinte acoustique de Kelude se compose de trois modules principaux : le front-end de capture acoustique, le dispositif de calcul en périphérie et la plateforme d’analyse cloud. Le front-end de capture acoustique utilise un réseau de microphones MEMS de qualité industrielle (indice de protection IP67), installé aux quatre coins du sommier du pont roulant, à proximité des galets, couvrant une plage de fréquences de 100 à 8 000 Hz. Le dispositif de calcul en périphérie intègre un module Jetson Orin NX (puissance de calcul de 100 TOPS), préchargé avec un modèle CNN entraîné sur 30 000 échantillons d’empreintes acoustiques de gougeage. La plateforme d’analyse cloud, construite selon l’architecture standard GB/T 28264 — Système de surveillance et de gestion de la sécurité —, prend en charge la consolidation des données de plusieurs ponts roulants et le diagnostic à distance, répondant ainsi aux exigences de collecte de données et d’alerte précoce du système de surveillance de sécurité.

En fonctionnement, le réseau de microphones capture l’empreinte acoustique des galets à une fréquence d’échantillonnage de 22 050 Hz. Après transformation en spectrogramme Mel de 128 × 128, le modèle CNN effectue l’inférence en périphérie, avec une latence maîtrisée entre 5 et 10 ms. Le modèle est capable d’identifier huit états de gougeage : normal, gougeage léger (gauche/droite), gougeage modéré (gauche/droite), gougeage sévère (gauche/droite) et choc au joint de rail. Les résultats d’identification sont transmis en temps réel à la plateforme cloud via le protocole MQTT. En cas de gougeage sévère, le système déclenche une décélération automatique et l’arrêt du pont roulant, empêchant ainsi efficacement l’aggravation de l’incident.

Comparaison des paramètres techniques essentiels

Données mesurées et effet d'application

Le système a fait l'objet d'un test sur site de 3 mois dans les ateliers internes de Kelude et sur un parc de ponts roulants d'une aciérie. Le test a couvert 16 ponts roulants et 64 points de mesure sur les galets de roulement. Les résultats ont été certifiés par un organisme d'inspection tiers : précision de reconnaissance du frottement du boudin de roue sur le rail de 97,2 %, taux de détection du frottement léger de 94,5 %, taux de détection du frottement sévère de 99,1 %, et taux de fausses alarmes de 1,8 %. Par rapport à la méthode traditionnelle d'auscultation manuelle, le délai moyen de détection du frottement est passé de 22 jours à une détection immédiate, et le temps d'arrêt non planifié annuel moyen par pont roulant causé par le frottement a été réduit d'environ 40 heures.

Le système prend également en charge l'analyse de tendance du frottement. En enregistrant la fréquence et l'évolution de l'intensité du frottement sur chaque galet, il génère automatiquement un rapport mensuel, aidant les équipes de maintenance à anticiper le moment optimal pour l'ajustement des rails et le remplacement des galets. On estime que chaque pont roulant permet d'économiser environ 60 heures de travail d'ajustement des rails par an et de réduire de 1 à 2 remplacements non planifiés de galets. Pour une grande aciérie disposant de plus de 50 ponts roulants, l'économie annuelle sur les coûts de maintenance dépasse 800 000 EUR.

Comparaison du déploiement selon les modèles de ponts roulants

4. Déploiement commercial et promotion

Le système est actuellement intégré à la plateforme de surveillance à distance du pont roulant et peut être déployé en complément d'une solution de surveillance numérique à distance. Kelude Industries Lourdes a signé des accords d'essai avec 3 aciéries et prévoit d'installer le système de diagnostic acoustique sur 50 ponts roulants d'ici la fin de l'année. La conception du système respecte les exigences de sécurité structurelle de la norme ISO 4301 (spécification de conception de grue) et s'appuie sur le cadre technique de la norme internationale ISO 23874:2021 (surveillance de l'état des grues). Les clients peuvent choisir entre le module autonome de diagnostic du gougeage du rail par empreinte acoustique ou la solution intégrée combinant surveillance numérique à distance et diagnostic acoustique.

5. Avantages techniques du diagnostic acoustique par IA

Comparé aux méthodes traditionnelles de détection du gougeage, le diagnostic acoustique par IA offre des avantages significatifs. Tout d'abord, le temps réel : le système fonctionne 7×24 heures sur 24, capturant et analysant toute empreinte acoustique anormale en quelques secondes, éliminant ainsi les angles morts temporels de l'inspection manuelle. Ensuite, la précision : le modèle CNN, entraîné sur 30 000 échantillons, distingue le gougeage léger des chocs au niveau des joints de rail, évitant les maintenances inutiles dues à de fausses interprétations.

Troisièmement, la quantification : le système enregistre automatiquement la fréquence, la classe de résistance et les tendances du gougeage pour chaque galet de roulement, générant des rapports visuels qui alimentent la maintenance prédictive. Combiné au système de surveillance et de gestion de la sécurité de Kelude Industries Lourdes, il permet aux entreprises de constituer un registre complet de santé des équipements et de passer d'une maintenance réactive à une maintenance préventive.

Questions fréquentes

Pour en savoir plus sur les solutions d'exploitation et de maintenance intelligentes pour ponts roulants, contactez l'équipe technique de Kelude Industries Lourdes pour obtenir une solution personnalisée de diagnostic du gougeage.