Résumé

La détection précoce des courts-circuits inter-spires statoriques dans les machines synchrones constitue un enjeu majeur pour garantir la fiabilité des systèmes industriels. Cet article propose une méthode de classification fondée sur une forêt aléatoire, entraînée à partir de caractéristiques temporelles extraites des signaux de champ magnétique externe. Les signaux utilisés pour l'apprentissage sont générés par un modèle par éléments finis simplifié, permettant de réduire les coûts expérimentaux et le temps de traitement. Le modèle est d'abord évalué sur des données simulées, puis testé sur des signaux expérimentaux acquis en laboratoire. Les résultats montrent que, bien que performant sur données simulées, le modèle présente une capacité de généralisation limitée aux conditions réelles. Une stratégie d'ajustement, consistant à introduire des signaux expérimentaux dans l'apprentissage, permet d'améliorer significativement la précision de la classification. Cette approche hybride, simulation/expérimentation, offre ainsi une solution efficace, rapide et économiquement avantageuse pour le diagnostic de défauts dans les machines électriques.