Augmenter le niveau de maintenance des hélicoptères
Les accidents d'hélicoptères sont souvent fatals et très coûteux pour plusieurs raisons car nécessitant une maintenance préventive encore plus poussée qui tire partie de la technologie moderne. Le projet ADHER («Automated diagnosis for helicopter engines and rotating parts») financé par l'UE a envisagé un système efficace de diagnostic de pannes et de pronostic des problèmes mécaniques utilisant une technologie de détection automatique. Il visait à réduire les fausses alertes des systèmes actuels, minimiser les coûts de maintenance, augmenter la disponibilité d'une flotte d'hélicoptères et améliorer la sécurité. L'équipe du projet a travaillé sur un système de surveillance d'état du moteur (HUMS - health usage monitoring system) qui se caractérise par une surveillance par détection pour la maintenance basée sur l'état (Condition Based Maintenance - CBM) qui peut remplacer les compétences des personnes physiques réalisant l'inspection périodique. Elle a cherché à mieux comprendre le comportement en vibration, l'acoustique, la boîte de vitesse d'hélicoptère, le vieillissement des pièces et la défaillance des pièces tournantes au travers de modèles théoriques perfectionnés et d'expériences sur banc d'essai. Les travaux du projet ADHER se sont ensuite axés sur le développement d'un logiciel d'apprentissage automatique visant à analyser les données recueillies, réaliser des diagnostics plus efficaces et à évaluer la faisabilité de nouveaux HUMS. Après avoir collecté les données expérimentales et contrôlé les pièces tournantes, y compris les fuites d'huile, les vibrations et les émissions acoustiques, l'équipe du projet ADHER s'est servi des informations pour mettre au point des outils logiciels de diagnostic par instrumentation à capteurs multiples innovants. Ces outils pourraient combiner les données d'une façon totalement novatrice et rejeter les fausses informations afin d'obtenir un diagnostic plus précis. De façon plus détaillée, l'équipe du projet a appliqué des techniques de traitement de signal perfectionnées concernant les vibrations et autres données. Elle a déterminé des paramètres de diagnostic à partir du traitement des données, a évalué ces paramètres et identifié des paramètres connexes tels que la température de l'huile, la vitesse et la charge. Après des essais intensifs, une modélisation et une analyse de l'instrumentation et de l'équipement, l'équipe a mis au point des prototypes d'outil logiciel qui répondent aux objectifs du projet. Les résultats ont été diffusés par le biais de communiqués de presse, de contacts avec les partenaires et du site web.
