Évaluation de la douceur de fonctionnement de moulinets de pêche par machine learning et deep learning - Franche-Comté Electronique, Mécanique, Thermique et Optique - Sciences et Technologies (UMR 6174) Accéder directement au contenu
Thèse Année : 2023

Evaluation of the operating’s smoothness of fishing reels with machine learningand deep learning

Évaluation de la douceur de fonctionnement de moulinets de pêche par machine learning et deep learning

Résumé

The notion of operating smoothness of fishing reels is blurry for consumers but can easily be felt while using it. The evaluation of the quality, in term of rotation smoothness, is generally done manually by experts at the end of assembly lines. This thesis aims to understand and define scientifically the notion of operating smoothness of fishing reels. To study the sensations felt, we chose to analyze vibrations emitted by reels operating. To do so, different models of fishing reels representing the existing range, in term of rotation smoothness, were selected and classified by Caperlan's expert. These thesis works were carried out in three stages. Selected models of fishing reels were analyzed to identify potential sources which cause differences of sensations felt while using them. Then a motorized test bench with measuring instruments was designed to perform measurements with an accelerometer on operating fishing reels. Finally the signals obtained were analyzed with three methods: frequency analysis, regression algorithm (machine learning) and convolutionnal neural networks (deep learning).The machine learning and deep learning methods used in this thesis provided promising results on predictions of the quality of the selected fishing reels, in term of rotation smoothness, from the vibration signals measured on them.
La notion de la douceur de fonctionnement des moulinets de pêche est floue pour l'utilisateur mais se ressent très aisément lors de leur utilisation. L'évaluation de la qualité des moulinets en terme de douceur de fonctionnement est couramment réalisée manuellement par des experts en sortie de chaine d'assemblage. Cette thèse vise ainsi à comprendre et définir scientifiquement la notion de douceur de fonctionnement d'un moulinet. Pour étudier cette sensation perçue, nous avons choisi d'analyser les vibrations émises par le moulinet lors de son fonctionnement. Pour cela, différents modèles de moulinets représentatifs de la gamme disponible sur le marché, en terme de douceur de fonctionnement, ont été sélectionnés et classés par des experts de Caperlan. Ces travaux de thèse ce sont déroulés en trois temps. Les modèles de moulinets ont été analysés pour déterminer les potentielles sources occasionnant les différences de sensations perçues lors de leur utilisation. Ensuite un banc d'essais motorisé et instrumenté a été réalisé pour effectuer les mesures accélérométriques des moulinets en fonctionnement. Enfin, les signaux obtenus ont été étudiés avec trois méthodes : une analyse fréquentielle, l'utilisation d'algorithmes de régression (machine learning) et l'utilisation de réseaux de neurones convolutifs (deep learning). Les méthodes de machine learning et de deep learning utilisées ont permis d'obtenir des premiers résultats prometteurs de prédiction de la qualité des modèles, en terme de douceur de fonctionnement, à partir des signaux accélérométriques mesurés sur ces moulinets.
Fichier principal
Vignette du fichier
these_A_LEFEBVRE_Quentin_2023.pdf (92.73 Mo) Télécharger le fichier
Origine : Version validée par le jury (STAR)

Dates et versions

tel-04114650 , version 1 (02-06-2023)

Identifiants

  • HAL Id : tel-04114650 , version 1

Citer

Quentin Lefebvre. Évaluation de la douceur de fonctionnement de moulinets de pêche par machine learning et deep learning. Vibrations [physics.class-ph]. Université Bourgogne Franche-Comté, 2023. Français. ⟨NNT : 2023UBFCD006⟩. ⟨tel-04114650⟩
76 Consultations
2 Téléchargements

Partager

Gmail Facebook X LinkedIn More