Résumé:
Les turbines à gaz sont devenues très efficaces dans les applications industrielles pour la production
d'énergie électrique et thermique dans plusieurs industries. Cependant, ces systèmes de machines tournantes sont
complexes et ils sont composés de plusieurs éléments sensibles soumis à certains défauts et risques opérationnels.
En effet, le but de ce travail est de proposer un modèle de surveillance et diagnostic des vibrations d'une turbine à
gaz GE MS5002B utilisant une approche basée sur les réseaux de neurones Non linéaire Autorégressif avec entrée
eXogène NARX basée sur des données expérimentales, ce qui nous garantira la disponibilité optimale de ce
système. Les résultats obtenus montrent clairement que le modèle NARX proposé est fiable et peut être utilisé pour
la surveillance et le diagnostic des turbines à gaz
