446 articles  [version française]
Detailed view PhD thesis
Université d'Angers (30/05/2008), Ridha Hambli (Dir.)
Attached file list to this document: 
PDF
TheseCHAMEKH.pdf(2.8 MB)
Optimisation des procédés de mise en forme par les réseaux de neurones artificiels
Abdessalem Chamekh1

Ce travail concerne la modélisation et l'optimisation des procédés de mise en forme par les Réseaux de Neurones Artificiels. Etant donnée que les méthodes classiques sont très coûteuses en temps de calcul et divergentes pour des problèmes présentant beaucoup des paramètres à contrôler, notre contribution consiste à développer une méthode de modélisation et d'optimisation plus rapide et efficace. Nous avons fait appel à une étude paramétrique pour coupler un programme basé sur la technique des RNA avec un code de calcul par la méthode des éléments finis. Néanmoins pour être viable, la méthode de modélisation et d'optimisation développé a été appliquée avec succès à des procédés de mise en forme complexes et variés. Elle a été testée en premier lieu pour la modélisation et l'optimisation du procédé d'emboutissage d'un flan circulaire et dans un second lieu pour l'identification des paramètres du matériau à partir du procédé d'hydroformage. La méthode a été aussi comparée avec une méthode d'optimisation classique de plusieurs points de vue. Il a été constaté le long de cette étude que notre démarche présente une grande potentialité à modéliser des relations qui sont difficile à les décrire avec des modèles mathématiques simple. Elle est aussi, rapide et parallélisable. La qualité des résultats obtenus est convaincante. Ce travail mène à des perspectives plus prometteuses. Elles peuvent être vulgarisées et exploitées dans d'autres applications.
1:  LASQUO - Laboratoire en Sûreté de fonctionnement, Qualité et Organisation
Réseaux de Neurones Artificiels – Eléments Finis – Procédés de Mise en Forme – Optimisation – Identification

Optimisation of sheet metal forming by artificial neural networks
Sheet metal forming continues to be a significant industrial activity. The numerical simulation and the optimization startegy of these processes are extremely useful tools for the control of such technology. But these tools are based on mathematical models. On one hand, these models must take in account differents constraints during deformation and take account of all the process parameters. On the other hand they must be simple, in order to facilitate their identification and their implementation in computer codes. To cure at the long computing time that a finite element simulation or an optimization procedure can take and with the insufficiency of these mathematical models to take into account all the parameters in a sheet metal forming, alternatives are sought in other methods like responses surfaces, genetic algorithms, etc. In this work a method of modeling and optimization based on the ANN was proposed. The ANN method, judged very fast in computing times. It was exploited for modeling as well as for optimization. This procedure of modeling and optimization was tested in the first time for the modeling and the optimization of a deep drawing process of a cylindrical cup and in the second time for the identification of the materials parameters starting from the experimental bulge test. The quality of the results obtained is convincing. This work leads to more promising prospects. They can be popularized and exploited in other applications.
Artificiel Neural Networks – Finite element – Sheet metal forming – Optimisation – Identification