Modélisation de la relation entre les paramètres du procédé plasma et les caractéristiques de la qualité du matériau textile par apprentissage de données physiques

Modeling the relationship between the plasma process parameters and the quality features of textile material by learning of experimental data

• Auteur / Autrice : Radhia Abd Jelil
• Direction : Xianyi Zeng, Ludovic Koehl
• Type : Thèse de doctorat
• Discipline(s) : Automatique, Génie Informatique, Traitement du Signal et des Images
• Date : Soutenance le 28/04/2010
• Etablissement(s) : Lille 1

Mots clés

Mots clés contrôlés

Logique floue

Réseaux neuronaux (informatique)

Mouillage (chimie des surfaces)

Capillarité

Perméabilité

Surfaces

Textiles et tissus synthétiques

Modèles mathématiques

Traitements de surface

Plasmas froids

Mots clés libres

Sélection de paramètres

Résumé

La technique par plasma atmosphérique semble efficace pour la modification des surfaces de matériaux textiles car le traitement est rapide, peu onéreux et écologiquement propre. En dépit de ces avantages, il est extrêmement difficile de comprendre la relation complexe non-linéaire entre les paramètres du procédé plasma et les propriétés finales des matériaux. L’étude et l’optimisation d’un tel procédé doivent être donc basées sur une exploitation des techniques intelligentes telles que la logique floue et les réseaux de neurones. Dans une première partie, l'impact de traitement par plasma de type Décharge à Barrière Diélectrique (DBD) sous air est étudié sur différents types de tissus en polyester et viscose. Afin de mieux comprendre l’effet de la structure textile sur les résultats du traitement, une sélection des paramètres les plus pertinents a été effectuée en utilisant un critère de sensibilité basé sur la logique floue. Il a été mis en évidence que la puissance électrique, la vitesse de traitement, la matière, la finesse des fibres, la perméabilité à l’air, l’armure et la densité des pics ont une influence sur la mouillabilité et la capillarité des tissus. Dans la dernière partie de cette étude, une approche utilisant les réseaux de neurones a été développée afin de prédire la relation entre les paramètres pertinents sélectionnés et les propriétés hydrophiles des tissus. Des résultats tout à fait satisfaisants ont été obtenus et montrent une bonne capacité de généralisation. En outre, une analyse quantitative par poids des connexions a été menée pour analyser l’importance relative des paramètres d’entrée. Les résultats de cette analyse sont cohérents avec ceux obtenus en utilisant le critère de sensibilité flou. Ceci permet donc de confirmer d’une part l’influence des paramètres sélectionnés, et d’autre part de montrer la fiabilité des réseaux neuronaux.

Atmospheric plasma treatment seems to be a good way to treat quickly, cheaply and ecologically textile material surfaces. Despite these advantages, it is extremely difficult to understand the complex non-linear relationship between the plasma processing parameters and the final properties of materials. Therefore, the study and optimization of such process must be based on an exploitation of intelligent techniques such as fuzzy logic and neural networks. In a first part, the impact of atmospheric air Dielectric Barrier Discharge (DBD) plasma treatment is studied on different types of polyester and viscose woven fabrics. In order to get a better understanding on how the structure of woven fabrics influence on the results of the plasma treatment, a selection of the most relevant parameters was carried out by using a fuzzy logic based sensitivity variation criterion. This work shows that that the electric power, the treatment speed, the composition, the fibers fineness, the air permeability, the weave construction and the summit density have an influence on the wettability and the capillarity of fabrics. Lastly, a neural network approach was developed to predict the relationship between the selected input parameters and the fabric hydrophilic properties. Very satisfactory results were obtained and show a good capacity of generalization. Moreover, a quantitative analysis based on the weights of connections was conducted to analyze the relative importance of the input parameters. The results of this analysis are coherent with those obtained by using the fuzzy logic based sensitivity variation criterion. Thus, this finding confirms, on the one hand, the influence of the selected parameters and, on the other hand, it shows the efficiency of neural networks.