Modélisation expérimentale par les réseaux de neurones du perçage multi-materiaux

• Auteur / Autrice : Mathieu Roudgé
• Direction : Michel Danis
• Type : Thèse de doctorat
• Discipline(s) : Mécanique
• Date : Soutenance le 08/02/2011
• Etablissement(s) : Bordeaux 1
• Ecole(s) doctorale(s) : École doctorale des sciences physiques et de l’ingénieur (Talence, Gironde ; 1995-....)
• Partenaire(s) de recherche : Laboratoire : Laboratoire Génie mécanique et matériaux (Institut universitaire de technologie ; Bordeaux)
• Jury : Examinateurs / Examinatrices : Olivier Cahuc, Sébastien Garnier, Mehdi Cherif, Philippe Darnis, Robert Piquet
• Jury : Rapporteurs / Rapporteuses : Gérard Poulachon, Yann Landon

Mots clés

Mots clés contrôlés

Réseaux neuronaux (informatique)

Perçage et alésage

Composites

Mots clés libres

Modélisation expérimentale

Perçage

Multi-matériaux

Réseaux de neurones

Experimental modeling

Drilling

Multi-material

Neural networks

Résumé

Les nouvelles avancées dans le domaine de la science des matériaux ont engendré l’apparition de nouvelles problématiques notamment concernant leurs perçages. Dans le cas des structures aéronautiques, l’opération de perçage des panneaux multi-matériaux CFRP/aluminium se situe juste avant l’assemblage final. Les pièces percées ont donc une forte valeur ajoutée. L’intérêt de pouvoir prédire le moment où la qualité du perçage s’approche des bornes des spécifications prend alors tout son sens. La mise en place d’un modèle expérimental multi-matériaux par les réseaux de neurones permet prédire la qualité du perçage réalisé pour une séquence d’empilement donnée. En utilisant une démarche similaire, un système de surveillance hors ligne du perçage multi-matériaux a été établi. Deux méthodes ont été développées : la méthode générale permettant de s’adapter à un grand nombre d’empilement et la méthode spécifique, plus précise, mais dont le domaine de validité se cantonne à une seul séquence.

New advances in the field of materials science have led to the emergence of new issues particularly concerning their holes. In the case of aeronautical structures, the drilling of multi-material panels CFRP / aluminum is just before final assembly. Pierced parts thus have a high added value. The interest can predict when the quality of the hole approaches the limits of the specifications takes a lot of sense. The establishment of an experimental model multi-materials by neural networks can predict the quality of the hole made for a given stacking sequence.Using a similar approach, a monitoring system offline drilling multi-materials has been established. Two methods have been developed: the general method to adapt to a large number of stacking and specific method, more accurate, but the range of validity is confined to a single sequence.