Etude comparative entre les modèles prédictifs de la coupe en utilisant les approches RNA et MSR

dc.contributor.authorMaaoui, Said
dc.date.accessioned2019-01-06T10:41:30Z
dc.date.available2019-01-06T10:41:30Z
dc.date.issued2017
dc.description.abstractLors de l'usinage, les conditions de réussite, apparaissent dans la zone de coupe. Dans ce contexte, le lien entre les conditions de coupe (vitesse de coupe, avance, profondeur de passe, et type de l’outil) et la rugosité de surface (Ra et Rt) représente un objectif industriel majeure. Ce travail est concentré sur une étude expérimentale traitant les effets des paramètres de coupe sur la rugosité de surface, obtenue lors de l’usinage de l’acier 42cd4 (AISI 4140) traité à 60 HRC, usiné en tournage dur à sec par des outils en céramique et en carbure métallique. L’étude est divisée en deux parties : la première porte sur la proposition des modèles mathématiques prédictifs de la rugosité de surface, en se basant sur les deux méthodes de modélisations : La méthodologie de surface de réponse (MSR) et les réseaux de neurones artificiels (RNA). La deuxième partie, concerne la comparaison des résultats des deux méthodes de modélisation MSR et RNA, afin de choisir la plus efficace. À partir de l'étude comparative, les modèles RNA se révèlent être capable de mieux prédire la rugosité de surface dans la gamme de l'expérimentation réalisée, que les modèles MSR, en termes de meilleure corrélation et erreur plus faible. Ce qui prouve la robustesse et la fiabilité de la méthode RNAar
dc.description.sponsorshipBouzid Lakhdarar
dc.identifier.urihttp://hdl.handle.net/123456789/7690
dc.language.isodear
dc.publisherUniversité Oum El Bouaghiar
dc.subjectModélisationar
dc.subjectPrédictionar
dc.subjectAcier 42cd4ar
dc.subjectANOVAar
dc.subjectMSRar
dc.subjectRNAar
dc.titleEtude comparative entre les modèles prédictifs de la coupe en utilisant les approches RNA et MSRar
dc.typeOtherar
Files
Original bundle
Now showing 1 - 1 of 1
No Thumbnail Available
Name:
Mémoir Finale.pdf
Size:
2.85 MB
Format:
Adobe Portable Document Format
Description:
License bundle
Now showing 1 - 1 of 1
No Thumbnail Available
Name:
license.txt
Size:
1.71 KB
Format:
Item-specific license agreed upon to submission
Description: