Collections de documents électroniques
RECHERCHER

Prédiction du profil de dureté de l'acier AISI 4340 traité thermiquement au laser

Maamri, Ilyes (2015). Prédiction du profil de dureté de l'acier AISI 4340 traité thermiquement au laser. Mémoire. Rimouski, Québec, Université du Québec à Rimouski, Département de mathématiques, informatique et génie, 152 p.

[img]
Prévisualisation
PDF
Télécharger (4MB) | Prévisualisation

Résumé

RÉSUMÉ: Les traitements thermiques de surfaces sont des procédés qui visent à conférer au cœur et à la surface des pièces mécaniques des propriétés différentes. Ils permettent d’améliorer la résistance à l’usure et à la fatigue en durcissant les zones critiques superficielles par des apports thermiques courts et localisés. Parmi les procédés qui se distinguent par leur capacité en terme de puissance surfacique, le traitement thermique de surface au laser offre des cycles thermiques rapides, localisés et précis tout en limitant les risques de déformations indésirables. Les propriétés mécaniques de la zone durcie obtenue par ce procédé dépendent des propriétés physicochimiques du matériau à traiter et de plusieurs paramètres du procède. Pour être en mesure d’exploiter adéquatement les ressources qu’offre ce procédé, il est nécessaire de développer des stratégies permettant de contrôler et régler les paramètres de manière à produire avec précision les caractéristiques désirées pour la surface durcie sans recourir au classique long et couteux processus essai-erreur. L’objectif du projet consiste donc à développer des modèles pour prédire le profil de dureté dans le cas de traitement thermique de pièces en acier AISI 4340. Pour comprendre le comportement du procédé et évaluer les effets des différents paramètres sur la qualité du traitement, une étude de sensibilité a été menée en se basant sur une planification expérimentale structurée combinée à des techniques d’analyse statistiques éprouvées. Les résultats de cette étude ont permis l’identification des variables les plus pertinentes à exploiter pour la modélisation. Suite à cette analyse et dans le but d’élaborer un premier modèle, deux techniques de modélisation ont été considérées, soient la régression multiple et les réseaux de neurones. Les deux techniques ont conduit à des modèles de qualité acceptable avec une précision d’environ 90%. Pour améliorer les performances des modèles à base de réseaux de neurones, deux nouvelles approches basées sur la caractérisation géométrique du profil de dureté ont été considérées. Contrairement aux premiers modèles prédisant le profil de dureté en fonction des paramètres du procédé, les nouveaux modèles combinent les mêmes paramètres avec les attributs géométriques du profil de dureté pour refléter la qualité du traitement. Les modèles obtenus montrent que cette stratégie conduit à des résultats très prometteurs. -- Mot(s) clé(s) en français : Profil de dureté, modèle de prédiction, traitement thermique de surface au laser, méthode de Taguchi, réseau de neurones, régression multiple, caractérisation géométrique. -- ABSTRACT: Surface transformation hardening processes are designed to improve wear and fatigue resistance by hardening the superficial critical areas using brief and localized heat gains. Among these processes, laser surface transformation hardening process is well-known by his capacity in terms of power flux density and recognized by his fast, local and accurate thermal cycles, while limiting the risks of undesirable distortion and deformation effects. The mechanical characteristics of the hardened surface obtained by this process depend on the physicochemical properties of the treated material and several laser hardening parameters and conditions. To be able to appropriately use the resources offered by this hardening method, it is necessary to develop a comprehensive strategies to control and adjust the process parameters in order to produce desired hardened surface characteristics without being forced to use the traditional and fastidious trial and error procedures. The objective of this project consist to develop an effective model for predicting the hardness profile in the case of steel AISI 4340 mechanical parts heat treated by laser. To understand the process and assess the effects of various parameters on the quality and the performance of laser surface treatment, a sensitivity analysis was conducted using a structured experimental design combined to confirmed statistical analysis tools. The results of this study allowed the identification of the most relevant variables to use in the modeling stage. Based on the suggested variables, two modeling techniques have been considered: multiple regression and artificial neural networks. The evaluation of the preliminary models confirmed that is possible to reach an appropriate prediction of hardened surface characteristics with an accuracy of about 90%. In order to improve the performance of the neural networks based modeling procedure, two new modeling approaches using several geometrical attributes of hardness profile were considered. The new models combine the process parameters with the geometric and punctual characteristics of the hardness profile to reflect the quality and the performance of laser surface treatment process. The results demonstrate that the artificial neural networks based models are able to accurately and reliably provide an appropriate prediction of hardened surface characteristics under variable hardening parameters and conditions. -- Mot(s) clé(s) en anglais : Hardness profile, predictive model, laser surface treatment, neural networks, multiple regression, geometric characteristics, punctual characteristics.

Type de document: Thèse ou Mémoire (Mémoire)
Directeur de mémoire/thèse: El Ouafi, Abderrazak
Co-directeur(s) de mémoire/thèse: Barka, Noureddine
Informations complémentaires: Mémoire présenté dans le cadre du programme de maîtrise en ingénierie en vue de l'obtention du grade de maître ès arts.
Mots-clés: Profil Durete Traitement Thermique Surface Laser Acier Aisi-4340 Modele
Départements et unités départementales: Département de mathématiques, informatique et génie > Génie
Déposé par: DIUQAR UQAR
Date de dépôt: 20 avr. 2017 18:55
Dernière modification: 20 avr. 2017 18:55
URI: http://semaphore.uqar.ca/id/eprint/1183

Actions (Identification requise)

Dernière vérification avant le dépôt Dernière vérification avant le dépôt