Collections de documents électroniques
RECHERCHER

Modélisation prédictive par réseaux de neurones de la forme et des dimensions des joints de soudure par laser basée sur l'expérimentation et sur la simulation 3D

Téléchargements

Téléchargements par mois depuis la dernière année

Plus de statistiques...

Jacques, Laurent (2017). Modélisation prédictive par réseaux de neurones de la forme et des dimensions des joints de soudure par laser basée sur l'expérimentation et sur la simulation 3D. Mémoire. Rimouski, Québec, Université du Québec à Rimouski, Département de mathématiques, informatique et génie, 127 p.

[img]
Prévisualisation
PDF
Télécharger (2MB) | Prévisualisation

Résumé

RÉSUMÉ: La soudure au laser devient une des techniques d’assemblage les plus efficaces dans l’industrie en raison de sa productivité élevée et de sa flexibilité. Des soudures étroites, profondes et précises à une cadence élevée, une zone affectée thermiquement très restreinte et des distorsions thermiques relativement faibles dues à la concentration de la puissance dans une très petite zone sont les principaux avantages du soudage au laser par rapport aux procédés de soudage conventionnels. Les caractéristiques mécaniques d’une soudure obtenue par laser dépendent principalement des dimensions du cordon de soudure qui dépendent elles-mêmes des paramètres du procédé. Pour exploiter de manière appropriée les avantages offerts par le procédé, il est nécessaire de contrôler ces paramètres afin de produire des cordons de soudure avec les dimensions et les caractéristiques désirées. L’objectif du projet consiste à analyser les relations de dépendance entre la forme et les dimensions du cordon de soudure et les paramètres du procédé dans le but d’établir des modèles permettant la prédiction des caractéristiques de la soudure dans le cas de soudage bout à bout d'acier galvanisé sans avoir recours au long et coûteux processus essai-erreur. Pour obtenir des modèles prédictifs précis et robustes, une approche structurée en trois étapes a été adoptée. La première étape consiste à conduire une investigation expérimentale pour évaluer les effets thermiques et métallurgiques induites par les paramètres du procédé sur la qualité de la soudure. Les expériences sont basées sur une planification utilisant la méthode de Taguchi et réalisées à l'aide d'une source laser Nd: YAG de 3 kW en considérant tous les facteurs connus pour avoir le plus d'influence sur la qualité des soudures (puissance du laser, vitesse de soudure, diamètre de la fibre laser, épaisseurs des tôles et écart entre les tôles) afin d'estimer les variations de quatre attributs de la qualité de la soudure (largeur du cordon, profondeur de pénétration, sous-remplissage et dureté). Les effets des facteurs considérés et leurs contributions à la variation des différentes caractéristiques de la soudure sont analysés à l'aide d'ANOVA. La deuxième étape consiste à développer et à valider expérimentalement un modèle numérique 3D afin de simuler le comportement du procédé sous des conditions difficiles à réaliser expérimentalement. L'approche de modélisation adoptée est basée sur des transformations métallurgiques utilisant les relations de dépendance entre température et propriétés des matériaux et la méthode de l'enthalpie. Les soudages en mode conduction et en mode trou de serrure ont été investigués en utilisant des sources surfacique et volumétrique respectivement. Les résultats des simulations, validés à l'aide de données expérimentales produites dans la phase précédente, ont révélé que le modèle 3D permet de fournir non seulement une prédiction cohérente et précise des caractéristiques des soudures dans des conditions de soudage variées, mais permet également une analyse qualitative et quantitative du comportement du procédé. Cette analyse a permis d'identifier les variables les plus pertinentes à utiliser dans une modélisation prédictive. Finalement, la troisième étape consiste à exploiter les avantages qu’offrent les réseaux de neurones pour développer des modèles de prédictifs précis et robustes. La procédure de développement des modèles est basée sur des données structurées provenant à la fois des expérimentations et des simulations. Les relations entre les paramètres du procédé et les caractéristiques de la soudure ont été analysées et leur sensibilité aux conditions de soudage évaluées à l'aide d'outils statistiques pertinents. Sur la base de ces résultats, plusieurs options de modèle de prédiction ont été établies et évaluées à l'aide de critères précis. Les résultats montrent que les modèles développés présentent d'excellentes performances prédisant les dimensions de la soudure avec une erreur moyenne inférieures à 10% et que l'approche de modélisation par réseaux de neurones peut conduire à des modèles prédictifs consistants capables de fournir des prédictions précises et fiables des caractéristiques de la soudure dans une large gamme de conditions. -- Mot(s) clé(s) en français : Soudage laser, joint bout à bout, acier galvanisé, méthode des éléments finis, simulation 3D, réseaux de neurones, design d’expérience, ANOVA. -- ABSTRACT: Laser welding becomes one of the most effective joining method in the modern industrial production because of its flexibility and high productivity. The very limited heat-affected zone and low thermal distortion due to the highly concentrated heat source are its major advantages compared to the conventional welding processes. In laser welding, the material physicochemical properties and the welding process parameters have significant effects on the weld joint quality attributes. To appropriately exploit the benefits offered by laser welding, it is necessary to develop a comprehensive strategy to control the variables of the process in order to produce desired weld joint characteristics without being forced to use the traditional and fastidious trial and error procedures. This study focuses on the development of an efficient and robust model for predicting the weld bead geometry and shape in laser welding of galvanized steel in butt joint configurations. Experimental and modelling investigations on thermal and metallurgical effects induced by parts specifications and laser welding system parameters on the weld quality is conducted to develop an integrated approach for predictive modelling. To reach accurate and robust weld bead geometry and shape predictive models, a three-step approach is adopted. The first step consists to conduct an experimental investigation focusing on the effects of various laser welding parameters on weld quality. These investigations are based on a structured experimental design using the Taguchi method and conducted using a 3 kW Nd:YAG laser source using factors known to have the most influence on weld quality (laser power, welding speed, laser fiber diameter, gap between sheets and sheet thickness) in order to estimate the variation of four weld quality attributes (bead width, penetration depth, underfill and hardness). The effects of the considered experimental factors and their contributions to the variation of different weld characteristics are studied using ANOVA. The second step consists to develop and validate experimentally a numerical 3D model for simulating the process behaviour under welding conditions difficult to realize experimentally. The adopted modelling approach is based on metallurgical transformations using temperature dependent material properties and the enthalpy method. Conduction and keyhole modes welding are investigated using surface and volumetric heat sources, respectively. Transition between the heat sources is carried out according to the power density and interaction time. Simulations are achieved using 3D finite element model implemented on commercial software. The simulation results, validated using experimental data produced in the previous phase, reveals that the 3D model can provide not only a consistent and accurate prediction of the weld characteristics under variable welding parameters and conditions but also a comprehensive and quantitative analysis of process. This analysis allowed the identification of the most relevant variables to use in the predictive modelling procedure. Then, the third step consists of developing an artificial neural network based prediction models. The models building procedure is based on experimental and simulation fused data. The relationships between welding parameters and geometric characteristics of the welds specifically depth of penetration and bead width are analysed and their sensitivity to the welding conditions evaluated using relevant statistical tools. Based on these results, various options for the prediction model are established and evaluated using improved criteria. The achieved results demonstrate that the resulting models present excellent performances and can effectively predict the weld shape and dimensions in laser welding with an average predicting errors less than 10%. These results demonstrate that the proposed ANN based prediction approach can effectively lead to consistent models able to accurately and reliably provide an appropriate prediction of weld bead geometry and shape under variable welding parameters and conditions. -- Mot(s) clé(s) en anglais : Laser welding, butt joint, galvanised steel, finite element model, 3D simulation, artificial neural network, design of experiment, ANOVA.

Type de document : Thèse ou Mémoire (Mémoire)
Directeur de mémoire/thèse : El Ouafi, Abderrazak
Information complémentaire : Mémoire présenté dans le cadre du programme de maîtrise en ingénierie en vue de l'obtention du grade de maître ès sciences appliquées (M.Sc.A.)
Mots-clés : Soudure Laser Joint forme Dimension Modelisation Prediction
Départements et unités départementales : Département de mathématiques, informatique et génie > Génie
Déposé par : DIUQAR UQAR
Date de dépôt : 19 juin 2018 18:43
Dernière modification : 19 juin 2018 18:43
URI : http://semaphore.uqar.ca/id/eprint/1354

Actions (Identification requise)

Dernière vérification avant le dépôt Dernière vérification avant le dépôt