Investigation expérimentale et modélisation numérique du procédé de traitement thermique superficiel par laser avec différents modèles de balayage

Tarchoun, Baha (2020). Investigation expérimentale et modélisation numérique du procédé de traitement thermique superficiel par laser avec différents modèles de balayage. Mémoire. Rimouski, Université du Québec à Rimouski, Département de mathématiques, informatique et génie, 139 p.

Prévisualisation

PDF Télécharger (3MB) | Prévisualisation

Résumé

RÉSUMÉ: Le traitement thermique de surface par laser représente une des solutions les plus innovantes dans l'industrie moderne grâce à ses nombreux avantages. Les recherches concernant ce procédé n'ont pas encore révélé toutes ses spécificités et ses subtilités. Cela limite fortement les possibilités d'exploiter adéquatement ses avantages et d'optimiser ses performances. L'objectif de ce projet consiste à investiguer aussi bien expérimentalement que numériquement le procédé de traitement thermique de surface par laser dans le but de développer une stratégie d'optimisation prédictive de ses performances dans le cas de l'utilisation de différents modèles de balayage de la source laser. Cette stratégie permet de conduire à des modèles prédictifs simples, précis et robustes des performances du procédé. Pour atteindre cet objectif, une méthodologie en trois phases est adoptée. La première consiste à conduire une investigation expérimentale pour analyser les effets des modèles de balayage considérés sur les caractéristiques du profile de dureté. L'expérimentation est conduite selon d es plans d'expériences structurés appliqués à des plaques en acier AISI 4340 en utilisant une source laser Nd:Yag de 3 kW. L'analyse des résultats expérimentaux est réalisée à l'aide de techniques statistiques éprouvées. La deuxième phase consiste à développer et à valider expérimentalement un modèle numérique 3D en utilisant la méthode des éléments finis afin de réduire les coûts de l'expérimentation et simuler le comportement du procédé sous des conditions difficiles à réaliser expérimentalement. Les résultats des simulations ont révélé que les modèles 3D permettent de fournir une prédiction cohérente ainsi qu'une analyse qualitative et quantitative du comportement du procédé. Cette analyse a permis d'identifier les variables et les conditions les plus pertinentes à considérer dans une modélisation prédictive. Finalement, la troisième phase consiste à exploiter les avantages qu'offrent les réseaux de neurones artificiels dans le développement de la stratégie d'optimisation prédictive proposée. Des modèles directs et inverses du procédé ont constitués les ingrédients de base de cette stratégie. Une base de données intégrant les données provenant de l'expérimentation et les données issues des simulations numériques est utilisée pour l'apprentissage et pour la validation des modèles. De nombreux critères statistiques sont utilisés pour évaluer les performances des modèles aussi bien en termes xiv de précision que de robustesse. Les résultats obtenus montrent que cette stratégie conduit à des modèles prédictifs précis et robustes. -- Mot(s) clé(s) en français : Traitement thermique de surface par laser, Acier AISI 4340, Analyse thermique, Modèles de balayage, Profil de dureté, Planification d'expériences, ANOVA, Modélisation numérique 3D, Modèle prédictif, Réseaux de neurones artificiels. -- ABSTRACT: Laser surface hardening represents one of the innovative solutions in modern industry thanks to its several advantages. Research has not yet revealed all its details and subtleties, which severely limits the possibility of optimizing its performance and adequately exploiting its advantages. The objective of this project is to investigate experimentally and numerically the laser surface transformation hardening process in order to develop an integrated performance optimization strategy when using different scanning patterns. To achieve this goal, a three-phase methodology is adopted. The first phase consists in performing an experimental investigation to evaluate the effects of the hardening modes and parameters on the hardness profile characteristics. The experimentations are conducted according to structured experimental designs applied to AISI 4340 steel plates using a 3 kW Nd:Yag laser source. The experimental data analysis is carried out using improved statistical tools. The second phase consists of developing and experimentally validating a 3D finite element method based numerical model in order to reduce the cost of experimentation and to simulate the process behaviour under conditions that are difficult to perform experimentally. Simulation results revel that the 3D models provide a consistent prediction as well as a qualitative and quantitative analysis of the process performances. This analysis is used to identify the most relevant variables and conditions to consider in the predictive modeling and the optimisation approach. Finally, the third step consists in exploring the advantages of artificial neural networks to develop an effective predictive optimization strategy. The proposed direct and inverse process models are based on a mixture of data collected from experimental investigations and 3D numerical simulations. A combination of statistical tools and learning procedures are used to improve the modeling procedure. The results shown that this strategy can lead to accurate and consistent predictive models. -- Mot(s) clé(s) en anglais : Laser Surface hardening, AISI 4340 Steel, Thermal Analysis, Hardness Profile, Scanning Patterns, Design of Experiments, ANOVA, Predictive Modeling, 3D Numerical Model, Artificial Neuron Networks.

Type de document :	Thèse ou mémoire de l'UQAR (Mémoire)
Directeur(trice) de mémoire/thèse :	El Ouafi, Abderrazak
Co-directeur(s) ou co-directrice(s) de mémoire/thèse :	Chebak, Ahmed
Information complémentaire :	Mémoire présenté dans le cadre du programme de maîtrise en ingénierie en vue de l'obtention du grade de maître en sciences appliquées (M. Sc. A.).
Mots-clés :	Traitement Thermique Surface Laser Modèles mathématiques Optimisation
Départements et unités départementales :	Département de mathématiques, informatique et génie > Génie
Déposé par :	DIUQAR UQAR
Date de dépôt :	19 août 2021 15:41
Dernière modification :	20 août 2021 12:37
URI :	https://semaphore.uqar.ca/id/eprint/1886

Actions (administrateurs uniquement)

Éditer la notice