Optimisation des proprietes nanostructures des alliages a base de fer par les algorithmes genetiques et reseaux de neurones

Abstract

Dans cette étude, un modèle basé sur la combinaison des algorithmes génétiques (GA) et des réseaux de neurones artificiels (ANN) est proposé comme outil d'analyse et d'optimisation des propriétés structurelles et magnétiques des poudres de Fe-Ni nanostructurées préparées par broyage à billes à haute énergie. Initialement, le modèle ANN a été utilisé pour établir une corrélation entre les paramètres de broyage (temps de broyage, composition chimique et vitesse de rotation du disque et des jarres) et le produit final (taille des cristallites et coercivité). Différentes structures ANN ont été développées à partir des données expérimentales recueillies des travaux antérieurs. La meilleure structure, basée sur les critères de performance (le coefficient de corrélation, la racine carrée de l'erreur quadratique moyenne et l'erreur absolue moyenne) a ensuite été utilisée pour l'optimisation par GA. GA a été utilisé pour trouver les paramètres de broyage à billes optimaux. Des optimisations mono-objectif et multi-objectifs ont été appliquées dans le but de réduire le temps de broyage, la taille des cristallites et la coercivité. L'ensemble optimal de paramètres de broyage dans une optimisation multi-objectifs a été déterminé à partir d'une analyse du front de Pareto. Ensuite, le modèle programmation génétique multi-gène a été utilisé pour trouver une relation mathématique précise entre les données d'entrée et de sortie. Enfin, une méthode d'analyse de sensibilité a été appliquée pour déterminer les paramètres de broyage ayant le plus d'influence sur les paramètres de sortie.