Résumé:
L’objectif de ce projet de fin d’études est de caractériser les ‘défauts débouchant’ par l’utilisation des réseaux de neurones. Ceci par le biais de résultats expérimentaux de contrôle non destructif. Les
techniques CND utilisées sont les courants de Foucault et les ultrasons.
Le développement d’intelligence artificielle pour caractériser les ‘défauts débouchant’ est réalisé selon deux étapes : La première, consiste à l’établissement d’une base de données expérimentale
contenant une entrée obtenue par analyse des tests de courant de Foucault et une sortie obtenue par contrôle ultrasonore. La deuxième, comporte une implémentation sous Matlab de la reconstruction
des défauts par les réseaux de neurones. L’algorithme d’apprentissage utilisé est la descente du gradient qui se base sur la proposition d’une architecture optimale du réseau de neurone artificiel. Le réglage des paramètres du réseau tels que le nombre des neurones, le nombre des couches cachées ainsi que le type de la fonction d’activation est aussi considéré.
