Résumé:
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.
