Génie Mécaniquehttp://dspace.univ-msila.dz:8080//xmlui/handle/123456789/44242024-03-29T13:49:42Z2024-03-29T13:49:42ZEnhanced investigations and modeling of surface roughness of epoxy/ Alfa fber biocomposites using optimized neural network architecture with genetic algorithmsMadani GrineMohamed SlamaniAissa LaouissiMustapha ArslaneMansour Rokbihttp://dspace.univ-msila.dz:8080//xmlui/handle/123456789/425352024-03-04T10:18:06Z2023-01-01T00:00:00ZEnhanced investigations and modeling of surface roughness of epoxy/ Alfa fber biocomposites using optimized neural network architecture with genetic algorithms
Madani Grine; Mohamed Slamani; Aissa Laouissi; Mustapha Arslane; Mansour Rokbi
Currently, there is a notable attraction within the industry towards biocomposites, driven by the increasing fascination
with natural fber-reinforced composites (NFRCs). These NFRCs ofer remarkable benefts, including cost-efectiveness,
biodegradability, eco-friendliness, and favorable mechanical properties. As a result, the manufacturing processes of natural
fber reinforced polymer (NFRP) composites have garnered attention from both industrial professionals and scientists. The
emergence of these eco-friendly materials in the automotive and aerospace industries has sparked interest in understanding
their production techniques. However, the machining processes of NFRP composites pose signifcant challenges due to the
complex structure of natural fbers, necessitating thorough studies to address these issues efectively. This research paper
presents a comprehensive investigation on surface roughness during the milling process of Alfa/epoxy biocomposites. A
set of 100 experimental trials was conducted to test the surface roughness, and analysis of variance (ANOVA) was used to
assess the impact of cutting parameters and chemical treatment on surface quality.
To develop a predictive model for surface roughness, a hybrid approach called ANN-GA (artifcial neural networks-genetic
algorithms) is proposed in this research. This approach combines ANN and GA to determine an optimal neural network archi tecture. The performance of the ANN-GA model is compared to the Levenberg–Marquardt backpropagation (LM) algorithm.
ANOVA results show that the feed per revolution have a signifcant infuence on surface roughness, followed by the chemi cal treatment of fbers, while machining direction has a smaller efect. The ANN-GA model demonstrates good accuracy in
surface roughness prediction compared to the LM algorithm
2023-01-01T00:00:00ZÉTUDE DE L’USINABILITÉ DES MATÉRIAUX COMPOSITES A FIBRES NATURELLESMadani GRINEhttp://dspace.univ-msila.dz:8080//xmlui/handle/123456789/425342024-03-04T10:14:55Z2024-01-01T00:00:00ZÉTUDE DE L’USINABILITÉ DES MATÉRIAUX COMPOSITES A FIBRES NATURELLES
Madani GRINE
Face aux enjeux environnementaux actuels, le développement de matériaux respectueux de l'environnement tels que les composites de fibres naturelles s'impose comme une alternative crédible aux fibres synthétiques. Ces matériaux présentent de nombreux avantages, notamment leur disponibilité généralisée, leur coût abordable, leur faible densité, leur biodégradabilité, leurs propriétés de résistance spécifiques et leur impact environnemental minime. Cette étude se concentre sur la fabrication et l'usinage d'un matériau composite époxy renforcé avec des fibres d’Alfa (Stipa tenacissima L.). À travers une analyse factorielle complète, l'étude explore l'influence des paramètres de coupe, tels que la vitesse de coupe et l'avance, sur la rugosité arithmétique (Ra) des surfaces usinées, issues des opérations de détourages en opposition (Up milling) et en avalant (Down milling).
Dans ce contexte, un outil de coupe en acier rapide (ARS) a été spécifiquement choisi, tandis qu'une analyse de variance (ANOVA) a été appliquée pour classer les paramètres de coupe en fonction de leur impact sur la qualité de surface du composite époxy/Alpha. En vue de prédire la rugosité de surface, une architecture optimale de réseau neuronal artificiel (ANN) a été recherchée. Cela a conduit à l'adoption d'une approche hybride (ANN-GA) qui intègre la technique ANN avec des algorithmes génétiques (GA). Les performances de cette architecture ANN-GA nouvellement développée ont été comparées à celles de l'algorithme de rétropropagation de Levenberg-Marquardt (LM).
Les résultats indiquent que le mode de détourage en opposition génère systématiquement une meilleure qualité de surface par rapport au mode de détourage en avalant pour la plupart des échantillons usinés. La vitesse d'avance se révèle être le principal facteur influençant la rugosité de surface, contribuant à environ 90 % des variations observées. Des vitesses d'avance particulièrement faibles (0,05 mm/tour) entraînent systématiquement la plus mauvaise rugosité arithmétique, indépendamment de la vitesse de coupe. De plus, l'étude révèle que l'usinage parallèle à la direction des fibres (0°) produit des surfaces plus lisses par rapport à l'usinage perpendiculaire à l'orientation des fibres (90°). Un examen approfondi à l'aide d'images microscopiques et de microscopie électronique à balayage (SEM) a mis en évidence divers défauts, tels que des fissures dans la matrice, des cavités, des ruptures de fibres, des pertes de matrice, des peluches et des dommages thermiques.
Les résultats de l'analyse de variance (ANOVA) mettent en évidence l'impact significatif de la vitesse d'avance sur la rugosité de surface, tandis que le traitement chimique des fibres et la direction d'usinage ont des effets comparativement moindres. De plus, le modèle prédictif ANN-GA pour la rugosité de surface optimisée s'est avéré remarquablement précis par rapport à l'algorithme LM, affichant des valeurs de R2, RSME, MAD, MAPE et MAE à 0,9529, 0,665, 1,009, 11,84% et 0,4339 respectivement.
2024-01-01T00:00:00ZÉTUDE DE L’USINABILITÉ DES MATÉRIAUX COMPOSITES A FIBRES NATURELLESMadani GRINEENCA/Mohamed SLAMANIhttp://dspace.univ-msila.dz:8080//xmlui/handle/123456789/425272024-03-04T08:54:38Z2024-01-01T00:00:00ZÉTUDE DE L’USINABILITÉ DES MATÉRIAUX COMPOSITES A FIBRES NATURELLES
Madani GRINE; ENCA/Mohamed SLAMANI
Face aux enjeux environnementaux actuels, le développement de matériaux respectueux de l'environnement tels que les composites de fibres naturelles s'impose comme une alternative crédible aux fibres synthétiques. Ces matériaux présentent de nombreux avantages, notamment leur disponibilité généralisée, leur coût abordable, leur faible densité, leur biodégradabilité, leurs propriétés de résistance spécifiques et leur impact environnemental minime. Cette étude se concentre sur la fabrication et l'usinage d'un matériau composite époxy renforcé avec des fibres d’Alfa (Stipa tenacissima L.). À travers une analyse factorielle complète, l'étude explore l'influence des paramètres de coupe, tels que la vitesse de coupe et l'avance, sur la rugosité arithmétique (Ra) des surfaces usinées, issues des opérations de détourages en opposition (Up milling) et en avalant (Down milling).
Dans ce contexte, un outil de coupe en acier rapide (ARS) a été spécifiquement choisi, tandis qu'une analyse de variance (ANOVA) a été appliquée pour classer les paramètres de coupe en fonction de leur impact sur la qualité de surface du composite époxy/Alpha. En vue de prédire la rugosité de surface, une architecture optimale de réseau neuronal artificiel (ANN) a été recherchée. Cela a conduit à l'adoption d'une approche hybride (ANN-GA) qui intègre la technique ANN avec des algorithmes génétiques (GA). Les performances de cette architecture ANN-GA nouvellement développée ont été comparées à celles de l'algorithme de rétropropagation de Levenberg-Marquardt (LM).
Les résultats indiquent que le mode de détourage en opposition génère systématiquement une meilleure qualité de surface par rapport au mode de détourage en avalant pour la plupart des échantillons usinés. La vitesse d'avance se révèle être le principal facteur influençant la rugosité de surface, contribuant à environ 90 % des variations observées. Des vitesses d'avance particulièrement faibles (0,05 mm/tour) entraînent systématiquement la plus mauvaise rugosité arithmétique, indépendamment de la vitesse de coupe. De plus, l'étude révèle que l'usinage parallèle à la direction des fibres (0°) produit des surfaces plus lisses par rapport à l'usinage perpendiculaire à l'orientation des fibres (90°). Un examen approfondi à l'aide d'images microscopiques et de microscopie électronique à balayage (SEM) a mis en évidence divers défauts, tels que des fissures dans la matrice, des cavités, des ruptures de fibres, des pertes de matrice, des peluches et des dommages thermiques.
Les résultats de l'analyse de variance (ANOVA) mettent en évidence l'impact significatif de la vitesse d'avance sur la rugosité de surface, tandis que le traitement chimique des fibres et la direction d'usinage ont des effets comparativement moindres. De plus, le modèle prédictif ANN-GA pour la rugosité de surface optimisée s'est avéré remarquablement précis par rapport à l'algorithme LM, affichant des valeurs de R2, RSME, MAD, MAPE et MAE à 0,9529, 0,665, 1,009, 11,84% et 0,4339 respectivement.
2024-01-01T00:00:00ZÉtude comparative entre les performances des cellules Photovoltaïques (CdS / CIGS) et (ZnSe/CIGS).BEN ABD RREZAK AYMEN, CHEBABHI MESSAOUDEnca/ Bechane.Lhttp://dspace.univ-msila.dz:8080//xmlui/handle/123456789/419532024-01-10T10:40:55Z2023-01-01T00:00:00ZÉtude comparative entre les performances des cellules Photovoltaïques (CdS / CIGS) et (ZnSe/CIGS).
BEN ABD RREZAK AYMEN, CHEBABHI MESSAOUD; Enca/ Bechane.L
Le principal objectif de ce travail était d'étudier les performances de deux types de cellules photovoltaïques à couches minces : ZnO/CdS/CIGS et ZnO/ZnSe/CIGS. Les performances de ces cellules ont été évaluées en utilisant le logiciel AMPS-1D, en variant l'épaisseur de chaque couche. Les résultats ont été comparés en termes de courant de court-circuit, tension en circuit ouvert, facteur de forme et rendement. L'absorption de la lumière et les meilleurs matériaux pour obtenir un rendement optimal ont également été étudiés. Cette étude contribue à l'avancement de la technologie photovoltaïque en identifiant les meilleures configurations et matériaux pour améliorer les performances des cellules solaires à couches minces
2023-01-01T00:00:00Z