Contribution à l’amélioration de l’intégrité de surface en usinage dur

Abstract

Cette thèse se focalise sur la prédiction des contraintes résiduelles axiale et circonférentielle en surface par les techniques d’apprentissage automatique (ANN, ANFIS, SVM, GPR) lors du tournage dur à sec de l’acier AISI 52100 par un outil en CBN. L’efficacité des techniques investiguées a été évaluée à la base d’indicateurs de performance (R2, RMSE et MAPE) où le modèle ANFIS émerge comme étant le modèle le plus performant. Aussi, dans le même contexte d’usinage, un problème d’optimisation avec contraintes a été formulé et résolu par un algorithme génétique tout en visant la maximisation du débit de copeaux. De plus, une modélisation numérique basée sur la MEF et une approche analytique via le modèle thermomécanique d’Oxley corrigé ont été employées pour simuler la coupe orthogonale de l’acier AISI H13 par un outil en PCBN. L’effet des paramètres de coupe, notamment la vitesse, sur les efforts de coupe, la température et les contraintes résiduelles a été analysé. En dépit des résultats prometteurs en matière de prédiction des efforts de coupe, il s’est avéré que l’estimation des contraintes résiduelles est délicate.