Reconstitution De Défauts Complexes Avec La Méthode Des Réseaux De Neurones. Application Pour L’evaluationnon Destructive.

Résumé: Résumé : dans ce présent travail, nous avons implémenté les réseaux de neurones pour la reconstitution de défauts en évaluation non destructive. Et cela en se basant sur des résultats obtenus dans un contrôle par courants de Foucault. Ce choix est motivé par la capacité des réseaux de neurones de modéliser aussi bien de façon linéaire que non linéaire, les relations entre les données présentées à son entrée et les sorties désirées. Le réel pouvoir des réseaux de neurones réside dans leur capacité d’apprendre ces relations directement à partir des données modélisées. Le développement de cette approche s’est effectué par deux étapes distinctes mais complémentaires. La première s’agissait de proposer une architecture optimale du réseau, en définissant ses caractéristiques ; à savoir, le nombre de neurones dans la couche cachée ainsi que les fonctions d’activation dans les différentes couches du réseau (entrée, cachée et sortie). La deuxième faisait l’objet du choix de l’algorithme d’apprentissage, ainsi que le taux d’apprentissage et l’erreur tolérée (epsilon dans notre cas). Enfin, après avoir mis en oeuvre ce réseau, on a passé à la simulation sous environnement MATLAB. Nous pouvons dire que le réseau de neurones développé nous a permis de reconstituer au moins d’une manière approximative les formes géométriques fournies ; en les adaptant à la seule base de données (les valeurs d’impédances) qu’on a pu avoir en notre disposition, dans un temps acceptable.

Publié dans la revue: