Académique Documents
Professionnel Documents
Culture Documents
Mémoire
MASTER ACADEMIQUE
Domaine : Sciences et Technologie
Filière : Génie Mécanique
Spécialité : Fabrication Mécanique et Productique
Présenté par: TAMA Chahinez
Thème :
TAMA CHAHINEZ
Remerciements
Je tiens tout d'abord à exprimer ma profonde gratitude envers toutes les personnes
qui m'ont soutenu tout au long de mon parcours de recherche et de rédaction de ce
mémoire de master.
Je tiens à remercier sincèrement mon directeur de mémoire, BELLOUFI
Abderrahim, pour son soutien constant, ses précieux conseils et son expertise qui ont
grandement contribué à la réussite de ce travail. Sa disponibilité et sa bienveillance ont
été d'une grande aide tout au long de ce processus.
Je tiens également à exprimer ma gratitude envers le corps professoral et les membres du
jury d'évaluation qui ont consacré leur temps et leurs compétences à évaluer ce mémoire.
Je n'oublie pas de remercier ma famille pour leur amour, leur soutien indéfectible et leur
compréhension tout au long de mes études.
Enfin, je voudrais adresser mes remerciements les plus sincères à toutes les
personnes qui ont participé à cette recherche en tant que participants ou en fournissant
des ressources et des données. Leur contribution a été essentielle pour la réalisation de ce
travail.
TAMA CHAHINEZ
Table des Matières
Chapitre I
Etude Bibliographique
I.1. Introduction………………………………………………...………………........ 4
I.3.1 Matrice…………………………………………………………………... 5
I.3.2 Renforts…………………………………………………………………. 5
I.3.3 Charges………………………………………………………………….. 7
i
Table des Matières
Chapitre II
Méthodes de modélisation
II.1. Introduction……………………………………………………………………... 39
II.2. Régression linéaire……………………………………………………………… 39
II.2.1 Signification des paramètres de la droite de régression ……………….. 39
II.2.2 Mesure de la qualité d’ajustement d’une régression linéaire ………….. 41
II.2.3 Analyse des résidus d’une régression linéaire …………………………. 42
II.2.4 Régression linéaire polynomiale multiple RLM……………………….. 42
II.3. Régression non linéaire…………………………………………………………. 44
II.3.1 Démarche générale……………………………………………………… 44
II.3.2 Modèles de régression non linéaire ……………………………………. 45
II.3.3 Exemple de régression non linéaire…………………………………….. 47
II.4 Analyse de la variance ANOVA………………………………………………... 48
II.4.1 Type d’analyses statiques ANOVA…………………………………….. 49
II.4.2 Exemple d’ANOVA…………………………………………………….. 49
II.5. Optimisation multi objectif……………………………………………………… 55
ii
Table des Matières
Chapitre III
Résultats et Discussions
III.1. Introduction……………………………………………………………………... 61
III.2. Procédure expérimentale et matériel utilisé ……………………………………. 61
III.2.1 Procédure expérimentales…………………………………………… 61
III.2.2 Matériel utilisé……………………………………………………….. 62
III.3. Données expérimentales………………………………………………………… 62
III.4. Présentation du système de prédiction …………………………………………. 63
III.5. Modélisation par la méthode de la régression linéaire multiple………………... 64
III.6. Analyse de la variance ANOVA………………………………………………... 65
III.7. Présentation des modèles……………………………………………………….. 66
III.8. Analyse des résultats……………………………………………………………. 67
III.9. Validation des modèles…………………………………………………………. 73
III.10. Modélisation non linéaire……………………………………………………….. 74
III.10.1 Modélisation de la contrainte de la résistance à la traction………….. 74
III.10.2 Présentation du modèle de Pukanszky………………………………. 75
III.10.3 Processus d’ajustement de la contrainte de la résistance à la
traction …………………………………………………..………….. 76
III.10.4 Evaluation de l’erreur de précision des modèles calculés…………… 78
III.11. Etude de l’influence des paramètres de fabrication sur les propriétés
mécaniques des composites …………………………………………………….. 81
iii
Table des Matières
la traction t ……………………………………………………… 81
flexion f …………………………………………………………. 83
iv
Liste des Figures
Etude Bibliographique
Figure I.1 Matériau composite………………………………………………… 5
Figure I.2 Composite à renforts de particules………………………………….. 13
Figure I.3 Composite à renforts de paillètes…………………………………… 14
Figure I.4 Composite à renforts de fibres……………………………………… 14
Figure I.5 Composite stratifié…………………………………………………. 15
Figure I.6 Procédé d’enroulement filamentaire………………………………... 15
Figure I.7 Principe du procédé moulage au contact …………………………... 16
Figure I.8 Principe du procédé moulage par projection simultanée…………… 17
Figure I.9 Principe de procédé moulage par injection basse pression de
résine………………………………………………………………… 19
Figure I.10 Principe du procédé moulage à presse à froid……………………….. 21
Figure I.11 Principe du procédé d’infusion de résine sous membrane
souple………………………………………………………………… 22
Figure I.12 Armure taffetas……………………………………………………… 24
Figure I.13 Armure serge de forme 2/2…………………………………………. 24
Figure I.14 Armure satin………………………………………………………... 25
Figure I.15 Orientation des fibres unidirectionnelle……………………………... 26
Figure I.16 Orientation multidirectionnelle aléatoire……………………………. 26
Figure I.17 Orientation des fibres bidirectionnelles……………………………… 27
Figure I.18 Courbe contrainte-déformation……………………………………… 30
Figure I.19 Principe de cisaillement…………………………………………….... 30
Figure I.20 Principe de torsion…………………………………………………… 31
Chapitre II
Méthodes de modélisation
vii
Liste des Figures
Figure II.4 Relation entre les frais de conseil et les actifs du fonds……………… 48
Chapitre III
Résultats et Discussions
Figure III.1 Système de prédiction………………………………………………... 64
viii
Liste des Figures
ix
Liste des Tableaux
Etude Bibliographique
Tableau I.1 Avantages et inconvénients …………………………………………... 16
Tableau I.2 Avantages et inconvénients…………………………………………… 17
Tableau I.3 Avantages et inconvénients…………………………………………… 18
Tableau I.4 Avantages et inconvénients…………………………………………… 19
Tableau I.5 Avantages et inconvénients…………………………………………… 20
Tableau I.6 Avantages et inconvénients…………………………………………… 21
Tableau I.7 Avantages et inconvénients…………………………………………… 22
Tableau I.8 Avantages et inconvénients…………………………………………… 23
Chapitre II
Méthodes de modélisation
Chapitre III
Résultats et Discussions
Tableau III.1 Les valeurs moyennes de résistance à la traction, à la flexion et aux
chocs du composite RFRVE………………………………………... 62
x
Liste des Tableaux
xi
Nomenclature
Nomenclature
Symbole Unité Désignation
D mm Le diamètre de fibre.
F N La force.
L mm La longueur de fibre.
mc g La masse de composite.
mf g La masse de fibre.
mm g La masse de matrice.
xii
Nomenclature
T N Effort normale.
vf m3 Volume de fibre.
vm m3 Volume de matrice
n La déformation transversale.
l La déformation longitudinale.
xiii
Nomenclature
0 et 1 Paramètres de régression.
xiv
1. Introduction Générale
2. Chapitre I : Etude Bibliographique
3. Chapitre II : Méthodes de Modélisation
4. Chapitre III : Résultats et Discussions
5. Conclusion Générale
6. Références Bibliographiques
Introduction Générale
Introduction Générale
Introduction Générale
Les matériaux composites sont des matériaux formés par la combinaison de deux ou
plusieurs composants différents, appelés la matrice et le renfort, afin de créer un matériau
avec des propriétés améliorées. L'étude des matériaux composites est un domaine en
constante évolution qui vise à améliorer les performances mécaniques des matériaux renforcés
en fibres et en particules. Les propriétés mécaniques de ces matériaux dépendent fortement
des paramètres d'élaboration tels que la méthode de fabrication, la composition, la taille et la
forme des renforts… etc.
L'objectif de cette étude est de comprendre comment ces paramètres influencent les
propriétés mécaniques des composites renforcés en fibres et en particules. Nous nous
concentrerons sur l'étude de l'effet des paramètres d'élaboration sur la contrainte de résistance
à la traction, la résistance à la flexion, et la résistance au choc.
Nous examinerons également la modélisation linéaire et non linéaire des composites renforcés
en fibres et en particules.
Cette étude permettra de mieux comprendre les mécanismes de renforcement dans les
composites, ainsi que d'optimiser les paramètres d'élaboration pour améliorer les
performances mécaniques de ces matériaux dans diverses applications industrielles.
Ce mémoire porte sur l'optimisation de la fabrication et des propriétés mécaniques des
composites renforcés par des fibres et des particules, basée sur des données issus des tests
expérimentaux. Le mémoire est structuré en trois chapitres, qui abordent les aspects suivants :
Le premier chapitre de ce mémoire offre une synthèse bibliographique des
connaissances existantes dans le domaine des matériaux composites, en mettant
particulièrement l'accent sur leur fabrication. Il présente une revue bibliographique complète
qui explore les différentes classes de composites, les types de renforts (fibres et particules)
couramment utilisés, ainsi que les procédés de fabrication associés.
Le deuxième chapitre de ce mémoire expose différentes approches de modélisation,
notamment la régression linéaire et non linéaire, ainsi que l'optimisation multi-objectif, dans
le but de modéliser les trois contraintes spécifiques. Ce chapitre explore en détail les principes
fondamentaux de ces méthodes de modélisation et examine leur applicabilité dans le contexte
1
Introduction Générale
2
1. Introduction Générale
2. Chapitre I : Etude Bibliographique
3. Chapitre II : Méthodes de Modélisation
4. Chapitre III : Résultats et Discussions
5. Conclusion Générale
6. Références Bibliographiques
Chapitre I : Etude
Bibliographique
Chapitre I Étude Bibliographique
I.1. Introduction
Le mot composite, dans le terme matériau composite, signifie que deux matériaux ou
plus sont combinés à une échelle macroscopique nettement inférieur à celle de la pièce pour
former un troisième matériau [1].
Ce chapitre commence par présenter les composants des matériaux composites et leurs
classifications, offrant ainsi une compréhension approfondie de leur nature et de leurs
caractéristiques. La deuxième partie du chapitre examine ensuite les différentes méthodes de
fabrication des composites, mettant en évidence les procédés clés utilisés dans leur
production. Enfin, une attention particulière est accordée aux paramètres qui influencent la
fabrication des composites et qui ont un impact sur leurs propriétés.
les Composites à Matrices Organiques (CMO), telles que les polymères organiques
(résine thermodurcissable ou thermoplastique) ;
les Composites à Matrices Céramiques (CMC) réservés aux applications à haute
température ;
les Composites à Matrice Métallique (CMM).
Ces matériaux peuvent aussi être classés selon la nature du renfort, détaillée ci-après ou
selon l’objectif recherché via leurs utilisations. Si l’optimisation des coûts est le principal
objectif, on parlera de composites ‘grande diffusion’. En revanche, pour une utilisation dans
le but d’optimiser les performances mécaniques ou thermiques, liées à une réduction de poids,
on parlera de composite ‘hautes performances’ [3].
4
Chapitre I Étude Bibliographique
I.3.1. Matrice
La matrice au sens le plus large a essentiellement pour rôle de transférer les contraintes
apportées sur le composite aux renforts, de protéger l’ensemble et de conserver la forme du
matériau. Elle doit être déformable et présenter une compatibilité avec les renforts. En outre,
pour des besoins de gain en masse elle doit posséder une masse volumique relativement
faible. La matrice est souvent de nature organique (le plus souvent des résines). On distingue
deux grandes familles de résines : les résines thermodurcissables et les résines
thermoplastiques [5].
a) Les résines thermoplastiques : sont des polymères à chaînes linéaires ou ramifiées, c’est
à dire monodirectionnelles ou bidirectionnelles. Elles sont en général fusibles et solubles.
Les résines thermoplastiques présentent le gros avantage de pouvoir être alternativement
ramollies par chauffage et durcies par refroidissement ce qui permet de faciliter leur
moulage par viscoplasticité. Cette transformation est par ailleurs réversible, ce qui permet
de recycler ce matériau. Les thermoplastiques sont mis en œuvre lorsque la température
5
Chapitre I Étude Bibliographique
est voisine de leur température de transition vitreuse pour les thermoplastiques amorphes,
et jusqu’à la température de fusion pour les thermoplastiques semi-cristallins. les résines
thermoplastiques peuvent renforcées avec des fibres courtes ou avec des fibres longues,
l’utilisation de ces résines se développe fortement notamment comme matrice des
composites "structuraux"[3].
Parmi les résines thermoplastiques utilisées dans les composites aéronautiques on peut
citer [5] :
Polyesters insaturés : sont les résines les plus utilisées dans l'application composite de grande
distribution. Une résine de polyester insaturé contenant un monomère (généralement le
styrène) est réticulée à température ambiante par addition d’un catalyseur de type peroxyde
organique et d’un accélérateur. Elle passe successivement de l’état liquide visqueux initial à
l’état de gel, puis à l’état de solide infusible.
La réaction est exothermique et la température de la résine augmente progressivement
depuis le gel jusqu’à un maximum pour redescendre ensuite lentement à la température
ambiante. Le durcissement sera d’autant plus rapide ou, si l’on préfère, le temps nécessaire
dans le moule sera d’autant plus court que la courbe de température en fonction du temps se
rapprochera davantage de la verticale [2].
Il existe différents types de résines :
6
Chapitre I Étude Bibliographique
I.3.2. Renforts
Sont la phase discontinue du composite. Avec de très hautes caractéristiques
mécaniques, le renfort est généralement composé de matériau avec des propriétés mécaniques
plus élevées que la résine. Les renforts confèrent aux composites leurs caractéristiques
mécaniques élevées : rigidité, résistance à la rupture, dureté, etc... Ces renforts permettent
également une amélioration des propriétés physiques du produit final : comportement
thermique, tenue en température, tenue au feu, résistance à l’abrasion, propriétés électriques,
etc.... Les caractéristiques recherchées pour les renforts sont : des caractéristiques mécaniques
7
Chapitre I Étude Bibliographique
élevées, une masse volumique faible, une bonne compatibilité avec les résines, une bonne
facilitée de mise en œuvre, etc.... En fonction des utilisations [5].
a) Fibre de verre : Elles constituent le renfort essentiel des composites de grande diffusion.
Elle est obtenue à partir de sable (silice) et d'additifs (alumine, carbonate de chaux,
magnésie, oxyde de bore). On distingue trois types de fibres [2]:
E : pour les composites de grande diffusion et les applications courantes ;
R : pour les composites hautes performances ;
D : pour la fabrication de circuits imprimés (propriétés diélectriques).
a) Fibre de carbone : C'est la fibre la plus utilisées dans les applications hautes
performances. Elle est obtenue par carbonisation de la fibre de PAN (Polyactylonitrile).
Selon la température de combustion, on distingue deux types de fibres [2]:
fibres haute résistance (HR) : pour une combustion de 1000 à 1500 °C ;
fibres haut module (HM) : pour une température de combustion de 1800 à 2000 °C.
b) Fibre d'aramide : Souvent appelée KEVLAR®, la fibre d'aramide est issue de la
chimie des polyamides aromatiques. Il est possible de trouver deux types de fibres
d'aramide de rigidités différentes [2]:
les fibres bas module : utilisées pour les câbles et les gilets pare-balles ;
la fibre haute module : employées dans le renforcement pour les composites hautes
performances.
c) Fibre de bore : Fibres de haut module et insensibles à l'oxydation à hautes températures,
elles sont obtenues par dépôt en phase gazeuse sur un substrat en tungstène [2].
d) Fibre de silice (ou de quartz) : Elles sont produites comme le verre, par fusion, et sont
essentiellement utilisées pour leur haute tenue chimique et thermique dans les tuyères
pour moteur de fusée [2].
e) Fibres de polyéthylène de haut module : Elles présentent une très bonne résistance à la
traction mais une mauvaise mouillabilité. Pour des structures peu sollicités, on peut
encore utiliser des fibres synthétiques courantes de polyamide ou polyester [2].
I.3.3. Charges
On désigne sous le nom général de charge toute substance inerte, minérale ou végétale
qui, ajoutée à un polymère de base, permet de modifier de manière sensible les propriétés
mécaniques, électriques ou thermiques, d’améliorer l’aspect de surface ou bien, simplement,
de réduire le prix de revient du matériau transformé.
8
Chapitre I Étude Bibliographique
9
Chapitre I Étude Bibliographique
Il est surtout utilisé avec le PVC et dans les matières thermodurcissables (SMC, BMC)
ainsi que les polyuréthannes (RIM) en raison de son caractère hydrophobe .
Les silices : La silice (SiO ), à l’état pur ou combinée avec des oxydes métalliques, est
utilisée comme sous différentes formes, suivant son origine, sa cristallinité, sa dureté et
la taille des particules. Son incorporation dans la résine améliore les propriétés
diélectriques, la résistance à la chaleur et à l’humidité des objets moulés, par exemple
ceux en poly (méthacrylate de méthyle).
On constate également l’augmentation de la température de transition vitreuse, du
module d’Young et de la résistance en compression, ainsi que la réduction du
gonflement dans les solvants [2].
Les talcs : Les talcs sont utilisés pour améliorer l’isolation thermique et la résistance à
l’eau, et faciliter l’opération de moulage.
Le talc est la charge la plus utilisée dans les thermoplastiques. Il leur confère une
meilleure résistance au fluage ainsi qu’une plus grande rigidité. Notons également que
l’introduction de talc facilite l’usinage des produits finis [2].
La wollastonite : Cette charge se présente sous différentes formes : aiguilles, granulés,
fibres. Elle est surtout utilisée dans les polyamides, les ABS et les polysulfones,
également en remplacement des fibres de verre dans les SMC et les BMC. Elle améliore
en particulier la résistance au rayonnement ultraviolet et à l’hydrolyse. Elle est aussi
employée dans les résines époxydes pour assurer une bonne stabilité dimensionnelle
ainsi que l’isolation thermique et électrique, et permet un contrôle du retrait au moulage
[2].
Les argiles et alumino-silicates : Ces substances minérales sont en grande partie
constituées par de la silice (42 à 70 %) et de l’alumine (14 à 45 %).
Le kaolin contribue à une meilleure résistance chimique et électrique, et diminue
l’absorption d’eau. On peut l’ajouter à des taux atteignant 60 % dans les compositions à
base d’esters polyvinyliques, mais habituellement les poudres à mouler en contiennent de
20 à 45 %.
Le kaolin calciné est utilisé dans les mélanges pour l’isolation de câbles et dans les
isolants.
Mélangé à de l’alumine et de la silice, le kaolin calciné est utilisé pour assurer la
résistance aux acides.
La vermiculite est utilisée comme charge de faible densité (2,4) dans les plastiques
renforcés de fibres de verre.
10
Chapitre I Étude Bibliographique
d) Le verre : il existe plusieurs types de verre, chacun ayant ses propres caractéristiques et
utilisations, notamment :
Poudres de verre : Une nouvelle variété de poudre de verre de granulométrie 13 µm est
apparue sur le marché et son incorporation confère aux thermodurcissables de meilleures
résistances à l’abrasion et à la compression ; elle permet par ailleurs d’obtenir un retrait plus
faible et plus homogène des pièces moulées [2].
Billes de verres creuses : Les billes de verre creuses, de densité comprise entre 0,1 et 0,5, sont
obtenues par chauffage de billes de verre contenant un agent gonflant. Elles améliorent les
résistances à l’eau et au vieillissement du PMMA, et diminuent la friabilité des pièces
phénoliques. Les densités de ces microsphères creuses du type borosilicate de sodium et de
calciumsont comprises entre 0,38 et 0,45 ; parallèlement, leur résistance à la compression
varie de 1,7 à 31 MPa. Les applications sont nombreuses (bâtiment, automobile et
aéronautique) [2].
Microsphères de verre : L’utilisation de microsphères de verre permet de réduire de 25 à 35
% la masse des pièces obtenues soit à partir de BMC ou de SMC destinées en particulier à
l’industrie automobile, soit également à partir de résines phénoliques pour l’industrie
aéronautique. On utilise par ailleurs ce type de charge, dans le cas du PPO modifié, pour la
réalisation des capotages de machines de bureau. Elle permet la réduction du temps de cycle
de moulage de 20 à 30 %. Il en est de même dans le cas du moulage des mousses structurelles
en polyuréthannes [2].
e) Le carbone : Parmi les types qui peuvent être utilisés comme charges :
Le noir de carbone : Le noir de carbone est utilisé depuis très longtemps dans l’industrie des
plastiques, à la fois comme colorant, pigment, barrière anti-UV, antioxydant. Le noir de
carbone améliore la résistance à la chaleur du polyéthylène réticulé par irradiation et celle du
PVC. La conductivité thermique augmente avec le taux de charges, indépendamment de la
taille des particules. Par contre, la conductivité électrique des matériaux chargés augmente
avec le taux de carbone et avec la finesse des particules [2].
12
Chapitre I Étude Bibliographique
13
Chapitre I Étude Bibliographique
b) Composites à renforts de paillettes : Les paillettes ont une dimension très faible par
rapport aux autres dimensions. La dispersion de ces « particules minces » est
généralement aléatoire. Cependant, les paillettes peuvent être rangées parallèlement l’un à
l’autre afin d’avoir des propriétés plus uniformes dans le plan [7].
c) Composites à renforts de fibres : Une fibre a une longueur bien supérieure aux
dimensions de la section transversale. Ce type de composites peut être divisé selon les
renforts : en fibres discontinues (courtes) ou en fibres continues (longues) [7].
14
Chapitre I Étude Bibliographique
a) Cas d'utilisation
Procédé pour petites séries : de 1 à 1000 pièces / an ;
Pièces de grandes à très grandes dimensions ;
Revêtement sur supports divers et in situ.
a) Matériel
Moule : simple coque généralement en composite, éventuellement en
plusieurs éléments assemblés ;
16
Chapitre I Étude Bibliographique
17
Chapitre I Étude Bibliographique
a) Cas d'utilisation
Production de pièces de moyennes à grandes dimensions ;
Recherche de réduction des coûts par rapport au contact ;
Petite et moyenne série [2].
b) Matériel
Moules en composites (simple coque) ;
Machine de projection (mélange interne ou externe) ;
Dispositif de ventilation, extraction des vapeurs de styrène ;
Petit outillage de stratification à la main [2].
c) Les avantages et inconvénients de ce procédé
Les avantages de ce procédé sont répertoriés dans le tableau ci-dessous
18
Chapitre I Étude Bibliographique
Figure I. 9 Principe de procédé moulage par injection basse pression de résine [2].
a) Cas d'utilisation
Procédé pour moyennes séries : 1000 - 10000 pièces/an ;
Pièces demandant une reproductibilité d'épaisseur [2].
b) Matériel
Moule et contre-moule en composite rigides et résistants avec système de fermeture
rapide ;
19
Chapitre I Étude Bibliographique
20
Chapitre I Étude Bibliographique
a) Cas d'utilisation
Production en moyenne séries (500 à 5000 unités).
b) Matériel
Presse compression basse pression (30 t/m² utiles) à vitesse de fermeture réglable ;
Moule et contre-moule : caissons en composites et béton de résine.
c) Les avantages et inconvénients de ce procédé
Les avantages de ce procédé sont répertoriés dans le tableau ci-dessous
21
Chapitre I Étude Bibliographique
22
Chapitre I Étude Bibliographique
Le sergé : est intermédiaire de taffetas et de satin. Un fil de chaîne passe sous plusieurs fils de
trame successif puis en dessus d’un fil de trame, en suivant un schéma régulier. Ce type
d’armure produit un motif diagonal, ces tissus sont à la fois denses et souples [6].
24
Chapitre I Étude Bibliographique
Le satin : le fil de chaîne flotte au-dessus de plusieurs fils de trame, cette forme est la plus
déformable : elle est utilisée pour réaliser des forme complexe. Les satins utilisés pour les
composites sont les satins de 5 et 8 [6].
c) Feutres ou mats : Nous appelons feutre ou mat un tapis de fibres, coupées ou non,
aléatoirement orientées dans un plan. Les produits tels quels ou sous forme pré imprégnés.
Dans le cas de produits tel quel ; les fibres doivent être liées entre elles : soit
chimiquement par le dépôt à faible taux de colles, soit mécaniquement par aiguilletage pour
conserver leur comportement en feuilles lors de leur mise en œuvre [6].
25
Chapitre I Étude Bibliographique
b) Multidirectionnelle aléatoire : Il est possible de fabriquer des composites avec des fibres
disposées dans trois directions. Par construction tous les composites sont fortement
anisotropes, puisque la rigidité et la résistance des fibres sont de l’ordre de 50 à 100 fois
supérieures à celles des résines.
Elles peuvent se présenter sous les formes :
26
Chapitre I Étude Bibliographique
27
Chapitre I Étude Bibliographique
vc vm v f (I. 1)
vf
Vm % (I. 3)
vc
28
Chapitre I Étude Bibliographique
mc mm m f (I. 4)
mm
M m % (I. 5)
mc
mf
M f % (I. 6)
mc
On note que : Vm V f 1
I.7.1. Contrainte
La contrainte est une mesure de la force par unité de surface appliquée à un matériau.
Elle est définie comme la force exercée sur une surface divisée par la surface sur laquelle elle
agit.
F
(I. 7)
A
Où est la valeur de la contrainte (MPa), F est la force mesurée (N) et A0 est l'aire de
pmax
u (I. 7)
A0
Avec :
La résistance à la traction est la valeur la plus fréquemment citée à partir des résultats
d'un essai de traction. En fait, cependant, il s'agit d'une valeur de peu d'importance
fondamentale en ce qui concerne la résistance d'un métal. Pour les métaux ductiles, la
résistance à la traction doit être considérée comme une mesure de la charge maximale qu'un
métal peut supporter dans les conditions très restrictives de chargement uniaxial [11].
b) Contrainte de cisaillement
Un solide soumis au cisaillement, peut être modélisé de la façon suivante :
L’expression de cisaillement :
T
(I. 9)
S
Avec :
30
Chapitre I Étude Bibliographique
L’expression de torsion :
Mt
M (I. 10)
I0
Avec :
I.7.2. Déformation
l
(I. 11)
l0
31
Chapitre I Étude Bibliographique
Et (I. 12)
dans (MPa), est la différence de la valeur de déformation pour un point nominal sans
dimension [12].
longitudinale [11].
En May 2000, Patricia Krawczak et al [13], ont présenté les premiers résultats d'un
projet axé sur l'optimisation conjointe du matériau, du procédé et du produit, appliquée
aux composites moulés par injection de résine sur renforts textiles (RTM). L'approche
consiste à rendre les composites à base de fibres de verre et de matrice organique
fonctionnels en intégrant des capteurs résistifs en fibre de carbone dans les renforts
positionnés dans le moule. L'évolution de la résistance électrique de ces capteurs est
suivie à deux étapes clés : d'abord pendant le processus de fabrication de la pièce, ce
qui permet de surveiller le remplissage du moule et de comprendre les détails du
procédé de fabrication. Les premiers résultats expérimentaux ont confirmé la faisabilité
de cette méthode. Ensuite, après la polymérisation de la résine, la résistance électrique
est surveillée pendant l'utilisation de la pièce, ce qui permet de détecter les dommages
causés par des sollicitations mécaniques et d'évaluer l'intégrité structurelle. Une étude
de base a été réalisée pour valider cette approche sur une "structure intelligente"
industrielle, présentant une géométrie de révolution soumise à des sollicitations
complexes. La modélisation de la réponse du capteur offre des perspectives
intéressantes en termes de maintenance préventive.
32
Chapitre I Étude Bibliographique
36
Chapitre I Étude Bibliographique
I.9. Conclusion
Dans ce chapitre, nous avons abordé les matériaux composites sous différents angles,
en examinant leur classification, leurs propriétés et les facteurs susceptibles de les influencer.
De plus, nous avons examiné certaines études antérieures qui ont tenté d'optimiser les
paramètres de fabrication des composites. Cette analyse nous permet de mieux comprendre
les facteurs cruciaux impliqués dans le processus de fabrication et d'établir des liens entre ces
paramètres et les caractéristiques finales des composites. L'ensemble de ces informations
constitue une base solide pour le développement ultérieur de ce chapitre et de mémoire dans
son ensemble.
37
1. Introduction Générale
2. Chapitre I : Etude Bibliographique
3. Chapitre II : Méthodes de Modélisation
4. Chapitre III : Résultats et Discussions
5. Conclusion Générale
6. Références Bibliographiques
Chapitre II : Méthodes de
modélisation
Chapitre II Méthodes de modélisation
II.1 Introduction
L'analyse de régression est une méthode statistique utilisée pour étudier les relations
entre les variables. Son objectif principal est de décrire et prédire les relations entre plusieurs
variables. Dans ce chapitre, nous explorerons les différentes méthodes de régression et
aborderons également l'analyse de la variance. Notre but est de mieux comprendre ces
techniques et d'appréhender leur application dans la modélisation des relations entre les
variables.
Les Yi et les X i n’étant pas, dans l’immense majorité des cas, exactement liées de façon
affine, on suppose qu’elles le sont "en moyenne" c’est à dire que E Yi 0 1 E X i pour
tous i = 1 . . . n [26].
39
Chapitre II Méthodes de modélisation
Yi 0 1 X i i (II. 1)
Pour i = 1 . . . n ,
Où
Yi 0 1 xi i (II. 2)
Pour i = 1 . . . n ,
Où
40
Chapitre II Méthodes de modélisation
a) Coefficient de détermination R 2
y y yˆ y y yˆ
i 1
i
i 1
i
i 1
i i (II. 4)
SCT SCE SCR
yi y yˆi y y yˆ
2 2 2
i i
i 1
n
i 1
n
i 1
n (II. 6)
y y y y y y
2 2 2
i i i
i 1 i 1 i 1
Avec :
SCT : est la somme des carrés totaux où elle indique la variabilité totale de Y c.à.d.
L’information disponible dans les données.
SCE : est la somme des carrés expliquées, cette quantité est la variabilité expliquée par
le modèle c.à.d. la variation de Y expliquée par X.
SCR : est la somme des carrés résiduels. Elle Ecrite la variabilité non-expliquée
(résiduelle) par le modèle (l’écart entre y et yb ).
n
yˆ y
2
i
La quantité i 1
n
R 2 est appelée le coefficient de détermination, alors [24]:
y y
2
i
i 1
y yˆ
2
i i
1 R2 i 1
n (II. 7)
y y
2
i
i 1
41
Chapitre II Méthodes de modélisation
n n
yi yˆi ˆ
2 2
i
R2 1 i 1
n
1 n
i 1
(II. 8)
y y y y
2 2
i i
i 1 i 1
La droite de régression des moindres carrés, y a bx minimise la somme des carrés des
différences des points par rapport à la droite, d’où l’expression « moindres carrés ». Nous
n’étudierons pas la manière d’obtenir les formules relatives à la droite qui s’ajuste le mieux
ici. Cependant, nous montrerons comment utiliser ces formules pour trouver les
coefficients 𝑎 et 𝑏 de la droite [25].
i 1,..., n
Où 0 , 1 , 2 ,..., p sont appelés les paramètres ou les coefficients inconnus du modèle que
i est l’erreur du modèle (bruit), il représente la déviation entre ce que le modèle prédit et
la réalité.
b) Notation matricielle
Ce modèle s’écrit sous la forme des équations comme suit [24] :
y1 1 x11 . . . x1 p 1 1
y
2 1 x 21 . . . x2 p 2 2
yn 1 xn1 . . . xnp p n
Où
Yi y0 f ( X i , y) i (II. 11)
Où :
X i1 y0
X i2 y1
X i . , y .
. .
X y
iq p 1
44
Chapitre II Méthodes de modélisation
supposés avoir une espérance nulle, une variance constante et être non corrélé, tout comme
pour la régression linéaire des modèles. Souvent, un modèle d'erreur normale est utilisé qui
suppose que les termes d'erreur sont variables aléatoires normales indépendantes à variance
constante [25].
Le vecteur de paramètre dans la fonction de réponse f ( X , y) est maintenant noté γ plutôt que
β pour rappeler que la fonction de réponse est ici non linéaire dans les
paramètres [25].
Où
Un modèle de régression exponentielle non linéaire plus général dans une variable prédictive
avec des termes d'erreur normaux est [27]:
Où les termes d'erreur sont normaux indépendants avec une variance constante 𝜎 . La
fonction de réponse pour ce modèle de régression est [27]:
Le modèle de régression exponentielle (II. 14) est couramment utilisé dans les études de
croissance où le taux de croissance à un temps donné X est proportionnel à la quantité de
croissance restante à mesure que le temps augmente, y0 représentant la valeur de croissance
45
Chapitre II Méthodes de modélisation
y0
Yi i (II. 16)
1 y1 exp y2 X i
Où les termes d'erreur 𝜀 sont normaux indépendants avec une variance constante 2 .
Et la fonction est :
y0
f ( X , y) (II. 17)
1 y1 exp y2 X
Notez à nouveau que cette fonction de réponse n'est pas linéaire dans les paramètres y0 ,
y1 et y2 .
46
Chapitre II Méthodes de modélisation
Yi 1e2 Xi ui (II.19)
1 0.520 0.5
2 0.508 5.0
3 0.484 10
4 0.46 15
5 0.4398 20
6 0.4238 25
7 0.4115 30
8 0.402 35
9 0.3944 40
10 0.388 45
11 0.3825 55
12 0.3738 60
47
Chapitre II Méthodes de modélisation
Figure II.4 Relation entre les frais de conseil et les actifs du fonds [28].
Initialement 1 =0,45 et 2 = 0,01. Ce sont de pures suppositions, parfois basées sur une
expérience antérieure ou un travail empirique antérieur ou obtenues en ajustant simplement un
modèle de régression linéaire même si cela peut ne pas être approprié. À ce stade, ne vous
inquiétez pas de la façon dont ces valeurs sont obtenues [28].
48
Chapitre II Méthodes de modélisation
1 a 1
2 a 2
3 a 4
4 b 5
5 b 6
6 b 7
Après calcul la moyenne des données et la somme carrés, nous organisons les données dans le
tableau ci-dessous
Tableau II. 3 La moyenne des données et la somme carrés [29].
Groupe a Groupe b
Moyenne 2 6
somme de carrés (ss) 2 2
49
Chapitre II Méthodes de modélisation
Moyenne globale 4
Somme totale de carré 28
SS df MS F p
Intercept 96 1 96 96 0.0006
groupe 24 1 24 24 0.0080
erreur 4 4 1
Figure II. 6 Régression linéaire simple pour l’y-réponse en fonction de groupe [29].
50
Chapitre II Méthodes de modélisation
variances moyennes (MS). Lorsque le ratio est assez grand, on conclut que les moyennes
des populations sont significativement différentes l’une de l’autre [29].
Variables dépendantes (réponses) et facteurs (variables indépendantes) : Les
variables mesurées sont appelées les variables dépendantes (réponses, variable d’intérêt).
Les variables qui sont manipulées ou contrôlées (fixées ou mesurées) sont appelées les
variables indépendantes (ou facteurs) [29].
Plusieurs facteurs : En général, les expériences ont typiquement plusieurs facteurs. La
méthode d’analyse ANOVA est capable de tenir en compte plusieurs facteurs ainsi que
des structures complexes qui peuvent être présentes dans les données [29].
b) Exemple 2: Supposons que l’on tient en compte un deuxième facteur, sexe de l’individu.
1 a Hom 1
2 a Hom 2
3 a Hom 3
4 b Hom 5
5 b Hom 6
6 b Hom 7
7 a Fem 3
8 a Fem 4
9 a Fem 5
10 b Fem 7
11 b Fem 8
12 b Fem 9
Après calcul la moyenne des données, nous organisons les données dans le tableau ci-dessous
Tableau II. 6 La moyenne des données [29].
moyenne Groupe a Groupe b
Hommes 2 6
Femmes 4 8
Tous 3 7
SS df MS F p
Intercept 300 1 300 150 0.0000
Groupe 48 1 48 24 0.0006
erreur 20 10 2
Figure II.7 Régression linéaire simple pour l’y-réponse en fonction de groupe [29].
Les groupes sont différents mais une partie de cette différence est due au facteur sexe.
L’analyse ANOVA est une méthode puissante car elle permet de :
52
Chapitre II Méthodes de modélisation
c) Effets principaux et effets d’interaction : Une analyse correcte pour comparer les 2
groupes devra tenir en compte l’influence du facteur sexe. Il y deux modèles que l’on peut
proposer. Un premier modèle général (complet) qui incorpore des effets principaux des
facteurs et en plus un effet d’interaction entre les eux facteurs. Un deuxième modèle
simple incorpore des effets principaux seulement. On recommande de considérer un
modèle général complet avec des effets d’interaction comme la première modélisation
pour interpréter des données. À la suite de cette première analyse on peut enlever des
effets principaux et des effets d’interaction qui ne sont pas significatifs en vue d’avoir un
modèle parcimonieux. On recommande de conserver dans le modèle final des effets
principaux non significatifs si des effets d’interaction significatifs impliquent ces facteurs.
C’est le principe de hiérarchie [29].
Analyse 1 : modèle complet y = général + groupe + sexe + groupe*sexe
df SS MS F p
intercept 1 300 300 300 0.0000
groupe 1 48 48 48 0.0001
sexe 1 12 12 12 0.0085
Groupe*sexe 1 0 0 0 1.0000
erreur 8 8 1
total 11 68
53
Chapitre II Méthodes de modélisation
df SS MS F p
intercept 300 1 300 337.5 0.000000
groupe 48 1 48 54.0 0.000043
sexe 48 1 48 54.0 0.0085
erreur 8 9 0.89
Figure II.9 Régression linéaire simple pour l’y-réponse en fonction de groupe et sexe [29].
54
Chapitre II Méthodes de modélisation
55
Chapitre II Méthodes de modélisation
56
Chapitre II Méthodes de modélisation
II.5.3 Dominance
Lorsque nous avons résolu notre problème d’optimisation multi-objectif, nous avons
obtenu une multitude de solutions. Seul un nombre restreint de ces solutions va nous
intéresser. Pour qu’une solution soit intéressante, il faut qu’il existe une relation de
dominance entre la solution considérée et les autres solutions, dans le sens suivant [31] :
Notons que pour toute paire de solution y et z un et un seul des cas suivants peut se
présenter:
57
Chapitre II Méthodes de modélisation
y domine
y est dominé par z
y et z sont équivalents au sens de la dominance.
Les solutions équivalentes au sens de la dominance sont appelées dans ce qui suit, solutions
équivalentes au sens de Pareto ou solutions Pareto équivalentes ou encore, solutions non-
dominées [31].
Figure II. 11 Exemple de Front de Pareto dans un espace à deux critères [33].
58
Chapitre II Méthodes de modélisation
II.6 Conclusion
Dans ce chapitre, nous avons examiné deux systèmes de modélisation distincts, à savoir
la régression linéaire multiple, la régression non linéaire, en plus d'aborder brièvement le
concept d'optimisation multi-objectif. Chacun de ces systèmes offre des approches différentes
pour représenter et analyser les relations entre les variables. La régression linéaire multiple
nous permet de modéliser les relations linéaires entre une variable dépendante et plusieurs
variables indépendantes, ce qui est utile lorsque les relations sont relativement simples et
directes. En revanche, la régression non linéaire nous offre la possibilité d'explorer des
relations plus complexes et courbes entre les variables, permettant ainsi de capturer des
modèles plus sophistiqués présents dans les données. De plus, l'optimisation multi-objectif
nous permet de trouver des solutions qui optimisent simultanément plusieurs objectifs, ce qui
est particulièrement utile lorsque nous devons prendre en compte plusieurs critères dans notre
analyse. Cette variété de systèmes de modélisation nous donne des outils flexibles pour
analyser et interpréter les données, en fonction de la nature des relations que nous souhaitons
étudier et des objectifs que nous cherchons à atteindre.
59
1. Introduction Générale
2. Chapitre I : Etude Bibliographique
3. Chapitre II : Méthodes de Modélisation
4. Chapitre III : Résultats et Discussions
5. Conclusion Générale
6. Références Bibliographiques
III.1 Introduction
Dans ce chapitre, nous avons entrepris une mise en œuvre concrète des deux méthodes
abordées dans le chapitre précédent, à savoir la régression linéaire multiple et la régression
non linéaire. Notre objectif principal était de modéliser les trois contraintes essentielles, à
savoir la résistance traction, la résistance à la flexion et la résistance aux chocs. En utilisant
ces techniques, nous avons cherché à obtenir des modèles précis qui permettent de prédire les
performances des matériaux composites dans différentes situations. Ensuite, nous nous
sommes concentrés sur l'étape cruciale consistant à identifier les valeurs optimales des
paramètres de fabrication afin d'obtenir des résultats optimaux pour chaque contrainte.
61
Chapitre III Résultats et Discussions
changements sur un ou plusieurs des variables de réponse telles que la résistance à la traction
( t ) à la flexion ( f ), et la résistance au choc ( Rc ).
Tableau III. 1 Les valeurs moyennes de résistance à la traction, à la flexion et aux chocs du
composite RFRVE [34].
Résistance
Longueur Teneur en Diamètre de Résistance à Résistance à
aux chocs
N° de fibre fibres la fibre la traction la flexion
(mm) (wt%) (mm) (MPa) (MPa) KJ
m2
1 3 18.88 0.24 28.5 35.9 0.97
2 3 18.88 0.82 30.7 34.7 1.11
3 3 18.88 1.45 28.3 32.3 0.89
4 3 36.01 0.24 35.8 40.8 1.82
5 3 36.01 0.82 39.5 37.1 1.8
6 3 36.01 1.45 33.9 36.2 1.91
7 3 51.79 0.24 31.9 35.3 1.96
8 3 51.79 0.82 33.5 34.2 1.85
9 3 51.79 1.45 32.7 33.7 1.83
10 8 18.88 0.24 34.2 40.5 1.23
11 8 18.88 0.82 33.4 40.4 1.28
62
Chapitre III Résultats et Discussions
63
Chapitre III Résultats et Discussions
64
Chapitre III Résultats et Discussions
Y A0 A1X 1 A2 X 2 A3X 3 A4 (X 1X 2 ) A5 (X 1X 3 ) A6 (X 2 X 3 ) A7 (X 12 )
(III. 1)
A 8 ( X 2 2 ) A9 ( X 3 2 )
L'objectif de la régression linéaire dans ce contexte est d'obtenir les valeurs des coefficients
(A0, A1,..., A9). La modélisation est effectuée à l'aide du logiciel MATLAB en utilisant des
fonctions de régression linéaire qui permettent de trouver ces valeurs de coefficients.
L’analyse de variance ANOVA pour les trois sorties ( t et f et Rc ) est donnée dans
65
Chapitre III Résultats et Discussions
66
Chapitre III Résultats et Discussions
0.8
0.7
Levier
0.6
0.5
0.4
0.3
0 5 10 15 20 25 30
Numéro de ligne
Figure III. 3 Graphique d’influence de levé des donnés et du modèle.
En analysant attentivement la figure III.3, il est clair qu'il n'y a pas de points de levier
particulièrement élevés, ce qui suggère une absence de valeurs aberrantes influentes.
Toutefois, il convient de souligner que ce graphique ne fournit qu'une indication limitée en
cas de présence de valeurs extrêmes. Par conséquent, afin de détecter toute observation
potentiellement influente, il est essentiel de se pencher sur la distance de Cook, qui mesure
l'influence globale d'un point de données sur les coefficients de régression. Cette analyse
supplémentaire permettra d'identifier les points ayant une forte influence sur le modèle et de
prendre les mesures appropriées pour garantir la fiabilité des résultats.
67
Chapitre III Résultats et Discussions
1.8
1.6
1.4
Distance de cook
1.2
0.8
0.6
0.4
0.2
0
0 5 10 15 20 25 30
numéro de ligne
Figure III. 4 Points avec une grande distance de Cook.
0.95
0.9
0.75
Probabilité
0.5
0.25
0.1
0.05
0.01
-2 -1 0 1 2 3 4
Résidus
Figure III.5 Graphe de probabilité des résidus.
68
Chapitre III Résultats et Discussions
point atypique semble peu susceptible d'affecter le modèle de manière significative, et donc il
n'est pas susceptible de compromettre la validité des résultats obtenus.
Les figures III.3, III.4 et III.6 fournissent une analyse détaillée des résultats obtenus
lors de la modélisation de la résistance à la flexion à l'aide de la méthode de régression
linéaire multiple. Ces graphiques permettent d'explorer différents aspects de la modélisation,
tels que l'ajustement des données, l'identification de points atypiques, l'évaluation de
l'adéquation de la distribution des résidus et l'appréciation de l'influence des observations sur
le modèle. Grâce à cette analyse approfondie, il est possible d'évaluer la qualité du modèle de
régression et de déterminer si les résultats obtenus sont fiables et cohérents avec les données
observées.
0.8
0.7
0.6
Levier
0.5
0.4
0.3
0 5 10 15 20 25 30
numéro de ligne
Figure III.6 Graphique d'influence de levé des données et du modèle.
L'analyse de la figure III.6 met en évidence l'absence de points de levier élevés, ce qui
suggère une stabilité dans le modèle de régression. Cependant, il est important de noter que ce
graphique ne permet pas de détecter efficacement les points atypiques qui pourraient avoir
une influence significative sur les résultats. Par conséquent, il est recommandé de procéder à
une évaluation supplémentaire en examinant la distance de Cook, qui mesure l'influence
globale de chaque observation sur le modèle. En identifiant les points ayant une grande
distance de Cook, nous serons en mesure de déterminer s'ils ont un impact majeur sur la
précision du modèle et de prendre les mesures nécessaires pour garantir la validité des
résultats.
69
Chapitre III Résultats et Discussions
0.7
0.6
0.5
distance de Cook
0.4
0.3
0.2
0.1
0
0 5 10 15 20 25 30
numéro de ligne
Figure III. 7 Points avec une grande distance de Cook.
En analysant la figure III.7, nous pouvons constater qu'un seul point se démarque
considérablement des autres. Toutefois, il est essentiel de souligner que ce point exceptionnel
est peu susceptible d'exercer une influence significative sur notre modèle. Il est probable que
cet écart soit dû à des variations aléatoires ou à des facteurs externes qui ne représentent pas
fidèlement la tendance générale des données. Par conséquent, il est peu probable que ce point
atypique compromette la validité de notre modèle ou la fiabilité de nos résultats.
0.99
0.95
0.9
0.75
Probabilité
0.5
0.25
0.1
0.05
0.01
-2.5 -2 -1.5 -1 -0.5 0 0.5 1 1.5
Résidus
Les figures III.9, III.10 et III.11 fournissent une analyse des résultats obtenus lors de la
modélisation de la résistance au choc à l'aide de la méthode de régression linéaire multiple.
Ces graphiques permettent d'explorer différents aspects de la modélisation, tels que
l'adéquation des données, l'identification des valeurs atypiques, l'évaluation de l'ajustement
des résidus et l'examen de l'influence des observations sur le modèle.
0.8
0.7
0.6
Levier
0.5
0.4
0.3
0 5 10 15 20 25 30
numéro de ligne
Après une analyse de la figure III.9, il est clair que les points de levier ne sont pas
significativement élevés, indiquant ainsi la stabilité du modèle de régression. Toutefois, il
convient de noter que ce graphique ne fournit qu'une perspective limitée en présence de
valeurs aberrantes importantes. Par conséquent, il est essentiel de poursuivre l'analyse en
identifiant les points ayant une grande distance de Cook. La distance de Cook est un outil
précieux qui permet d'évaluer l'influence globale de chaque observation sur le modèle de
régression, en identifiant ainsi les points pouvant avoir un impact significatif sur les résultats.
Cette étape supplémentaire est cruciale pour garantir la fiabilité et la validité des conclusions
tirées à partir du modèle de régression multiple.
71
Chapitre III Résultats et Discussions
0.99
0.95
0.9
0.75
Probabilité
0.5
0.25
0.1
0.05
0.01
-0.2 -0.15 -0.1 -0.05 0 0.05 0.1 0.15
Residus
Figure III.11 Graphe de probabilité des résidus.
72
Chapitre III Résultats et Discussions
Le graphique de probabilité normale présenté dans la Figure III.11 semble indiquer une
bonne adéquation : la majorité des points s'alignent étroitement le long de la ligne droite, et il
n'y a aucune observation qui s'écarte considérablement de cette tendance.
40 (MPa) Prédite
f
39
38
37
36
35
34
33
32
31
1 2 3 4 5 6 7 8 9
Essais
(a) (b)
(c)
Figure III.12 Validation : (a) Résistance a la traction expérimentale et prédite, (b) Résistance
a flexion expérimentale et prédite, (c) Résistance aux chocs expérimentale et prédite.
73
Chapitre III Résultats et Discussions
Les résultats des tests confirmatoires indiquent que le modèle développé fournit des
valeurs qui sont raisonnablement similaires aux valeurs réelles. La différence moyenne entre
les valeurs prédites de résistance à la traction et les valeurs expérimentales de résistance à la
traction est d'environ 2,74%, avec une exactitude de prédiction du modèle de 97,26%.
De même, l'erreur moyenne entre les valeurs prédites de résistance à la flexion et les
valeurs réelles de résistance à la flexion est d'environ 2.67%, avec une exactitude de
prédiction du modèle de 97,37%.
En ce qui concerne la résistance aux chocs, l'erreur moyenne entre les valeurs prédites
et les valeurs réelles est également d'environ 5.60%, avec une exactitude de prédiction du
modèle de 94,4%.
Ces résultats confirment que le modèle construit est capable de fournir des prédictions
précises et fiables pour les différentes propriétés mécaniques évaluées.
74
Chapitre III Résultats et Discussions
c m (1 U 2/3
f )k
individuelles à la résistance à la traction en fonction de la
fraction volumique des fibres.
Où :
c 1U f
e( BU f ) (III. 8)
m 1 AU f
76
Chapitre III Résultats et Discussions
77
Chapitre III Résultats et Discussions
78
Chapitre III Résultats et Discussions
Tableau III. 6 Analyse des erreurs et de la précision du modèle de régression non linéaire
pour la contrainte de résistance à la traction ( t ) pour D=0.24 mm.
Tableau III. 7 Analyse des erreurs et de la précision du modèle de régression non linéaire
pour la contrainte de résistance à la traction ( t ) pour D=0.82 mm.
Tableau III. 8 Analyse des erreurs et de la précision du modèle de régression non linéaire
pour la contrainte de résistance à la traction ( t ) pour D=1.45 mm.
80
Chapitre III Résultats et Discussions
III.11 Etude de l’influence des paramètres de fabrication sur les propriétés mécaniques
du composite
III.11.1 Effets des paramètres sur la contrainte de la résistance à la traction t
(a) (b)
81
Chapitre III Résultats et Discussions
(c)
Figure III. 16 Impact des paramètres d'élaboration sur la contrainte de la résistance à la
traction (a) D = 0.24 mm, (b) 𝜑 = 18.88 %, (c) L = 3 mm.
82
Chapitre III Résultats et Discussions
(a) (b)
(c)
Figure III. 17 Impact des paramètres d'élaboration sur la contrainte de la résistance à la
flexion (a) D = 0.24 mm, (b) 𝜑 = 18.88 %, (c) L = 3 mm.
83
Chapitre III Résultats et Discussions
est intéressant de noter que le diamètre de la fibre a un impact moins important sur la
résistance à la flexion par rapport à la longueur de la fibre.
La Figure III.17 (c) représente la relation entre la résistance à la flexion, le diamètre de
la fibre et la teneur en fibre dans un graphique en surface. Cette représentation visuelle met en
évidence que le paramètre qui a le plus grand impact sur le changement de résistance à la
flexion est la teneur en fibres, plutôt que le diamètre de la fibre. En d'autres termes, une
variation de la teneur en fibres a un effet plus significatif sur la résistance à la traction que le
diamètre de la fibre. Les valeurs maximales de la résistance a la flexion sont obtenus avec des
valeurs moyennes de la tenure en fibres.
(a) (b)
(c)
Figure III. 18 Impact des paramètres d'élaboration sur la contrainte de la résistance au choc
(a) D = 0.24 mm, (b) 𝜑 = 18.88 %, (c) L = 3 mm.
L’effet de la longueur de fibre et de la fraction massique sur la résistance aux chocs est
représenté sur La figure III.18 (a). Le graphe met en évidence l'influence complexe de la
84
Chapitre III Résultats et Discussions
variation de la longueur de fibre et de la teneur en fibre sur la résistance aux chocs. Pour
obtenir une résistance aux chocs maximale, il est nécessaire de choisir fraction massique de
fibre maximale. L’utilisation des teneurs en fibres maximales permet d'obtenir une
amélioration significative de la résistance aux chocs du composite. La longueur de fibre
présente moins d’effet sur la résistance aux chocs par rapport au teneur en fibre.
Dans la Figure III.18 (b), on peut observer comment la longueur et le diamètre de la
fibre interagissent et influent sur la résistance aux chocs. Il est important de souligner que
l'augmentation de la longueur de la fibre entraîne une augmentation significative de la
résistance aux chocs, comme le montre clairement la figure III.18 (b). De plus, cette
représentation graphique met en évidence que la plus grande augmentation de résistance aux
chocs se produit lorsque les longueurs des fibres sont grandes. En outre, il est intéressant de
noter que le diamètre de la fibre a un effet moins prononcé sur la résistance aux chocs par
rapport à la longueur de la fibre.
Le graphique en surface présenté dans la Figure III.18 (c) permet d'observer la
corrélation entre la résistance aux chocs, le diamètre de la fibre et la teneur en fibre. Ce
graphique met en évidence que le facteur déterminant du changement de résistance aux chocs
est la teneur en fibres, et non le diamètre de la fibre. En d'autres termes, il est constaté que la
variation de la teneur en fibres a un impact plus significatif sur la résistance aux chocs que les
variations du diamètre de la fibre.
génétique est déterminée soit par un nombre prédéfini de générations, soit par l'écart moyen
de la population par rapport à l'objectif recherché.
Pour construire les modèles d'optimisation, des modèles mathématiques sont
développés à l'aide de l'analyse de régression. Ces modèles permettent de formaliser les
relations entre les variables du processus d'élaboration et les propriétés mécaniques visées.
Les modèles d'optimisation ainsi construits sont exprimés par les équations (III.5), (III.6) et
(III.7):
1er modèle (Optimisation de la résistance a la traction et la résistance a la flexion)
86
Chapitre III Résultats et Discussions
Les fonctions issues de la régression linéaire ont été utilisées en tant qu'entrée dans la
boîte à outils GA de MATLAB 2016a en tant que fonction objectif. Les bornes supérieures et
inférieures ont été spécifiées en fonction des niveaux des paramètres, et le nombre de
variables a été fixé à 3. Une taille de population initiale de 100 a été prise, et un croisement
moyen et une mutation uniforme, un intervalle de migration de 20 et une fraction de migration
de 0,2 ont été définis pour l'optimisation.
III.12.1 Résultats
Dans le contexte de l'optimisation multi-objectif, l'utilisation de l'algorithme génétique
(GA) permet de générer un ensemble de solutions non dominées. Ce groupe de solutions,
connu sous le nom de front de Pareto, représente des compromis entre les différents objectifs
du problème. Les fronts de Pareto issus de la résolution des trois modèles précédemment cités
sont représentés par les figures III.19, III.20 et III.21.
Chaque solution présente une combinaison unique de valeurs pour les différentes
variables, permettant d'atteindre un niveau optimal pour certains objectifs tout en préservant
un équilibre entre les autres objectifs.
87
Chapitre III Résultats et Discussions
pour la résistance a la flexion). D'autres solutions peuvent être plus spécialisées, offrant une
résistance à la traction élevée ( de 41.65 41.7 Mpa) avec une résistance à la flexion modérée
ou vice versa.
Dans la Figure II.20, le Front de Pareto illustre un ensemble de solutions non dominées
où chaque point représente une combinaison unique de paramètres matériels offrant un
compromis spécifique entre la résistance à la traction et la résistance aux chocs. La courbe
présente différentes configurations où une amélioration de la résistance à la traction peut
entraîner une diminution de la résistance aux chocs, et vice versa, comme observé sur les
parties gauche et droite du graphique.
Quelques points sur le Front de Pareto démontrent un équilibre optimal entre la
résistance à la traction et la résistance aux chocs, offrant des performances élevées dans les
deux domaines. Par exemple, les valeurs situent entre 41,6 et 41,7 MPa donnent une meilleure
résistance à la traction, par contre les et entre 2.38 et 2.48 KJ/m2 donnent une meilleure
résistance aux chocs.
La Figure II.21 présente le Front de Pareto, qui représente un ensemble de solutions
non dominées caractérisées par des combinaisons spécifiques de paramètres matériels
permettant d'atteindre un compromis entre la résistance à la flexion et la résistance aux chocs.
L'analyse du graphique révèle des configurations variées où l'amélioration de la résistance à la
flexion peut conduire à une diminution de la résistance aux chocs, ou inversement, comme
indiqué par les parties gauche et droite de la courbe.
Sur le Front de Pareto, certaines solutions présentent un compromis idéal entre la
résistance à la flexion et la résistance aux chocs, atteignant des performances élevées dans les
deux aspects. Les résultats obtenus se situent dans une plage allant de 50,5 à 51,5 MPa pour la
résistance à la flexion et de 2.4 à 2.45KJ/m2 pour la résistance aux chocs. D'autres solutions,
en revanche, peuvent être plus spécialisées, offrant soit une résistance à la flexion élevée (des
valeurs supérieurs à 51,5 MPa) avec une résistance à la flexion modérée, soit l'inverse.
III.13 Conclusion
Ce chapitre présente la modélisation des propriétés mécaniques, à savoir la résistance à
la traction, la résistance à la flexion et la résistance aux chocs, en utilisant à la fois des
méthodes de régressions linéaires et non linéaires. L’étude menée dans ce chapitre nous a
permis d'obtenir des résultats significatifs.
89
Chapitre III Résultats et Discussions
Les deux approches de modélisation ont montré leurs avantages respectifs. Les modèles
de régression linéaire ont fourni une approximation simplifiée des données, permettant une
interprétation plus directe des coefficients de régression. Cependant, ces modèles peuvent ne
pas capturer de manière précise les variations complexes et les relations non linéaires entre les
paramètres et les propriétés mécaniques.
D'autre part, les modèles de régression non linéaire ont permis de prendre en compte les
relations plus complexes et non linéaires entre les variables, offrant ainsi une meilleure
adéquation aux données. Ces modèles ont permis de capturer des effets non linéaires et des
interactions entre les paramètres, permettant ainsi une modélisation plus précise des propriétés
mécaniques étudiées.
90
1. Introduction Générale
2. Chapitre I : Etude Bibliographique
3. Chapitre II : Méthodes de Modélisation
4. Chapitre III : Résultats et Discussions
5. Conclusion Générale
6. Références Bibliographiques
Conclusion Générale
Conclusion Générale
Conclusion Générale
L’étude de l'effet des paramètres d'élaboration des matériaux composites sur les
propriétés mécaniques des composites renforcés de fibres et de particules revêt une
importance capitale pour la compréhension et l'amélioration des performances des
matériaux. Les paramètres d'élaboration, tels que la longueur, le diamètre et la fraction
volumique de fibre, ont été identifiés comme des variables d'entrée essentielles.
Les résultats obtenus à partir des deux méthodes de régressions, linéaires et non
linéaires, ont permis de mieux comprendre les relations entre les paramètres étudiés et les
propriétés mécaniques des matériaux. Les modèles linéaires ont fourni une première
approximation simplifiée, tandis que les modèles non linéaires ont permis de prendre en
compte les effets complexes et non linéaires.
L'analyse des relations entre la longueur de fibre, la fraction massique de la fibre et
la résistance à la traction a montré qu'une résistance maximale peut être obtenue avec une
longueur de fibre élevée (plus de 12 mm) et une fraction massique de fibre de 40 %. De
plus, il a été observé que la longueur de la fibre avait un impact plus important sur la
résistance à la traction que le diamètre de la fibre. La teneur en fibres a également été
identifiée comme le principal facteur influençant la résistance à la flexion et la résistance
aux chocs.
Ce mémoire met en évidence également l'importance de la fraction massique de
fibre pour améliorer la résistance aux chocs des composites. Une fraction massique de
fibre maximale est nécessaire pour obtenir une résistance aux chocs optimale. De plus,
l'augmentation de la longueur de fibre est bénéfique pour la résistance aux chocs. La teneur
en fibres a un effet plus significatif sur la résistance aux chocs que le diamètre de la fibre.
L'optimisation multi-objectif a permis d'obtenir un ensemble de solutions non
dominées, représentées par le Front de Pareto, où chaque point sur le front correspond à
une combinaison unique de paramètres offrant un compromis entre les différentes
propriétés mécaniques. Certaines solutions sur le Front de Pareto ont montré un équilibre
optimal entre la résistance à la traction et la résistance à la flexion, offrant des
performances élevées dans les deux domaines. D'autres solutions étaient plus spécialisées,
mettant l'accent sur une propriété spécifique.
Ce mémoire a contribué à une meilleure compréhension des relations entre les
paramètres d’élaboration de matériaux et les propriétés mécaniques étudiées. Les modèles
92
Conclusion Générale
93
1. Introduction Générale
2. Chapitre I : Etude Bibliographique
3. Chapitre II : Méthodes de Modélisation
4. Chapitre III : Résultats et Discussions
5. Conclusion Générale
6. Références Bibliographiques
Références Bibliographiques
Références Bibliographiques
Références Bibliographiques
[1]. Mili, F., & Achour, T. (2017). Étude des techniques de réparation des structures
composites endommagées, Mémoire de Magister, Université de Mentouri Constantine.
[2]. Carma, M. (2006). Glossaire des matériaux composites. Centre d’Animation Régional
en Matériaux Avances National Press, USA.
[3]. Ledru, Y. (2009). Etude de la porosité dans les matériaux composites stratifiés
aéronautiques, Thèse de Doctorat, Université de Toulouse.
[4]. Hasna, B. (2021). Analyse de la rupture en mode l des structures sandwichs ā base des
palmiers dattiers, Mémoire de Master, Université Mohamed Khider de Biskra.
[5]. Sanga, L., & Pierre, R. (2019). Evaluation expérimentale et numérique des
endommagements d’une structure composite sous impact pour une large gamme de
vitesses et d’énergies. https://oatao.univ-toulouse.fr/25460/
[8]. Doyon Barbant, J. (2018). Impact de l'orientation des fibres sur les comportements en
traction, en flexion et en cisaillement d'un béton renforcé de fibres métalliques,
Mémoire De Master, École Polytechnique de Montréal.
[11]. Davis, J. R. (Ed.). (2004). Tensile testing, 2nd ed., ASM International, Cleveland, OH.
[12]. Nossa, I. C., Bohórquez, O., Pertuz, A., Acevedo, H. G. S., & González-Estrada, O. A.
(2019). Tensile mechanical properties of composite materials with continuous fiber
produced by additive manufacturing. Journal of Physics, 1386(1), 012008.
https://doi.org/10.1088/1742-6596/1386/1/012008
[13]. Krawczak, P., Binetruy, C., & Pabiot, J. (2000, May). Application de la
mécanotransduction au suivi et à l'optimisation de la fabrication et de l'utilisation de
pièces en composites moulées par RTM. In MECANO 2000 (pp. 99-106).
https://hal.science/hal-01781028
95
Références Bibliographiques
[14]. Park, C. S., Han, W., Lee, W., & Vautrin, A. (2005). Optimisation des structures
composites prenant en compte simultanément les paramètres de conception et de
fabrication. In HAL (Le Centre pour la Communication Scientifique Directe). French
National Centre for Scientific Research. https://hal.archives-ouvertes.fr/hal-01813065
[15]. Younes, R., Aboura, Z., & Benzeggag, M. (2008). Optimisation du tissage de
composites orthogonaux 3D. Comptes Rendus Mecanique.
https://doi.org/10.1016/j.crme.2008.07.006
[16]. Njionhou, A., Berthet, F., & Castanié, B. (2010). Optimisation de la résistance au
cisaillement interlaminaire (RCIL) des matériaux composites fabriqués par LRI en
fonction des paramètres de fabrication. , 98(2), 151–163.
https://doi.org/10.1051/mattech/2010019
[17]. Irisarri, F., Lasseigne, A., François, H., & Riche, R. L. (2013). Optimisation des
empilements dans les structures composites stratifiées avec arrêts de plis.
https://hal.archives-ouvertes.fr/emse-00867541
[18]. Govindaraju, R., Jagannathan, S., Chinnasamy, M., & Kandhavadivu, P. (2014).
Optimization of Process Parameters for Fabrication of Wool Fiber-Reinforced
Polypropylene Composites with Respect to Mechanical Properties. Journal of
Engineered Fibers and Fabrics, 9(3), 155892501400900.
https://doi.org/10.1177/155892501400900315
[20]. Gaffiot, L. (2017). Optimisation d’un procédé d’élaboration d’un composite à base de
fibres naturelles. https://hal.archives-ouvertes.fr/tel-03351145v1
[21]. Essid, S. (2020). Sandwiches à fibres de lin et anas de lin : optimisation structure-
imprégnation-propriétés. https://hal.archives-ouvertes.fr/tel-02943012v1
[22]. Sadeghi, V. (2021). Effet des modifications de surface sur les propriétés
morphologiques et mécaniques de composites à base de coquille de sarrasin et de
polyéthylène, Thèse de Doctorat, Université de Québec Canada.
[23]. Ben Nasr, O. (2022). Optimisation des paramètres d'impression 3D par extrusion de
matière des bio-composites à base des résidus industriels forestiers, Mémoire de
Master, Université du Québec en Abitibi-Témiscamingue.
[27]. Bates, D. M., & Watts, D. G. (1988). Nonlinear Regression Analysis and Its
Applications. In Wiley series in probability and statistics. Wiley.
https://doi.org/10.1002/9780470316757
[30]. Mahdi, S., & Boutekkouk, F. (2021). Optimisation multiobjectif et son application aux
problèmes bioinformatique, Thèse de Doctorat, Université de Larbi Ben M'hidi Oum El
Bouaghi.
[31]. Chelouti, S., & KARIMA, K. (2016). Résolution d’un problème d’optimisation multi-
objectif fractionnaire Linéaire flou en nombres entiers, Mémoire de Master, Université
M’hamed Bougara Boumerdes.
[32]. Ejday, M. (2011). Optimisation multi-objectifs à base de métamodèle pour les procédés
de mise en forme. https://pastel.archives-ouvertes.fr/pastel-00583805
[33]. ALIA, R., & GUEMAZ, S. (2015). Optimisation des paramétres de cpoupe pour
minimiser la consommation d'energie pendant le fraisage, Mémoire de Master,
Université Kasdi Merbah Ouargla.
[34]. Navaneethakrishnan, S., & Athijayamani, A. (2015). Taguchi method for optimization
of fabrication parameters with mechanical properties in fiber and particulate reinforced
composites. International Journal of Plastics Technology, 19(2), 227–240.
https://doi.org/10.1007/s12588-015-9128-x
[35]. Sideridis, E., Kytopoulos, V. N., Papadopoulos, G. A., & Bourkas, G. D. (2009). The
effect of low-filler volume fraction on the elastic modulus and thermal expansion
coefficient of particulate composites simulated by a multiphase model. Journal of
Applied Polymer Science, 111(1), 203–216. https://doi.org/10.1002/app.28886
[36]. Pukanszky, B., Tüdös, F., Jančař, J., & Kolařik, J. (1989). The possible mechanisms of
polymer-filler interaction in polypropylene-CaCO 3 composites. Journal of materials
science letters, 8, 1040-1042.
97
Résumé
Ce mémoire examine l'impact des paramètres d'élaboration sur les propriétés mécaniques du
composites, deux méthodes de régression linéaire et non linéaire sont utiliser pour prédire les
trois contraintes étudié, les résultats obtenus montrent que les modèles développes sont
capable de fournir des prédictions précises et fiables. les résultats de régression non linéaire
par le modèle de Pukanszky montre que cette modèle peut être appropriés pour prédire la
contrainte à la traction dans des conditions spécifique l'étude d'effet des paramètres montre
que la résistance à la traction est le plus affecté par la teneur en fibres plutôt que le diamètre
de fibre et les valeurs maximales de la résistance à la flexion sont obtenus avec des valeurs
moyennes de la tenure en fibres, la teneur en fibres a un impact plus significatif sur la
résistance aux chocs que les variations du diamètre de la fibre. Enfin, les modèles de
régression ont été optimisé à l'aide d'une technique d'optimisation multi objectif afin de
déterminer les valeurs optimales des paramètres conduisant à une amélioration significative
des performances des composites.
م ص
و تم استخدام طر قت ن من نحدار ا طي وغ ا طي، تدرس ذه اﳌذكرة تأث معلمات نتاج ع ا واص اﳌي انيكية للمركبات
تظ ر. وتظ ر النتائج ال تم ا صول عل ا أن النماذج اﳌطورة قادرة ع تقديم ت بؤات دقيقة وموثوقة، للت بؤ بالضغوط الثﻼثة اﳌدروسة
، مناسبا للت بؤ بضغط الشد ظل ظروف محددةً أن ذا النموذج يمكن أن ي ونPukanszky نتائج نحدار غ ا طي بواسطة نموذج
ً
يتم ا صول ع القطر والقيم القصوى لقوة.ودراسة تأث اﳌعلمات تظ ر أن قوة الشد تتأثر أك بمحتوى لياف بدﻻ من لياف
، أخ ً ا. محتوى لياف له تأث أك ع مقاومة التأث من التغ ات قطر لياف، نحناء من خﻼل القيم اﳌتوسطة محتوى لياف
تم تحس ن نماذج نحدار باستخدام تقنية تحس ن متعددة داف لتحديد قيم اﳌعلمات اﳌث ال تؤدي إ التحس ن ك أ مية
.أداء السيارة
، نحدار غ ا طي، نحدار ا طي اﳌتعدد، مقاومة الصدمات، مقاومة نحناء، مقاومة الشد، اﳌواد اﳌركبة:ال لمات اﳌفتاحية
.ا وارزميات الوراثية
Abstract
This thesis studies the influence of production parameters on the mechanical properties of
composites, and two linear and nonlinear regression methods are used to predict the three
studied stresses, and the results obtained show that the developed models are capable of
providing predictions. precise and reliable. The results of the nonlinear regression by the
Pukanszky model show that this model can be adapted to predict the tensile stress under
specific conditions, and the study of the effect of the parameters shows that the tensile
strength is more affected. by fiber content than by fiber. The diameter and the maximum
values of flexural strength are obtained by the average values of the fiber content, the fiber
content has a greater influence on the impact resistance than variations in the diameter of the
fibers. Finally, the regression models were optimized using a multi-objective optimization
technique to determine the optimal parameter values that lead to the most significant
improvement in vehicle performance.
Keywords: Composite materials, Tensile strength, Flexural strength, Impact resistance, Multiple
linear regression, Nonlinear regression, Genetic algorithms.