Modélisation de la fiabilité des macro-composants mécanique à partir de modèles mathématiques et de réseaux de neurones, comparaisons des méthodes

Patrick Lyonnet (1) , Rosario Toscano (1) , P. Maisonneuve (1) , Brice Lanternier (2)

1 LTDS - Laboratoire de Tribologie et Dynamique des Systèmes
2 INERIS - Institut National de l'Environnement Industriel et des Risques

La fiabilité mécanique est un sujet qui intéresse la plupart des concepteurs et utilisateurs de systèmes techniques. Une des difficultés rencontrées est l'absence ou la pauvreté des modèles permettant de faire des études prévisionnelles correctes. Le taux de défaillances est souvent considéré comme constant, ce qui est manifestement faux en mécanique, d'ou l'intérêt de l'élaboration d'outils, de modèles ou de méthodes plus adaptés. Notre présentation propose deux approches successives pour résoudre cette problématique, un modèle à taux de défaillances proportionnel et non constant, compléter par des coefficients tenant compte de l'environnement, du processus et de facteurs de conception, une modélisation à partir de réseaux de neurones. La comparaison des méthodes et leurs adéquations aux données de retour d'expériences s'appuie sur une application technique du domaine des industries chimiques (soupapes de sûreté).

Domaines: Sciences de l'ingénieur [physics]

Patrick Lyonnet, Rosario Toscano, P. Maisonneuve, Brice Lanternier. Modélisation de la fiabilité des macro-composants mécanique à partir de modèles mathématiques et de réseaux de neurones, comparaisons des méthodes. 24. Machinery vibration seminar, Oct 2006, Montréal, Canada. pp.372-385. ⟨ineris-00973247⟩