Prédiction de paramètres de soudage laser par apprentissage automatique
Langue Anglais
Accéder à la thèseDroits d'accès : non autorisé

Ce document est protégé en vertu du Code de la Propriété Intellectuelle.

Modalités de diffusion de la thèse :
  • Thèse confidentielle jusqu'au 16/12/2030.
  • Thèse avec 2 versions : seule la version intégrale est proposée ; sur authentification (communication intranet).
 
Auteur : Hayot, Victor
Date de soutenance : 16-12-2025

Directeur(s) de thèse : Chabrol, Grégoire - Lecler, Sylvain

Président : Semmar, Nadjib
Rapporteur(s) : Semmar, Nadjib - Previtali, Barbara
Membre(s) du jury : Alves Ferreira, Andre - Paciornik, Sidnei

Établissement de soutenance : Strasbourg
Laboratoire : Laboratoire des sciences de l'ingénieur, de l'informatique et de l'imagerie (Strasbourg ; 2013-....)
École doctorale : École doctorale Mathématiques, sciences de l'information et de l'ingénieur (Strasbourg ; 1997-....)
 
Discipline : Génie Industriel / Conception
Classification : Sciences de l'ingénieur

Mots-clés libres : Soudage laser, Optimisation, Apprentissage automatique, Prédiction, Modélisation empirique
Mots-clés :
  • Soudage laser
  • Apprentissage profond
  • Conception technique
Résumé : Le soudage laser offre des avantages majeurs en qualité, vitesse et automatisation, d’où sa large adoption dans l’industrie. Cependant, sa complexité physique et ses nombreux paramètres le rendent difficile à maîtriser. IREPA LASER, partenaire industriel, se demande si l’Intelligence Artificielle (IA) peut réduire le temps d’optimisation des paramètres de soudage d’une semaine à quelques jours. Cette thèse est centrée sur l’intégration de l’IA en pré-processus. Un jeu de données, couvrant 5 matériaux, est utilisé pour son entraînement afin de prédire la pénétration des soudures à partir des paramètres. Pour surmonter les limites découvertes (faible précision de prédiction sur un matériau inconnu), une modélisation hybride est proposée : un modèle empirique inspiré de Suder réduit l’espace des paramètres, tandis qu’une IA sélectionne les meilleurs candidats. Testé en conditions réelles, son utilisation a permis l’obtention de soudures proches de celle souhaitée en quelques secondes.
 
Type de contenu : Text
Format : PDF
 
Entrepôt d'origine : STAR : dépôt national des thèses électroniques françaises
Identifiant : 2025STRAD053
Type de ressource : Thèse