Bonjour à tous,
Je suis en train de regarder dans quelle mesure un réseau de neurone peut m'aider à prédire un phénomène que je ne sais pas modéliser.
Présentation du pb :
Le phénomène est lié à l'emboutissage des tôles minces et concerne les flexions des outils d'emboutissage soumis à des efforts importants (jusqu'à 2000T de pression sur 4m²).
Nous avons regardé les valeurs d'entrées et de sorties des cas précédent (les données de sortie sont nécessairement des retour d'expérience très coûteux et donc en nombre limité = 40 cas) sans trouver de lien entre les entrées et sorties. C'est pour cela que nous regardons les réseaux de neurones qui peuvent peut-être nous aider à avancer.
Soit :
Les données de sortie sont les valeurs de flexion de l'outil n
Les données d'entrée sont les caractéristiques de l'outil n et des conditions d'emboutissage associées à l'outil.
Le tout sur 40 outils.
Question :
Ma question est "comment savoir quelles doivent être les données d'entrée à présenter au réseau de neurones ?"
La taille de l'outil, son poids, l'effort d'emboutissage, la courbure de la forme à réaliser... comment savoir lesquels sont à renseigner?
Dois-je donner les éléments qui devraient théoriquement permettre d'établir un modèle physique ? Si oui, où m'arrêter et l'augmentation du nombre de données d'entrée aide-t-elle à la convergence (ou au contraire à la complexification du problème sans apport supplémentaire)?
Je suis débutant sur ces sujets (ma spécialité est la mécanique) alors je vous remercie d'avance de m'éclairer si je fais fausse route sur l'utilisation des réseaux de neurones.
Merci d'avance,
Fred
Partager