UNIVE Dé Dr. KORICHI Mo Dr. MENNOUCH Dr. BOUZIANE k Pr. DOUNIT Sala Modélisation du pr les ERSITE KASDI MERBAH OUARGLA Faculté des Sciences Appliquées épartement de Génie des procédés Mémoire MASTER ACADEMIQUE Filière : Génie des procédés Option : Ingénierie de gaz naturel Présenté par : Djamai Amira Thème Soutenu le 30/05/2016 Devant le jury composé de : ourad ( M.C.A) Pré HE Djamel (M.C.B) Ex khadidja (M.C.B) Ex ah ( Pr ) En 2015/2016 rocédé de la granulation en li s réseaux neuro-mimétique ésident xaminateur xaminatrice ncadreur it fluidisé par
44
Embed
Modélisation du procédé de la granulation en lit fluidisé … · 2016-12-14 · solide, gaziéfication et combustion du charbon, ... On peut expliquer la phénomène de fluidisation
This document is posted to help you gain knowledge. Please leave a comment to let me know what you think about it! Share it to your friends and learn new things together.
Transcript
UNIVERSITE KASDI MERBAH OUARGLA
Département de Génie des procédés
Dr. KORICHI Mourad
Dr. MENNOUCHE
Dr. BOUZIANE khadidja
Pr. DOUNIT Salah
Modélisation du procédé
les réseaux neuro
UNIVERSITE KASDI MERBAH OUARGLA
Faculté des Sciences Appliquées
Département de Génie des procédés
Mémoire
MASTER ACADEMIQUE
Filière : Génie des procédés
Option : Ingénierie de gaz naturel
Présenté par : Djamai Amira
Thème
Soutenu le 30/05/2016
Devant le jury composé de :
Mourad ( M.C.A) Président
MENNOUCHE Djamel (M.C.B) Examinateur
khadidja (M.C.B) Examinat
Salah ( Pr ) Encadreur
2015/2016
Modélisation du procédé de la granulation en lit fluidisé par
Je remercie notre DIEU "allah", notre DIEU "allah", notre DIEU "allah", notre DIEU "allah", notre créateur de m'avoir donné le courage, la volonté, et la patience de Pouvoir terminer ce travail.
En tout premier lieu je tiens à remercier le professer DOUNIT SalahDOUNIT SalahDOUNIT SalahDOUNIT Salah
qui m’a formé pendant ma projet de fin d’étude. Sans lui ; ce travail n’aurait pas été possible. Il m’a beaucoup soutenu et conseillé tout au long de la période de recherche. Merci beaucoup pour la confiance que vous m’avez accordée ainsi que pour tes encouragements qui m’ont aidée à mener à bien mon projet.
J’adresse mes remerciements les plus vifs aux membres de jury : le docteur Dr. Mourad KORICHI Dr. Mourad KORICHI Dr. Mourad KORICHI Dr. Mourad KORICHI d’avoir accepté de présider ce jury, ainsi que Dr. Djamel MENOUCHEDjamel MENOUCHEDjamel MENOUCHEDjamel MENOUCHE.... Et Et Et Et Dr. khadidja BOUZIANEkhadidja BOUZIANEkhadidja BOUZIANEkhadidja BOUZIANE
Finalement, je tiens à exprimer ma très profonde reconnaissance et ma gratitude en vers à mes chers parents, mes sœurs et frères, et toute ma famille, à mes amis et tous ceux qui d’une manière ou d’une autre ont contribué à ce travail.
Sommaire
Sommaire
Introduction générale ………………………………………………… 01
Chapitre I Eléments de Bibliographie
I.1.Généralités sur la fluidisation ……………………………..……..……... 03 I.1.1.Présentation générale de la fluidisation ………………..……………………... 03 I.1.2.Définition de la fluidisation ……………………………………………… 04 I.1.3.Avantage et inconvénients des lits fluidisés …………………………….. 06 I.2.Granulation en lit fluidisés ………………………………………………… .……… 07 I.2.1. Définition général …………………..……………………………………. 07 I.2.2. Mécanisme d'agglomération …………………………………………….. 07 I.3.Les réseaux neuromimetiques ………………………………………………….. 08 I.3.1.Définition …………………………………………………………………. 08 I.3.2.Le Neurone formel………………………………………………………... 09 I.3.3.Les différents types de réseaux …………….………………………. 09 I.3.4.De neurone biologique vers le neurone formel …………………………... 10 I.3.5.Formalisation ……………………………………………………….......... 10
Chapitre II Etude Pratique
II.1.Introduction ……………………………………………..…………… 12 II.2.Structure d’un perceptron multicouche (PMC) ……………………………….. 12 II.3.Base d’apprentissage …………………………………………………............. 13 II .4.L’algorithme d’apprentissage ………………………………………............... 13 II.5.L’algorithme de rétropropagation …………………………………………….. 13 II.5.1.Cas de la couche de sortie:……………………………………………..... 14 II.5.2.Cas d’une couche cachée ……………………. ………………………… 18 II.6.Descriptions du système modélisé …………………………………………… 24 II.7.Synthèse du modèle neuromémitique du procédé du granulation …………... 25 II.8.Elaboration des bases de données……………………………………………… 26 II.9.Simulation type ………………………………………………………. 26 II.9.1.Evolution de l’erreur d’apprentissage…………………………………… 26 II.9.2.Phase de test…………………………………………………………….. 27 II.10. Effet du nombre de neurone dans la couche cachée …………………… 28 II.11. Effet du nombre de la couche cachée …………………… 28 Conclusion…………………………………………………………………………. 31 Conclusion générale……………………………………………………………….. 32
Liste des Tableaux
Tableau II-1 : Conditions opératoires pour les essais d’agglomération………………….….24 Tableau II-2 : Taille des agglomérats en fin de processus………………………………….25 Tableau II-3 : résultat de simulation…………………………………………………………27
Tableau II-4 résultat de simulation du1er Essais …….……………………………………28
Tableau II.5. résultat de simulation du 2èmme Essais………………………………………29
Tableau II.6. résultat de simulation du3èmme Essais ………………………………………29
Tableau II.7. .résultat de simulation du 4èmme Essais ……………………………………..29
Tableau II.8 : résultats de simulation 1 …………………………………………………...30
Tableau II.9.résultat de simulation 2 ………………………………………………………30
Liste des figures
Figure I.1. Description du phénomène de fluidisation. Variation de la chute de pression du
gaz à travers la couche de particules en fonction de la vitesse superficielle du gaz…………..5
Figure I.2.Diagramme de classification des poudres pour la fluidisation par l'air aux conditions ambiantes…………………………………………………………………………..6 Figure I.3. Mécanismes mis en jeu lors de la croissance des particules en lit fluidise………..8 Figure I.4.La cellule nerveuse…………………………………………………………………9 Figure .I.5. Architecture d’un réseau de neurone formel…………………………………….11 Figure. II.05.modèle de neurone�.………………………………………………………..….14 Figure II. 06. Gradient de l’erreur totale…………………………………………………….16 Figure II.07.Organigramme représentant l’algorithme………………………………………21 Figure II.08. Architecture de réseau donnant le modèle……………………………………..25 Figure II.09. Évolution de l’erreur quadratique moyenne…………………………………...27
Liste d’abréviation
QL : débit du liquide de pulvérisation.
P : pression relative de l’air de pulvérisation.
T : consigne de température de l’air.
Ch : charge des particules.
CL : concentration de la solution de liant.
dp : diamètre des particules
Introduction générale
1
Introduction générale
Le cerveau, et en particulier le cerveau humain, est la machine de traitement de
l’information la plus sophistiqué que nous connaissons. De nos jours les concepts et les
techniques issues de l’intelligence artificielle sont devenus de plus en plus familiers dans
divers domaines d’application. L’intelligence artificielle est une discipline scientifique
relative au traitement des connaissances et au raisonnement, dans le but de permettre à un
mécanisme d’exécuter des fonctions normalement associées à l’intelligence humaine
(cerveaux humaine) telles que la compréhension, le raisonnement, le dialogue, l’adaptation,
l’apprentissage, etc.
Ce mécanisme est lié aux réseaux neuromimétiques qui ont une structure analogue à celle
du cerveau humaine, c’est-à-dire plusieurs unités élémentaires de calcul interconnectées entre
elle appelées neurones. Dans ce travail, nous tentons d’appliquer cette technique pour la
modélisation d’un procédé chimique, à savoir l’agglomération des poudres en lit fluidisé.
Les lit fluidisés sont de plus en plus utilisée pour la mise en œuvre de réactions entre une
phase gazeuse et de particules solide : réaction catalytique, réaction de transformation d’un
solide, gaziéfication et combustion du charbon,….etc.
L’agglomération est décrite comme l’accroissement de la taille de particules solides par
création de liaisons entre particules individuelles. Les agglomérats ainsi formés ont des
propriétés physiques différentes des particules initiales: taille, forme, état de surface, surface
spécifique, masse volumique, porosité. Ceci entraîne un comportement différent de la poudre
(ensemble d’agglomérats) pour l’écoulement, le mélange, la mouillabilité, la résistance
mécanique.
L’agglomération de particules solides en lit fluidisé résulte d’une succession d’étapes
élémentaires que sont le mouillage de la surface des particules par le liquide (solvant, solution
de liant), la collision et l’adhésion de particules entre elles.
L’étude présentée concerne l’agglomération de particules solides en lit fluidisé.
L’objectif est de comprendre et de modéliser les mécanismes d’agglomération ou de
croissance de taille des poudres par les réseaux neuromémitiques.
La première partie de ce mémoire et consacrée à la description du phénomène de
fluidisation et la procédure de granulation des poudres, ainsi que les réseaux
neuromémitique.
Introduction générale
2
L’étude expérimentale concerne le développement du modèle d’un réseau
neuromémitique basé sur le perceptron multicouche avec la méthode d’apprentissage
supervisé.
Chapitre I
Eléments de Bibliographie
Chapitre I Eléments de Bibliographie
3
I.1.Généralités sur la fluidisation
I.1.1.Présentation générale de la fluidisation [1]
L'historique de la fluidisation ne débute réellement qu'au XXe siècle avec le développement
des industries liées au charbon puis celles liées au pétrole. Cependant, des traces écrites datant
du XV Ie siècle font déjà mention d'une technique de purification du minerai de fer par une
mise en suspension des particules solides. Au XIXe, la purification de l'eau des villes à usage
domestique est réalisée en filtrant l'eau à travers une couche compacte de sable.
L'accumulation des impuretés obstrue ainsi peu à peu le filtre. Une manière de "nettoyer" le
filtre simplement est d'inverser l'écoulement afin de fluidiser l'empilement sableux. Les
impuretés sont alors entraînées avec l'écoulement. L'utilisation commerciale du procédé de
fluidisation commence vers les années 1920. Le premier brevet industriel déposé en 1910
décrit un réacteur à catalyseur fluidisé pour la transformation du gaz, puis en 1921 ce procédé
est commercialisé pour la gazéification du charbon. Le réacteur mesurant 13 m de haut pour
une section de 12 m2 contenait du charbon que l'on fluidisait avec du gaz. Le rendement de ce
système était assez faible comparé à celui des technologies actuelles puisque le dispositif
consommait une quantité excessive d'oxygène et que les pertes de charbon étaient trop
importantes (de l'ordre de 20 %). Ensuite vers les années 40, la "ruée vers l'or noir" a permis
de développer la recherche sur les lits fluidisés et les réacteurs à charbon ont été un peu
délaissés au profit des réacteurs utilisant des dérivés pétrolifères. Depuis, le champ
d'application des lits fluidisés s'est élargi. Dans le secteur du génie chimique, le procédé de
fluidisation est utilisé pour favoriser les réactions chimiques au sein du réacteur. Dans le cas
de la production de polyéthylène, le gaz réactif d'éthylène est injecté avec une vitesse trois à
six fois supérieure à la vitesse minimale de fluidisation dans un lit de particules réactives de
polyéthylène. Des particules de silice servent de catalyseur afin d'augmenter la vitesse des
réactions chimiques. Actuellement, la préservation et la protection de l'environnement
constituant un réel enjeu politique et économique d'importance croissante, le développement
de techniques diminuant les rejets nocifs est de première importance. L'utilisation des lits
fluidisés est une solution alternative intéressante pour les usines d'incinération d'ordures
ménagères car elle permet une combustion plus complète des déchets et limite ainsi les rejets
nocifs dans l'atmosphère. Ce procédé est également utilisé dans les usines de retraitement des
eaux usées. Un lit de boues contenant les bactéries responsables de la dégradation
Chapitre I Eléments de Bibliographie
4
des polluants est fluidisé par l'eau à traiter. Grâce aux lits fluidisés, l'action des bactéries est
améliorée car celles-ci sont en contact plus direct avec l'eau à traiter.
I.1.2.Définition de la fluidisation
La fluidisation est un phénomène ou processus intermédiaire entre l’état fixe et le
transport [2] d’une grande importance industriel [3].
On peut expliquer la phénomène de fluidisation des particules par un gaz, de la manière
suivante :
• En partant d’une couche de solides divisés au repos (lit fixe), le passage d’un courant
ascendant de gaz à travers cette couche produit une perte de charge due aux
frottements du fluide sur la surface des particules, aux frottements du fluide sur lui-
même et sur les parois de l’enceinte. A faible vitesse du courant, le lit reste fixe, on a
une simple percolation (fig. I.1.a).
• Lorsque la vitesse augmente, les forces de viscosité augmentent également. Elles
deviennent suffisantes pour équilibrer le poids des particules qui bougent légèrement
et se mettent en suspension : la vitesse minimale de fluidisation "Umf" est atteinte. Les
particules solides s'éloignant légèrement les unes des autres, la section de passage du
fluide augmente, et la vitesse diminue, ainsi que les frottements. Le suspension reste
homogène et aucune bulle n’apparaît dans ces conditions; les particules se comportent
globalement comme un fluide, d’où le terme "lit fluidisé" (fig. I.1.b).
• En augmentant encore la vitesse du gaz, le lit subit une expansion uniforme jusqu’à ce
que la vitesse atteigne la vitesse minimale de bullage "Umb", correspondant à la
formation de bulles au sein du lit fluidisé. La taille et le nombre des bulles croissent
avec la vitesse du gaz et avec la hauteur du lit (fig. 1c, 1d). on observe un régime de
fluidisation appelé "régime de pistonnage" (fig. I.1.e).
• A des vitesses de fluidisation élevées, les particules sont entraînées par le gaz et
s’échappent de la colonne. On appelle ce régime le "lit transporté" (fig. I.1.f).[4]
Donc La fluidisation de la poudre est fonction de la taille et de la masse volumique des
particules, et du débit d’air de fluidisation : la vitesse de l’air (Ua) doit être comprise entre la
vitesse minimale de fluidisation (Umf) et la vitesse terminale de chute des particules (Ut) [5]
Chapitre I
Figure I.1. Descripti
pression du gaz à travers la couche de particules en fonction de la vitesse
D’après la figure (I.1
intermédiaire entre un lit fix
régimes sont fréquents dans le fonctionnement d'un lit fluidisé:
• régime particulaire (fluidisation
• régime de bullage
• régime de pistonnage
• régime turbulent [
Chacun des régime énumérés ci
des particule solide employer,
relative à leur comportement vis
de les répartir en quatre classes en fonction de leur taille moyenne et du différentiel de
leur masse volumique avec celle de l’ai
poudres sableuses (B), les poudres cohésives (C) et les poudres granuleuses (D). Les
poudres des groupes A, B et D, quoique présentant des aptitudes différentes à l’égard de
ce procédé, ne manifesteront pas d’incapacité à la fluidisation. Même
en évidence une forte turbulence dans le cas des poudres granuleuses, le réglage de la
vitesse de fluidisation permet de mettre le lit en mouvement. Les poudres du groupe A,
Chapitre I Eléments de
Description du phénomène de fluidisation. Variation de la chute de
pression du gaz à travers la couche de particules en fonction de la vitesse
superficielle du gaz
la figure (I.1), le phénomène de fluidisation peut considérer
intermédiaire entre un lit fixe et un lit transporté. Dans la pratique on peut distinguer quatre
régimes sont fréquents dans le fonctionnement d'un lit fluidisé:
régime particulaire (fluidisation homogène)
régime de bullage
tonnage
régime turbulent [6]
Chacun des régime énumérés ci-dessus dépond de la nature et des
employer, Geldart a proposé une classification empirique des poudres
ive à leur comportement vis-à-vis du procédé de fluidisation. Cette description permet
de les répartir en quatre classes en fonction de leur taille moyenne et du différentiel de
leur masse volumique avec celle de l’air de fluidisation : les poudres fusant
poudres sableuses (B), les poudres cohésives (C) et les poudres granuleuses (D). Les
poudres des groupes A, B et D, quoique présentant des aptitudes différentes à l’égard de
ce procédé, ne manifesteront pas d’incapacité à la fluidisation. Même
en évidence une forte turbulence dans le cas des poudres granuleuses, le réglage de la
vitesse de fluidisation permet de mettre le lit en mouvement. Les poudres du groupe A,
Eléments de Bibliographie
5
Variation de la chute de
pression du gaz à travers la couche de particules en fonction de la vitesse
considérer comme un état
et un lit transporté. Dans la pratique on peut distinguer quatre
dessus dépond de la nature et des propriétés physiques
a proposé une classification empirique des poudres
vis du procédé de fluidisation. Cette description permet
de les répartir en quatre classes en fonction de leur taille moyenne et du différentiel de
: les poudres fusantes (A), les
poudres sableuses (B), les poudres cohésives (C) et les poudres granuleuses (D). Les
poudres des groupes A, B et D, quoique présentant des aptitudes différentes à l’égard de
ce procédé, ne manifesteront pas d’incapacité à la fluidisation. Même si le processus met
en évidence une forte turbulence dans le cas des poudres granuleuses, le réglage de la
vitesse de fluidisation permet de mettre le lit en mouvement. Les poudres du groupe A,
Chapitre I
manifestant un comportement particulièrement fluide au cours d
fluidisation et de la vidange, se sont vues attribuées
le qualificatif de fusantes. Concernant les poudres du groupe C, elles se caractérisent par
leur finesse et les forces de surface
les forces aérodynamiques de traînée exercées par l’air de fluidisation sur les particules.
Ces forces de surface peuvent avoir des origines multiples : attractions moléculaires,
électricité statique, eau adsorbée ou adhésivité du produit. Ces poudres sont
à fluidiser [7].
Figure I.2.Diagramme de classification des poudres pour la fluidisation par l'air
I.1.3.Avantage et inconvénients
Comme nous venons de le voir, le champ
L'explication réside dans les nombreux avantages que procure cette technique, à savoir :
• Le comportement régulier voire quasi liquide de l'écoulement des particules favorise
L’injection ou l'extraction des s
• La température du lit est très uniforme grâce aux brassages qui favorisent le mélange
rapide des particules.
• Les coefficients d'échanges thermiques entre le lit et les surfaces immergées sont très
Chapitre I Eléments de
manifestant un comportement particulièrement fluide au cours d
fluidisation et de la vidange, se sont vues attribuées
le qualificatif de fusantes. Concernant les poudres du groupe C, elles se caractérisent par
leur finesse et les forces de surface interarticulaires y sont du même ordre de grandeur que
les forces aérodynamiques de traînée exercées par l’air de fluidisation sur les particules.
Ces forces de surface peuvent avoir des origines multiples : attractions moléculaires,
électricité statique, eau adsorbée ou adhésivité du produit. Ces poudres sont
Diagramme de classification des poudres pour la fluidisation par l'air
aux conditions ambiantes [8]
inconvénients des lits fluidisés
Comme nous venons de le voir, le champ d'application des lits fluidisés est très vaste.
L'explication réside dans les nombreux avantages que procure cette technique, à savoir :
Le comportement régulier voire quasi liquide de l'écoulement des particules favorise
L’injection ou l'extraction des solides de manière continue.
La température du lit est très uniforme grâce aux brassages qui favorisent le mélange
Les coefficients d'échanges thermiques entre le lit et les surfaces immergées sont très
Eléments de Bibliographie
6
manifestant un comportement particulièrement fluide au cours du processus de
le qualificatif de fusantes. Concernant les poudres du groupe C, elles se caractérisent par
y sont du même ordre de grandeur que
les forces aérodynamiques de traînée exercées par l’air de fluidisation sur les particules.
Ces forces de surface peuvent avoir des origines multiples : attractions moléculaires,
électricité statique, eau adsorbée ou adhésivité du produit. Ces poudres sont donc difficiles
Diagramme de classification des poudres pour la fluidisation par l'air
d'application des lits fluidisés est très vaste.
L'explication réside dans les nombreux avantages que procure cette technique, à savoir :
Le comportement régulier voire quasi liquide de l'écoulement des particules favorise
La température du lit est très uniforme grâce aux brassages qui favorisent le mélange
Les coefficients d'échanges thermiques entre le lit et les surfaces immergées sont très
Chapitre I Eléments de Bibliographie
7
élevés comparés aux autres méthodes de mise en contact.
Néanmoins, elle possède quelques inconvénients :
• Les particules les plus fines sont souvent entraînées par le fluide. Il est alors
nécessaire
d'investir dans des équipements très onéreux pour séparer le fluide des particules à
l'extérieur du lit, un cyclone par exemple.
� La présence de bulles (zones dépourvues de particules) nuit à l'efficacité des réactions
car les temps de séjour des particules dans le lit peuvent varier fortement.
� Près des zones d'injection du fluide, les gradients de vitesses engendrent une érosion
des particules.
� Les particules érodent prématurément les surfaces avec lesquelles elles sont en contact
(parois des conduites, récipients, électrodes,...)[1]
I.2.Granulation en lit fluidisés
I.2.1. Définition général
La granulation, encore dénommée agglomération ou pelletisation selon les secteurs
industriels concernés, est définie comme un procédé consistant en l’agglomération de petites
particules primaires d’un matériau pulvérulent pour former des agrégats de taille supérieure
appelés granulés ou grains, au sein desquels les particules initiales sont toujours distinguables.
Le terme de granulation est principalement réservé aux procédés par agitation. Ce procédé de
granulation trouve de nombreuses applications dans divers domaines industriels parmi
lesquels peuvent être cités la chimie, l’industrie des détergents, l’industrie agroalimentaire ou
encore la pharmacie.
De manière générale, la granulation est mise en œuvre dans le but d’augmenter la
« processabilité » d’une poudre. Ainsi, la forte utilisation du procédé de granulation dans le
monde industriel peut s’expliquer principalement par les nombreux avantages que présente
une poudre granulée par rapport à la poudre de départ [9]
I.2.2. Mécanisme d'agglomération
La croissance des particules par granulation a lieu lorsque les particules solides, mises en
mouvement, entrent en contact avec la phase liquide dispersée. La manière dont les particules
croissent et la vitesse de croissance dépendent d'une part, des paramètres du procédé et d'autre
part des phénomènes qui se produisent à l'échelle locale à la surface des particules lors
d'interactions liquide/solide.
Chapitre I
Les travaux récents réalisés dans le domaine de la granulation
séparer le processus de granulation en trois étapes élémentaires pouvant se produire
simultanément ou successivement :
� Le mouillage /nucléation
granulaire. Cette étape conduit à la formation de fins agglomérats appelés nucléi,
� La densification/croissance :
coalescent entre eux conduisant ainsi à la formation de granulés.
� L'attrition/rupture:
très important dans le cas où la vitesse d'agitation est importante ou lorsque les granulés
sont séchés durant leur croissance
Figure I.3. Mécanismes mis en jeu lors de la croissance des particules en lit
I.3.Les réseaux neuromimetiques
I.3.1.Définition:
Un réseau neuromimétique est un ensemble d’unités de calcul connectées entre elle.son
utilisation dans le contrôle de
effet, le cerveau humain est constitué d’un grand nombre de cellules connectées entre elles et
Chapitre I Eléments de
Les travaux récents réalisés dans le domaine de la granulation humide ont permis de
séparer le processus de granulation en trois étapes élémentaires pouvant se produire
simultanément ou successivement :
nucléation : Cela consiste à disperser la solution liante dans le milieu
. Cette étape conduit à la formation de fins agglomérats appelés nucléi,
La densification/croissance : Les particules partiellement mouillées et les nucléi
coalescent entre eux conduisant ainsi à la formation de granulés.
L'attrition/rupture: Ce phénomène consiste à "casser" les agglomérats obtenus. Il est
très important dans le cas où la vitesse d'agitation est importante ou lorsque les granulés
sont séchés durant leur croissance [10]
. Mécanismes mis en jeu lors de la croissance des particules en lit
fluidise [11].
Les réseaux neuromimetiques
Un réseau neuromimétique est un ensemble d’unités de calcul connectées entre elle.son
utilisation dans le contrôle des procédé est tirée du fonctionnement du cerveau humain. En
effet, le cerveau humain est constitué d’un grand nombre de cellules connectées entre elles et
Eléments de Bibliographie
8
humide ont permis de
séparer le processus de granulation en trois étapes élémentaires pouvant se produire
Cela consiste à disperser la solution liante dans le milieu
. Cette étape conduit à la formation de fins agglomérats appelés nucléi,
Les particules partiellement mouillées et les nucléi
consiste à "casser" les agglomérats obtenus. Il est
très important dans le cas où la vitesse d'agitation est importante ou lorsque les granulés
. Mécanismes mis en jeu lors de la croissance des particules en lit
Un réseau neuromimétique est un ensemble d’unités de calcul connectées entre elle.son
s procédé est tirée du fonctionnement du cerveau humain. En
effet, le cerveau humain est constitué d’un grand nombre de cellules connectées entre elles et
Chapitre I
lorsqu’un signal provenant d’un neurone excite une cellule à travers des canaux
dits ″dentrites″, celle-ci transmet le message à la cellule voisine si l’intensité du signal reçu
est supérieure à une certaine limite. Cette transmission se fa
″axone″ et la jonction à travers laquelle le signal passe d’un neurone à un autre
synapse. Ceci nous amène à parler de l’intensité synaptique qui mesure l’influence du signal
provenant du neurone antérieur sur le prochain neurone [1
schématisé par la figure I.4
I.3.2.Le Neurone formel
Un neurone formel (artificiel) est une unité de traitement qui reçoit des données en entrée,
sous la forme d’un vecteur et produit une sortie réelle. Cette sortie est une fonction des entrés
et des poids des connexions
I.3.3.Les différents types de réseaux
Il existe différentes sortes de réseaux, en fonction de la taille, du débit des informations,
des types de protocoles de communication
rosenbblett, les réseaux de
travail. [15]
Chapitre I Eléments de
lorsqu’un signal provenant d’un neurone excite une cellule à travers des canaux
ci transmet le message à la cellule voisine si l’intensité du signal reçu
est supérieure à une certaine limite. Cette transmission se fait par le biais d’un canal appelé
à travers laquelle le signal passe d’un neurone à un autre
synapse. Ceci nous amène à parler de l’intensité synaptique qui mesure l’influence du signal
provenant du neurone antérieur sur le prochain neurone [12].C
schématisé par la figure I.4 :
Figure I.4.La cellule nerveuse [13]
Le Neurone formel
n neurone formel (artificiel) est une unité de traitement qui reçoit des données en entrée,
sous la forme d’un vecteur et produit une sortie réelle. Cette sortie est une fonction des entrés
et des poids des connexions. [14]
Les différents types de réseaux
Il existe différentes sortes de réseaux, en fonction de la taille, du débit des informations,
des types de protocoles de communication. On cite parmi ces réseaux
réseaux de hopfield et les réseaux d’anticipation que
Eléments de Bibliographie
9
lorsqu’un signal provenant d’un neurone excite une cellule à travers des canaux
ci transmet le message à la cellule voisine si l’intensité du signal reçu
t par le biais d’un canal appelé
à travers laquelle le signal passe d’un neurone à un autre est appelée
synapse. Ceci nous amène à parler de l’intensité synaptique qui mesure l’influence du signal
].Ce fonctionnement est
n neurone formel (artificiel) est une unité de traitement qui reçoit des données en entrée,
sous la forme d’un vecteur et produit une sortie réelle. Cette sortie est une fonction des entrés
Il existe différentes sortes de réseaux, en fonction de la taille, du débit des informations,
. On cite parmi ces réseaux : le perceptron de
hopfield et les réseaux d’anticipation que l’on abordée dans notre
Chapitre I Eléments de Bibliographie
10
I.3.4.De neurone biologique vers le neurone formel
Modéliser un réseau de neurones artificiels consiste à décrire le modèle du ou des neurones
qui le composent, à préciser les connections entre ces neurones et à fixer leur fonctionnement.
Le fonctionnement d’un tel assemblage d’unités neuronales est régi par des règles de
propagation d’activités et de mise à jour des états, voire même par une certaine dynamique
dans le cas des réseaux récurrents (réseaux dont les connexions constituent des boucles de
retour lorsque les sorties de certains neurones sont utilisées comme des entrées de neurones
situés en amont). [16]
Du point de vue mathématique, l’entreé du neurone i d’une couche cachée ou de celle de
sortie s’écrit: [12]
�� = � ���. ��
��
Ou �� :Entrée globale du neurone i
��� : poids associé au signal les neurones i et j [12]
I.3.5.Formalisation
Les réseaux de neurones artificiels (RNA) sont des modèles mathématiques inspirés de la
structure et du comportement des neurones biologiques. Ils sont composés d’unités
interconnectés que l’on appelle neurones formels ou artificiels capables de réaliser certaines
fonctions particulières et bien précises.
Les RNA permettent d’approcher des relations non linéaires à des degrés de complexité
importants. Les cellules d’entrées sont destinées à recueillir l’information qui est transformée
par les cellules cachées jusqu’aux cellules de sortie. Ces réseaux possèdent une ou plusieurs
couches cachées. Généralement on utilise dans ce type de réseaux une fonction d’activation
sigmoïde. [17]
��� = 11 + exp �−��
La figure I.5. représente un schéma montrant l’architecture de ce type de réseaux
Chapitre I Eléments de Bibliographie
11
Figure .I.5. Architecture d’un réseau de neurone formel
Chapitre II
Etude Pratique
Chapitre II Etude Pratique
12
II.1.Introduction
La modélisation d’un réseau de neurone signifie la détermination des poids w optimaux
(force optimale des connexions) qui permettront au modèle constitué par le réseau de bien
représenter le fonctionnement d’un procédé donné.
La détermination des ces poids se fait par apprentissage supervisé du réseau grâce a une
base de données constituée d’un ensemble de couples entrées-sortie décrivant le
comportement du processus.
Les perceptrons multicouches sont souvent qualifiés de boite noire difficiles à interpréter,
implémenter et à régler, ils ont pris une place importante dans les domaines de la
reconnaissance et de l’identification .pour bien comprendre la philosophie de cette outil, nous
allons détailler la structure d’un perceptron multicouches (PMC) et son mode d’apprentissage
dans le domaine de la granulation.
Dans cette partie, nous avons essayé de modéliser le procédé de granulation en lit fluidisé
par les réseaux neuro-mimétiques. Nous allons ici examiner un cas d’apprentissage, celui du
perceptron multicouche. Puis, nous nous intéresserons à la méthode d’apprentissage
supervisée. Pour cela on s’est proposer de se fixer une architecture du réseau et de construire
notre modèle sur sa base.
II.2.Structure d’un perceptron multicouche (PMC)
Un PMC se caractérise par trois types de couche : la couche d’entrée, la ou les couches
cachées et la couche de sortie. Chaque neurone d’une couche est connecté à tous les neurones
de la couche inferieure, on dit que le réseau est complètement connecté.
Notre cas représente un PMC à 4 couches. La couche d’entrée comporte (n)
caractéristiques, la première couche cachée contient (n) neurones, la seconde (n) neurone et
la couche de sortie contient une sortie. Les couches cachées ont pour but d’extraire de
l’espace d’entrée de l’information pertinente pour résoudre le problème de décision. Les
entrées sont brutes (données originales bien que normalisées).
Le calcul de la sortie se fait en propageant de gauche à droite les calculs, calcul des sortie
de chaque neurone de la première couche cachée puis ceux de la seconde couche cachée et en
fin ceux de le couche de sortie.
Chapitre II Etude Pratique
13
II.3.Base d’apprentissage
Les RNA ont la capacité de stoker de la connaissance empirique et de la rendre disponible
à l’usage .les habiletés de traitement des réseaux vont être stockées dans les poids
synaptiques, obtenus par des processus d’adaptation au d’apprentissage. L’objectif de la
l’apprentissage est de fourni une méthode au réseaux afin qu’il puisse ajuster ces paramètres
lorsqu’on luis présente des exemples a traiter.
L’apprentissage se fait en règle générale de manière supervisée. on possède une base de
données, suffisamment importante par rapport ou nombre de poids du PMC. Cette base est
découpé eu deux voir trois sous-base .La première sous-base appelés base d’apprentissage
permet comme son nom l’indique d’apprendre les poids du réseau de neurones. la seconde
sous-base ou base de test sert à régler les Meta paramètres de l’algorithme d’apprentissage
(nombre de couche cachées, nombre de neurones, pas de gradient,……). Elle fournit une
évolution optimale de l’erreur, quant à la troisième sous-base , l’orsqu’elle est utilisée , elle
sert de base de validation afin d’évaluer le système sur des exemples non encore vus .
II .4.L’algorithme d’apprentissage
L’apprentissage est basé sur la correction des erreurs de classement des données pendent
l’entrainement supervisé. Le système modifie graduellement ses paramètres ajustables pour
que sa sortie tende vers la sortie désirée. La création d’un perceptron multicouche pour
résoudre un problème donné passe donc par l’inférence meilleure application telle que définie
par un ensemble des données d’apprentissage constituées par des paires de vecteurs
d’entrées et de sorties désirées.
Plusieurs algorithmes ont été développés pour résoudre ce problème , le plus connu étant
l’algorithme de rétropropagation .
II.5.L’algorithme de rétropropagation
soit le couple ������, ����� désignant la �� donnée d’entrainement du réseau ou :
. لعصبية االصطناعية، أو منوذج االرتباطية، وضعت هي األخرى ملعاجلة اإلشارات يف جمال السيطرة على العملياتالشبكات ا
حبيث نستطيع من خالله متابعة تطور قطر اجلسيمات ,إن اهلدف من هذا العمل هو إنشاء تصميم نضري يستند إىل الشبكات العصبية
ل ذو طبقة مائعةاليت تتم خالل عملية التحبيب داخل مفاع
.اما فيما خيص النتائج الكمية فهي تبقى متعلقة بشكل جد وثيق حبجم العينة للتعلم
منوذج ،االصطناعية،اإلشارات، الشبكات العصبية ،سرير ذو طبقة مائعة,التصميم،الشبكات العصبية،التحبيب :الكلمات المفتاحية
.االرتباطية
L’une des préoccupations importantes que vit actuellement la recherche scientifique consiste au développement de nouvelles stratégies neuro-mimétiques destinées à l’identification et à la commande de systèmes physiques complexes, non linéaires et non stationnaires.
Les réseaux de neurones artificiels, ou bien modèles connexionnistes, sont développés pour le traitement du signal et dans le domaine du contrôle des procédés. L’objectif de le travail est de construire un modèle capable de prédire l’augmentation de la taille des particules lors d’une granulation en lit fluidisé. Les résultats indiquent une bonne prédiction des résultats expérimentaux et met en évidence l’effet important que revêt la taille de l’échantillon d’apprentissage sur les résultats.
One major tasks of scientific research is development of new strategies based on neural networks intended at the identification and control of physical complex systems, non linear and non stationary. The artificial neural networks or high connected models are developed to treat processing signals and also in control fields. The aim of our work therefore, is to construct a model based on this approach that is able to predict the particle diameter growth during granulation in a fluidized bed . Results show that the model represents very well all experimental data with a little estimation error (less than 1 %). The major effect of training data set was also showed. Key words: modelling, artificial neural networks, granulation, fluidized bed, neuromémitique network, models of connectionists, processing signal.