Amélioration de la prédiction de la cavitation des pompes centrifuges par l'intégration de l'intelligence artificielle et de la Méthodologie des Surfaces de Réponse (RSM)
| dc.contributor.author | ALEM Lilia | |
| dc.contributor.author | KAHALERAS Mohamed Said (Encadrant) | |
| dc.date.accessioned | 2025-11-18T08:48:30Z | |
| dc.date.available | 2025-11-18T08:48:30Z | |
| dc.date.issued | 2025 | |
| dc.description.abstract | Dans un contexte de raréfaction des ressources en eau douce, le dessalement par osmose inverse s’impose comme une solution incontournable. Cependant, le phénomène de cavitation dans les pompes de rétro-lavage représente une menace majeure pour la performance et la durabilité de ces installations. Ce mémoire explore l’application des réseaux de neurones profonds (DNN) pour modéliser et prédire les conditions critiques de cavitation dans les pompes utilisées au cours du processus de rétro-lavage. Après une revue approfondie du phénomène de cavitation et des limites des approches classiques de simulation (CFD), une approche alternative basée sur l’intelligence artificielle est proposée. Le modèle DNN développé est capable d’intégrer les variables d’exploitation telles que la pression, le débit, la température et le NPSH, pour anticiper l’apparition de la cavitation. Cette démarche s’inscrit dans une logique de maintenance prédictive, d’optimisation énergétique et d’amélioration de la fiabilité des systèmes de dessalement. | |
| dc.identifier.uri | http://dspace.ensti-annaba.dz:4000/handle/123456789/936 | |
| dc.language.iso | fr | |
| dc.publisher | Ecole Nationale Supérieure de Technologie et d’Ingénierie-Annaba | |
| dc.subject | Cavitation | |
| dc.subject | Pompes de rétro-lavage (backwash) | |
| dc.subject | Osmose inverse | |
| dc.subject | Réseaux de neurones profonds (DNN) | |
| dc.subject | Maintenance prédictive | |
| dc.subject | NPSH (Net Positive Suction Head) | |
| dc.subject | Pression d’aspiration | |
| dc.title | Amélioration de la prédiction de la cavitation des pompes centrifuges par l'intégration de l'intelligence artificielle et de la Méthodologie des Surfaces de Réponse (RSM) | |
| dc.type | Thesis |