Abstract FR:

Le soudage par points est la principale technique d'assemblage des toles de carrosserie automobile. Cependant, la variabilite de ce procede, et en particulier de l'etat des electrodes de soudage, pose deux problemes non resolus a ce jour : le controle non destructif de la qualite des soudures et la commande des parametres de soudage. Utilise frequemment dans le domaine des reseaux de neurones, et repute pour donner de bons resultats avec peu d'exemples, le leave-one-out conduit en realite souvent a la selection de modeles surajustes. Or, par un developpement de taylor, nous pouvons calculer l'effet du retrait d'un exemple de la base d'apprentissage sur la sortie du modele. Nous prouvons que l'estimation de l'erreur de generalisation obtenue a partir de ce calcul est plus fiable que celle obtenue classiquement par apprentissage. Par ailleurs, nous montrons le lien existant entre le leave-one-out calcule et les intervalles de confiance sur la sortie du modele. Enfin, nous proposons une technique originale de selection de modeles non lineaires qui evite le surajustement en limitant l'influence de chaque exemple sur l'estimation des parametres du modele. Nous presentons une methode permettant d'obtenir un modele de prevision du diametre d'une soudure, valable dans des conditions preetablies. Plus particulierement, nous montrons comment constituer une base de donnees initiale, selectionner le modele adequat, puis completer progressivement la base d'apprentissage. Appliquee a deux types de toles, cette methode permet d'atteindre une precision proche de l'erreur de mesure. En outre, utilises au sein d'une loi de commande, ces modeles permettent d'optimiser l'usure des electrodes.