Browsing by Author "ENCA/ Ihaddadene Razika"

Now showing 1 - 2 of 2
  • Thumbnail Image
    ItemOpen Access
    MODELISATION D’UNE CHEMINEE SOLAIRE
    (Université Mohamed Boudiaf M’sila, 2025-10-19) Ammar SEMANE; ENCA/ Ihaddadene Razika
    Cette étude vise à analyser expérimentalement l’impact de la température ambiante et du rayonnement solaire sur les températures moyennes de l’absorbeur et du collecteur d’une cheminée solaire. Pour ce faire, deux prototypes ont été conçus à l’Université de M’sila, et trois campagnes expérimentales ont été menées dans un climat aride à l’Université de Biskra (les 09/05/2022, 21/02/2023 et 23/02/2023). Les résultats ont révélé que la température moyenne de l’absorbeur dépasse systématiquement celle du collecteur. Ces deux températures sont fortement corrélées selon une loi polynomiale, avec des coefficients de détermination très élevés (R² > 0,97). L’étude confirme également que la température ambiante et le rayonnement solaire influencent significativement ces variations thermiques. Des modèles mathématiques ont été développés pour prédire ces évolutions. Par ailleurs, il a été démontré que l’augmentation de la température de l’air favorise sa vitesse d’écoulement dans la cheminée, améliorant ainsi le rendement global du système. En complément de l’étude expérimentale, une validation numérique a également été réalisée à l’aide du logiciel ANSYS, confirmant et renforçant la fiabilité des résultats obtenus expérimentalement.
  • Thumbnail Image
    ItemOpen Access
    Prédiction de la performance du procédé de séchage en utilisant les méthodes intelligentes
    (University of M’Sila, 2025-06-30) Abdelli Mohammed El Amine; Marouf Youcef Amine; ENCA/ Ihaddadene Razika
    Cette étude explore l'utilisation de méthodes intelligentes (réseaux de neurones, apprentissage automatique) pour optimiser les procédés de séchage, essentiels dans les industries agroalimentaire et pharmaceutique. Les résultats démontrent que :  Les modèles empiriques (Page, Logarithmique) fournissent des approximations utiles, avec une nette supériorité du modèle de Page (R²=0,99865).  Les réseaux de neurones (MLP) surpassent ces approches traditionnelles (R²=0,9999), captant mieux les non-linéarités complexes du séchage.  L'intégration de paramètres supplémentaires (température, épaisseur des produits) et de méthodes IA avancées ouvre des perspectives d'optimisation industrielle, combinant précision, efficacité énergétique et qualité des produits.