Despite its known effectiveness, a typical vibratory assembly method tends to generate adverse impact forces between mating parts commensurate with the relatively large vibratory motion required for reliably compensating positioning errors of arbitrary magnitude. To this end, this paper presents a neural network-based vibratory assembly method with its emphasis on reducing the mating forces for chamferless prismatic parts. In this method, the interactive force is effectively suppressed by reducing the amplitude of vibratory motion, while the greater part of the relative positioning error is estimated and compensated by a neural network. The estimation performance of the neural network and the overall performance of the assembly method are evaluated experimentally. Experimental results show that the assembly is efficiently accomplished with small reaction forces, and the possible insertion error range is also expanded

La détermination de la raideur des pièces assemblées a fait l'objet d'études récentes. Cependant, la plupart des modèles proposés concernent seulement des pièces de révolution avec un chargement axisymétrique.Cet article propose une démarche permettant la détermination de la raideur axiale des pièces assemblées de forme prismatique et pour une position quelconque du boulon d'assemblage.Deux modèles sont proposés : le modèle analytique s'appuie sur un découpage de la pièce en secteurs angulaires de rigidités différentes ; le modèle "éléments-finis" basé sur la détermination de l'énergie de déformation permet de prendre en compte les différents paramètres géométriques liés à la position du boulon sur la pièce.Les résultats obtenus sont confrontés. Ils débouchent sur une formulation permettant le calcul de la raideur axiale équivalente de la pièce prismatique et sur la détermination de l'angle de basculement du plan de flexion de la tête de la vis.