Dialogue essais-simulation et identification de lois de comportement ...

Dialogue essais-simulation et identification de lois de comportement ... Dialogue essais-simulation et identification de lois de comportement ...

tel.archives.ouvertes.fr
from tel.archives.ouvertes.fr More from this publisher
28.02.2014 Views

Partie B – Chapitre 7 : Identification des paramètres du comportement superélastique du NiTi 7.1. Introduction La première partie de ce chapitre commence par une courte revue bibliographique sur les méthodes d’identification inverses. Cette revue est suivie de la présentation de la méthode d’identification inverse utilisée dans ce travail. L’identification est basée sur la minimisation d’une fonction objectif, construite en termes de déformations, en actualisant itérativement les paramètres recherchés. La résolution du problème inverse passe par le calcul de la matrice de sensibilité des déformations aux paramètres d’identification. Deux stratégies ont été mises en œuvre pour déterminer les paramètres du modèle de Chemisky et al. (Chemisky et al. 2011), elles sont basées toutes les deux sur une méthode de minimisation d’un écart au sens des moindres carrés (Chemisky et al. 2013, Piotrowski et al. 2013, Meraghni et al. 2013). pastel-00910076, version 1 - 27 Nov 2013 La première stratégie exploite les résultats des essais homogènes de traction simple (direction de laminage et direction transversale) présentés dans la partie A-4. Dans cette stratégie, la fonction objectif est construite en termes de déformations longitudinales et transversales. Le choix de la fonction objectif et la formulation du modèle de comportement superélastique permettent d’estimer analytiquement la matrice de sensibilité et de réduire ainsi le temps de calcul. Cette première méthode d’identification a été utilisée pour déterminer les huit paramètres gouvernant le comportement superélastique du modèle de Chemisky et al. (Chemisky et al. 2011) pour l’alliage de NiTi étudié dans ce travail. Les résultats de la seconde stratégie d’identification, qui exploite les champs cinématiques mesurés au cours d’un essai hétérogène, sont présentés dans le chapitre B-8. 7.2. Techniques d’identification de lois de comportement 7.2.1. Le problème inverse et sa résolution Les problèmes habituels ou standards de la mécanique des solides consistent à déterminer la réponse d’un système (les champs de déplacements, de température, de déformations ou de contraintes) en connaissant sa géométrie, les lois de comportement et leurs paramètres constitutifs et l’ensemble des conditions aux limites. Dans la littérature, ces problèmes sont qualifiés de problèmes directs. Les problèmes inverses, quant à eux, désignent la détermination des paramètres de la loi de comportement intervenant dans la description de la réponse du système étudié. Cette détermination est menée à partir de la connaissance de la sollicitation appliquée et des grandeurs mesurées (champs de déplacements, de températures, de déformations, …) (Figure 7-1). L’identification d’une loi de comportement par méthode inverse consiste à trouver l’ensemble des paramètres qui minimise l’écart entre les variables mesurées expérimentalement et les valeurs calculées de ces variables par le modèle direct. Cet écart est mesuré à l’aide d’une fonction appelée fonction objectif. 178

Partie B – Chapitre 7 : Identification des paramètres du comportement superélastique du NiTi Sollicitation (CL, Efforts) Modèle (Paramètres) Réponse ( ) Sollicitation (CL, Efforts) Réponse ( ) Paramètres du Modèle Problème direct Problème inverse Figure ‎7-1 : Schémas de principe des problèmes direct et inverse. pastel-00910076, version 1 - 27 Nov 2013 Il existe plusieurs méthodes pour assurer la minimisation de cette fonction objectif. Ces méthodes peuvent être classées en trois catégories selon (Gavrus 1996, Tillier 1998, Merzouki 2008, Nouri 2009, Mohammad Sadeghi 2010) : • Méthodes de régression linéaire, utilisées si l’expression des grandeurs calculées sont linéaires par rapport aux paramètres à identifier, ou si elles permettent une linéarisation. • Méthodes d’évaluations successives de la fonction objectif pour différents jeux de paramètres choisis avec des critères de recherche linéaire (algorithme de type simplex), génétique ou statistique (méthode de Monte-Carlo). • Méthodes de type gradient (1 er ou 2 ème ordre) permettant la détermination des paramètres par une méthode d’approximation itérative. Ces méthodes exigent d’évaluer simultanément la fonction objectif et son gradient (méthode de la plus grande pente, méthode du gradient conjugué, méthode de Newton, méthode de Gauss - Newton, …). Le choix parmi toutes ces méthodes se fait par expérience mais surtout en fonction du type du modèle direct de calcul, du degré de complexité de la résolution et des caractéristiques de la fonction objectif telles que sa convexité, l’existence ou non de plusieurs minima ou la présence de paliers. Pour les modèles non linéaires, il est généralement préférable d’utiliser des méthodes itératives de type gradient (Tillier 1998, Gavrus 1996). Avril et al (Avril et al. 2008) et Réthoré (Réthoré 2010) ont publié une revue qui présente et compare les différentes techniques de détermination de paramètres, à partir de mesure de champs cinématiques. Les techniques les plus répandues dans le domaine de la mécanique des matériaux sont : La méthode des champs virtuels (Virtual Fields Method, VFM). C’est une méthode non itérative d’identification des paramètres pilotant des lois de comportement mécanique à partir de mesure de champs de déplacement (Grédiac 1989). Elle est basée sur le Principe des Travaux Virtuels (PTV) et ne nécessite pas la création d’un modèle simulant l’essai réalisé. En supposant les forces volumiques nulles, l’équilibre statique global du solide s’écrit : 179

Partie B – Chapitre 7 : I<strong>de</strong>ntification <strong>de</strong>s paramètres du <strong>comportement</strong> superélastique du NiTi<br />

7.1. Introduction<br />

La première partie <strong>de</strong> ce chapitre commence par une courte revue bibliographique sur les<br />

métho<strong>de</strong>s d’<strong>i<strong>de</strong>ntification</strong> inverses. C<strong>et</strong>te revue est suivie <strong>de</strong> la présentation <strong>de</strong> la métho<strong>de</strong><br />

d’<strong>i<strong>de</strong>ntification</strong> inverse utilisée dans ce travail. L’<strong>i<strong>de</strong>ntification</strong> est basée sur la minimisation<br />

d’une fonction objectif, construite en termes <strong>de</strong> déformations, en actualisant itérativement les<br />

paramètres recherchés. La résolution du problème inverse passe par le calcul <strong>de</strong> la matrice <strong>de</strong><br />

sensibilité <strong>de</strong>s déformations aux paramètres d’<strong>i<strong>de</strong>ntification</strong>.<br />

Deux stratégies ont été mises en œuvre pour déterminer les paramètres du modèle <strong>de</strong><br />

Chemisky <strong>et</strong> al. (Chemisky <strong>et</strong> al. 2011), elles sont basées toutes les <strong>de</strong>ux sur une métho<strong>de</strong> <strong>de</strong><br />

minimisation d’un écart au sens <strong>de</strong>s moindres carrés (Chemisky <strong>et</strong> al. 2013, Piotrowski <strong>et</strong> al.<br />

2013, Meraghni <strong>et</strong> al. 2013).<br />

pastel-00910076, version 1 - 27 Nov 2013<br />

La première stratégie exploite les résultats <strong>de</strong>s <strong>essais</strong> homogènes <strong>de</strong> traction simple (direction<br />

<strong>de</strong> laminage <strong>et</strong> direction transversale) présentés dans la partie A-4. Dans c<strong>et</strong>te stratégie, la<br />

fonction objectif est construite en termes <strong>de</strong> déformations longitudinales <strong>et</strong> transversales. Le<br />

choix <strong>de</strong> la fonction objectif <strong>et</strong> la formulation du modèle <strong>de</strong> <strong>comportement</strong> superélastique<br />

perm<strong>et</strong>tent d’estimer analytiquement la matrice <strong>de</strong> sensibilité <strong>et</strong> <strong>de</strong> réduire ainsi le temps <strong>de</strong><br />

calcul. C<strong>et</strong>te première métho<strong>de</strong> d’<strong>i<strong>de</strong>ntification</strong> a été utilisée pour déterminer les huit<br />

paramètres gouvernant le <strong>comportement</strong> superélastique du modèle <strong>de</strong> Chemisky <strong>et</strong> al.<br />

(Chemisky <strong>et</strong> al. 2011) pour l’alliage <strong>de</strong> NiTi étudié dans ce travail.<br />

Les résultats <strong>de</strong> la secon<strong>de</strong> stratégie d’<strong>i<strong>de</strong>ntification</strong>, qui exploite les champs cinématiques<br />

mesurés au cours d’un essai hétérogène, sont présentés dans le chapitre B-8.<br />

7.2. Techniques d’<strong>i<strong>de</strong>ntification</strong> <strong>de</strong> <strong>lois</strong> <strong>de</strong> <strong>comportement</strong><br />

7.2.1. Le problème inverse <strong>et</strong> sa résolution<br />

Les problèmes habituels ou standards <strong>de</strong> la mécanique <strong>de</strong>s soli<strong>de</strong>s consistent à déterminer la<br />

réponse d’un système (les champs <strong>de</strong> déplacements, <strong>de</strong> température, <strong>de</strong> déformations ou <strong>de</strong><br />

contraintes) en connaissant sa géométrie, les <strong>lois</strong> <strong>de</strong> <strong>comportement</strong> <strong>et</strong> leurs paramètres<br />

constitutifs <strong>et</strong> l’ensemble <strong>de</strong>s conditions aux limites. Dans la littérature, ces problèmes sont<br />

qualifiés <strong>de</strong> problèmes directs.<br />

Les problèmes inverses, quant à eux, désignent la détermination <strong>de</strong>s paramètres <strong>de</strong> la loi <strong>de</strong><br />

<strong>comportement</strong> intervenant dans la <strong>de</strong>scription <strong>de</strong> la réponse du système étudié. C<strong>et</strong>te<br />

détermination est menée à partir <strong>de</strong> la connaissance <strong>de</strong> la sollicitation appliquée <strong>et</strong> <strong>de</strong>s<br />

gran<strong>de</strong>urs mesurées (champs <strong>de</strong> déplacements, <strong>de</strong> températures, <strong>de</strong> déformations, …) (Figure<br />

7-1).<br />

L’<strong>i<strong>de</strong>ntification</strong> d’une loi <strong>de</strong> <strong>comportement</strong> par métho<strong>de</strong> inverse consiste à trouver l’ensemble<br />

<strong>de</strong>s paramètres qui minimise l’écart entre les variables mesurées expérimentalement <strong>et</strong> les<br />

valeurs calculées <strong>de</strong> ces variables par le modèle direct. C<strong>et</strong> écart est mesuré à l’ai<strong>de</strong> d’une<br />

fonction appelée fonction objectif.<br />

178

Hooray! Your file is uploaded and ready to be published.

Saved successfully!

Ooh no, something went wrong!