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 ...
Partie B – Chapitre 8 : Identification sur des essais complexes - comparaison et discussion (logiciel Vic-2D). Les déplacements imposés sont les moyennes des valeurs mesurées, ils sont considérés constants sur chaque frontière (Meraghni et al. 2011). Set d’éléments pastel-00910076, version 1 - 27 Nov 2013 a) b) Figure 8-1 : Eprouvette Meuwissen, a) géométrie choisie pour l’identification des paramètres, b) zone d’intérêt choisie (set élément). Algorithme utilisé La procédure d’identification utilise un algorithme original d’optimisation hybride génétique – gradient. Chaque jeu de paramètres est considéré comme un « individu », qui pourra servir de point de départ pour un algorithme de gradient ou servir de « parent » pour la partie génétique de l’algorithme. Afin d’optimiser le temps d’identification, la solution logicielle d’identification est parallélisée, permettant de déterminer la réponse correspondant à plusieurs individus en parallèle. L’algorithme hybride se décompose en plusieurs séquences : 1. Génération initiale composée de individus aux paramètres déterminés de façon aléatoire dans un intervalle prédéfini, intégrant des contraintes inter-paramètres (par exemple ). Simulation numérique pour chaque jeu de paramètres, détermination d’une fonction coût en fonction de chaque jeu de paramètres (individu). 2. Sélection des meilleurs individus ( ) en terme de valeur de la fonction coût. Ces individus constituent la génération ( ). Ils serviront à déterminer la génération suivante par brassage génétique. 3. Sélection d’une classe exceptionnelle d’individus ( ) qui seront « dopés » (voir point 5 ci-dessous) en utilisant un algorithme de gradient (Levenberg- Marquardt). 206
Partie B – Chapitre 8 : Identification sur des essais complexes - comparaison et discussion Détermination par croisement génétique et mutation d’une population « enfant » de la génération avec enfants. 4. Simulation numérique pour chaque individu enfant de la génération . Détermination de la matrice de sensibilité numérique pour chaque individu de classe exceptionnelle de la génération . 5. Dopage des individus de classe exceptionnelle ( ). 6. Tant que où que la variation de la fonction coût est supérieure à une valeur critique, retour à la phase 2. 7. Sortie de la boucle d’optimisation, détermination du meilleur jeu de paramètres. pastel-00910076, version 1 - 27 Nov 2013 L’algorithme utilisé a été éprouvé sur des données simulées et s’est avéré efficace pour l’identification des huit paramètres caractéristiques du comportement superélastique des AMF (modèle de Chemisky et al. 2011) sur des données expérimentales simulées. Le couplage de l’algorithme génétique-méthode de gradient s’avère très avantageux. La partie génétique permet d’éviter qu’un minimum local ne soit adopté comme solution optimale. La partie à gradient permet de déterminer efficacement un jeu optimal de paramètres lorsqu’un individu est suffisamment proche du minimum global. Le calcul parallélisé sur un cluster permet d’accélérer grandement la procédure d’identification (moyenne de 20 simulations effectuées en parallèle). Cet algorithme a ensuite été utilisé en se basant sur les données expérimentales sur les éprouvettes Meuwissen. 8.3. Résultats de l’identification à partir de champs expérimentaux de déformations Le Tableau 8-1 montre les résultats de l’identification des huit paramètres qui gouvernent le comportement superélastique du modèle de Chemisky et al. (Chemisky et al. 2011). Cette identification a employé les champs de déformations provenant des essais de traction effectués à 50°C, 60°C et 70°C sur une éprouvette de type Meuwissen. E (MPa) υ H f (MPa) b d (MPa/°C) b r (MPa/°C) M s (°C) A f (°C) 67 538 0,349 1,85 4,18 % 8,54 10,68 -16,0 10,1 Tableau 8-1 : Jeu de paramètres identifiés à partir des champs de déformations des essais de traction sur une éprouvette de type Meuwissen réalisés aux températures de 50°C, 60°C et 70°C. Les paramètres identifiés ont été utilisés pour la simulation par éléments finis (Abaqus) d’essais de traction sur éprouvette Meuwissen à différentes températures (50°C, 60°C et 207
- Page 163 and 164: Partie B - Chapitre 6 : Analyse de
- Page 165 and 166: Partie B - Chapitre 6 : Analyse de
- Page 167 and 168: Partie B - Chapitre 6 : Analyse de
- Page 169 and 170: Partie B - Chapitre 6 : Analyse de
- Page 171 and 172: Partie B - Chapitre 6 : Analyse de
- Page 173 and 174: Partie B - Chapitre 6 : Analyse de
- Page 175 and 176: Partie B - Chapitre 6 : Analyse de
- Page 177 and 178: Partie B - Chapitre 6 : Analyse de
- Page 179 and 180: Partie B - Chapitre 6 : Analyse de
- Page 181 and 182: Partie B - Chapitre 6 : Analyse de
- Page 183 and 184: Partie B - Chapitre 6 : Analyse de
- Page 185 and 186: Partie B - Chapitre 7 : Identificat
- Page 187 and 188: Partie B - Chapitre 7 : Identificat
- Page 189 and 190: Partie B - Chapitre 7 : Identificat
- Page 191 and 192: Paramètres actualisés p Partie B
- Page 193 and 194: Partie B - Chapitre 7 : Identificat
- Page 195 and 196: Partie B - Chapitre 7 : Identificat
- Page 197 and 198: Partie B - Chapitre 7 : Identificat
- Page 199 and 200: Partie B - Chapitre 7 : Identificat
- Page 201 and 202: Partie B - Chapitre 7 : Identificat
- Page 203 and 204: Partie B - Chapitre 7 : Identificat
- Page 205 and 206: Partie B - Chapitre 7 : Identificat
- Page 207 and 208: Partie B - Chapitre 7 : Identificat
- Page 209 and 210: Partie B - Chapitre 7 : Identificat
- Page 211 and 212: Partie B - Chapitre 8 : Identificat
- Page 213: Partie B - Chapitre 8 : Identificat
- Page 217 and 218: Partie B - Chapitre 8 : Identificat
- Page 219 and 220: Force (kN) Force (kN) Force (kN) Pa
- Page 221 and 222: Partie B - Chapitre 8 : Identificat
- Page 223 and 224: Contrainte (MPa) Contrainte (MPa) P
- Page 225 and 226: Partie B - Chapitre 8 : Identificat
- Page 227 and 228: Partie B - Chapitre 8 : Identificat
- Page 229 and 230: Conclusion générale Conclusion g
- Page 231 and 232: Conclusion générale superélastic
- Page 233 and 234: Annexes ANNEXE A DT pastel-00910076
- Page 235 and 236: Annexes 1 0,8% 2 0 % pastel-0091007
- Page 237 and 238: Annexes 0,005 0 pastel-00910076, ve
- Page 239 and 240: Déplacement (mm) Annexes ANNEXE C
- Page 241 and 242: Annexes B H F G I D E C A pastel-00
- Page 243 and 244: Déplacement (mm) Annexes 3 2,5 2 1
- Page 245 and 246: Annexes D F C B E A pastel-00910076
- Page 247 and 248: pastel-00910076, version 1 - 27 Nov
Partie B – Chapitre 8 : I<strong>de</strong>ntification sur <strong>de</strong>s <strong>essais</strong> complexes - comparaison <strong>et</strong> discussion<br />
Détermination par croisement génétique <strong>et</strong> mutation d’une population « enfant » <strong>de</strong> la<br />
génération avec enfants.<br />
4. Simulation numérique pour chaque individu enfant <strong>de</strong> la génération . Détermination<br />
<strong>de</strong> la matrice <strong>de</strong> sensibilité numérique pour chaque individu <strong>de</strong> classe exceptionnelle<br />
<strong>de</strong> la génération .<br />
5. Dopage <strong>de</strong>s individus <strong>de</strong> classe exceptionnelle ( ).<br />
6. Tant que où que la variation <strong>de</strong> la fonction coût est<br />
supérieure à une valeur critique, r<strong>et</strong>our à la phase 2.<br />
7. Sortie <strong>de</strong> la boucle d’optimisation, détermination du meilleur jeu <strong>de</strong> paramètres.<br />
pastel-00910076, version 1 - 27 Nov 2013<br />
L’algorithme utilisé a été éprouvé sur <strong>de</strong>s données simulées <strong>et</strong> s’est avéré efficace pour<br />
l’<strong>i<strong>de</strong>ntification</strong> <strong>de</strong>s huit paramètres<br />
caractéristiques du<br />
<strong>comportement</strong> superélastique <strong>de</strong>s AMF (modèle <strong>de</strong> Chemisky <strong>et</strong> al. 2011) sur <strong>de</strong>s données<br />
expérimentales simulées. Le couplage <strong>de</strong> l’algorithme génétique-métho<strong>de</strong> <strong>de</strong> gradient s’avère<br />
très avantageux. La partie génétique perm<strong>et</strong> d’éviter qu’un minimum local ne soit adopté<br />
comme solution optimale. La partie à gradient perm<strong>et</strong> <strong>de</strong> déterminer efficacement un jeu<br />
optimal <strong>de</strong> paramètres lorsqu’un individu est suffisamment proche du minimum global. Le<br />
calcul parallélisé sur un cluster perm<strong>et</strong> d’accélérer gran<strong>de</strong>ment la procédure d’<strong>i<strong>de</strong>ntification</strong><br />
(moyenne <strong>de</strong> 20 <strong>simulation</strong>s effectuées en parallèle). C<strong>et</strong> algorithme a ensuite été utilisé en se<br />
basant sur les données expérimentales sur les éprouv<strong>et</strong>tes Meuwissen.<br />
8.3. Résultats <strong>de</strong> l’<strong>i<strong>de</strong>ntification</strong> à partir <strong>de</strong> champs<br />
expérimentaux <strong>de</strong> déformations<br />
Le Tableau 8-1 montre les résultats <strong>de</strong> l’<strong>i<strong>de</strong>ntification</strong> <strong>de</strong>s huit paramètres<br />
qui gouvernent le <strong>comportement</strong> superélastique du modèle <strong>de</strong> Chemisky<br />
<strong>et</strong> al. (Chemisky <strong>et</strong> al. 2011). C<strong>et</strong>te <strong>i<strong>de</strong>ntification</strong> a employé les champs <strong>de</strong> déformations<br />
provenant <strong>de</strong>s <strong>essais</strong> <strong>de</strong> traction effectués à 50°C, 60°C <strong>et</strong> 70°C sur une éprouv<strong>et</strong>te <strong>de</strong> type<br />
Meuwissen.<br />
E (MPa) υ H f (MPa) b d (MPa/°C) b r (MPa/°C) M s (°C) A f (°C)<br />
67 538 0,349 1,85 4,18 % 8,54 10,68 -16,0 10,1<br />
Tableau 8-1 : Jeu <strong>de</strong> paramètres i<strong>de</strong>ntifiés à partir <strong>de</strong>s champs <strong>de</strong> déformations <strong>de</strong>s <strong>essais</strong> <strong>de</strong><br />
traction sur une éprouv<strong>et</strong>te <strong>de</strong> type Meuwissen réalisés aux températures <strong>de</strong> 50°C, 60°C <strong>et</strong><br />
70°C.<br />
Les paramètres i<strong>de</strong>ntifiés ont été utilisés pour la <strong>simulation</strong> par éléments finis (Abaqus)<br />
d’<strong>essais</strong> <strong>de</strong> traction sur éprouv<strong>et</strong>te Meuwissen à différentes températures (50°C, 60°C <strong>et</strong><br />
207