Thèse soutenue

Mécanique numérique en grandes transformations pilotée par les données : De la génération de données sur mesure à une stratégie adaptative de calcul multiéchelle
FR  |  
EN
Accès à la thèse
Auteur / Autrice : Auriane Platzer
Direction : Laurent StainierAdrien Leygue
Type : Thèse de doctorat
Discipline(s) : Mécanique des solides, des matériaux, des structures et des surfaces
Date : Soutenance le 15/12/2020
Etablissement(s) : Ecole centrale de Nantes
Ecole(s) doctorale(s) : Sciences de l'ingénierie et des systèmes (Centrale Nantes)
Partenaire(s) de recherche : Laboratoire : Institut de Recherche en Génie Civil et Mécanique (Nantes)
Jury : Président / Présidente : David Ryckelynck
Examinateurs / Examinatrices : Laurent Stainier, Adrien Leygue, David Ryckelynck, Marc-André Keip, Julien Yvonnet, Piotr Breitkopf, Michael Ortiz, Stefanie Reese
Rapporteurs / Rapporteuses : Marc-André Keip, Julien Yvonnet

Mots clés

FR  |  
EN

Résumé

FR  |  
EN

La mécanique numérique est aujourd'hui au cœur d'un important flux de données. D'un côté, l'identification des lois de comportement utilisées dans les simulations éléments finis repose sur de riches données expérimentales (mesures de champs). D'un autre côté, les calculs multiéchelles fournissent un très grand nombre de valeurs discrètes de champs de déplacement, déformation et contrainte, dont on extrait des connaissances sur la réponse effective du matériau. Entre ces données, la loi de comportement apparaît comme un goulot contraignant le champ des possibles. En rupture avec cette approche, Kirchdoerfer et Ortiz (Computer Methods in Applied Mechanics and Engineering, 304, 81-101) ont proposé un paradigme de mécanique numérique sans modèle, appelé data-driven computational mechanics. La réponse matériau y est uniquement représentée par une base de données (couples déformation-contrainte). Le problème mécanique est alors reformulé comme une mini- misation sous contrainte de la distance entre (i) l'état déformation-contrainte mécanique de la structure, et (ii) la base de données matériau. Ces travaux de thèse se concentrent sur la question de la couverture de l'espace par les données matériau, notamment dans le cadre des grandes transformations. Ainsi, l'approche data-driven est d'abord étendue à la mécanique non linéaire : nous considérons deux formulations différentes et proposons pour chacune d'elles un solveur éléments finis. Nous explorons ensuite la génération de base de données sur mesure, grâce à une méthode d'échantillonnage mécaniquement motivée. Nous évaluons l'approche au moyen d'analyses éléments finis de structures complexes en grandes déformations. Enfin, nous proposons une première stratégie de calcul multiéchelle pilotée par les données, qui permet d'enrichir de façon adaptative la base de données matériau.