Stéréo-corrélation d'images numériques éléments finis : de l'étalonnage à l'identification

Finite element stereo-digital image correlation : from calibration to identification

• Auteur / Autrice : Guillaume Colantonio
• Direction : Jean-Charles Passieux, Eduard Marenić
• Type : Thèse de doctorat
• Discipline(s) : Génie mécanique, mécanique des matériaux
• Date : Soutenance le 04/12/2020
• Etablissement(s) : Toulouse, INSA
• Ecole(s) doctorale(s) : École doctorale Mécanique, énergétique, génie civil et procédés (Toulouse)
• Partenaire(s) de recherche : Laboratoire : ICA - Institut Clément Ader - Institut Clément Ader / ICA
• Jury : Président / Présidente : Éric Florentin
• Jury : Examinateurs / Examinatrices : Jean-Charles Passieux, Eduard Marenić, Pierre Feissel, Benoît Blaysat, Rébecca Bonnaire
• Jury : Rapporteurs / Rapporteuses : Pierre Feissel, Benoît Blaysat

Mots clés

Mots clés contrôlés

Corrélation d'images numériques

Mots clés libres

Dic

Mesure de forme

Apprentissage du dispositif

Réduction de modèle

Stéréo-Vision

Femu

Dic

Shape measurement

Setup learning

Model reduction

Stereovision

Femu

Résumé

Les limitations croissantes de poids, taille et puissance exigent des modèles de matériaux fiables et modernes, qui reposent fortement sur des techniques avancées d'identification et de validation. L'une d'entre-elles est la stéréo-corrélation d'images numériques (S-CIN), de plus en plus utilisée en mécanique expérimentale. Le développement récent d'un formalisme de S-CIN global, basé sur les éléments finis, permet de mesurer un champ cinématique 3D directement dans le repère de l'objet. Un avantage de cette approche est l'expression de la mesure dans le même support de discrétisation que la simulation, ce qui permet d'utiliser le modèle dans la mesure et de fortement simplifier le dialogue entre les essais et les simulations numériques.Une « phase d'apprentissage » de la configuration expérimentale précède la mesure de déplacement, où le système apprend le contexte de la scène. Elle se compose (1) de l'acquisition des caractéristiques et du positionnement des caméras ; (2) de l'apprentissage de la forme réelle de l'objet en corrigeant la forme issue de la CAO. Dans le même formalisme que la S-CIN, les étapes (1) d'étalonnage et (2) de mesure de forme, sont exprimées de façon unifiées. De plus la procédure adoptée permet : de faciliter l'initialisation des algorithmes grâce au marquage d'amers ; d'améliorer la gestion des bords par l'application d'un masque ; de limiter l'influence des reflets par l'ajustement de la luminosité, élément par élément. Enfin, une méthode géométrique et non-invasive de régularisation, basée sur l'analyse iso-géométrique, est mise en place.L'efficacité de cette procédure est testée avec un essai de traction sur une éprouvette d'acier inoxydable. Après la phase d'apprentissage, le montage est utilisé pour mesurer le champ de déplacement. Puis, l'identification des paramètres d'une loi de comportement élasto-plastique est réalisée. Dans cette étape, l'utilisation du même maillage éléments finis, à la fois pour la mesure et la simulation, est exploitée par une méthode de recalage de modèle éléments finis (ou « FEMU » en anglais).La méthodologie présentée est implémentée dans un logiciel académique programmé dans le langage Python.

Ever increasing weight, size and power demand limitations, ask for reliable, and modern material models, which in turn rely strongly on advanced identification and validation techniques. One of these techniques is the Stereo-Digital Image Correlation (S-DIC), which is increasingly used in experimental mechanics for full-field kinematic measurement. Recent developments of a global S-DIC formalism, based on finite element, allows to measure a 3D-kinematic field directly in the object coordinate system. A benefit of this method is that the experimental measurement is expressed in the same discretization support as the simulation, which allows to use the model in the measurement and to greatly simplify the dialogue between experiments and numerical simulations.A “learning phase” of the experimental setup precedes the displacement measurement, where the system learns the context of the scene. It is composed of (1) learning about characteristics and placement of the cameras; (2) learning of the true shape of the object by correcting the initial CAD shape. Using S-DIC framework the (1) calibration, and (2) shape measurement steps in learning phase are written in the unified manner. In addition, chosen procedure allows: simplifie initialization of the algorithms with feature marks; improve the boundary management with using of masks; limit reflections influence with an element by element adjustment of brightness. Finally, a noninvasive geometric regularization, based on iso-geometric analysis, is used.The performance of the proposed procedure is tried with a tension test on a stainless-steel sample. After the learning phase, the experimental setup is used for displacement field measurement. Then, the identification of parameters for an elastoplastic law is performed. For the identification procedure, the same finite element mesh is used both for displacement measurement and simulation within a finite element model updating (“FEMU”) algorithm.The presented methodology is implemented in an academic Python program.