Les méthodes d'homogénéisation numériques permettent de lever les limitations associées aux approches analytiques ou semi-analytiques pour prédire le comportement des matériaux hétérogènes dont les phases sont décrites par un comportement non linéaire, en particulier pour des morphologies de géométries complexes, ou des comportements dépendant de l'histoire, ou en grandes déformations. Dans ce travail, plusieurs contributions aux méthodes d'homogénéisation numériques pour traiter les problèmes non linéaires sont proposées. Dans une première partie, nous introduisons une méthode permettant de réaliser l'homogénéisation des matériaux dont les phases sont élastoplastiques parfaites. La technique est une extension de la méthode Non Uniform Transformation Field Analysis (NTFA) dans laquelle un algorithme de type prédiction-correction est introduit pour actualiser les variables internes. Dans une seconde partie, une méthode pour réaliser l'homogénéisation des composites non linéaires élastiques en petites et grandes déformations est proposée. Celle-ci se base sur la construction de potentiels associés au comportement effectif sous forme d'une base de données composée de valeurs discrètes interpolées à partir de valeurs discrètes obtenus par calculs éléments finis réalisés sur un Volume Élémentaire Représentatif (VER). Un schéma original d'interpolation est introduit, utilisant la notion de réseaux de neurones artificiels pour limiter le nombre de valeurs pré-calculées et choisir les points aléatoirement dans l'espace du chargement et des paramètres. Il est possible d'introduire des paramètres associés à la microstructure dans le comportement tels que la fraction volumique ou des paramètres de comportement des phases, en vue de possible optimisation de la réponse associée des structures non linéaires / Computational homogenization methods allow circumventing issues associated to analytical or semi-analytical approaches, for predicting the effective behavior of heterogeneous materials whose phase are described by a nonlinear behavior, more precisely when microstructures have complex morphologies or a history-depedendent behavior, or when considering finite strains. In this work, several contributions to computational homogenization methods for modeling nonlinear heterogeneous materials are proposed. In a first part, we introduce a method for homogenizing meterials whose phases are perfectly elastoplastic. The technique extends the Non Uniform Transformation Field Analysis (NTFA) method by développing a return-mapping algorithm to update macroscopic internal variables. In a second part, a method is introduced for the homogenization of nonlinear composites whose phases are nonlinearly elastic, at both small and finite strains. The approach is based on the construction of potentials associated to the effective behavior in the form of a database whose discrete values are computed through Finite Element Computations realized on a Representative Volume Element (RVE). An original interpolation scheme is introduced, which is based on artificial Neural Networks to reduce the number of computed values which can be distributed randomly in the parameter space. It is then possible to introduce parameters associated to the microstructure in the constitutive law, such as volume fraction or constitutive parameters of local phases, for optimization of the related non linear structure response
Identifer | oai:union.ndltd.org:theses.fr/2014PEST1027 |
Date | 24 January 2014 |
Creators | Le, Ba Anh |
Contributors | Paris Est, Yvonnet, Julien |
Source Sets | Dépôt national des thèses électroniques françaises |
Language | French |
Detected Language | French |
Type | Electronic Thesis or Dissertation, Text |
Page generated in 0.0026 seconds