L'objectif de la thèse effectuée dans le cadre du projet européen « Intelligent system for NET shape FORming of Sheet MEtal Product » est la recherche de procédures optimisées pour la mise au point de simulations numériques d'opérations industrielles d'emboutissage. Ce travail a pour but d'apporter des réponses efficaces, applicables au sein d'une entreprise en regard de la mauvaise perception de ce type de procédé dans le milieu industriel.<br />La procédure met en avant le rôle clé de l'identification des lois de comportement élastoplastiques définissant le comportement de la tôle pendant la simulation.<br />Dans un premier temps on s'intéresse à l'identification classique à partir d'essais de traction utilisés habituellement à cet effet.<br />Différentes techniques et protocoles sont alors retenus pour tirer le meilleur parti de ce type d'essais en utilisant notamment les techniques expérimentales d'analyse d'images.<br />Ces choix conduisent à une amélioration notable des résultats concernant l'effet du retour élastique, l'état de contraintes résiduelles et la prédiction de la localisation de la déformation.<br />Cependant les limites de ce type d'identification réalisé sur des essais homogènes apparaissent clairement.<br />C'est pourquoi, nous proposons une méthode originale d'identification des paramètres de la loi de comportement à partir d'essais hétérogènes voisins du cas réel de mise en forme. L'optimisation des coefficients de la loi de comportement est alors fondée sur l'utilisation de réseaux de neurones. Les avantages de cette méthode sont démontrés sur un exemple d'emboutissage de pièces axisymétriques à flan bloqué.
Identifer | oai:union.ndltd.org:CCSD/oai:tel.archives-ouvertes.fr:tel-00192731 |
Date | 22 September 2006 |
Creators | Incandela, Olga |
Source Sets | CCSD theses-EN-ligne, France |
Language | French |
Detected Language | French |
Type | PhD thesis |
Page generated in 0.0017 seconds