Thèse soutenue

Analyse stochastique, simulation et identification de lois de comportement hyperélastiques
FR  |  
EN
Accès à la thèse
Auteur / Autrice : Brian Staber
Direction : Johann Guilleminot
Type : Thèse de doctorat
Discipline(s) : Mécanique
Date : Soutenance le 29/06/2018
Etablissement(s) : Paris Est
Ecole(s) doctorale(s) : École doctorale Sciences, Ingénierie et Environnement (Champs-sur-Marne, Seine-et-Marne ; 2015-....)
Partenaire(s) de recherche : Laboratoire : Laboratoire Modélisation et simulation multi échelle (Marne-la-Vallée) - Laboratoire de Modélisation et Simulation Multi Echelle / MSME
Jury : Président / Présidente : Didier Clouteau
Examinateurs / Examinatrices : Johann Guilleminot, Maarten Arnst, Frédéric Legoll, Christian Soize
Rapporteurs / Rapporteuses : Stéphane Pierre Alain Bordas, Roger Ghanem

Résumé

FR  |  
EN

Le projet de thèse concerne la construction, la génération et l'identification de modèles continus stochastiques, pour des milieux hétérogènes exhibant des comportements non linéaires. Le domaine d'application principal visé est la biomécanique, notamment au travers du développement d'outils de modélisation multi-échelles et stochastiques, afin de quantifier les grandes incertitudes exhibées par les tissus mous. Deux aspects sont particulièrement mis en exergue. Le premier point a trait à la prise en compte des incertitudes en mécanique non linéaire, et leurs incidences sur les prédictions des quantités d'intérêt. Le second aspect concerne la construction, la génération (en grandes dimensions) et l'identification multi-échelle de représentations continues à partir de résultats expérimentaux limités