Identification des paramètres de lois de comportement hyper-élastiques par nano-indentation et réduction de dimensionnalité
Auteur / Autrice : | Oumaima Ezzaamari |
Direction : | Stéphane Méo |
Type : | Projet de thèse |
Discipline(s) : | Génie Mécanique et Productique |
Date : | Inscription en doctorat le 26/10/2017 |
Etablissement(s) : | Tours |
Ecole(s) doctorale(s) : | École doctorale Énergie, Matériaux, Sciences de la Terre et de l'Univers (2012-.... ; Centre-Val de Loire) |
Partenaire(s) de recherche : | Laboratoire : Laboratoire de mécanique Gabriel Lamé (Orléans ; 2018-....) |
Mots clés
Résumé
Ce travail propose une approche d'identification des paramètres de lois de comportement hyper-élastiques basée sur le concept de variété de formes ou "shape manifold" exploitant des courbes d'essais d'indentation instrumentée sur des élastomères. La nano-indentation instrumentée est une technique de caractérisation mécanique locale et non destructif, très développée de nos jours. Toutefois, les études portant sur cet essai restent limitées concernant le comportement mécanique local des matériaux élastomères. L'application de la nano-indentation sur ce type de matériaux reste une tâche difficile compte tenu de leurs caractéristiques mécaniques et structurelles complexes. Cette thèse a donc pour objectif de surmonter ces contraintes et propose un processus d'identification qui combine des courbes d'indentation numériques, expérimentales et des méthodes d'analyse de données pour l'apprentissage automatique. À cet effet, nous proposons de construire un espace de formes réduit par décomposition orthogonal aux valeurs propres (POD) et à partir d'un plan d'expériences numériques qui désigne les paramètres des lois de comportement des essais d'indentation numériques. Ceci est suivi par le krigeage, une méthode d'apprentissage automatique qui a pour but de faire l'interpolation spatiale et prédire les paramètres à identifier.