Jumeau numérique multi-échelle et assimilation de données pour prévoir l'endommagement dans les réservoirs sous pression en composite
Auteur / Autrice : | Nesrine Klebi |
Direction : | Pierre Kerfriden |
Type : | Thèse de doctorat |
Discipline(s) : | Mécanique |
Date : | Soutenance le 15/12/2023 |
Etablissement(s) : | Université Paris sciences et lettres |
Ecole(s) doctorale(s) : | Ecole doctorale Ingénierie des Systèmes, Matériaux, Mécanique, Énergétique (Paris) |
Partenaire(s) de recherche : | Laboratoire : ENSMP MAT. Centre des matériaux (Evry, Essonne) |
établissement de préparation de la thèse : École nationale supérieure des mines (Paris ; 1783-....) | |
Jury : | Président / Présidente : Eric Savin |
Examinateurs / Examinatrices : Pierre Kerfriden, Ludovic Chamoin, Salim Chaki, Federica Daghia, Basile Marchand | |
Rapporteurs / Rapporteuses : Ludovic Chamoin, Salim Chaki |
Mots clés
Mots clés contrôlés
Résumé
Dans ce travail de thèse, nous développons un jumeau numérique (DT) multi-échelle en associant les signaux des EAsà un modèle d’endommagement HF comportant un niveau élevé de détails, afin d’évaluer en ligne l’endommagementdes CPVs et faire des prédictions futures. Néanmoins, la concrétisation de cet objectif est jonché des difficultés. Pourla description mécanique, nous utilisons un modèle micro-méso qui offre une description détaillée de la statistique derupture des fibres, engendrant une forte charge de calcul. Pour une intégration efficace dans le DT, nous homogénéisonsd’abord le modèle pour le rendre déterministe à l’échelle mésoscopique et nous le réduisons ensuite en un modèle 0Dau point du pli endommageable avec une déformation imposée. D’autre part, les signaux acoustiques sont simplifiésen étant modélisés comme des détections, sans analyse d’atténuation ni de propagation. Elles seront générées parun processus de Poisson basé sur des principes physiques, où la probabilité de détection d’événements acoustiquesaugmente au fur et à mesure de l’avancement de l’endommagement. Cette relation avec la mécanique est expriméepar la forme de l’intensité du processus de Poisson, qui suit une loi puissance liant l’évolution de l’endommagement àdivers événements acoustiques pouvant être détectés instantanément par des capteurs. Finalement, pour s’adapter à lagénération dynamique de données, on résout un problème inverse en ligne par assimilation de données avec un filtragebayésien de type filtre particulaire (PF) avec une évaluation des paramètres du modèle acoustique non gaussien et duPF par maximisation de la vraisemblance marginale.