Modélisation numérique par éléments finis du comportement mécanique de pièces en matériau composite tissé sous sollicitations thermomécaniques. apport des techniques d'apprentissage. // finite element numerical modeling of the mechanical behavior of woven

Topic description

Le sujet proposé porte sur la modélisation numérique par éléments finis du comportement mécanique de pièces en matériaux composites tissés, soumises à des sollicitations thermomécaniques.
Les composites tissés se caractérisent par une architecture complexe, constituée de torons de fibres entrelacés au sein d'une matrice. Cette configuration confère à ces matériaux des propriétés mécaniques remarquables. Pour analyser les interactions complexes qui régissent leur comportement, une approche de modélisation multi-échelle s'impose. Celle-ci débute généralement par une modélisation à une échelle mésoscopique à laquelle certains phénomènes peuvent être correctement appréhendés.
Un Volume Élémentaire Représentatif (VER) représentatif de la structure interne et de ses propriétés est alors créé. À cette échelle, la représentation géométrique des torons entrelacés en contact, ainsi que leur interaction avec la matrice, devient particulièrement complexe, rendant le maillage numérique difficile. Les principaux défis résident dans la génération de maillages conformes, la gestion de la taille des modèles, et la modélisation précise des fines couches de matrice au niveau des interfaces entre torons. Des techniques analytiques ou par voxélisation proposées au laboratoire pour générer des maillages conformes réalistes de ces structures complexes pourront alors être exploitées.
La simulation complète d'un modèle thermomécanique à l'échelle mésoscopique reste difficilement envisageable avec les méthodes classiques, en raison des coûts computationnels élevés. Une solution prometteuse pourra consister alors à recourir à des techniques d'intelligence artificielle (IA) pour simuler le comportement global de la pièce tout en conservant une description à l'échelle mésoscopique. Cela nécessite au préalable la génération d'un maillage complet à cette échelle.
Il conviendra donc de définir un modèle paramétrique et hiérarchique de pièces composites stratifiées, présentant différents niveaux de complexité. Ce modèle servira de base à l'apprentissage automatique. Les paramètres pris en compte pourront inclure, entre autres, la géométrie des torons, les motifs de tissage, la densité de tissage et l'orientation des fibres. Enfin, la géométrie idéale obtenue pourra être ajustée grâce à des modèles simplifiés issus de la simulation numérique du drapage.
------------------------------------------------------------------------------------------------------------------------------------------------------------------------
------------------------------------------------------------------------------------------------------------------------------------------------------------------------

The proposed research focuses on the finite element modeling of the mechanical behavior of woven composite parts subjected to thermomechanical loading.
Woven composites are characterized by a complex architecture composed of interlaced fiber tows embedded in a matrix. This configuration imparts exceptional mechanical properties to the material. To analyze the complex interactions governing their behavior, a multiscale modeling approach is essential. This typically begins at the mesoscopic scale, where certain physical phenomena can be accurately captured.
A Representative Elementary Volume (REV) is then created to reflect the internal structure and its properties. At this scale, the geometric representation of interlaced, contacting tows and their interaction with the matrix becomes particularly complex, making numerical meshing a challenging task. Key difficulties include the generation of conforming meshes, handling model size, and accurately modeling the thin matrix layers at tow interfaces. Analytical or voxel-based meshing techniques developed in the laboratory may be employed to generate realistic conforming meshes for these intricate structures.
Full-scale thermomechanical simulations at the mesoscopic level remain computationally expensive and infeasible with classical methods. A promising alternative is to leverage artificial intelligence (AI) techniques to simulate the overall behavior of the component while preserving a mesoscopic-level description. This approach first requires the generation of a complete mesoscopic mesh.
Therefore, a parametric and hierarchical model of laminated composite parts, with varying levels of complexity, must be defined. This model will serve as the basis for machine learning. Parameters considered may include, among others, tow geometry, weave patterns, weave density, and fiber orientation. Finally, the idealized geometry may be refined using simplified models derived from draping simulations.
------------------------------------------------------------------------------------------------------------------------------------------------------------------------
------------------------------------------------------------------------------------------------------------------------------------------------------------------------

Début de la thèse : 01/10/

Funding category

Funding further details

Financement d'un établissement public Français