Construction d’abaques numériques dédiés aux études paramétriques du procédé de soudage par des méthodes de réduction de modèles espace-temps

• Main Author: Lu, Ye
• Other Authors: Lyon
• Language: fr
• Published: 2017
• Subjects: Mécanique des solides; Abaque numérique; Procédé de soudage; Méthode de réduction de modèle; Modèle espace-Temps; Thermomécanique; Solid Mechanics; Digital chart; Welding process; Reduction method; Space-Time model; Thermomechanics; 671.560 72
• Online Access: http://www.theses.fr/2017LYSEI103/document

Le recours à des simulations numériques pour l’étude de l’influence des paramètres d’entrée (matériaux, chargements, conditions aux limites, géométrie, etc.) sur les différentes quantités d’intérêt en soudage (contraintes résiduelles, distorsion, etc.) s’avère trop long et coûteux vu l’aspect multi-paramétrique de ces simulations. Pour explorer des espaces paramétriques de grandes dimensions, avec des calculs moins coûteux, il parait opportun d’utiliser des approches de réduction de modèle. Dans ce travail, d’une façon a posteriori, une stratégie non-intrusive est développée pour construire les abaques dédiées aux études paramétriques du soudage. Dans une phase offline, une base de données (‘snapshots’) a été pré-calculée avec un choix optimal des paramètres d'entrée donnés par une approche multi-grille (dans l’espace des paramètres). Pour explorer d’autres valeurs de paramètres, une méthode d’interpolation basée sur la variété Grassmannienne est alors proposée pour adapter les bases réduites espace-temps issues de la méthode SVD. Cette méthode a été constatée plus performante que les méthodes d’interpolation standards, notamment en non-linéaire. Afin d’explorer des espaces paramétriques de grandes dimensions, une méthode de type décomposition tensorielle (i.e. HOPGD) a été également étudiée. Pour l’aspect d’optimalité de l’abaque, nous proposons une technique d’accélération de convergence pour la HOPGD et une approche ‘sparse grids’ qui permet d’échantillonner efficacement l’espace des paramètres. Finalement, les abaques optimaux de dimension jusqu’à 10 à précision contrôlée ont été construits pour différents types de paramètres (matériaux, chargements, géométrie) du procédé de soudage. === The use of standard numerical simulations for studies of the influence of input parameters (materials, loading, boundary conditions, geometry, etc.) on the quantities of interest in welding (residual stresses, distortion, etc.) proves to be too long and costly due to the multiparametric aspect of welding. In order to explore high-dimensional parametric spaces, with cheaper calculations, it seems to be appropriate to use model reduction approaches. In this work, in an a posteriori way, a non-intrusive strategy is developed to construct computational vademecum dedicated to parametric studies of welding. In an offline phase, a snapshots database is pre-computed with an optimal choice of input parameters given by a “multi-grids” approach (in parameter space). To explore other parameter values, an interpolation method based on Grassmann manifolds is proposed to adapt both the space and time reduced bases derived from the SVD. This method seems more efficient than standard interpolation methods, especially in non-linear cases. In order to explore highdimensional parametric spaces, a tensor decomposition method (i.e. HOPGD) has also been studied. For the optimality aspect of the computational vademecum, we propose a convergence acceleration technique for HOPGD and a “sparse grids” approach which allows efficient sampling of the parameter space. Finally, computational vademecums of dimension up to 10 with controlled accuracy have been constructed for different types of welding parameters (materials, loading, geometry).