Identification de loi de comportement à partir des résultats d’essai Small Punch Test et par une approche IA

Contexte:

Le Small Punch Test (SPT) est une méthode expérimentale largement utilisée pour caractériser les propriétés mécaniques des matériaux, notamment pour les échantillons de petite taille ou dans des conditions où d’autres essais seraient difficiles à réaliser. Ce test permet d’évaluer des paramètres tels que la résistance, la ductilité, et la ténacité à partir de l’analyse de la déformation sous une charge appliquée sur un échantillon mince.
L’objectif principal de ce stage est de développer une méthode d’identification de loi de comportement matériau à partir des données issues du Small Punch Test en couplant mesures expérimentales, modélisation par éléments finis (FEM) et Intelligence Artificielle (IA). Cette approche vise à améliorer la précision de la caractérisation mécanique en exploitant des techniques d’apprentissage automatique pour optimiser les paramètres des modèles constitutifs.

Missions :

1. Revue Bibliographique :

o Étudier les méthodes existantes d’identification de lois de comportement matériau à partir du Small Punch Test (SPT).
o Explorer les mesures pertinentes et les incertitudes de mesures lors de l’essais SPT.
o Explorer les approches actuelles combinant modélisation par éléments finis et intelligence artificielle pour la caractérisation des matériaux.

2. Consolidation des mesures effectués lors de l’essai SPT :

o Mettre en œuvre des essais SPT instrumentés.

3. Développement de la Modélisation FEM :

o Créer un modèle numérique du Small Punch Test à l’aide de logiciels de simulation par éléments finis.
o Qualifier les mesures effectuées lors des essais SPT par un couplage modélisation / données expérimentales.
o Simuler différents comportements matériaux et comparer les résultats avec les données expérimentales existantes.

4. Application de l’Intelligence Artificielle :

o Développer des algorithmes d’apprentissage automatique pour identifier les paramètres de la loi de comportement à partir des résultats du Small Punch Test.
o Entraîner et valider le modèle IA avec des données simulées et expérimentales.

5. Couplage Modélisation/Expérience :

o Intégrer les résultats du modèle FEM dans le processus d’apprentissage pour affiner l’identification des lois de comportement.
o Proposer une méthodologie pour la mise en œuvre automatique de cette approche dans un cadre expérimental.

6. Validation et Application :

o Valider la méthode sur des cas d’étude réels.

Résultats Attendus :

À la fin du stage, une méthodologie d’identification de lois de comportement matériau par Small Punch Test, couplant modélisation numérique et IA, sera proposée. Cette approche devra être validée par des comparaisons expérimentales et numériques, démontrant son potentiel pour des applications industrielles.

Ce sujet pourrait faire l’objet d’une poursuite en thèse.