A Numerical Predictive Tool for Long-term Properties of Thermoplastics under Complex Operating Conditions

Avec l'utilisation croissante des composites thermoplastiques dans l'ingénierie, il est devenu essentiel d'étudier les performances des matériaux dans diverses conditions de fonctionnement complexes. La température et le vieillissement physique affectent considérablement les propriétés mécaniques des thermoplastiques. Par conséquent, pour améliorer la précision de prédiction de la simulation numérique de composants soumis à des conditions de service réelles, la caractérisation des propriétés tridimensionnelles des thermoplastiques impliquant la température et le vieillissement physique est nécessaire mais a rarement été abordée. L'estimation des paramètres du modèle de la série de Prony, la loi du comportement viscoélastique thermodynamique la plus utilisée en ingénierie, à partir de données expérimentales est un problème mal posé. Cela signifie que les paramètres identifiés ne sont pas garantis d'être uniques et que les erreurs expérimentales affectent les résultats de l'identification. Pour résoudre ce problème, le nombre de paramètres est généralement fixé arbitrairement, ce qui peut conduire à un déséquilibre entre la précision de la prédiction et le temps de calcul des structures. Cette thèse propose une méthode robuste et automatisée d'identification des paramètres tridimensionnels pour les thermoplastiques impliquant l'effet de la température et du vieillissement physique. La robustesse signifie que la méthode doit être capable de gérer différents niveaux d'erreurs de mesure; l'automatisation signifie que la méthode ne doit pas nécessiter d'entrée utilisateur pour chaque ensemble de données. Cette méthode pourrait être utilisée comme un outil numérique prédictif pour guider les chercheurs et les ingénieurs à développer efficacement de nouveaux matériaux thermoplastiques pour des composants soumis à des conditions de service complexes. Tout d'abord, une méthode basée sur un cadre bayésien a été proposée pour déterminer les paramètres viscoélastiques tridimensionnels des thermoplastiques à température ambiante. Cette méthode permet de calculer la distribution des paramètres du modèle à partir des données expérimentales. Dans le cadre du paradigme bayésien, la distribution a posteriori peut être calculée en multipliant la fonction de vraisemblance et la fonction antérieure des paramètres. La fonction de vraisemblance a été construite sur la base de l'hypothèse selon laquelle l'erreur expérimentale est distribuée indépendamment de manière gaussienne. La loi a priori des paramètres a été imposée pour éviter les problèmes d'identifiabilité. La loi a posteriori a été estimée par simulation de Monte Carlo à chaîne de Markov (MCMC), ce qui a permis de surmonter le caractère mal posé du problème d'identification pour le modèle de série de Prony. Le résultat de l'identification était l'estimation du maximum a posteriori (MAP) de la distribution a posteriori des paramètres. Le nombre optimal de paramètres a été déterminé en fonction du critère d'information bayésien (BIC). La méthode a d'abord été appliquée à des données artificielles, montrant que les paramètres peuvent être identifiés avec succès à partir de données présentant différents niveaux d'erreur ajoutée. Ensuite, la méthode a été appliquée à des données expérimentales sur deux thermoplastiques, le polypropylène et le polyméthacrylate de méthyle. Les paramètres ont été identifiés à partir des données d'essais mécaniques sur des spécimens de type-I de la norme ASTM et validés expérimentalement en comparant les mesures de corrélation d'images numériques (DIC) et les simulations de la méthode des éléments finis (FEM) avec les paramètres identifiés pour des spécimens à géométrie complexe. Les résultats ont démontré la robustesse et l'adéquation de la méthode proposée appliquée aux thermoplastiques à température ambiante. Ensuite, une campagne d'essais de vieillissement physique non isotherme sur du polycarbonate a été réalisée pour caractériser l'effet de la température et du vieillissement physique sur les propriétés mécaniques. Les spécimens ont été fabriqués en moulage par injection. Les essais séquentiels de fluage-récupération ont été réalisés à différentes températures selon la méthodologie classique de Struik. Les essais mécaniques ont été réalisés avec un cadre d'essai de traction équipé d'une chambre environnementale à température ambiante (20 °C), 40 °C, 60 °C, 80 °C, 100 °C and 120 °C. Les déformations axiales et transversales ont été mesurées avec un extensomètre bi-axial. Il a été constaté que la température et le couteau de l'extensomètre peuvent provoquer des dérives de mesure dans l'essai sur des thermoplastiques à des températures élevées. Ainsi, une procédure robuste, simple et facile à suivre a été proposée pour corriger les dérives des mesures de l'extensomètre dans cette étape. Les résultats expérimentaux ont montré leur reproductibilité et leur fiabilité. Enfin, la méthode bayésienne proposée a été étendue pour identifier simultanément les paramètres du modèle tridimensionnel liés à la viscoélasticité, à la température et au vieillissement physique. Le principe de superposition temps-température (TTS) a été utilisé pour décrire les effets de la température et du vieillissement physique sur les propriétés mécaniques par des facteurs de glissement. Les paramètres viscoélastiques et les facteurs de glissement ont pu être identifiés simultanément à partir des données expérimentales avec la méthode étendue. Le modèle KAHR-te a ensuite été utilisé pour évaluer les facteurs de glissement pour les essais de vieillissement non isotherme à différentes températures. Cette méthode étendue a été appliquée aux données expérimentales pour le polycarbonate. Les résultats expérimentaux corroboraient les prédictions effectuées avec les paramètres déterminés. Cette thèse propose un outil numérique pour prédire les propriétés mécaniques tridimensionnelles à long terme des thermoplastiques impliquant la température et le vieillissement physique. Il pourrait être utilisé pour caractériser et développer des matériaux thermoplastiques dans des conditions de service complexes de manière efficace et précise.