<  Back to the Polytechnique Montréal portal

In-Situ Mechanical Properties Identification of Composite Materials Using Inverse Methods Based on Full-Field Measurements

Behzad Rahmani

PhD thesis (2014)

[img]
Preview
Download (30MB)
Cite this document: Rahmani, B. (2014). In-Situ Mechanical Properties Identification of Composite Materials Using Inverse Methods Based on Full-Field Measurements (PhD thesis, École Polytechnique de Montréal). Retrieved from https://publications.polymtl.ca/1411/
Show abstract Hide abstract

Abstract

RÉSUMÉE Des essais homogènes macroscopiques, tels que les tests classiques de tension et de compression, peuvent être réealisés pour obtenir une mesure des propriétés moyennes d'un composite donné. Cependant, ces tests ne permettent pas d'identifier les paramètres mécaniques in situ des phases constitutives ou encore de l'interface d'adhésion entre la matrice et les fibres. Grâce aux avancées récentes au niveau des appareils optiques et des technologies d'imagerie, plusieurs techniques de mesures en champ complet telle que la Corrélation d'Images Numériques (CIN) et la Corrélation de Volumes Numériques (CVN) ont fait leur apparition. Ces techniques permettent la quantification des champs de déplacements/déformations en 2D ou 3D sur la surface ou même à l'intérieur d'un matériau opaque soumis à des chargements externes. La disponibilité de telles informations a permis le developpement de différentes méthodes inverses d'identification de paramètres des matériaux. Parmi ces dernieres, l'Actualisation du Modèle Éléments Finis (AMEF) et la Méthode des Champs Virtuels (MCV)ont été grandement exploitées. L'utilisation combinée d'une technique de mesure en champ complet et d'une méthode d'identification inverse constitue une stratégie très prometteuse pour identifier simultanément plusieurs propriétés mécaniques locales. L'objectif principal de cette thèse était de développer et d'améliorer des approches inverses en 2D et en 3D, étant efficaces à la fois en termes de précision et de temps de calcul. Les approches développées ont été validées en réalisant différentes expériences virtuelles permettant l'identification des propriétés mécaniques locales de composites avec diverses caractéristiques mécaniques et morphologiques. En premier lieu, un algorithme inverse base sur la technique d'Actualisation du Modèle Éléments Finis (AMEF) a été développé et ensuite amélioré. L'amélioration a d'abord consiste à utiliser une technique d'optimisation hybride, i.e. combinaison d'une méthode globale sans dérivées et d'une méthode d'optimisation de premier ordre, afin d'augmenter la précision des paramètres identifiées. De plus, une série de contraintes mécaniquement pertinentes, comprenant un modèle d'homogénéisation approprié, a été ajoutée pour régulariser le problème d'identification. La fonctionnalité de cette nouvelle approche numérique et analytique, à savoir l'Actualisation du Modèle Régularisé (AMR), a été comparée à celle de la AMEF en présence de champs de déplacements bruités de composites unidirectionnels àfibres longues. En second lieu, une nouvelle approche basée sur la Méthode de Champs Virtuels (MCV)a été développée pour concilier précision et efficacité numérique.----------ABSTRACT Macroscopic homogeneous testing, such as classical tension and compression tests, can be performed for obtaining the average behavior of a given composite. However, these tests cannot provide the localfiber and matrix properties, nor the matrix-fiber interface adhesion properties. Thanks to recent advances made in optical devices and imaging technologies, several full-field measurement techniques such as Digital Image Correlation (DIC) and Digital Volume Correlation (DVC) have been developed. These techniques allow quantifying 2D or 3D displacement/strain fields over the surface, or even inside an opaque material subjected to external loadings. The experimental availability of such rich information has given rise to several inverse material parameters identification techniques. Among these, the Finite Element Model Updating (FEMU) and the Virtual Fields Method (VFM) have been widely exploited due to their inherent advantages such as their lower sensitivity to noise. The combination of a full-field measurement technique and an inverse identification method is a very promising strategy for simultaneously identifying several local mechanical properties. The main objective of this thesis was to develop improved inverse identification approaches in 2D and 3D, that were efficient in terms of both accuracy and computational time. The developed approaches were validated by conducting several virtual experiments through local mechanical properties identification of composites with various mechanical and morphological characteristics. First, an inverse algorithm based on the Finite Element Model Updating (FEMU) technique was developed and improved. The improvement consisted first in using a hybrid optimization technique, i.e. a combination of a global derivative-free algorithm and a gradient-based optimization method, so as to enhance the accuracy of the identified parameters. In addition, a set of mechanically relevant constraints, consisting of an appropriate homogenization model, were included so as to regularize the identification problem. The functionality of this new numerical-analytical approach, named the Regularized Model Updating (RMU), was compared to that of the FEMU method in the presence of noisy measured displacement fields for uni-directional long fiber composites. Second, a new approach based on the Virtual Fields Method (VFM) was developed with the capability of reconciling accuracy and computational efficiency. The novelty of this Regularized Virtual Fields Method (RVFM) was that mechanically relevant constraints were exploited within an optimization framework to regularize the solution of the related system of equations in the VFM.

Open Access document in PolyPublie
Department: Département de génie mécanique
Dissertation/thesis director: Martin Lévesque and Isabelle Villemure
Date Deposited: 24 Jul 2014 10:59
Last Modified: 24 Oct 2018 16:11
PolyPublie URL: https://publications.polymtl.ca/1411/

Statistics

Total downloads

Downloads per month in the last year

Origin of downloads

Repository Staff Only