- Amphithéâtre 1, bâtiment A, Arts et Métiers campus Metz, 4 rue Augustin Fresnel, 57070 Metz
français et anglaisJury
- Chady Ghnatios (University of North Florida, États-Unis, rapporteur)
- Laurent Stainier (École Centrale de Nantes, rapporteur)
- Fadi Aldakheel (Leibniz University Hannover, Allemagne, examinateur)
- Björn Kiefer (Institute of Mechanics and Fluid Dynamics, Allemagne, examinateur)
- Frédéric Lebon (Aix Marseille Université, examinateur)
- Beatriz Moya (Arts et Métiers, examinatrice)
- George Chatzigeorgiou (Arts et Métiers, directeur de thèse)
- Fodil Meraghni (Arts et Métiers, co-directeur de thèse)
- Christophe Czarnota (Université de Lorraine, invité)
Abstract
Voici le texte remis en forme, avec les coupures de lignes supprimées et les formulations conservées :
Cette thèse développe des approches multi-échelles et basées sur les données pour la modélisation efficace des composites fuzzy fiber revêtus de nanotubes de carbone (CNT), soumis à des chargements mécaniques et électromécaniques complexes.
Dans un premier temps, un cadre micromécanique hiérarchique est développé afin de prédire le comportement non linéaire des composites fuzzy fiber en présence de viscoplasticité de la matrice et d’endommagement interfacial. Une approche par fibre équivalente, combinée aux méthodes CCA, TFA et d’homogénéisation périodique, permet de prédire efficacement la réponse globale et d’analyser l’influence des principaux paramètres microstructuraux.
Dans un second temps, afin de réduire le coût numérique des simulations multi-échelles, un réseau de neurones informé par la thermodynamique, dénommé MuTINN (Multiscale Thermodynamics-Informed Neural Network), est développé comme modèle de substitution pour prédire les réponses du VER. Entraîné à partir de simulations par éléments finis, ce modèle permet de prédire les contraintes, déformations, énergies et descripteurs mésoscopiques tout en prenant en compte les effets d’inélasticité, d’anisotropie et de microstructure, avec une interprétabilité physique préservée.
Pour les composites piézoélectriques fuzzy fiber, une approche non intrusive basée sur la décomposition parcimonieuse en modes propres généralisés (s-PGD) est ensuite développée et comparée à un réseau de neurones de type Multi-Layer Perceptron (MLP). Cette étude met en évidence les capacités respectives des approches fondées sur la physique et des approches basées sur les données pour la réduction de modèles de problèmes multi-paramétriques de grande dimension.
Enfin, un cadre micromécanique unifié est proposé pour prédire le comportement électromécanique non linéaire couplé des composites piézoélectriques fuzzy fiber, tout en réduisant significativement le coût computationnel des simulations multi-échelles. Les résultats numériques mettent en évidence l’interaction entre les champs mécanique et électrique et son influence sur la réponse globale non linéaire.
En visioconférence
Il sera possible d’assister à la soutenance par visioconférence sur Microsoft Teams.
