approches non intrusives des éléments finis stochastiques application en mécanique non linéaire...
TRANSCRIPT
Approches non intrusives des éléments finis stochastiques
Application en mécanique non linéaire de la rupture
B. Sudret(1), M. Berveiller(1,2), M. Lemaire(2)
(1) EDF R&D, Dépt. Matériaux et Mécanique des Composants (MMC)(2) Institut Français de Mécanique Avancée (IFMA/LaMI)Séminaire « Mécanique numérique probabiliste » 19 Janvier 2005
2/27« Mécanique probabiliste
numérique »19 Janvier 2005
• classification des méthodes
• une approche simple : la simulation de Monte Carlo
Sommaire
Propagation des incertitudes en mécanique
Méthode des éléments finis stochastiques• méthode de projection
• méthode des moindres carrés
Application à l’étude de nocivité d’un défaut dans une tuyauterie
3/27« Mécanique probabiliste
numérique »19 Janvier 2005
• modèle analytique• code aux éléments finis• …
• déplacements• déformations• contraintes• endommagement
• géométrie• propriétés matériaux• chargement
Propagation des incertitudes : principe
Paramètresd’entréeX
Modèle de calcul Réponse XS
4/27« Mécanique probabiliste
numérique »19 Janvier 2005
Propagation des incertitudes : principe
RéponseParamètresd’entréeX
Modèle de calcul XS
Réponse aléatoire
X S
Variables aléatoires
X()
?déterminé à partir :- d’une analyse statistique- du jugement d’expert- …
5/27« Mécanique probabiliste
numérique »19 Janvier 2005
Une brève classificationAnalyse de sensibilité
Variabilitéde la réponse
Analyse de fiabilité
Pf
seuil
Probabilité de défaillance
Éléments finis stochastiques
Représentatio
ncomplète
(EFS)
Modèle mécano-
probabiliste
Modes dedéfaillance
(ex: critère de ruine)Modèle mécanique
Matériau
Géométrie
Chargement
Données aléatoires
6/27« Mécanique probabiliste
numérique »19 Janvier 2005
Simulation de Monte Carlo
Tirage des variables
aléatoires d’entrée (1) ( ), , nx x
Tendance centrale : ( )
1
1ˆ
simNi
Sisim
S xN
2( )2
1
1ˆ ˆ
1
simNi
S Sisim
S xN
Probabilité de défaillance ( )
1
1ˆ 1simN
if Df
isim
P xN
Réponse
( )ixS
7/27« Mécanique probabiliste
numérique »19 Janvier 2005
Propriétés de la simulation
Avantages• méthode universelle (problèmes statiques, dynamiques, non linéaires)• ne nécessite pas d’implémentation spécifique
Simulation représenter une v.a réponse S par l’ensemble de
ses réalisations S (i)
Remarque
Alternative :• caractériser l’ensemble des moments statistiques• décomposer S() sur une base de l’espace des v.a
Inconvénients• nécessite un gros volume de calcul
~ 102 pour évaluer (, ), 10k+2 pour évaluer Pf = 10-k
• donne un résultat qualitatif de la densité de la réponse
(histogramme)
8/27« Mécanique probabiliste
numérique »19 Janvier 2005
• classification des méthodes
• une approche simple : la simulation de Monte Carlo
Sommaire
Propagation des incertitudes en mécanique
Méthode des éléments finis stochastiques• méthode de projection
• méthode des moindres carrés
Application à l’étude de nocivité d’un défaut dans une tuyauterie
9/27« Mécanique probabiliste
numérique »19 Janvier 2005
10
j
Mi ij k k
j
u u
Géométrie
Physiquedu problème
Prop. matériaux
ChargementX
(variables/champsaléatoires)
Discrétisationspatiale
ui = i-ème d.d.l
Discrétisationprobabiliste
1, MX F
v. a. gaussiennescentréesréduites
Chaospolynomial
Coefficients à déterminer
Principe des éléments finis stochastiques
10/27« Mécanique probabiliste
numérique »19 Janvier 2005
Chaos polynomial- Définition
1i i
1, ,α =
Famille de v.a gaussiennes centrées réduites indépendantes
Séquence d’entiers
1
( )i i
i
H
Polynôme d’Hermite multidimensionnel
Chaos de degré p, d’ordre M : ensemble des polynômes d’Hermite multidimensionnels, de degré <= p basé sur M gaussiennes
Dimension : pM pP C
Exemple : M = 2 , p = 3 : P = 10
2 2
1 2 1 1 2 2
3 2 2 31 1 2 1 1 2 2 2
' 1, , , 1, , 1,
3 , 1 , 1 , 3
s
11/27« Mécanique probabiliste
numérique »19 Janvier 2005
Méthode de projection
Inconnues du problème
Base orthogonale du chaos polynomial
Réponse(déplacement,déformation,contrainte)
Orthogonalité des j :
Numérateur :
Dénominateur : analytique
12/27« Mécanique probabiliste
numérique »19 Janvier 2005
Évaluation de l’intégrale
Intégration en M dimensions possible par :
• Méthode de Monte Carlo brute
• Méthode de Monte Carlo accélérée (hypercube latin)
• Quadrature de l’intégrale
13/27« Mécanique probabiliste
numérique »19 Janvier 2005
Quadrature d’une intégrale simple
Poids d’intégration
Pointsd’intégration
Calculé par la théorie des polynômes orthogonauxpour la fonction poids
1 1 1
1 1 1
... , , , ,
M
M M M
M
j j M
K K
i i i i j i ii i
E S S x x x d x
S X
14/27« Mécanique probabiliste
numérique »19 Janvier 2005
Quadratures des intégrales multiples
• Requiert KM calculs déterministes à effectuer avec son code préféré
• Possibilité d’utiliser des schémas d’intégration optimisés en grande
dimension (« cubatures » de Smolyak)
1, ,
Mi iX • Nécessite la transformation des variables d’entrée en gaussiennes
centrées réduites
Produit tensoriel de schémas d’intégration uni-dimensionnels
1 1 1
1 1 1
... , , , ,M M M
M
K K
j i i i i j i ii i
E S S X
15/27« Mécanique probabiliste
numérique »19 Janvier 2005
• classification des méthodes
• une approche simple : la simulation de Monte Carlo
Sommaire
Propagation des incertitudes en mécanique
Méthode des éléments finis stochastiques• méthode de projection
• méthode des moindres carrés
Application à l’étude de nocivité d’un défaut dans une tuyauterie
16/27« Mécanique probabiliste
numérique »19 Janvier 2005
2
1( ) ( )
11 0
=n P Mi i
j j k ki j
S Y S
Méthode des moindres carrés
Minimiser au sens des moindres carrés l’écart entre solution exacte et approchée sur le chaos polynomial:
Évalué par le code EF
Inconnues sur lesquellesportent la minimisation
Valeurs des j auxpoints de collocation
… conduit à un système linéaire !
Nombre de points de collocation
du plan d’expérience
2( ) ( )
1
=n
i i
i
S Y S
17/27« Mécanique probabiliste
numérique »19 Janvier 2005
Système linéaire
Notations :
2
1( )( )
1
Minn
T ii T T
i
Y x S S Y
Ψ Ψ Ψ
0 1( ) , , ( )T
P Base du développement
0 1, ,T
PS S S Inconnues
(0) ( ), ,TnY Y Y Réponse exacte pour
( )i
( )iij j Ψ : matrice (n,P) de terme générique
18/27« Mécanique probabiliste
numérique »19 Janvier 2005
Particularités du système
• Le membre de gauche ne dépend pas du problème posé, mais uniquement les points de collocation choisis et de la taille du chaos
• Le calcul additionnel pour obtenir les coefficients d’une autre variable de sortie se réduit à un produit matrice / vecteur
il peut être inversé une fois pour toutes
• Le système est de taille petite (P~10-100). Par contre il est mal conditionné nécessité d’un solveur adapté
T Ψ Ψ
19/27« Mécanique probabiliste
numérique »19 Janvier 2005
Choix des points de collocation optimaux
Basé sur les racines des polynômes d’Hermite :
• Si l’on choisit un chaos de degré p (degré maximal des polynômes
de Hermite), on utilise les racines de Hp+1
• On construit tous les M-uplets de ces racines, soient Mp+1
• On choisit parmi ces possibilités n<< Mp+1 points de collocation :
ceux qui sont le plus près de l’origine
Réfs : Webster, Isukapalli
… Études paramétriques en cours (n=2P – 4P)
20/27« Mécanique probabiliste
numérique »19 Janvier 2005
• classification des méthodes
• une approche simple : la simulation de Monte Carlo
Sommaire
Propagation des incertitudes en mécanique
Méthode des éléments finis stochastiques• méthode de projection
• méthode des moindres carrés
Application à l’étude de nocivité d’un défaut dans une tuyauterie
21/27« Mécanique probabiliste
numérique »19 Janvier 2005
Application en mécanique de la rupture
Traction (t+f)
a = 15 mm
Pression (P=15.5 MPa)
Critère de défaillance pour l'amorçage du défaut
0,2J JRésistance à la déchirure ductileForce fissurante
Evolution de la probabilité d’amorçage du défaut en fonction de la contrainte de traction
t = 62,5 mm
Ri = 393,5 mm
22/27« Mécanique probabiliste
numérique »19 Janvier 2005
Maillage du tuyau fissuré
Fissurecirconférentielle
23/27« Mécanique probabiliste
numérique »19 Janvier 2005
Loi de comportement
0
0
n
E E
Loi de Ramberg - Osgood
24/27« Mécanique probabiliste
numérique »19 Janvier 2005
Paramètres incertains
Décomposition de J sur le chaos polynomial
1 4
10
P
k k j ji
J J
35 coefficients
34 3P C
Méthode des moindres carrés
25/27« Mécanique probabiliste
numérique »19 Janvier 2005
Probabilité d’amorçage
0,2ProbfP J J
26/27« Mécanique probabiliste
numérique »19 Janvier 2005
Probabilité d’amorçage (échelle log)
0,2log log ProbfP J J
27/27« Mécanique probabiliste
numérique »19 Janvier 2005
Approches non intrusives : - deux méthodes permettant de calculer les coefficientsdu développement à partir d’une batterie de calculs déterministes outil générique probabiliste externe au code
Conclusions
Utilisation du chaos polynomial pour représenter la réponse aléatoire d’un système mécanique
… surface de réponse stochastique
Plan d’expérience (points de collocation / points de quadratures) fourni de facto
Précision des résultats supérieure à l’approche « Galerkin » des EFS
• tendance centrale (moyenne, écart-type)• queues de distribution (probabilité de dépassement de seuil)
Possibilité de distribuer facilement les calculs