Doctorat Modelisation Assemblage

ENSC-2011/337
THSE DE DOCTORAT
DE LCOLE NORMALE SUPRIEURE DE CACHAN
Prsente par
Florent Gant
pour obtenir le grade de
DOCTEUR DE LCOLE NORMALE SUPRIEURE DE CACHAN
Domaine
MCANIQUE - GNIE MCANIQUE - GNIE CIVIL
Sujet de la thse
Stratgie de modlisation et de simulation des
assemblages de structures aronautiques en contexte
incertain
Soutenue Cachan le 19 dcembre 2011 devant le jury compos de :
Marc Bonnet Directeur de Recherche CNRS, ENSTA ParisTech Prsident du jury
Claude Blanz Professeur, CNAM Paris Rapporteur
Alain Daidi Professeur, INSA Toulouse Rapporteur
Stphane Guinard Ingnieur de Recherche, EADS IW Examinateur
Laurent Champaney Professeur, ENS Cachan Directeur de thse
Philippe Rouch Professeur, Arts et Mtiers ParisTech Co-encadrant
LMT-Cachan
ENS Cachan / CNRS / UPMC/ PRES UniverSud Paris
61 avenue du Prsident Wilson, F-94235 Cachan cedex, France
t
e
l
-
0
0
6
7
5
7
4
1
,

v
e
r
s
i
o
n

1

-

1

M
a
r

2
0
1
2
t
e
l
-
0
0
6
7
5
7
4
1
,

v
e
r
s
i
o
n

1

-

1

M
a
r

2
0
1
2
t
e
l
-
0
0
6
7
5
7
4
1
,

v
e
r
s
i
o
n

1

-

1

M
a
r

2
0
1
2
t
e
l
-
0
0
6
7
5
7
4
1
,

v
e
r
s
i
o
n

1

-

1

M
a
r

2
0
1
2
Je tiens tout dabord remercier les membres de mon jury de thse : Marc Bonnet
pour avoir prsid le jury, Claude Blanz et Alain Daidi pour avoir accept dtre mes
rapporteurs et Stphane Guinard pour avoir particip mon jury.
Bien videmment, je souhaiterais remercier mon directeur de thse, Laurent Champa-
ney, pour mavoir si bien guid pendant ces trois annes de thse. Je remercie galement
mon encadrant, Philippe Rouch, pour sa bonne humeur et pour nos nombreuses discus-
sions qui ont toujours t trs fructueuses.
Je tiens maintenant remercier Franois, qui ma t dune aide prcieuse tout au
long de cette thse. Je remercie galement Paul qui a su mintresser au domaine des
mconnaissances.
Jaimerais remercier maintenant mon co-bureau Nicolas, lambiance dans le bureau a
vraiment t trs agrable pendant ces trois annes. Merci galement Vincent avec qui
nous avons pass de bons moments de rigolade.
Un merci tout particulier aux secrtaires du secteur, Franoise et Lydia.
Pour noublier personne, merci lensemble du laboratoire pour lambiance de travail
particulirement agrable qui y rgne, et pour les moments passs au bar devant un bon
caf.
Aprs ces sept annes passes lENS de Cachan, je tiens remercier toutes les
personnes du Dpartement de Gnie Mcanique, et plus particulirement Danielle, dont
les conseils ont t si prcieux.
Je tiens maintenant remercier ma famille et mes amis. Merci mes parents, Fabien et
Fanny pour leur soutien et leur conance en moi qui ont t dune trs grande importance.
Je remercie galement mon pouse, Magali, pour son soutien au cours de ces trois annes
de thse. Je voudrais pour nir remercier ses parents pour mavoir si bien accueilli dans
leur famille.
t
e
l
-
0
0
6
7
5
7
4
1
,

v
e
r
s
i
o
n

1

-

1

M
a
r

2
0
1
2
t
e
l
-
0
0
6
7
5
7
4
1
,

v
e
r
s
i
o
n

1

-

1

M
a
r

2
0
1
2
Table des matires
Table des matires i
Table des gures iii
Liste des tableaux vii
Introduction 1
1 laboration dune stratgie de dimensionnement 5
1 Problmatique industrielle . . . . . . . . . . . . . . . . . . . . . . . . . 7
2 Mthodes de dimensionnement . . . . . . . . . . . . . . . . . . . . . . . 9
2.1 Mthodes ingnieur et drives . . . . . . . . . . . . . . . . . 9
2.2 Les stratgies de calcul multichelles . . . . . . . . . . . . . . . 12
2.3 Les techniques de dcomposition de domaine sans recouvrement . 16
2.4 Conclusions . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 18
3 Modlisation des xations . . . . . . . . . . . . . . . . . . . . . . . . . 18
3.1 Les approches empiriques . . . . . . . . . . . . . . . . . . . . . 19
3.2 Les approches analytiques . . . . . . . . . . . . . . . . . . . . . 22
3.3 Les approches lments nis . . . . . . . . . . . . . . . . . . . 24
3.4 Conclusions . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 27
4 Recalage de modle . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 28
4.1 Les modles considrs . . . . . . . . . . . . . . . . . . . . . . . 28
4.2 Matrise des carts entre modles . . . . . . . . . . . . . . . . . 32
5 Prise en compte de lincertitude . . . . . . . . . . . . . . . . . . . . . . 38
5.1 Mthodes stochastiques en calcul de structure . . . . . . . . . . . 38
5.2 Mthodes non stochastiques en calcul de structure . . . . . . . . 48
6 Conclusions . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 52
2 Recalage de modle dterministe 55
1.1 Le problme de rfrence . . . . . . . . . . . . . . . . . . . . . . 57
1.2 Lerreur en relation de comportement . . . . . . . . . . . . . . . 58
1.3 Lerreur en relation de comportement modie . . . . . . . . . . 60
1.4 Minimisation de lerreur . . . . . . . . . . . . . . . . . . . . . . 61
Stratgie de modlisation et de simulation des assemblages de structures aronautiques en
contexte incertain
t
e
l
-
0
0
6
7
5
7
4
1
,

v
e
r
s
i
o
n

1

-

1

M
a
r

2
0
1
2
ii Table des matires
1.5 Lalgorithme de minimisation . . . . . . . . . . . . . . . . . . . 63
2 Efcacit du recalage . . . . . . . . . . . . . . . . . . . . . . . . . . . . 64
2.1 Gomtrie tudie . . . . . . . . . . . . . . . . . . . . . . . . . 64
2.2 Le problme unidimensionnel . . . . . . . . . . . . . . . . . . . 64
2.3 Les donnes exprimentales . . . . . . . . . . . . . . . . . . . . 65
2.4 Application du recalage . . . . . . . . . . . . . . . . . . . . . . 66
2.5 Le modle rigidi propos . . . . . . . . . . . . . . . . . . . . 71
3 Application une structure aronautique . . . . . . . . . . . . . . . . . . 79
3.1 Gomtrie tudie . . . . . . . . . . . . . . . . . . . . . . . . . 79
3.2 Les donnes exprimentales . . . . . . . . . . . . . . . . . . . . 79
3.3 Application du recalage . . . . . . . . . . . . . . . . . . . . . . 82
4 Conclusions . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 85
3 Application de la thorie des mconnaissances 87
1 Reprsentation de lincertain dans une stratgie de dimensionnement . . . 89
2 Description de la ralit . . . . . . . . . . . . . . . . . . . . . . . . . . . 89
2.1 Famille de structures . . . . . . . . . . . . . . . . . . . . . . . . 90
2.2 Donnes exprimentales . . . . . . . . . . . . . . . . . . . . . . 90
3 La thorie des mconnaissances . . . . . . . . . . . . . . . . . . . . . . 90
3.1 Le problme de validation . . . . . . . . . . . . . . . . . . . . . 91
3.2 Dnition des mconnaissances de base . . . . . . . . . . . . . . 92
3.3 Propagation des mconnaissances . . . . . . . . . . . . . . . . . 95
3.4 Recalage des mconnaissances de base . . . . . . . . . . . . . . 101
4 Application au cas industriel . . . . . . . . . . . . . . . . . . . . . . . . 102
4.1 Implmentation numrique . . . . . . . . . . . . . . . . . . . . . 104
4.2 Dnition et propagation des mconnaissances de base . . . . . . 104
4.3 Recalage des mconnaissances de base . . . . . . . . . . . . . . 106
4.4 Conclusions . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 109
4 Perspectives pour une utilisation plus grande chelle 111
1 Contexte industriel . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 112
2 Exemple trait . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 112
3 Approche propose . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 114
3.1 Construction des mesures de rfrence . . . . . . . . . . . . . . . 115
3.2 Construction du modle simpli . . . . . . . . . . . . . . . . . 116
3.3 Limitations rencontres lors du recalage de modle simpli . . . 116
3.4 Conclusion . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 117
Conclusion 119
Bibliographie 123
contexte incertain
t
e
l
-
0
0
6
7
5
7
4
1
,

v
e
r
s
i
o
n

1

-

1

M
a
r

2
0
1
2
Table des gures
1 Principe dune analyse descendante . . . . . . . . . . . . . . . . . . . . 2
1.1 Paramtres variables prsents dans un assemblage boulonn . . . . . . . 7
1.2 R-analyse locale dun panneau : modles associs chaque chelle dtude
[Cresta, 2008] . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 11
1.3 La mthode du zoom structural : en fonction des besoins, il est possible
de zoomer de faon rcurrente sur plusieurs chelles danalyse jusqu
obtenir celle adquate pour lanalyse des champs de contraintes cherchs.
On fabrique ainsi une suite de modles et de calculs gigognes (Doc. Das-
sault Aviation) daprs [Guidault, 2005]. . . . . . . . . . . . . . . . . . . 11
1.4 Modle numrique FE
2
dune structure en composite SiC/Ti [Feyel et
Chaboche, 2000] . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 14
1.5 Contraintes principales majeures et exion dune poutre cantilever (ana-
lyse bimodle : poutre/2D) [Ben Dhia, 1998] . . . . . . . . . . . . . . . 15
1.6 Problme de propagation de ssure trait par XFEM [Mos et al., 1999] . 16
1.7 Maillage micro conforme la gomtrie et maillage macro dinterface
dune poutre ssure [Guidault, 2005] . . . . . . . . . . . . . . . . . . . 17
1.8 Maillage dun panneau raidi utilis par une approche FETI-DP [Farhat
et al., 2001] . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 17
1.9 Chane de montage de lAirbus A320 [Airbus] . . . . . . . . . . . . . . . 19
1.10 Schma dune jonction circonfrentielle du fuselage [EADS] . . . . . . . 20
1.11 Conguration dun assemblage en simple (gauche) et double (droite) re-
couvrement . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 20
1.12 Schma des dformations obtenues en simple et double cisaillement [Huth,
1986] . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 21
1.13 Numrotation des pices . . . . . . . . . . . . . . . . . . . . . . . . . . 22
1.14 Rseau lectrique quivalent un assemblage de n +1 xations [Ross,
1947] . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 23
1.15 Schma du modle non linaire de Bortman [Bortman et Szab, 1992] . . 24
1.16 Montage et modle dynamiques raliss dans [Ahmadian et Jalali, 2007b] 25
1.17 Schma du modle rhologique dIwan parallle-srie (gauche) et srie-
parallle (droite) [Segalman et Starr, 2008] . . . . . . . . . . . . . . . . . 25
1.18 Modles lments nis membrane/poutre (gauche) [Baumann, 1982] et
2D (droite) [Ingvar Eriksson, 1986] . . . . . . . . . . . . . . . . . . . . 26
contexte incertain
t
e
l
-
0
0
6
7
5
7
4
1
,

v
e
r
s
i
o
n

1

-

1

M
a
r

2
0
1
2
iv Table des gures
1.19 Modle lments nis employ pour ltude de rigidit axiale dans [Al-
katan et al., 2007] . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 26
1.20 Modles lments nis 3D non linaires issus de [McCarthy et al., 2005]
(gauche) et [Champaney et al., 2007] (droite) . . . . . . . . . . . . . . . 27
1.21 Quatre types de modlisation simplie employs dans [Kim et al., 2007] 27
1.22 Dispositif exprimental dtude dune jonction boulonne [Guinard, 2003] 29
1.23 Modle continu de xation aux dimensions nominales . . . . . . . . . . . 30
1.24 Maillage 3D dune jonction boulonne . . . . . . . . . . . . . . . . . . . 30
1.25 Problmatique de matrise des modles . . . . . . . . . . . . . . . . . . . 33
1.26 Tracs des densits de probabilit dune loi normale (trait plein) et log-
normale (trait pointill) . . . . . . . . . . . . . . . . . . . . . . . . . . . 41
1.27 Principe des mthodes abilistes : exemple de lapproximation FORM,
daprs [Puel, 2004] . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 47
2.1 Milieu tudi . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 58
2.2 Illustration du critre dArmijo . . . . . . . . . . . . . . . . . . . . . . . 64
2.3 Gomtrie tudie . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 65
2.4 Gomtrie du modle initial . . . . . . . . . . . . . . . . . . . . . . . . 65
2.5 volutions de lerreur relative au cours du recalage . . . . . . . . . . . . 68
2.6 volutions de la raideur des connecteurs 1 et 3 au cours du recalage . . . 68
2.7 volutions du dplacement au cours du recalage . . . . . . . . . . . . . . 69
2.8 volutions des charges de connecteur au cours du recalage . . . . . . . . 69
2.9 volutions de lerreur relative au cours du recalage . . . . . . . . . . . . 70
2.10 volutions de la raideur des connecteurs 1 et 3 au cours du recalage . . . 70
2.11 Surface derreur en relation de comportement avec les trajets de conver-
gence. Cette gure utilise la srie 2 pour le modle initial. . . . . . . . . . 72
2.12 Conguration du modle rigidi . . . . . . . . . . . . . . . . . . . . . . 73
2.13 Evolution de la position du minimum global de lerreur en relation de
comportement modie . . . . . . . . . . . . . . . . . . . . . . . . . . . 74
2.14 Recalage du modle rigidi : volutions de lerreur relative au cours du
recalage . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 75
2.15 Recalage du modle rigidi : volutions de la raideur des connecteurs 1
et 3 au cours du recalage . . . . . . . . . . . . . . . . . . . . . . . . . . 75
2.16 Recalage du modle rigidi : volutions du dplacement au cours du
recalage . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 76
2.17 Recalage du modle rigidi : volutions des charges de connecteur au
cours du recalage . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 76
2.18 Recalage du modle rigidi : volutions de lerreur relative au cours du
recalage . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 77
2.19 Recalage du modle rigidi : volutions de la raideur des connecteurs 1
et 3 au cours du recalage . . . . . . . . . . . . . . . . . . . . . . . . . . 77
2.20 Surface derreur en relation de comportement avec les trajets de conver-
gence. Cette gure utilise la srie 2 pour le modle rigidi. . . . . . . . 78
contexte incertain
t
e
l
-
0
0
6
7
5
7
4
1
,

v
e
r
s
i
o
n

1

-

1

M
a
r

2
0
1
2
Table des gures v
2.21 Schma dimplantation de lassemblage tudi [Airbus] . . . . . . . . . . 79
2.22 Structure relle tudie [EADS IW]. Essai de compression et de ambage. 80
2.23 Modle CAO ( gauche) et modlisation plaque et connecteur ( droite)
de la structure tudie . . . . . . . . . . . . . . . . . . . . . . . . . . . . 80
2.24 Gomtrie du modle non-linaire de lassemblage boulonn . . . . . . . 81
2.25 Chargements et conditions aux limites appliqus sur les modlisations . . 81
2.26 Reprsentation dun connecteur . . . . . . . . . . . . . . . . . . . . . . 81
2.27 Gomtrie de la modlisation linaire . . . . . . . . . . . . . . . . . . . 83
2.28 Convergence des quantits dintrt (erreur relative) . . . . . . . . . . . . 84
2.29 Convergence de lerreur relative en relation de comportement . . . . . . . 85
2.30 Cohrence entre le modle de connecteur global et le modle de xation
local . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 86
3.1 Principe de la modication propose . . . . . . . . . . . . . . . . . . . . 89
3.2 Mconnaissances de base associes une loi normale centre . . . . . . . 94
3.3 Calcul des mconnaissances effectives sur la quantit dintrt
mod
. . 97
3.4 Principe de recalage des mconnaissances de base . . . . . . . . . . . . . 103
3.5 Schma de limplmentation numrique . . . . . . . . . . . . . . . . . . 105
3.6 Rapports nergtiques des quantits dintrt . . . . . . . . . . . . . . . 106
3.7 Intervalles obtenus par simulation de Monte Carlo (modle non-linaire)
et par la thorie des mconnaissances . . . . . . . . . . . . . . . . . . . 108
4.1 Stratgie de modlisation envisage au Chapitre 2 . . . . . . . . . . . . 113
4.2 Stratgie de modlisation envisage pour les structures de trs grande taille 113
4.3 Vue schmatique de lassemblage tudi . . . . . . . . . . . . . . . . . . 114
4.4 Modle non linaire construit pour les essais numriques . . . . . . . . . 115
4.5 Modle numrique de la structure globale (structure rigide non reprsente)116
4.6 Schma de la structure simplie . . . . . . . . . . . . . . . . . . . . . . 117
4.7 Processus de maillage automatique des xations . . . . . . . . . . . . . . 121
contexte incertain
t
e
l
-
0
0
6
7
5
7
4
1
,

v
e
r
s
i
o
n

1

-

1

M
a
r

2
0
1
2
vi Table des gures
contexte incertain
t
e
l
-
0
0
6
7
5
7
4
1
,

v
e
r
s
i
o
n

1

-

1

M
a
r

2
0
1
2
Liste des tableaux
1.1 Valeurs des coefcients a et b . . . . . . . . . . . . . . . . . . . . . . . . 22
2.1 Les paramtres du problme . . . . . . . . . . . . . . . . . . . . . . . . 65
2.2 Les donnes simules employes pour le recalage . . . . . . . . . . . . . 66
2.3 Modle initial : nombre ditrations pour le recalage (Init. inf. (resp. sup.)
signie initialisation avec des valeurs infrieures (resp. suprieures) aux
valeurs objectif) . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 71
2.4 Modle rigidi : nombre ditrations pour le recalage . . . . . . . . . . 78
2.5 Les donnes simules . . . . . . . . . . . . . . . . . . . . . . . . . . . . 84
2.6 Rsultats issus du recalage du modle dterministe . . . . . . . . . . . . 84
3.1 Rsultats du recalage du modle avec mconnaissances . . . . . . . . . . 107
3.2 volution des mconnaissances de base . . . . . . . . . . . . . . . . . . 108
contexte incertain
t
e
l
-
0
0
6
7
5
7
4
1
,

v
e
r
s
i
o
n

1

-

1

M
a
r

2
0
1
2
viii Liste des tableaux
contexte incertain
t
e
l
-
0
0
6
7
5
7
4
1
,

v
e
r
s
i
o
n

1

-

1

M
a
r

2
0
1
2
Introduction
Dans le domaine industriel, et plus particulirement pour le transport aronautique,
le dimensionnement mcanique des structures est une phase cruciale du processus de
conception dun nouvel appareil en vue de sa mise sur le march. Tous les critres im-
portants de tenue de la structure doivent tre abords an de garantir la dure de vie xe
par le cahier des charges. Le dimensionnement sappuie sur lanalyse de plusieurs tudes
quelles soient numriques ou exprimentales.
Ces dernires annes, le cot trs important des essais rels sur structure de grande
chelle a pouss les industriels diminuer leur utilisation au prot des essais numriques.
Ces essais rels sont nanmoins courants de plus petites chelles, pour pouvoir gnra-
lement identier les proprits de phnomnes locaux complexes.
En recherche, diffrentes mthodes bases sur la modlisation par lments nis sont
apparues an de traiter des problmes de plus en plus complexes grce laugmentation
continue des capacits de calcul des environnements informatiques. La complexit de ces
problmes peut se traduire soit par la complexit du phnomne physique tudi, soit
par la taille de la structure tudie, impliquant la rsolution de problmes de trs grande
dimension.
Le dimensionnement numrique des structures aronautiques comporte plusieurs par-
ticularits. Par exemple, ces mthodes de dimensionnement doivent tre adaptes la
modlisation de tronons comportant plusieurs millions de xations, lutilisation gran-
dissante de matriaux composites, ou encore la gomtrie complexe de ces structures
(panneaux, raidisseurs et lments de xation).
Pourtant les bureaux dtude aronautiques ne sont actuellement pas en mesure de
pouvoir appliquer directement ces mthodes de rsolution non-linaire sur une structure
complte de grande taille. La complexit des modles associe au trs grand nombre
dinconnues ncessaires implique des temps de calcul et des besoins informatiques trop
coteux ce jour.
An dy remdier, les mthodes numriques usuelles pour le dimensionnement asso-
cient plusieurs types de modle lments nis an de pouvoir adopter la complexit
des reprsentations. Gnralement, ces stratgies font interagir ou superposent un modle
global simple avec des modles locaux complexes an de limiter les cots de calcul. Une
des mthodes les plus utilises dans le domaine industriel consiste rsoudre dans un pre-
mier temps le problme mcanique sur une structure complte avec un modle simpli
gomtriquement mais aussi du point de vue de son comportement. Dans un deuxime
contexte incertain
t
e
l
-
0
0
6
7
5
7
4
1
,

v
e
r
s
i
o
n

1

-

1

M
a
r

2
0
1
2
2 Introduction
temps, le champ de dplacements ou defforts internes obtenu permet le pilotage dun
modle local non-linaire dni sur une zone dintrt. Ceci suppose dune part que cette
zone dintrt soit connue a priori, et dautre part que la prsence des non-linarits lo-
cales nait que peu dinuence sur le comportement global de la structure. Ce type de
mthode de dimensionnement est appele analyse descendante ou submodeling en
anglais. La Figure1 illustre ce processus de dimensionnement.
Structure Relle
Structure linaire
(plaques et ressorts)
Ranalyse 3D
locale nonlinaire
Modlisation
linaire
Estimation des fixations
les plus charges
Modification de
la structure
FIGURE 1: Principe dune analyse descendante
Llment le plus utilis pour assembler les diffrents tronons dun appareil est la
xation boulonne ou rivete. Le comportement de ces composants peut tre dimension-
nant lorsquil est prsent dans une structure. En effet, il introduit des phnomnes forte-
ment non-linaires (contact, frottement, effet de la prcharge et des jeux de fabrication)
qui saccompagnent gnralement de concentrations de contraintes. Sachant quil peut y
avoir plusieurs millions de xations sur un appareil, vouloir prendre en compte tous ces
phnomnes dans un modle numrique de structure de grande chelle serait trop coteux.
Lutilisation dune analyse descendante semble pour linstant mieux approprie.
Lors du dimensionnement, la prise en compte des incertitudes est un aspect important
pour vrier la tenue dune structure. En effet, les caractristiques gomtriques ou phy-
siques peuvent varier dune structure une autre. Gnralement, les industriels pondrent
leurs rsultats numriques avec des coefcients de scurit an de pouvoir prendre en
compte toute variation de comportement ou de chargement de la structure. Malheureuse-
ment, lapplication de ces coefcients mne souvent au surdimensionnement des parties
tudies.
Actuellement, la tendance est de vouloir rduire ces marges de manire diminuer
les cots de fabrication et dexploitation des appareils. Les industriels sefforcent donc de
modliser de faon plus prcise lala que lon peut retrouver dans une structure et son
environnement. Plusieurs outils existent an de reprsenter ces incertitudes :
contexte incertain
t
e
l
-
0
0
6
7
5
7
4
1
,

v
e
r
s
i
o
n

1

-

1

M
a
r

2
0
1
2
Introduction 3
les mthodes paramtriques non probabilistes [Moens et Vandepitte, 2005] ;
les mthodes paramtriques probabilistes [Schuller, 2001] ;
les mthodes non paramtriques [Soize, 2000].
Bien que certains travaux aient t dvelopps pour les mthodes non paramtriques et
paramtriques non probabilistes en calcul de structures, lessentiel de la recherche se
concentre sur les mthodes probabilistes. Ces dernires sont trs intressantes lorsque lon
souhaite modliser les phnomnes de dispersion des chelles locales (o le nombre de
paramtres stochastiques reste limit). des chelles globales de structures telles que
celles du tronon dun avion, ces mthodes restent pour linstant trop coteuses [Schul-
ler, 2001].
Cest dans ce contexte qua t dveloppe la thorie des mconnaissances [Lade-
vze et al., 2006b]. Lide de cette thorie est de modliser les incertitudes lchelle
des sous-structures. Un avantage consquent de cet outil, comparativement certaines
mthodes probabilistes, est de navoir besoin que dun seul calcul dterministe sur une
structure globale. Par post-traitement de ce calcul, on peut ainsi obtenir un intervalle de
conance sur une quantit dintrt pour toute structure de la mme famille. Dune part,
la thorie des mconnaissances se base sur un modle lments nis dterministe de la
structure tudie : il est donc important que ce modle soit le plus dlement reprsen-
tatif du comportement des structures relles. Dautre part, les variables internes dnies
lchelle des sous-structures et inuant sur les intervalles de conance des quantits
dintrt, ne sont que trs rarement connues a priori. Le modle avec mconnaissances
doit donc passer par une phase de recalage an dtre valid. Cette thorie a tout dabord
t applique au domaine de la dynamique des structures [Ladevze et al., 2006b, Lade-
vze et al., 2006a, Puel, 2004] pour des dispersions associes aux rigidits des structures.
Elle a ensuite t tendue aux problmes de statique [Enjalbert, 2009, Louf et al., 2010]
pour des incertitudes associes aux rigidits des structures mais aussi aux chargements
extrieurs.
Lobjectif de cette thse est dinsrer la modlisation par la thorie des mconnais-
sances dans une procdure de dimensionnement de type analyse descendante. En se ba-
sant sur les techniques industrielles actuelles, il sagit dajouter laspect alatoire via la
thorie des mconnaissances. Lintrt est que cette thorie implique peu de cot de calcul
supplmentaire. Les mconnaissances sont appliques au modle linaire lors de la pro-
cdure de la mthode descendante. Ceci permet dobtenir un intervalle de variation dune
quantit dintrt dont les bornes seront utilises par la suite pour piloter un calcul com-
plexe local non-linaire. Comme prcis prcdemment, le modle de mconnaissances
se base sur une reprsentation simplie, gnralement linaire, de la structure. La dif-
cult de cette stratgie sera de prouver son efcacit pour la modlisation de phnomnes
alatoires complexes.
Ltude mene ici propose donc de justier de manire plus prcise lapplication de
coefcients de scurit. Les diffrentes tapes importantes de la stratgie seront tudies
et justies sur un exemple dassemblage boulonn dont la gomtrie est inspire de struc-
tures aronautiques. Ces tapes, situes dans la premire partie de lanalyse descendante,
contexte incertain
t
e
l
-
0
0
6
7
5
7
4
1
,

v
e
r
s
i
o
n

1

-

1

M
a
r

2
0
1
2
4 Introduction
sont les suivantes :
cration dun modle dterministe simpli et pertinent de lassemblage boulonn ;
recalage du modle dterministe grce une srie de donnes. La mthode choisie
ici est le recalage bas sur lerreur en relation de comportement ;
application de la thorie des mconnaissances sur le modle dterministe an dob-
tenir un modle avec mconnaissances ;
recalage du modle avec mconnaissances grce une srie de donnes.
Les dveloppements numriques sont effectus sous le logiciel Matlab. Tous les algo-
rithmes crs se basent sur des modles lments nis issus du logiciel Abaqus/Standard.
Le dialogue entre les deux logiciels seffectue principalement grce un environnement
Python.
An de prciser les points prcdemment abords, ce document sarticule suivant
quatre chapitres :
Le premier chapitre exposera la stratgie adopte pour insrer une mthode de
modlisation de lincertain dans un processus de dimensionnement dassemblage
de structures en aronautique. Cette stratgie sera constitue de diffrents modles
et mthodes dont les choix seront justis et pour lesquels un bref tat de lart sera
effectu.
Parmi les mthodes utilises, le recalage de modle joue un rle prliminaire crucial
sur la qualit du modle enveloppe objectif. Le modle dterministe utilis pour la
thorie des mconnaissances doit tre able et doit reprsenter le mieux possible
la structure relle. Dans un second chapitre, une stratgie de recalage de modle
dterministe de xations sera tudie et optimise an de pouvoir aborder laspect
alatoire dans les meilleures conditions. Plus particulirement, nous nous concen-
trerons ici sur lapplication dune mthode de recalage base sur lerreur en relation
de comportement applique des modles simples de xations boulonnes.
Le troisime chapitre prsentera tout dabord les bases de la modlisation des
incertitudes par la thorie de mconnaissances. Lapplication de cette thorie sur un
modle dterministe correctement recal constituera la dernire tape de la stratgie
propose. Cette stratgie sera ensuite illustre sur un exemple typique de xation
aronautique.
Le quatrime chapitre aura pour objectif dvaluer les possibilits dutilisation du
modle de connecteur avec mconnaissances dans un environnement plus contrai-
gnant. Dans un contexte incertain, une analyse sera effectue sur des connecteurs
reprsentant chacun plusieurs xations. La pertinence de cette extension dchelle
pour la modlisation des connecteurs sera value et de possibles amliorations
seront proposes.
contexte incertain
t
e
l
-
0
0
6
7
5
7
4
1
,

v
e
r
s
i
o
n

1

-

1

M
a
r

2
0
1
2
Chapitre 1
laboration dune stratgie de
dimensionnement
Dans ce premier chapitre, nous allons introduire la probl-
matique industrielle sur laquelle nous allons travailler :
le prdimensionnement dassemblage de structures. Plu-
sieurs discussions seront menes dans le but de construire
point par point une stratgie pertinente en vue dune pro-
position dapplication dans le monde industriel. La pre-
mire partie de ce chapitre prsente les diffrentes m-
thodes permettant le dimensionnement des structures de
grande chelle. Une tude bibliographique sur les mo-
dles de xation est ensuite effectue. Enn, la stratgie
propose est construite : elle utilise dune part un reca-
lage de modle, et dautre part elle met en place une prise
en compte des phnomnes alatoires. Ces deux derniers
points feront galement lobjet dune discussion.
Sommaire
1 Problmatique industrielle . . . . . . . . . . . . . . . . . . . . . . . . . 7
2 Mthodes de dimensionnement . . . . . . . . . . . . . . . . . . . . . . . 9
contexte incertain
t
e
l
-
0
0
6
7
5
7
4
1
,

v
e
r
s
i
o
n

1

-

1

M
a
r

2
0
1
2
2.1 Mthodes ingnieur et drives . . . . . . . . . . . . . . . . . . 9
2.2 Les stratgies de calcul multichelles . . . . . . . . . . . . . . . . 12
2.3 Les techniques de dcomposition de domaine sans recouvrement . . 16
2.4 Conclusions . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 18
3 Modlisation des xations . . . . . . . . . . . . . . . . . . . . . . . . . . 18
3.1 Les approches empiriques . . . . . . . . . . . . . . . . . . . . . . 19
3.2 Les approches analytiques . . . . . . . . . . . . . . . . . . . . . . 22
3.3 Les approches lments nis . . . . . . . . . . . . . . . . . . . . 24
3.4 Conclusions . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 27
4.1 Les modles considrs . . . . . . . . . . . . . . . . . . . . . . . . 28
4.2 Matrise des carts entre modles . . . . . . . . . . . . . . . . . . 32
5 Prise en compte de lincertitude . . . . . . . . . . . . . . . . . . . . . . 38
5.1 Mthodes stochastiques en calcul de structure . . . . . . . . . . . . 38
5.2 Mthodes non stochastiques en calcul de structure . . . . . . . . . 48
6 Conclusions . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 52
contexte incertain
t
e
l
-
0
0
6
7
5
7
4
1
,

v
e
r
s
i
o
n

1

-

1

M
a
r

2
0
1
2
Problmatique industrielle 7
1 Problmatique industrielle
Dans le secteur aronautique, la certication des avions sappuie gnralement sur
la ralisation de nombreux essais diffrentes chelles. Ces essais peuvent tre raliss
lchelle de la microstructure dun matriau aussi bien qu lchelle de lavion lui-
mme. La tendance actuelle des industriels est de diminuer lutilisation de ces essais,
trop coteux, au prot dessais numriques. Grce lvolution des capacits de calcul
numrique, ces essais virtuels viennent peu peu complter voire remplacer certains
types dessais sur structure relle.
Parmi les lments faisant partie de cette problmatique, les ensembles de xations,
boulonnes ou rivetes, sont des composants trs importants lors du dimensionnement :
lirrgularit de la gomtrie, les phnomnes de frottement, les prcharges ou encore les
jeux de fabrication prsents dans ces zones augmentent les probabilits dinitiation de
phnomnes dendommagement.
La production en srie mise en uvre dans lindustrie aronautique entrane la fabrica-
tion de ces ensembles de xations en trs grand nombre. Lorsque lon tudie une famille
de structures semblables, plusieurs proprits varient dune structure lautre. En effet,
le frottement entre les plaques est mal connu, les prcharges appliques lors de lassem-
blage ne sont pas prcisment contrles (environ 20% de dispersion [Guinard, 2003]),
les jeux de fabrication sont raliss avec des tolrances dimensionnelles et la position ini-
tiale de la xation lintrieur de son logement nest pas bien matrise (conguration des
rattrapages de jeux) [Guinard, 2003]. La Figure 1.1 illustre ces paramtres mal connus.
Prcharge
Poston ntae
|eux
Contact frottant
FIGURE 1.1: Paramtres variables prsents dans un assemblage boulonn
Lobjectif de cette thse est de proposer une stratgie de dimensionnement des as-
semblages boulonns ou rivets. De plus, on souhaite prendre en compte les effets des
variabilits de comportement des xations sur le dimensionnement. Ceci permettra de
rednir la notion de coefcient de scurit lors du dimensionnement.
Le but de cette stratgie est de raliser des dimensionnements o lchelle de la struc-
ture est quivalente celle de plusieurs panneaux ou tronons davion. Or, les calculateurs
contexte incertain
t
e
l
-
0
0
6
7
5
7
4
1
,

v
e
r
s
i
o
n

1

-

1

M
a
r

2
0
1
2
8 laboration dune stratgie de dimensionnement
actuels ne permettent pas encore de raliser des essais numriques ces chelles en pre-
nant en compte les comportements complexes que lon peut retrouver des chelles beau-
coup plus nes. Les modles utiliss pour les simulations numriques sont donc ajusts en
fonction de lchelle de la structure observe. Toute la problmatique de lindustriel rside
dans la capacit de dialogue entre les diffrentes modlisations. Plusieurs techniques ont
t dveloppes pour rsoudre ces problmes, qualis de multichelles. La partie 2 de ce
chapitre prsente de manire non exhaustive les mthodes dites de ranalyse locale et
multichelles pour le dimensionnement des structures de grande taille.
Le dimensionnement choisi se base sur ltude dune structure multichelle o deux
types dchelle sont tudies : une structure globale (chelle des panneaux) utilisant des
lments simples et grossiers, et une structure locale (chelle de la xation) comprenant
des lments reprsentant plus nement la gomtrie relle et dont le comportement est
plus complexe. Dans notre cas, le choix des zones o appliquer la structure locale seffec-
tue lchelle globale. Elle est base sur la recherche des transferts de charges dans les
xations, ainsi que de leurs variations, an den dduire les lments susceptibles dtre
les plus chargs. Ces lments de xations sont ensuite isols en vue dune ranalyse lo-
cale, laide dune analyse descendante comme illustr sur la Figure 1. Le choix de cette
mthode est justi dans la partie 2.
Dans cette stratgie, les modles de xations employs lchelle globale et lchelle
locale ne peuvent tre les mmes. Ces choix sont typiquement effectus en fonction de
la complexit des modles. La modlisation de ces types dlments ncessite donc une
attention particulire car les performances de la stratgie en dpendent. Une tude des
diffrents types de modlisation de ces xations est prsente dans la partie 3. Le choix
du type de modle utilis sera galement justi. Ces modles sont nomms modles
dterministes des xations dans la suite de ltude.
Le modle dterministe de xation utilis lchelle globale est ensuite associ une
thorie de prise en compte dincertitude an dobtenir des estimations de variation des
transferts de charge. Cette partie permet de prendre en compte des variations de com-
portements complexes des xations souvent non contrls lors de la fabrication ou de
lassemblage. Un bref tat de lart de ces mthodes en mcanique est prsent dans la
partie 5. La thorie des mconnaissances [Ladevze et al., 2004] sera employe pour ef-
fectuer ce point technique. En effet, cette thorie permet, lchelle globale, de runir
toutes les sources dincertitude prsentes dans une xation. Le dtails de son application
est prsente au Chapitre 3.
Cependant, la thorie des mconnaissances ne peut combler les ventuelles erreurs
de modlisation du modle dterministe de xation par rapport la ralit. Le modle
dterministe joue un rle primordial sur la qualit des rsultats obtenus par la thorie. Il
est donc important de correctement paramtrer le modle dterministe pour quil repr-
sente au mieux la famille de structures tudie quelque soit le type de modle de xation
choisi. Pour cela nous utiliserons une mthode de recalage de modle. Ceci permettra
dvaluer lerreur produite entre le comportement du modle de structure et celui issu des
contexte incertain
t
e
l
-
0
0
6
7
5
7
4
1
,

v
e
r
s
i
o
n

1

-

1

M
a
r

2
0
1
2
Mthodes de dimensionnement 9
mesures (sur structures relles ou structures simules) et ainsi de la diminuer en modiant
les proprits de la modlisation. Un descriptif des mthodes de recalage de modle est
prsent dans la partie 4. La recalage choisi est bas sur lerreur en relation de comporte-
ment [Ladevze et Chouaki, 1999]. Le dtail de lapplication du recalage dans la stratgie
est prsente au Chapitre 2.
En rsum, la stratgie propose se dcompose en plusieurs points important :
application de la mthode de dimensionnement multichelle par analyse descen-
dante ;
construction du modle dterministe de xations ;
recalage du modle dterministe de xations ;
application de thorie des mconnaissances ;
Nous prcisons ici que le travail qui suit sintresse uniquement la partie structure
globale de lanalyse descendante. La ranalyse locale ne sera donc pas tudie.
Les travaux relatifs aux domaines abords chacun de ces points sont prsents suc-
cessivement ci-dessous.
2 Mthodes de dimensionnement
La problmatique est lie ici au dimensionnement de structures aronautiques de
grande taille prsentant un grand nombre de xations (plusieurs millions de xations).
Un modle complet intgrant tous les dtails structurels lchelle des xations nest pas
envisageable pour le moment. En effet, le nombre de degrs de libert engendr sur ce
modle entranerait, pour un calcul direct, des temps de calcul et des besoins en terme de
mmoire informatique incompatibles avec les contraintes des industriels. Plusieurs tech-
niques se sont dveloppes pour rduire ces besoins informatiques. On distingue ici deux
grandes familles de stratgie. Les techniques appartenant la premire famille peuvent
tre qualies de multichelles . Plusieurs hypothses sont utilises pour nalement
souligner le fait quil peut y avoir deux chelles de modlisation sur la structure tudie :
gnralement une chelle grossire sur la structure complte et une chelle ne sur des
zones trs rduites de la structure. Ceci permet de rendre les calculs plus abordables en lo-
calisant les modles les plus complexes. La deuxime catgorie de mthodes regroupe les
techniques dites de sous-structuration et de dcomposition de domaines ([Gosselet
et Rey, 2006]). Contrairement aux mthodes prcdentes, on travaille gnralement ici
sur la structure complte avec une modlisation ne. Pour rendre le problme abordable,
le domaine est dcoup en plusieurs sous-domaines de taille infrieure. Les calculs des
sous-domaines sont traits indpendamment et raccords pour obtenir la solution exacte
sur le domaine complet.
2.1 Mthodes ingnieur et drives
Ces approches reprsentent les techniques les plus employes dans lindustrie du fait
de leur rapidit dimplmentation et dutilisation.
contexte incertain
t
e
l
-
0
0
6
7
5
7
4
1
,

v
e
r
s
i
o
n

1

-

1

M
a
r

2
0
1
2
2.1.1 Approches descendantes
Les approches descendantes sont les stratgies utilises majoritairement dans les bu-
reaux dtude aronautiques. Elles sont principalement employes pour obtenir des infor-
mations prcises concernant des quantits dintrts dans une zone trs localise.
Elles consistent tout dabord trouver une solution globale sur la structure entire. G-
nralement, le modle global est trs grossier et ne met en uvre quasiment pas de dtails
structuraux. Des exemples de problmes traits sont illustrs Figure 1.2 et Figure 1.3.
Cependant, il peut contenir un trs grand nombre de degr de libert et ncessiter un
temps de calcul consquent tant donn la taille de la structure.
La seconde partie de la procdure consiste localiser les zones de la structure globale
pour lesquelles une analyse plus ne doit tre ralise. Cette tape peut tre ralise
laide destimateurs derreur, de critres a posteriori, ou de rgles mtier. Les zones ainsi
identies peuvent tre associes un modle local plus complexe : les non linarits
gomtriques et matrielles [Ransom et al., 1992] ou encore certains dtails topologiques
[Kapania et al., 1997] ou dhtrognit [Voleti et al., 1996] peuvent tre reprsents.
Dans la troisime tape, les quantits de pilotage du modle local doivent tre dnies.
Les deux principales mthodes consistent piloter les conditions aux limites du modle
local soit en dplacement [Kelley, 1982], soit en effort [Jara-Almonte et Knight, 1988]
partir des donnes issues du modle global. Les premiers travaux ont t dvelopps
dans [Kelley, 1982, Whitcomb, 1991] sous le nom de SBD (Specied Boundary Displa-
cement). On retrouve cette technique dans les logiciels lments nis sous le nom de
submodeling .
La dernire tape consiste rsoudre le problme local. Ce type de dimensionnement
se prsente donc comme une solution de choix pour les industriels car les deux modles
utiliss sont indpendants et leur calcul seffectue successivement. Pourtant, les analyses
descendantes prsentent un inconvnient de taille du fait du peu de communication qui
existe entre les deux modles. En effet, le transfert dinformation ne seffectue que de
faon unilatrale du modle global vers le modle local, lors de lextraction des quantits
globales servant piloter les conditions aux limites du modle local. Ce type de couplage
ne permet donc pas au modle local dagir sur le modle global. Cependant plusieurs tra-
vaux effectus au LMT Cachan ont montr les limites et les erreurs [Cresta, 2008, Gendre,
2010] pouvant tre commises par cette technique. Les redistributions de contraintes in-
duites par des comportements locaux adoucissant ne sont pas prises en compte au niveau
global. Ce type dapproche est donc bien adapt lorsque le comportement lchelle lo-
cale na que trs peu dinuence sur la rponse globale de la structure.
2.1.2 Approches exactes et itratives
Contrairement aux approches prcdentes, les approches directes permettent de prendre
en compte directement linuence des dtails locaux lchelle globale de manire exacte.
Parmi elles, on peut noter les mthodes de ranalyse structurale [Barthelemy et Haftka,
1993]. Ces mthodes consistent connatre la rponse du modle global lors de modi-
cations gomtriques ou constitutives. Ceci permet ainsi de gagner du temps de calcul
contexte incertain
t
e
l
-
0
0
6
7
5
7
4
1
,

v
e
r
s
i
o
n

1

-

1

M
a
r

2
0
1
2
llustration faire
ModIe gIobaI grossier
ModIe
IocaI fin
FIGURE 1.2: R-analyse locale dun panneau : modles associs chaque chelle dtude
[Cresta, 2008]
FIGURE 1.3: La mthode du zoom structural : en fonction des besoins, il est possible
de zoomer de faon rcurrente sur plusieurs chelles danalyse jusqu obtenir celle
adquate pour lanalyse des champs de contraintes cherchs. On fabrique ainsi une suite
de modles et de calculs gigognes (Doc. Dassault Aviation) daprs [Guidault, 2005].
contexte incertain
t
e
l
-
0
0
6
7
5
7
4
1
,

v
e
r
s
i
o
n

1

-

1

M
a
r

2
0
1
2
en ne recalculant pas la solution complte du problme mais en utilisant les calculs dj
effectus.
Le deuxime type dapproche exacte consiste utiliser les techniques dites de conden-
sation statique couramment utilises dans lindustrie. Elles permettent de condenser la r-
solution du problme sur des variables dinterface. On peut donc crer des sous-structures
condenses gnralement nommes super-lments . Ces lments permettent de r-
duire de manire importante le nombre de degr de libert en liminant les inconnues
internes aux zones condenses. Les problmes initialement trop complexes traiter du
fait de leur taille peuvent tre calculs avec un cot plus raisonnable grce aux mthodes
de condensation. De plus, ces techniques permettent la collaboration entre entreprises
partenaires sur ltude dune structure, sans pour autant dvoiler les dtails des sous-
structures condenses. Notons tout de mme que ces techniques ne sont pour linstant pas
applicables aux problmes non linaires.
Dans le cas o les approches exactes sont trop coteuses pour prendre en compte un
dialogue local global, les mthodes itratives peuvent se rvler tre un bon compro-
mis. Aprs avoir effectu une analyse locale en utilisant les conditions aux limites issues
du problme global, une correction globale est effectue laide des chargements du mo-
dle local reprsentant linuence des dtails locaux sur la structure. Parmi ces mthodes,
on notera les approches RGL (Rened Global/Local) [Mao et Sun, 1991] et IGL (Iterative
Global/Local) [Whitcomb, 1991].
2.2 Les stratgies de calcul multichelles
Nous prsentons dans cette partie les mthodes de calcul de structures de grande taille
ncessitant la prise en compte de dtails structuraux prcis. Lutilisation de ces mthodes
est adapte dans le cas o les dtails locaux ont une dimension beaucoup plus petite que
celle du problme global. Ceci interdit donc lutilisation dun modle dchelle locale
sur le problme global, et entrane donc ltude de deux modles dchelles distinctes.
Ici galement, des mthodes ont t dveloppes pour permettre le couplage de ces deux
chelles. Parmi les grandes classes dapproches multichelles, nous distinguons ici (outre
les approches descendantes traites dans la partie 2.1.1) les techniques bases sur la tho-
rie de lhomognisation, les mthodes denrichissement et de superposition.
2.2.1 Mthodes bases sur la thorie de lhomognisation
Ces mthodes ont pour but de construire un modle macro partir de connaissances
particulires sur le modle n micro . Les premiers travaux ont permis de dnir des
comportements macroscopiques entre des quantits moyennes effectives [Eshelby, 1957,
Hashin, 1960, Mori et Tanaka, 1973] partir de modles analytiques et semi-analytiques.
Dautres avances [Christman et al., 1989, Tvergaard, 1990, van der Sluis et al., 1999]
ont permis didentier un modle macroscopique partir d essais numriques mais
galement dobtenir des informations locales de la solution.
contexte incertain
t
e
l
-
0
0
6
7
5
7
4
1
,

v
e
r
s
i
o
n

1

-

1

M
a
r

2
0
1
2
Cependant, les premires mthodes vritablement multichelles sont principalement
bases sur la thorie de lhomognisation priodique [Sanchez-Palencia, 1974]. Cette
thorie est utilisable lorsque la structure microscopique est constitue dun motif prio-
dique appel Volume lmentaire Reprsentatif (VER). Elle se base galement sur un
problme macro et un problme micro permettant de remonter aux proprits locales
[Sanchez-Palencia, 1974, Bensoussan et al., 1978].
Des extensions ont galement t proposes pour les cas non linaires. Une prsenta-
tion gnrale de ces techniques est propose dans [Terada et Kikuchi, 2001]. Parmi ces
techniques, on retrouve la mthode FE
2
[Feyel et Chaboche, 2000] pour laquelle lori-
ginalit consiste associer, chaque point dintgration du maillage global, un modle
microscopique dun VER. La Figure 1.4 prsente une application de la mthode au cas
dune structure composite. Le problme microscopique consiste dterminer le champ
de dformations et de contraintes sur le VER partir des conditions de priodicit et de la
relation de comportement non linaire microscopique. Une fois la solution obtenue, une
tape dhomognisation permet de remonter la contrainte macroscopique en effectuant
la moyenne du champ de contrainte sur le VER. Connaissant la contrainte macroscopique,
celle-ci est introduite dans lalgorithme de rsolution du problme macro.
Cependant, la mthode FE
2
possde les mmes limitations que la thorie de lhomo-
gnisation dont elle est drive : elle ne reste pertinente que lorsque les chelles sont bien
spares. Dans [Ghosh et al., 2001] est dveloppe une mthode permettant de prendre
en compte des zones o lhypothse de sparation des chelles nest pas vrie.
2.2.2 Mthodes de superposition et denrichissement
Les techniques prcdentes se basent principalement sur lvaluation de quantits
moyennes partir de lchelle micro pour construire le comportement lchelle
globale. Les approches tudies dans cette partie adoptent un point de vue diffrent et
cherchent plutt substituer ou superposer la solution dun problme macroscopique
un enrichissement microscopique dans les zones dintrt.
Parmi ces approches, la projection de Dirichlet homognise (HPDM) [Oden et
Zohdi, 1997, Oden et al., 1999, Zohdi et al., 1996] a t propose pour rsoudre des
problmes de structures fortement htrognes dans le cadre de llasticit linaire. La
technique se base sur un modle global homognis, relativement grossier un niveau
macroscopique, et des modles microscopiques indpendants, incluant les dtails de la
microstructure. Les cellules dans lesquelles sont dnis les modles microscopiques, sont
obtenues en partitionnant la structure suivant une grille rgulire. Pour coupler les deux
types de modle, une estimation de lerreur est effectue a posteriori sur le modle glo-
bal. Une analyse au niveau microscopique est ralise sur les cellules des zones les plus
errones. Une correction microscopique est ainsi obtenue laide des conditions aux li-
mites homognes de Dirichlet du problme macroscopique. La solution corrige est en-
suite construite comme la solution macro laquelle on ajoute les corrections issues des
ranalyses sur chaque cellule. Cependant, tant donn que lon utilise une homognisa-
contexte incertain
t
e
l
-
0
0
6
7
5
7
4
1
,

v
e
r
s
i
o
n

1

-

1

M
a
r

2
0
1
2
FIGURE 1.4: Modle numrique FE
2
dune structure en composite SiC/Ti [Feyel et Cha-
boche, 2000]
contexte incertain
t
e
l
-
0
0
6
7
5
7
4
1
,

v
e
r
s
i
o
n

1

-

1

M
a
r

2
0
1
2
tion au niveau macroscopique, cette approche possde galement les inconvnients cits
prcdemment.
On peut noter galement la mthode Arlequin, introduite dans [Ben Dhia, 1998, Ben
Dhia et Rateau, 2001], qui permet de superposer un modle global, un modle plus
n dans des zones dintrt. Une illustration de la superposition dun modle poutre et
dun modle 2D est prsente sur la Figure 1.5. Cette technique permet le couplage entre
les deux types de modle tant au niveau de la discrtisation que des quations qui les
rgissent. La particularit de cette technique se situe au niveau de la zone de dialogue entre
les deux modles. Contrairement aux mthodes prcdentes o le dialogue seffectue sur
une interface, ici il se met en place de manire faible sur un volume de recouvrement.
lintrieur de ces zones, le recouvrement des deux modles est gr par lapplication
de fonctions de pondration, directement dans la formulation du principe des puissances
virtuelles du problme global. Cest notamment le choix de lespace des multiplicateurs
de Lagrange, appel espace mdiateur , qui conditionne la qualit du raccord dans la
zone de jonction.
FIGURE 1.5: Contraintes principales majeures et exion dune poutre cantilever (analyse
bimodle : poutre/2D) [Ben Dhia, 1998]
Lintrt de cette mthode est le couplage que lon peut effectuer sur des types de mo-
dle trs diffrents. Cependant, le choix de la discrtisation de lespace mdiateur pose
de grandes difcults et fait lobjet de nombreux travaux [Guidault et Belytschko, 2007].
galement, lassemblage des modles n et grossier ainsi que des multiplicateurs de La-
grange peut entraner des problmes de trs grande taille et mal conditionns. Pour saf-
franchir de la reconstruction complte du problme, diverses tudes ont t menes [El-
khodja et al., 2007]. Dautres tudes ont galement portes sur lextension des techniques
de patchs aux cas non linaires [Rey et al., 2007].
Enn, on peut galement citer quelques mthodes bases sur la partition de lunit
propose dans [Melenk et Babuska, 1996]. On retrouve la mthode des lments nis
gnraliss GFEM [Strouboulis et al., 2000] et la mthode des lments nis tendus
contexte incertain
t
e
l
-
0
0
6
7
5
7
4
1
,

v
e
r
s
i
o
n

1

-

1

M
a
r

2
0
1
2
XFEM [Mos et al., 1999, Haboussa et al., 2011, Pommier et al., 2011]. Un problme
de propagation de ssure est prsent sur la Figure 1.6. Lespace dapproximation EF est
enrichi par des fonctions provenant dune certaine connaissance que lon a a priori du
problme. Concernant la mthode des lments nis tendus, elle utilise la partition de
lunit pour introduire diverses sortes de discontinuit sans toutefois modier le maillage.
Les principales fonctions employes sont les fonctions Heaviside pour les discontinuits
et les solutions asymptotiques pour les champs en pointe de ssure. En ce qui concerne la
mthode des lments nis gnraliss, elle propose dintroduire des fonctions permettant
de prendre en compte le comportement local de certaines zones par lintermdiaire de
problmes lmentaires, nomms handbooks , rsolus a priori une chelle ne.
FIGURE 1.6: Problme de propagation de ssure trait par XFEM [Mos et al., 1999]
2.3 Les techniques de dcomposition de domaine sans recouvrement
Le principe de ces mthodes est de traiter un problme de grande taille en partition-
nant le domaine global en n sous-domaines que lon traite sparment. Dans ce cas, la
modlisation du problme permet de discrtiser la gomtrie de faon plus ou moins ne
en fonction du domaine tudi. Une illustration de cette approche par la mthode LaTIn
est prsente sur la Figure 1.7.
Pour rsoudre le problme global, les quations sont crites lintrieur de chaque
sous-domaine et les conditions de raccord sont crites sur chaque interface. On distingue
trois grandes familles. On se propose de les lister ci-dessous sans entrer dans les dtails
de chacune :
les approches primales, Balancing Domain Decomposition (BDD) [Mandel, 1993] ;
les approches duales, Finite Element Tearing and Interconnecting (FETI) [Farhat
et Roux, 1991], FETI2 [Farhat et al., 1996], FETI-DP (Dual-primal FETI method)
[Farhat et al., 2001]. Un exemple de maillage utilis par la mthode FETI est pr-
sent sur la Figure 1.8 ;
les approches mixtes, Lagrangien augment [Fortin et Glowinski, 1983, Glowinski
et Le Tallec, 1990], LaTIn micro/macro [Ladevze, 1999, Ladevze et al., 2001],
contexte incertain
t
e
l
-
0
0
6
7
5
7
4
1
,

v
e
r
s
i
o
n

1

-

1

M
a
r

2
0
1
2

FIGURE 1.7: Maillage micro conforme la gomtrie et maillage macro dinterface dune
poutre ssure [Guidault, 2005]
FIGURE 1.8: Maillage dun panneau raidi utilis par une approche FETI-DP [Farhat et al.,
2001]
contexte incertain
t
e
l
-
0
0
6
7
5
7
4
1
,

v
e
r
s
i
o
n

1

-

1

M
a
r

2
0
1
2
FETI 2-champs [Series et al., 2003].
Une prsentation des principales mthodes de dcomposition de domaine sans recouvre-
ment est propose dans [Gosselet et Rey, 2006].
2.4 Conclusions
Dans cette partie, nous avons brivement prsent les principales mthodes existantes
pour le calcul de problmes linaires ou non linaires de grande taille. Les problmes
traits sont principalement caractriss par lobservation de phnomnes mcaniques pr-
sents diffrentes chelles. Ils doivent donc tre rsolus en prenant en compte ces diff-
rentes chelles tout en surmontant les difcults numriques quils engendrent. Une pre-
mire famille dapproches globales-locales permettent le traitement danalyses nes
locales pilotes par des conditions aux limites issues dun modle grossier global. Ces
approches ne permettent pourtant pas, dans la plupart des cas, de prendre en compte les
effets du modle local sur le modle global.
Une seconde famille de mthodes est base sur les calculs multichelles. Ces m-
thodes sont utilises lorsque quune distinction entre lchelle micro et lchelle ma-
cro peut tre faite. Les problmes sont traits soit indpendamment, soit en superposant
ou en associant les deux modles dans un mme calcul.
Enn, les techniques de dcomposition de domaine permettent de traiter des pro-
blmes condenss aux interfaces de faon itrative ou parallle. Ces mthodes sont trs
efcaces lors de la rsolution de problmes de trs grande taille.
Nous nous plaons ici dans le cadre dune tude ralise pour le dimensionnement
dun assemblage de structures en aronautique. Les familles de rsolution les plus utili-
ses ce jour dans lindustrie sont les approches descendantes, avec pilotage des condi-
tions aux limites en dplacement ou en effort. Cest dans ce cadre que nous allons pro-
poser une stratgie de dimensionnement de structure boulonne avec prise en compte des
phnomnes alatoires. En effet, les mthodes multichelles (except les analyses descen-
dantes) et de dcomposition de domaine sont trop coteuses vis--vis des objectifs de la
stratgie. De plus, les analyses descendantes tant frquemment utilises dans le domaine
industriel, il sera dautant plus simple dintgrer la stratgie propose dans un processus
de dimensionnement. Le but de la stratgie est dintgrer les phnomnes alatoires lors
de lanalyse globale pour avoir une connaissance des cas extrmes de sollicitation de la
structure. Lanalyse locale, qui ne sera pas tudie dans ce manuscrit, se basera ensuite sur
les rsultats issus de lanalyse globale en fonction des diffrents cas extrmes calculs.
3 Modlisation des xations
La mthode de rsolution ayant t dnie dans la partie prcdente, nous allons main-
tenant nous intresser au modle global de lanalyse descendante, et plus particulirement
au modle de xation. En effet, sur les structures aronautiques, les sous-ensembles sont
principalement constitus de structures minces raidies et assembles par des xations,
contexte incertain
t
e
l
-
0
0
6
7
5
7
4
1
,

v
e
r
s
i
o
n

1

-

1

M
a
r

2
0
1
2
Modlisation des xations 19
rivetes ou boulonnes. La Figure 1.9 prsente une chane de montage de lA320 dAir-
bus sur laquelle on peut apercevoir les fuselages. La Figure 1.10 prsente plus en dtail
lassemblage entre deux panneaux du fuselage.
FIGURE 1.9: Chane de montage de lAirbus A320 [Airbus]
Un tat de lart non exhaustif concernant la modlisation des jonction boulonnes est
effectue dans cette partie. Nous distinguerons les approches suivantes :
les approches empiriques ;
les approches analytiques ;
les approches numriques.
Plusieurs travaux ont t mens pour identier et simuler les assemblages boulonns ou
rivets. Nous nous limiterons dans notre cas ltude du comportement sans endomma-
gement des xations. En effet, le modle de xation choisi sera employ dans un modle
simple de structure, les phnomnes dendommagement seront analyss ultrieurement
partir de lanalyse locale.
3.1 Les approches empiriques
Ces types dapproches consistent principalement identier le comportement dune
xation boulonne partir dune srie dessais. Les formules obtenues correspondent la
exibilit des xations en simple ou double cisaillement (cf. Figure 1.11). Parmi toutes
les formules existantes, nous pourrons voquer les suivantes :
formule de Tate et Rosenfeld [Tate et Rosenfeld, 1946] ;
formule de Boeing [Huth, 1986] ;
formule de Swift [Swift, 1971] ;
contexte incertain
t
e
l
-
0
0
6
7
5
7
4
1
,

v
e
r
s
i
o
n

1

-

1

M
a
r

2
0
1
2
FIGURE 1.10: Schma dune jonction circonfrentielle du fuselage [EADS]
FIGURE 1.11: Conguration dun assemblage en simple (gauche) et double (droite) re-
couvrement
contexte incertain
t
e
l
-
0
0
6
7
5
7
4
1
,

v
e
r
s
i
o
n

1

-

1

M
a
r

2
0
1
2
formule de Huth [Huth, 1986] ;
formule de Niu [Niu, 1988] ;
formule de Cope et Lacy [Cope et Lacy, 2000].
Nous allons dtailler la formulation principalement utilise chez EADS IW lors de la mo-
dlisation des xations : la formulation de Huth. Puisque les formules semi-empiriques
existantes ne sont applicables que sur un nombre restreint de gomtries de xations, H.
Huth a permis ltude sur une plus large gamme de congurations : les xations boulon-
nes et rivetes, simple et double recouvrement. La Figure 1.12 prsente les mesures
effectues lors de ses essais. Lobjectif de ltude est de pouvoir valuer la tenue en fatigue
FIGURE 1.12: Schma des dformations obtenues en simple et double cisaillement [Huth,
1986]
dun assemblage boulonn. Pour cela, la connaissance de la rpartition de charge entre les
boulons est ncessaire. Enn, une tude de la rigidit des xations est effectue pour en
dduire la rpartition des charges. Les paramtres gomtriques et matriaux supposs
inuencer le comportement de la xation sont :
les matriaux des plaques ;
la longueur de serrage des conditions aux limites ;
le diamtre de la xation ;
le matriau de la xation ;
la conguration simple ou double recouvrement.
Les essais ont t effectus dans les conditions suivantes :
assemblage mtallique boulonn ;
assemblage mtallique rivet ;
contexte incertain
t
e
l
-
0
0
6
7
5
7
4
1
,

v
e
r
s
i
o
n

1

-

1

M
a
r

2
0
1
2
assemblage en composite carbone/epoxy boulonn.
Les boulons sont soit en acier, soit en titane. Les rivets sont quant eux en aluminium.
Les campagnes dessais permettent dtablir la formule suivante :
C =
_
t
1
+t
2
2d
_
a
b
n
_
1
t
1
E
1
+
1
nt
2
E
2
+
1
2t
1
E
3
+
1
2nt
2
E
3
_
(1.1)
C, t
i
, d et E
i
tant respectivement la exibilit de la xation, les paisseurs des deux
plaques (i = 1, 2), le diamtre des xations et les modules dYoung des matriaux des
deux plaques (i = 1, 2) et de la xation (i = 3). La Figure 1.13 prcise la numrota-
tions des diffrentes pices. n vaut 1 (resp. 2) en simple (resp. double) cisaillement. La

FIGURE 1.13: Numrotation des pices

Table 1.1 prsente les valeurs des coefcients a et b.
Assemblage a b
mtallique boulonn 2/3 3, 0
mtallique rivet 2/5 2, 2
carbone/epoxy boulonn 2/3 4, 2
TABLE 1.1: Valeurs des coefcients a et b
Cette dnition de la exibilit de la xation est principalement utilise lors de calculs
mettant en uvre des modles de structure de trs grandes dimensions, dans lesquels les
xations ne peuvent tre reprsentes en dtails.
3.2 Les approches analytiques
Dans cette partie, nous prsentons les travaux mens pour construire des modles
analytiques de xations. Le plus souvent, les paramtres de ces modles sont identis
grce des essais. Les premiers types de travaux effectus concernent la modlisation des
contraintes et des transferts de charge obtenus dans un assemblage boulonn charg.
Nous allons tout dabord prsenter les diffrents modles qui ont t dvelopps pour
la statique. Ces modles de xations ont t pour la plupart identis sur des essais rels.
Lanalogie entre la distribution de charges et un montage lectrique de rsistances est
tudie dans [Ross, 1947] (Figure 1.14). Une tude analytique prenant en compte les
contexte incertain
t
e
l
-
0
0
6
7
5
7
4
1
,

v
e
r
s
i
o
n

1

-

1

M
a
r

2
0
1
2
FIGURE 1.14: Rseau lectrique quivalent un assemblage de n +1 xations [Ross,
1947]
contexte incertain
t
e
l
-
0
0
6
7
5
7
4
1
,

v
e
r
s
i
o
n

1

-

1

M
a
r

2
0
1
2
effets thermiques est effectue dans [Yen, 1978]. Dans [Yang et Ye, 1990], une tude
analytique permet de retrouver galement la direction des charges sur chaque xation.
[Bortman et Szab, 1992] prsente un modle analytique bidimensionnel (Figure 1.15)
prenant en compte le frottement pour obtenir les contraintes au voisinage de la xation.
Dautres travaux ont galement t mens sur le couple de serrage des xations [Nassar
FIGURE 1.15: Schma du modle non linaire de Bortman [Bortman et Szab, 1992]
et al., 2005], la perte de prcharge [Yang et Chang, 2006, Jaglinski et al., 2007] et leur
inuence sur la distribution des efforts sur les xations.
La modlisation des phnomnes de fatigue [Barrois, 1978, Madenci et al., 1998, De
Matteis et Landolfo, 1999] et de rupture [Tong, 2000] sont galement proposs comme
cadres dapplication.
Dans le domaine de la dynamique, lobjectif principal des modles analytiques est de
caractriser les effets dissipatifs tels que dcrits dans [Esteban et Rogers, 2000]. Des mo-
dles rcents ont galement t dvelopps dans [Ahmadian et Jalali, 2007b, Jalali et al.,
2007]. Le modle de xation dvelopp dans [Ahmadian et Jalali, 2007b] est construit
partir de plusieurs ressorts en translation et torsion, linaires et non linaires, associs
un amortisseur en torsion (cf. Figure 1.16).
De nombreuses reprsentations ont t dveloppes sur la base du modle rhologique
dIwan [Hartwigsen et al., 2004, Song et al., 2004, Shiryayev et al., 2007, Segalman
et Starr, 2008, Miller et Dane Quinn, 2009] (cf. Figure 1.17). On peut galement noter
dautres modles construits pour des applications au crash dans [Langrand et Combescure,
2004].
3.3 Les approches lments nis
Les modles de xation fonds sur lapproche lments nis sont les plus rpan-
dus actuellement. limage des reprsentations analytiques, les premiers modles num-
riques ont gnralement pour objectif de simuler la distribution des contraintes au voisi-
nage de la xation [Baumann, 1982] (lments poutre), [Ingvar Eriksson, 1986] (modle
2D) (cf. Figure 1.18). galement on retrouve des travaux effectus sur la rigidit et perte
contexte incertain
t
e
l
-
0
0
6
7
5
7
4
1
,

v
e
r
s
i
o
n

1

-

1

M
a
r

2
0
1
2
FIGURE 1.16: Montage et modle dynamiques raliss dans [Ahmadian et Jalali, 2007b]
FIGURE 1.17: Schma du modle rhologique dIwan parallle-srie (gauche) et srie-

parallle (droite) [Segalman et Starr, 2008]
contexte incertain
t
e
l
-
0
0
6
7
5
7
4
1
,

v
e
r
s
i
o
n

1

-

1

M
a
r

2
0
1
2
FIGURE 1.18: Modles lments nis membrane/poutre (gauche) [Baumann, 1982] et
2D (droite) [Ingvar Eriksson, 1986]
de le rigidit des xations dans [Alkatan et al., 2007, Lehnhoff et Bunyard, 2001] (rigidit
axiale) (cf. Figure 1.19) et [Ding et Dhanasekar, 2007, Izumi et al., 2005, Zhang et al.,
2007] (perte de prcharge). Du fait des dveloppements des modles multidimensionnels,
FIGURE 1.19: Modle lments nis employ pour ltude de rigidit axiale dans [Alka-
tan et al., 2007]
la reprsentation de la gomtrie des xations ainsi que ses comportements non linaires
ont pu tre pris en compte de manire plus prcise. De trs nombreux travaux ont ainsi
t mens suivant ce modle : en 2D [Kim et Kim, 1995] mais surtout en 3D [Cham-
paney et al., 2007, Chen et al., 1995, Ekh et al., 2005, Kelly, 2005, Kelly et Hallstrm,
2004, McCarthy, 2005, McCarthy et al., 2005, McCarthy et McCarthy, 2005, Soo Kim et
Kuwamura, 2007] (cf. Figure 1.20), certains modles y incluant de la dgradation du ma-
triau [Riccio et Scaramuzzino, 2002, Tserpes et al., 2002]. Les phnomnes de fatigue
sont galement traits dans [Kelly, 2006, Chakhari et al., 2008, Leray et al., 2008].
Pourtant, les modles qui nous intressent le plus ici sont ceux pouvant reprsenter
une gomtrie 3D tout en employant des lments nis les plus simples possibles. Ces
contexte incertain
t
e
l
-
0
0
6
7
5
7
4
1
,

v
e
r
s
i
o
n

1

-

1

M
a
r

2
0
1
2
FIGURE 1.20: Modles lments nis 3D non linaires issus de [McCarthy et al., 2005]
(gauche) et [Champaney et al., 2007] (droite)
modles reprsentent un bon compromis pour le calcul de structures de grande taille.
Certains de ces modles ont t dvelopps dans [Ekh et Schon, 2008, Gant et al., 2011,
Kim et al., 2007] (cf. Figure 1.21).
FIGURE 1.21: Quatre types de modlisation simplie employs dans [Kim et al., 2007]
Enn, en dynamique des structures, des lments simples avec amortissement ont t
dvelopps [Ahmadian et Jalali, 2007a, Mayer et Gaul, 2007], mais aussi des lments
spciques pour les chocs pyrotechniques [de Benedetti et al., 2007] ou encore les crashs
[Combescure et al., 2003].
3.4 Conclusions
Dans cette partie, nous avons prsent les principaux travaux effectus dans la littra-
ture concernant la modlisation des liaisons boulonnes et rivetes. En vue dune utilisa-
contexte incertain
t
e
l
-
0
0
6
7
5
7
4
1
,

v
e
r
s
i
o
n

1

-

1

M
a
r

2
0
1
2
tion au niveau global dune analyse descendante, les modles de xation doivent pouvoir
tre utiliss en nombre sur de grandes structures. Les modlisations non linaires sont
cartes de notre stratgie car cela entranerait une utilisation de ressource numrique trop
importante. Nous choisissons donc un modle linaire applicable au cas de la statique. De
faon similaire aux mthodes de dimensionnement appliques dans lindustrie, les mo-
dles seront crs sous des logiciels lments nis. Dans nos exemples, ABAQUS/CAE
sera utilis. Nous avons donc la possibilit dutiliser des lments connecteur pour repr-
senter les liaisons. An de reprsenter au mieux la gomtrie des pices, le comportement
global de la structure et avoir un temps de calcul raisonnable, les lments de structure
sont modliss par des lments plaque linaires et les xations par des connecteurs (cf.
[Ekh et Schon, 2008, Gant et al., 2011, Kim et al., 2007]). Les raideurs orthogonales des
connecteurs laxe de la vis auront une valeur a priori dnie par la formule de Huth (cf.
quation (1.1)). La raideur quivalente du connecteur selon laxe de la vis sera dnie en
fonction du matriau et de la gomtrie de la vis.
4 Recalage de modle
Le modle de xation a t choisi dans la partie prcdente. Bien que les valeurs des
raideurs soient tires de la formule de Huth, le comportement correspondant ne con-
cide pas avec le comportement rel dans la plupart des cas. tant donn que le modle
dincertitudes sera fond sur ce modle dterministe, une mauvaise reprsentation dter-
ministe du rel entranera une mauvaise reprsentation des variations de comportement
de la structure.
Lobjectif de cette partie est de pouvoir matriser le modle de xation pour se rappro-
cher au mieux du comportement moyen dune famille de structures. Pour cela, nous
allons introduire la notion de recalage de modle. Tout dabord, nous allons dnir les
diffrents niveaux de modlisation qui seront manipuls lors de la matrise de modle.
Ensuite, un bref tat de lart sera prsent concernant les mthodes de recalage de mo-
dle. tant donne limportance des applications au cas de la dynamique des structures,
ces mthodes seront dtailles pour ce domaine dapplication.
4.1 Les modles considrs
Dans cette partie, nous allons comparer trois types de modlisation :
le modle exprimental ;
le modle continu ;
le modle numrique.
Lors des exprimentations sur une structure relle, les donnes acquises reprsentent
le modle exprimental. Elles correspondent la rponse qui traduit le comportement rel
de la structure tudie. Ce modle prsente certaines limitations :
il est entach derreurs dues au processus de mesure ;
contexte incertain
t
e
l
-
0
0
6
7
5
7
4
1
,

v
e
r
s
i
o
n

1

-

1

M
a
r

2
0
1
2
Recalage de modle 29
il est incomplet car les donnes ne sont obtenues quen un nombre ni de points,
pour un certain nombre de sollicitations, . . .
La Figure 1.22 prsente le dispositif exprimental mis en uvre EADS IW pour la
jonction boulonne que lon tudiera au Chapitre 2.
FIGURE 1.22: Dispositif exprimental dtude dune jonction boulonne [Guinard, 2003]
Du ct du modlisateur, la structure peut tre reprsente par un certain domaine
thorique dni par des dimensions nominales issues de la conception de la structure.
partir de plusieurs hypothses, la rponse de la structure peut thoriquement se calculer
en dnissant :
les conditions initiales et conditions aux limites ;
les quations dquilibre ;
les relations de comportement.
Gnralement, les plus grandes incertitudes sont associes aux hypothses effectues sur
les relations de comportement. Nous verrons par la suite que dans notre cas, cest princi-
palement ces hypothses qui nous conduisent procder un recalage de modle.
Bien que le modle continu (cf. Figure 1.23) soit dni facilement, il existe trs peu
de problmes dont la solution analytique est connue. Dans la plupart des cas, nous avons
recours une solution approche numriquement, le plus souvent avec la mthode des
lments nis [Zienkiewicz et Taylor, 1984]. La Figure 1.24 prsente un maillage l-
ments nis 3D dune jonction boulonne. Applique la dynamique des structures, cette
mthode permet dcrire le problme rsoudre sous la forme suivante :
[K]u+[B] u+[M] u = f (1.2)
contexte incertain
t
e
l
-
0
0
6
7
5
7
4
1
,

v
e
r
s
i
o
n

1

-

1

M
a
r

2
0
1
2
FIGURE 1.23: Modle continu de xation aux dimensions nominales

FIGURE 1.24: Maillage 3D dune jonction boulonne
contexte incertain
t
e
l
-
0
0
6
7
5
7
4
1
,

v
e
r
s
i
o
n

1

-

1

M
a
r

2
0
1
2
[K], [M] et [B] sont respectivement les matrices de raideur, de masse et damortissement
du modle lments nis, u, u et u les vecteurs nodaux de dplacement, vitesse
et acclration du modle, et f le vecteur force gnralis. On notera que le modle
mcanique utilis ne prsente pas de non-linarits. En effet, pour le type dassemblage
tudi ici, les non-linarits dues au contact seront englobes dans le concept des mcon-
naissances introduit dans le Chapitre 3.
La solution de cette quation permet de calculer le dplacement, la vitesse et lacc-
lration en chaque point de la structure. En dynamique, et sans travailler dans le domaine
frquentiel, on peut supposer que le dplacement et la force impose peuvent scrire sous
la forme :
u =Usin(t ) (1.3)
f =Fsin(t ) (1.4)
U et F tant respectivement les amplitudes de u et f , et et leur phase. Les
expressions (1.3) et (1.4) peuvent se rcrire sous la forme :
u =U(cossint sincost)
=Ucos
e
it
e
it
2i
Usin
e
it
+e
it
2
=U
_
cos
2i
sin
2
_
e
it
+U
_
cos
2i
sin
2
_
e
it
=
1
2
_
Ue
it
+
e
it
_
(1.5)
U tant un vecteur complexe contenant les informations damplitude et de phase, et
son complexe conjugu. Nous utiliserons la notation suivante dans la suite de

ltude :
u =
1
2
_
Ue
it
+U
e
it
(1.6)
u =
1
2
_
iUe
it
+iU
e
it
(1.7)
u =
1
2
_
2
Ue
it
+
2
U
e
it
(1.8)
Lquation (1.2) peut donc se rcrire sous la forme suivante :
([K]
2
[M] +i[B])U =F (1.9)
Rappelons que U et F sont des vecteurs complexes. Les couples (
i
,
i
) sont
introduits pour rsoudre le problme suivant :
([K]
2
i
[M])
i
= 0 (1.10)
contexte incertain
t
e
l
-
0
0
6
7
5
7
4
1
,

v
e
r
s
i
o
n

1

-

1

M
a
r

2
0
1
2
i
et
i
sont nomms respectivement frquences propres et modes rels du systme
non amorti. Lorsque le modle possde N degrs de libert, il existe N couples (
i
,
i
)
solutions de lquation (1.10). On peut dtailler lcriture de ce couple de la faon sui-
vante :
[] =
_

1

2

N
(1.11)
[] =
_
1
0 0 0
0
2
0 0
0 0
.
.
.
0
0 0 0
N
_
_
(1.12)
Les modes propres sont ensuite normaliss par la masse. On a alors les relations suivantes :
[]
T
[K][] = [] (1.13)
[]
T
[M][] = [I] (1.14)
I tant la matrice identit.
4.2 Matrise des carts entre modles
Cette partie est centre autour des mthodes permettant de contrler et de rduire les
carts entre les diffrents modles dnis prcdemment. La Figure 1.25 prsente les
diffrents domaines de calcul dcart entre modles.
4.2.1 Vrication de modle
Le passage du modle continu au modle numrique approch entrane forcment un
cart de rponse entre eux deux. La problmatique ici est de pouvoir quantier cet cart.
Les premiers travaux ont t effectus pour des problmes lastiques linaires. Pour cela,
trois grandes familles de mthodes existent actuellement dans le domaine de lestimation
derreur :
les techniques fondes sur les rsidus dquilibre [Babuska et Rheinboldt, 1979] ;
les techniques fondes sur le concept derreur en relation de comportement [Lade-
vze et Leguillon, 1983] ;
les techniques fondes sur le lissage des contraintes de la solution numrique [Zien-
kiewicz et Zhu, 1987].
Les dveloppements ayant eu lieu au LMT Cachan ont principalement t effectus sur le
concept derreur en relation de comportement. Plusieurs avances ont t proposes pour
les problmes de non linarit matriaux [Ladevze, 2000], le contact [Coorevits et al.,
2000], les vibrations [Ladevze et Pelle, 1989], la dynamique [Ladevze et Waeytens,
2009] ou encore la dynamique rapide [Combe et al., 1999].
contexte incertain
t
e
l
-
0
0
6
7
5
7
4
1
,

v
e
r
s
i
o
n

1

-

1

M
a
r

2
0
1
2
Modle
numerique
Modle
continu
Structure
reelle
F
Vadaton
Vrfcaton Identfcaton
FIGURE 1.25: Problmatique de matrise des modles
contexte incertain
t
e
l
-
0
0
6
7
5
7
4
1
,

v
e
r
s
i
o
n

1

-

1

M
a
r

2
0
1
2
4.2.2 Validation de modle
Dans cette partie, nous prsentons les diffrentes mthodes dveloppes pour am-
liorer la qualit dun modle numrique par rapport au modle exprimental associ. En
effet, lorsque la qualit du modle numrique par rapport aux mesures nest pas sufsante,
il doit gnralement subir un recalage. On distingue deux grandes familles de mthodes
de recalage :
les mthodes directes : ces mthodes consistent corriger directement les opra-
teurs dnissant le problme sans retour dinformations sur la modication phy-
sique du modle ;
les mthodes indirectes ou paramtriques : ces mthodes ont pour objectif de mini-
miser une erreur entre le modle numrique et les mesures en jouant sur des para-
mtres physiques du modle, gnralement en faisant intervenir un processus itra-
tif.
Quelques mthodes vont tre prsentes succinctement. Pour plus de dtails, on pourra
consulter une revue des mthodes de recalage faite dans [Mottershead et Friswell, 1993].
Les mthodes de recalage sont prsentes ci-dessous dans le cas gnral de la dynamique
de structure. Le recalage effectu dans la stratgie de dimensionnement propose sera
applique en statique dans le Chapitre 3.
Les mthodes directes
Mthodes de Norme minimale . Le principe de ces mthodes consiste trouver
une correction des matrices [K] et [M] du modle numrique. partir de larrangement
des modes exprimentaux

U
i
en colonne dans la matrice [
U], les corrections [K] et [M]

symtriques sont dnies telles que :
[M] minimise
|[M]
1/2
[M][M]
1/2
| (1.15)
sous la contrainte dorthogonalit qui scrit pour des modes normaliss en masse :
[
U]
T
[M+M][
U] =I ; (1.16)
[K] minimise
|[M]
1/2
[K][M]
1/2
| (1.17)
sous la contrainte dorthogonalit et dquilibre modal :
[
U]
T
[K+K][
U] = [] (1.18)
[K+K][
U] [][M+M][
U] = [0] (1.19)
contexte incertain
t
e
l
-
0
0
6
7
5
7
4
1
,

v
e
r
s
i
o
n

1

-

1

M
a
r

2
0
1
2
La norme matricielle |[]| employe est la norme de Frobenius dnie par :
|[A]| =
n
i=1
n
j=1
A
2
i j
(1.20)
[A] tant une matrice carre dordre n. Comme nonc prcdemment, le principal dfaut
de ces mthodes est que les corrections apportes nont pas de sens physique. En effet,
il peut arriver que les corrections entranent des structures de matrices non conformes
la construction des matrices lments nis. Plusieurs amliorations concernant ce sujet
ont t proposes dans [Kabe, 1985] puis [Smith et Beattie, 1991].
Certains travaux rcents sur les corrections de matrices de rang minimum permettent
une modication plus locale des matrices. Ces travaux peuvent tre consults dans [Zim-
merman et Kaouk, 1994, Zimmerman et Simmermacher, 1995, Zimmerman et al., 1996]
et [Doebling, 1996].
Mthodes Matrix mixing . Ces mthodes proposent de construire directement
les matrices [K] et [M] partir des modes mesurs de la faon suivante :
[M]
1
= [
U]
T
[
U] (1.21)
[K]
1
= [
U]
T
[]
1
[
U] (1.22)
Ces mthodes ncessitent que tous les modes du modle numrique soient mesurs expri-
mentalement, ce qui rend leur utilisation trs peu pratique. Leur premiers dveloppements
ont t proposs dans [Ross, 1971, Thoren, 1972]. Des amliorations ont galement t
effectues dans le cas o certains modes ne sont pas connus (cf. [Link et al., 1987]).
Mthodes issues de la thorie du contrle. Elles sont galement nommes Ei-
genstructure Assignement Method . Elles reposent sur le calcul dun pseudo-contrleur
qui permet de vrier lquilibre modal. On considre le systme suivant :
[K]x+[B] x+[M] x = [B
0
]u (1.23)
y = [D
0
]x+[D
1
] x (1.24)
u et y tant respectivement nomms entres et sorties dans le vocabulaire du contrle.
y peut tre une combinaison linaire de x et x en tout point du systme. [B
0
] dis-
tribue les entres aux degrs de libert appropris de la structure. On recherche alors une
loi de contrle du type :
u = [G]y (1.25)
[G] tant nomme matrice de gain. On obtient donc lquation suivante :
([K] [B
0
][G][D
0
])x+([B] [B
0
][G][D
1
]) x+[M] x = 0 (1.26)
contexte incertain
t
e
l
-
0
0
6
7
5
7
4
1
,

v
e
r
s
i
o
n

1

-

1

M
a
r

2
0
1
2
Cette quation traduit lquilibre modal. Lexpression de [G] donne ainsi les corrections
ncessaires pour assigner les modes propres et frquences propres du systme aux valeurs
donnes par lexprimentation. Les principales difcults rsident dans la construction de
[G] qui, ntant pas unique, peut conduire des matrices non symtriques. Les travaux
effectus dans [Zimmerman et Widengren, 1990] permettent de rsoudre ce problme.
Les mthodes paramtriques (ou indirectes) Pour ce type de mthodes, on suppose
que le modle est paramtr de telle sorte que :
[K] =
n
i=1
[K](p
i
) [M] =
n
i=1
[M](p
i
) [B] =
n
i=1
[B](p
i
) (1.27)
Lobjectif du recalage consiste trouver un jeu de paramtres p de taille n minimisant
une fonction objectif gnralement nomme fonction cot et de la forme :
J(p) =|R(p)|
2
+[pp
0
[
2
(1.28)
p
0
, R(p) et tant respectivement le jeu de paramtres initial, le rsidu qui ex-
prime le niveau de corrlation entre le modle dni avec le paramtre p et les mesures,
et un terme pondrateur ajuster. Une forme plus gnrale de fonction cot est donne
par lestimateur Bayesien (cf. [Natke, 1988, Tarantola, 2004]) suivant :
J(p) =R(p)
[G]
R
R(p)
. .
1
+(pp
0
)
T
[G]
p
(pp
0
)
. .
2
(1.29)
avec [G]
R
= [COV(v(p))]
1
(1.30)
et [G]
p
= [COV(p)]
1
(1.31)
COV reprsente la matrice de covariance qui dnit le type de norme choisi. Les termes 1
et 2 sont nomms respectivement terme de pnalisation et terme de rgularisation (au sens
de Tychonoff). Le terme de rgularisation permet de privilgier parmi les solutions pos-
sibles de p, celles tant les plus proches au sens de la norme [ [
2
de lestimation initiale
des paramtres p
0
. Le choix des normes [ [
2
et | |
2
dpend de donnes telles que la dis-
tribution probable des paramtres, des erreurs sur les mesures ou encore de savoir-faire
ingnieur. Une discussion dtaille sur ce point est prsente dans [Mottershead et al.,
2000]. Plusieurs techniques sont abordes ci-dessous.
Utilisation des donnes modales. Dans ce cas, le rsidu est gnralement constitu
de rsidus construits sur les frquences propres et les modes propres. Lutilisation du
MAC (Modal Assurance Criterion) est donc ici appropri. Pour n couples de modes et
valeurs propres mesurs (
i
,
i
) et n couples de modes et valeurs propres calculs pour
contexte incertain
t
e
l
-
0
0
6
7
5
7
4
1
,

v
e
r
s
i
o
n

1

-

1

M
a
r

2
0
1
2
un jeu de paramtres p (
i
,
i
), le rsidu peut tre dni par la formule suivante :
|R(p)|
2
=
n
i=1
p
i
_
1MAC(
i
,
i
)
_
2
+
n
i=1
q
i
f (
i
,
i
)
2
(1.32)
les modes i exprimentaux correspondant aux modes i calculs numriquement.
Utilisation des fonctions de rponse en frquence. Parmi les techniques utilisant
ces informations, on distingue trois grandes classes suivant le type de rsidu employ :
les rsidus en entre ;
les rsidus en sortie ;
les rsidus sur les relations de comportement.
La construction du rsidu en entre seffectue en supposant que lon impose le dpla-
cement
U la structure. On calcule le rsidu suivant :

R(p)
=F
F (1.33)
Le rsidu est donc la diffrence entre leffort calcul partir du modle (sur lequel on
applique
U) et leffort mesur
F. Leffort {F} sexprime de la faon suivante :

F = ([K]
2
[M] +i[B])
U (1.34)
Cette technique est quivalente une optimisation linaire lorsque tous les degrs de li-
bert sont mesurs. Comme ce nest que trs peu souvent le cas, les donnes manquantes
sont issues du modle initial, ce qui conduit un problme non linaire,
U tant d-
pendant de p. De plus, les travaux effectus dans [Fritzen, 1986, Cottin et al., 1984]
soulignent la forte sensibilit de ce type de rsidu au bruit de mesure.
Contrairement aux techniques prcdentes, les rsidus en sortie sont construit en sup-
posant que lon applique la structure un effort
F. On calcule le rsidu suivant :

R(p)
=U
U (1.35)
Le rsidu en sortie est calcul comme tant la diffrence entre les dplacements issus du
modle sur lequel on applique
F et les dplacements mesurs
U. Le dplacement
U sexprime de la faon suivante :
([K]
2
[M] +i[B])U =
F (1.36)
Ces rsidus, contrairement aux rsidus en entre, se rvlent tre moins sensibles aux
perturbations dues aux bruits de mesure. Concernant ces deux types de rsidus, plusieurs
variantes existent selon le type de norme choisi ou encore le type de coefcient pondra-
teur (cf. [Balms, 2000]).
contexte incertain
t
e
l
-
0
0
6
7
5
7
4
1
,

v
e
r
s
i
o
n

1

-

1

M
a
r

2
0
1
2
Le troisime type de rsidu se base sur les relations de comportement. Nous pouvons
citer la mthode MECE (Modeling Error in the Constitutive Equations) [Pascual, 1998].
La mthode de recalage en erreur en relation de comportement dveloppe au LMT Ca-
chan [Ladevze et Chouaki, 1999], fait partie de ce type de construction de rsidu. Elle
sera dtaille dans le Chapitre 2.
Aprs avoir choisi le type de rsidu, la dnition [Mottershead et al., 1996] et le choix
des paramtres recaler est un point trs important par rapport lefcacit du processus.
Pour plus de dtails concernant cette partie, on pourra se rfrer aux descriptions faites
dans [Deraemaeker, 2001]. tant donn le peu de paramtres manipuler dans les appli-
cations qui suivent, les mthodes de choix de paramtres ne seront pas appliques. Ces
techniques savreront ncessaires en vue dune application de recalage pour des struc-
tures de trs grande taille.
Dans la suite de cette tude, nous avons choisi dappliquer au modle dassemblage
dterministe un recalage de type paramtrique fond sur lerreur en relation de compor-
tement [Ladevze et Chouaki, 1999]. En effet, cette mthode permet de raisonner dune
part sur des paramtres physiques, et dautre part sur des sous-structures. Nous verrons
que la manipulation de sous-structures sera adquat vis--vis de la mthode de prise en
compte des incertitudes choisie dans la partie suivante.
5 Prise en compte de lincertitude
Dans le domaine des assemblages de xations, les sources dincertitudes sont princi-
palement observs sur les phnomnes de frottement, les prcharges des boulons et les
jeux de fabrication. Tous ces phnomnes sont difcilement contrls lors de la fabrica-
tion ou du montage des lments. Une mthode de prise en compte des incertitudes doit
tre choisie pour tre applique ces sources dala.
Un modle dassemblage ainsi quune mthode de recalage ont t choisis dans les
parties prcdentes. Lobjectif de cette partie est de faire un bilan des mthodes existantes
en calcul de structures pour la prise en compte des variabilits. Le modle dterministe
recal sera llment de base de la mthode de prise en compte des incertitudes. Un tat
de lart non exhaustif de ces mthodes est prsent ici. Nous dtaillerons tout dabord les
mthodes stochastiques, puis viendront les mthodes non stochastiques.
5.1 Mthodes stochastiques en calcul de structure
Les mthodes stochastiques sont naturellement employes lorsquil sagit de reprsen-
ter les effets du hasard. Elles sont fondes sur lusage des probabilits. Elles consistent
modliser les effets des variabilits des paramtres dentre sur les paramtres de sortie.
5.1.1 Paramtres stochastiques
Il existe plusieurs types de paramtres alatoires :
contexte incertain
t
e
l
-
0
0
6
7
5
7
4
1
,

v
e
r
s
i
o
n

1

-

1

M
a
r

2
0
1
2
Prise en compte de lincertitude 39
les variables alatoires : ces variables sont des fonctions dpendant uniquement de
lala . Elles sont uniformes en temps et en espace ;
les champs stochastiques : cest--dire des fonctions dpendant la fois de lala et
de lespace. Elles sont uniformes en temps ;
les processus stochastiques, fonctions dpendantes de lala, de lespace et du temps.
Avant de prsenter les mthodes permettant de calculer la rponse alatoire dun systme,
nous allons faire quelques rappels de probabilits ncessaires pour la suite de ltude.
Une prsentation globale de ses mthodes appliques aux calculs de structures peut tre
consulte dans [Schuller, 2001].
Variables alatoires. Une variable alatoire valeur dans R et dpendant de lala
est entirement dnie si lun de ces trois points est donn :
sa fonction de rpartition (note CDF pour Cumulative Distribution Function).
Cette fonction prend des valeurs entre 0 et 1.
sa fonction densit de probabilit (note PDF pour Probability Density Function),
dont lintgrale est la fonction de rpartition.
tous ses moments statistiques. Les plus utiliss sont les moments dordre 0 (moyenne
ou esprance) et dordre 1 (variance).
Dcomposition de Karhunen-Love. Cet outil, dvelopp dans [Love, 1977], permet
de dcomposer un champ stochastique en effectuant une sparation de variable despace et
variable stochastique. En effet, bien quun champs stochastique puisse mieux reprsenter
la ralit des variations mcanique comparativement une variable alatoire uniforme en
espace, il savre beaucoup plus compliqu manipuler. Cette mthode dcompose un
champ stochastique E(x, ) sur une base dterministe de lespace de la manire suivante :
E(x, ) = E(x) +
i=1
i
()
_
i
(x) (1.37)
i
et
i
(x) tant respectivement les valeurs propres et les vecteurs propres du noyau de
loprateur de covariance dni par la formule suivante :
C
E
(x
1
, x
2
) = (E(x
1
, ) E(x
1
))(E(x
2
, ) E(x
2
)) (1.38)
E(x) tant lesprance de E(x, ). Les
i
et
i
(x) sont en fait solutions de lquation
intgrale, souvent rsolue numriquement :
D
C
E
(x
1
, x
2
)
i
(x
1
)dx
1
=
i
i
(x
2
) (1.39)
D tant le domaine spatial sur lequel E(x, ) est dni. Les variables alatoires
i
() sont
quant elles non corrles, desprance nulle et dcarts types unitaires se traduisant par :
i
() = 0 et
i
()
j
() =
i j
(1.40)
contexte incertain
t
e
l
-
0
0
6
7
5
7
4
1
,

v
e
r
s
i
o
n

1

-

1

M
a
r

2
0
1
2
Ces variables alatoires sont en fait les moyennes du champ E(x, ) pondres par les
fonctions de lespace
i
(x) :
i
() =
1
D
E(x, )
i
(x)dx (1.41)
Lanalyse du champ stochastique se rsume ainsi ltude, plus simple, dun nombre ni
de variables alatoires indpendantes. On peut montrer que les valeurs propres
i
sont des
quantits dcroissantes quand i augmente, et que, plus le champ dcomposer est proche
du bruit blanc, plus on a besoin de termes dans la dcomposition, ce qui explique quen
pratique, comme les champs stochastiques sont assez lisses , peu de termes sont gards
dans la dcomposition de Karhunen-Love.
Loi normale. Nous dtaillons ici la loi normale (ou gaussienne) couramment utilise en
probabilit. Une variable alatoire Y() suit une loi dite normale ou gaussienne lorsque
sa densit de probabilit peut scrire sous la forme :
p(y) =
1
2
2
exp
_
(y )
2
2
2
_
(1.42)
et tant respectivement gaux Y(), lesprance (ou moyenne), et (Y() Y())
2
,
lcart-type de la variable alatoire Y(). Limportance de cette loi dcoule de lnonc
du thorme limite central :
Si lon considre n variables alatoires indpendantes Y
1
(), . . . ,Y
n
() desprances
respectives
k
et dcart-types respectifs
k
, alors la loi de rpartition de :
S
n
() =
n
k=1
Y
k
() (1.43)
tend, lorsque n tend vers +, vers une loi normale desprance et dcart-type don-
nes par :
=
n
k=1
k
et =
k=1
2
k
(1.44)
Ce thorme explique pourquoi les paramtres structuraux sont gnralement mo-
dliss par des variables alatoires suivant une loi normale. Plusieurs techniques sont
utilises an dviter les ralisations ngatives, nayant pas de sens physique pour les pa-
ramtres tels que la masse ou la raideur. En pratique deux techniques sont gnralement
employes :
lorsque la probabilit doccurrence dune valeur ngative est sufsamment faible
(environ infrieure 0, 1%), on peut ne pas prendre en compte ces valeurs quitte
renormaliser la densit de probabilit par la suite ;
contexte incertain
t
e
l
-
0
0
6
7
5
7
4
1
,

v
e
r
s
i
o
n

1

-

1

M
a
r

2
0
1
2
dans le cas gnral, la technique consiste choisir une loi de probabilit proche de
la loi normale mais dont le domaine est R
+
: il sagit de la loi log-normale. Cette
dernire a une loi de probabilit dnie par :
p(y) =
1
y
2a
2
exp
_
(lny b)
2
4a
2
_
(1.45)
a et b tant des termes reliant lesprance et lcart-type de Y() de la faon sui-
vante :
a =
ln
_
2
+
2
2
_
et b = ln
_

2
_
2
+
2
_
(1.46)
La Figure 1.26 prsente les tracs des densits de probabilit dune loi normale (trait
plein) et log-normale (trait pointill) avec = 1 et = 0, 1.
-0,1 0 0,1 0,2 0,3 0,4 0,5 0,6 0,7 0,8 0,9 1 1,1 1,2 1,3 1,4 1,5 1,6 1,7 1,8 1,9 2
0,5
1
1,5
2
2,5
3
3,5
4
4,5
5
FIGURE 1.26: Tracs des densits de probabilit dune loi normale (trait plein) et log-
normale (trait pointill)
Principe du maximumdentropie. Ce principe a pour but de dterminer la meilleure
loi de probabilit parmi toutes celles qui vrient un ensemble de contraintes (gnrale-
ment traduites sur les n premiers moments statistiques). La notion dentropie est dnie
dans [Shannon, 1948]. Cette mthode est intressante lorsque la loi de probabilit dune
variable alatoire nest pas vidente construire. La mthode du maximum dentropie a
quant elle t introduite dans [Jaynes, 1957a, Jaynes, 1957b]. Des applications rcentes
sont prsentes dans [Soize, 2001, Soize, 2006, Cottereau et al., 2007].
contexte incertain
t
e
l
-
0
0
6
7
5
7
4
1
,

v
e
r
s
i
o
n

1

-

1

M
a
r

2
0
1
2
Un exemple simple dapplication consiste dterminer une loi de probabilit sur lin-
tervalle [a; b], a ,= b avec la contrainte de normalisation suivante :
b
a
p(y)dy = 1 (1.47)
La maximisation de lentropie entraine la dnition de la densit de probabilit suivante :
p(y) =
1
ba
(1.48)
ce qui correspond une loi uniforme. En effet, avec la condition (1.47), il ny aucune
raison quun point ait une probabilit plus leve quun autre.
Nous allons maintenant aborder les techniques permettant de dterminer la rponse
du modle partir dune dnition des variables alatoires dentre.
5.1.2 Mthode de Monte Carlo
Une premire mthode, trs rpandue car trs simple dapplication, consiste recons-
truire la rponse du systme de manire statistique. De plus, ce type de mthode est trs
apprci car il dcouple la rsolution du problme gomtrique du traitement des in-
certitudes. Ceci conduit donc lutilisation de mthodes non intrusives et permet ainsi
lemploi de codes lments nis standard. Lvaluation des caractristiques de la rponse
est obtenue partir dun trs grand nombre de calculs dterministes. En effet, on procde
plusieurs tirages pour lesquels un jeu de paramtres est x en tenant compte de la
loi de probabilit et des fonctions de corrlation de chacun. Pour chaque tirage un cal-
cul dterministe de la rponse est donc effectu. Une tude statistique permet ensuite de
dterminer les premiers moments statistiques de la rponse de la structure.
Parmi les avantages de cette mthode, on peut mettre en avant le fait quun logiciel
classique lments nis peut tre utilis pour raliser le calcul des tirages. Par contre,
linconvnient de cette technique vient gnralement du fait quun trs grand nombre de
tirages est ncessaire avant davoir une bonne convergence des rsultats de la rponse.
On peut montrer que la mthode de Monte Carlo, pour un problme une dimension,
converge en 1/
n, n tant le nombre de tirages. Le nombre de tirages ncessaire avant

convergence dpend galement du nombre de variables alatoires du problme.
Une premire amlioration assez simple de cette technique consiste parallliser le
calcul des tirages. Cette technique permet de rduire le temps de calcul jusqu conver-
gence de la mthode de Monte Carlo. Des applications sont prsentes dans [Johnson
et al., 1997, Papadrakakis et Kotsopulos, 1999].
Les techniques de rduction de variance (Importance sampling) permettent quant
elles dacclrer la convergence de la mthode de Monte Carlo en augmentant la densit
contexte incertain
t
e
l
-
0
0
6
7
5
7
4
1
,

v
e
r
s
i
o
n

1

-

1

M
a
r

2
0
1
2
des ralisations dans les rgions dintrt. Cependant, ces techniques deviennent pnali-
santes comparativement une mthode de Monte Carlo classique lorsque le nombre de
variables alatoires est trop lev. Plus de dtails sont prsents dans [Thompson, 2002].
La mthode de Latin Hypercube Sampling (LHS) permet de rduire le nombre de
tirages requis pour la convergence. Cette technique se base sur un dcoupage du domaine
de dnition des variables en N intervalles dgale probabilit. Un tirage est effectu dans
chacun de ces intervalles, ce qui entrane N valeurs tires pour une variable. La mme
procdure est effectue pour les p variables alatoires du problme. Finalement, les tirages
obtenus pour chaque variable sont apparis alatoirement avec les tirages obtenus pour
les autres variables. Ceci permet ainsi de former N tirages censs caractriser la rponse
du systme. Cette technique a t dveloppe dans [McKay et al., 1979]. Le nombre de
tirages ncessaires est gnralement plus faible que celui ncessaire dans la mthode de
Monte Carlo classique pour un mme niveau de convergence. Certaines amliorations de
la mthode sont prsentes dans [Helton et Davis, 2003].
La mthode de Monte Carlo peut tre galement amliore en modiant le modle
mcanique que lon utilise. Les mthodes de surface de rponse (Response Surface Me-
thod, ou RSM), ou mta-modle, sattachent amliorer la mthode de Monte Carlo en
remplaant le modle mcanique par un modle approch plus rapide calculer. On re-
trouve les premiers travaux dans [Faravelli, 1989].
En pratique, le modle mcanique initial est calcul pour diffrents jeux de para-
mtres. Avec sufsamment de points calculs, on peut construire une surface de rponse
du systme par interpolation. Certains exemples sont prsents dans [Schultze et al.,
2001, Hemez et al., 2001, Boucard et Champaney, 2003].
5.1.3 Mthode des lments nis stochastiques
Cette mthode a t dveloppe pour mieux associer la mthode des lments nis
avec la thorie des probabilits. Les lments nis stochastiques (Stochastic Finite Ele-
ment Method ou SFEM) considrent lala comme une nouvelle dimension du problme
mcanique. Lintrt est que lon peut traiter la discrtisation spatiale avec la mthode des
lments nis classique. Pour rsoudre le problme sur la dimension de lala, il existe
deux grandes mthodes classiquement utilises :
une rsolution du problme par perturbation ;
une rsolution du problme par dcomposition sur le chaos polynomial.
Ces techniques sont cependant moins rpandues car la rsolution du problme doit tre
effectue grce des codes ddis complexes, ce qui rend ces mthodes intrusives, et
lutilisation des codes lments nis standard quasiment impossible.
Mthode des lments nis stochastiques par perturbation. Cette mthode a t d-
veloppe dans [Beacher et Ingra, 1981]. La premire tape de la mthode consiste dis-
crtiser dans lespace les champs stochastiques utiliss. Ensuite, on doit approcher les
contexte incertain
t
e
l
-
0
0
6
7
5
7
4
1
,

v
e
r
s
i
o
n

1

-

1

M
a
r

2
0
1
2
fonctions des variables alatoires avec un dveloppement en sries de Taylor autour de
leur valeur moyenne. On suppose ici que les variables varient peu autour de leur valeur
moyenne. Si lon souhaite rsoudre un problme se traduisant par une quation de la forme
K()U() = F(), un dveloppement lordre 2 par rapport aux n variables alatoires
k
scrit de la manire suivante :
K = K
0
+
n
i=1
K
I
i
i
+
n
i=1
n
j=1
K
II
i j
j
(1.49)
U =U
0
+
n
i=1
U
I
i
i
+
n
i=1
n
j=1
U
II
i j
j
(1.50)
K
0
, K
I
i
et K
II
i j
sont respectivement la moyenne, et les drives premire et seconde de la
matrice de rigidit K par rapport aux variables alatoires. U
0
, U
I
i
et U
II
i j
sont les quantits
analogues pour le champ de dplacement solution U.
La rsolution est alors effectue ordre par ordre. Pour un dveloppement lordre 2,
(i, j) [1, . . . , n]
2
, on obtient les quations suivantes par identication terme terme :
K
0
U
0
= F (1.51)
K
0
U
I
i
=K
I
i
U
0
(1.52)
K
0
U
II
i j
=K
I
i
U
I
j
K
I
j
U
I
i
K
II
i j
U
0
(1.53)
Des applications ont t effectues pour des modlisations linaires et non linaires. Pour-
tant, de par la mthode de calcul utilisant une linarisation, les rsultats ne sont pertinents
que dans une petite plage de variations. Certains des travaux raliss avec cette mthode
sont prsents dans [Liu et al., 1986a, Liu et al., 1986b, Liu et al., 1988] et plus rcem-
ment dans [Elishakoff et al., 1995, Muscolino et al., 2000].
Mthode spectrale des lments nis stochastiques. Une autre mthode de rsolution
utilise la projection sur le chaos polynomial de la partie alatoire de la rponse du
systme. Cette mthode est gnralement nomme mthode spectrale des lments nis
stochastiques (ou Spectral SFEM). Elle se dcoupe en deux parties principales.
La premire tape consiste dcomposer les champs stochastiques du problme par
une dcomposition de Karhunen-Love (cf. quation (1.37)). Si lon considre que le
module dYoung est reprsent par un champ E(x, ), alors il peut scrire de la forme
suivante :
E(x, ) = E(x) +
i=1
i
()
_
i
(x) (1.54)
i
() tant des variables alatoires non corrles desprances nulles et dcarts-types
unitaires. On suppose dans la suite que le champ E(x, ), mais galement les variables
i
() suivent une loi normale.
La seconde tape consiste utiliser une base orthonorme de variables alatoires
i
()
contexte incertain
t
e
l
-
0
0
6
7
5
7
4
1
,

v
e
r
s
i
o
n

1

-

1

M
a
r

2
0
1
2
pour dcomposer U(), vecteur des dplacements nodaux issu de la discrtisation l-
ments nis. On peut montrer que le vecteur U() peut scrire sous la forme dune
somme de polynmes de variables
i
() de la manire suivante :
U() = a
0
0
+
i
1
=1
a
i
1
1
(
i
1
()) +
i
1
=1
i
1
i
2
=1
a
i
1
i
2
2
(
i
1
(),
i
2
()) +. . . (1.55)
p
(
i
1
(), . . . ,
i
p
()) tant le chaos polynomial dordre p (cf. [Wiener, 1938]). La pro-
cdure dobtention de ces polynmes est prsente dans [Ghanem et Spanos, 2002]. En
pratique, on rordonne les termes sous la forme dune somme que lon tronque aprs le
(P+1)
i ` eme
terme de la faon suivante :
U() =
P
j=0
U
j
j
(
i
1
(), . . . ,
i
N
()) =
P
j=0
U
j
j
() (1.56)
en ne prenant en compte que les N premires variables alatoires
i
(). La relation don-
nant le nombre de P+1 termes, de la relation (1.56) en fonction de lordre p et de la
dimension N du chaos est la suivante :
P+1 = 1+
p
j=1
1
j!
j1
k=0
(N+k) (1.57)
Par exemple, pour P+1 = 10 polynmes avec un ordre p = 2 et une dimension N = 3,
les polynmes sexpriment de la faon suivante :
j
=1,
1
(),
2
(),
3
(),
1
()
2
(),
1
()
3
(),
2
()
3
(),
1
()
2
1,
2
()
2
1,
3
()
2
1 (1.58)
Ces polynmes vrient les proprits suivantes :
j
() = 0 j 1 et
j
()
k
() =
j
()
2
jk
(1.59)
La dtermination de la solution U() revient donc calculer les vecteurs U
j
de la
formule (1.56).
La discrtisation du problme mne la construction dune matrice de rigidit globale
issue de lassemblage de matrices lmentaires sous la forme suivante :
K
E
() =
E
B
T
C(x, )B dE (1.60)
B tant la matrice reliant les dformations au vecteur des inconnues nodales, et C(x, ) la
matrice de relation de comportement faisant intervenir le champ E(x, ). La dcomposi-
contexte incertain
t
e
l
-
0
0
6
7
5
7
4
1
,

v
e
r
s
i
o
n

1

-

1

M
a
r

2
0
1
2
tion de Karhunen-Love de ce champ entrane la formulation suivante :
K
E
() =
N
i=0
i
()K
Ei
(1.61)
K
Ei i>1
tant lintgration spatiale sur E de la quantit
i
(x) issue de la dcomposition,
o lon suppose que K
E0
= K
E
et
0
() = 1.
Le problme lments nis, qui revient rsoudre un systme de la forme KU = F,
nous conduit rsoudre lquation suivante :
P
j=0
_
N
i=0
i
()K
i
_
j
()U
j
= F (1.62)
En multipliant cette expression par
k
() et en calculant son esprance, on obtient la
formule suivante :
P
j=0
N
i=0
i
()
j
()
k
()K
i
U
j
= F
k
() avec k = 0, . . . , P (1.63)
Le systme par blocs suivant doit nalement tre rsolu :
_
_
_
_
_
K
00
K
01
K
0P
K
10
K
11
K
1P
.
.
.
.
.
.
.
.
.
.
.
.
K
P0
K
P1
K
PP
_
_
_
_
_
_
_
_
_
U
0
U
1
U
2
U
3
_
_
_
_
=
_
_
_
_
F
0
0
0
_
_
_
_
, (1.64)
chaque bloc tant dni par la formule suivante :
K
k j
=
N
i=0
i
()
j
()
k
()K
i
, j, k [[0; P]]
2
(1.65)
Plusieurs techniques dassemblages de matrices et de rsolutions sont proposes dans
[Ghanem et Kruger, 1996, Ghanem, 1999].
5.1.4 Autres mthodes stochastiques
Les mthodes abilistes. Ces mthodes consistent en une approximation du domaine
de dfaillance. Elles permettent une diminution des cots de calcul, comparativement
une mthode de Monte Carlo, mais engendrent une perte de prcision dans certains cas.
Pour un problme donn avec n paramtres incertains, modliss par n variables alatoires
X
i
de densit de probabilit conjointe p(x
1
, . . . , x
n
) et par une fonction de performance
contexte incertain
t
e
l
-
0
0
6
7
5
7
4
1
,

v
e
r
s
i
o
n

1

-

1

M
a
r

2
0
1
2
G(x
1
, . . . , x
n
), la probabilit de dfaillance scrit :
P
f
=
G(x
1
,...,x
n
)0
p(x
1
, . . . , x
n
)dx
1
. . . dx
n
(1.66)
Lvaluation directe de cette probabilit de dfaillance par une mthode de Monte Carlo
est quasi impossible. En effet, pour estimer correctement des probabilits P
f
de lordre
de 10
m
, il faudrait effectuer de lordre de 10
m+2
, voire 10
m+3
, tirages. Or on sintresse
ici des vnements de trs faible occurrence, pour lesquels on a gnralement m 4.
De plus, cette technique ncessite galement la connaissance de la densit conjointe de
probabilit p(x
1
, . . . , x
n
), qui nest pas toujours simple tablir.
Ltat limite, correspondant G(x
1
, . . . , x
n
) = 0, est dni classiquement partir du
calcul de lindice de abilit. Les diffrentes tapes de calcul, prsentes dans [Hasofer
et Lind, 1974], sont les suivantes :
transformer les variables initiales en variables alatoires normales centres par une
transformation de Rosenblatt [Rosenblatt, 1952] ;
chercher le point de dfaillance le plus probable, solution de la minimisation de
lindice de abilit, correspondant la distance lorigine de la fonction dtat
limite dans lespace des variables normes ;
calculer la probabilit de dfaillance, par approximation autour du point de d-
faillance le plus probable. Dtaillons ci-dessous les approximations les plus fr-
quentes :
lapproximation la plus simple est du premier ordre (First Order Reliability Me-
thod ou FORM) (cf. Figure 1.27) ;
une approximation plus prcise consiste approcher la gomtrie de la fonction
dtat-limite au voisinage du point de dfaillance le plus probable par une courbe
plus riche (Second Order Reliability Method ou SORM) ;
on peut galement envisager dutiliser une approximation laide des surfaces
de rponses, couples avec un plan dexprience [Lemaire, 1997].
0
x
2
x
1
G( ,..., )=0 x
1
x
n
Domane de
dfaance
P*
0
u
2
u
1
P*
H( ,..., )=0 u
1
u
n
P =
f
Espace physque Espace norm
FIGURE 1.27: Principe des mthodes abilistes : exemple de lapproximation FORM,

daprs [Puel, 2004]
contexte incertain
t
e
l
-
0
0
6
7
5
7
4
1
,

v
e
r
s
i
o
n

1

-

1

M
a
r

2
0
1
2
Une prsentation gnrale des mthodes abilistes est propose dans [Ditlevsen et Mad-
sen, 1996].
Les mthodes non paramtriques. Les mthodes probabilistes prsentes prcdem-
ment sont bases sur des approches paramtriques et permettent donc de reprsenter cor-
rectement les variations des paramtres de la modlisation. Cependant, pour des systmes
sufsamment complexes, cette hypothse peut se rvler tre excessive. En effet, dans des
zones faisant par exemple intervenir des liaisons, certains phnomnes ne sont pas pris en
compte du fait de lapproche simplie de la modlisation. Dans ce cas, le choix de para-
mtres se rvle tre un peu articiel. Il faut pouvoir prendre en compte les incertitudes de
modlisation. Les travaux raliss dans [Soize, 2000, Soize, 2001] permettent daborder
ce thme de recherche.
Avec cette approche, les matrices gnralises sont remplaces par des matrices ala-
toires construites partir du principe du maximum dentropie. Plusieurs applications de
cette mthode sont prsentes dans [Soize, 2006, Soize, 2005].
5.2 Mthodes non stochastiques en calcul de structure
Les mthodes prsentes ci-dessus sont principalement bases sur la thorie des pro-
babilits. Dans la partie suivante, nous nous intressons aux mthodes nutilisant pas le
point de vue stochastique. Bien que moins rpandues, ces mthodes ont pourtant quelques
applications dans le domaine de la mcanique des structures [Moens et Vandepitte, 2005].
Nous prsentons ci-dessous quelques mthodes qualies de non probabilistes.
5.2.1 Thorie des intervalles
La thorie des intervalles permet de traiter et de propager des incertitudes sur des pa-
ramtres dentre. Cette mthode nutilise pas de modlisation de lala par des variables
alatoires contrairement aux mthodes dtailles prcdemment. Elle fait donc partie des
mthodes dites non stochastiques . Beaucoup moins complexe et moins lourde uti-
liser, cette mthode possde nanmoins de gros inconvnients que lon illustrera par la
suite.
Larithmtique. Elle est base sur une arithmtique dvelopp par [Moore, 1962] o
une opration donne +, , , , . . . entre deux intervalles [I] et [J] peut tre dnie
par les formules suivantes :
[I] +[J] = [I
; I
+
] +[J
; J
+
] = [I
+J
; I
+
+J
+
]
[I] [J] = [I
; I
+
] [J
; J
+
] = [I
J
+
; I
+
J
]
[I] [J] = [min(I
, I
J
+
, I
+
J
, I
+
J
+
); max(I
, I
J
+
, I
+
J
, I
+
J
+
)]
1/[I] = [1/I
+
, 1/I
]
. . .
contexte incertain
t
e
l
-
0
0
6
7
5
7
4
1
,

v
e
r
s
i
o
n

1

-

1

M
a
r

2
0
1
2
On peut galement appliquer des fonctions ces intervalles. Une fonction f plusieurs
variables a alors pour image :
f ([I
1
], . . . , [I
n
]) = f (x
1
, . . . , x
n
)[x
i
[I
i
], i = 1, . . . , n (1.67)
Dans le cas gnral, cette image nest pas un intervalle. On lui associe alors le plus
petit intervalle contenant f ([I
1
], . . . , [I
n
]) not f ([I
1
], . . . , [I
n
]).
Le fait que les rsultats de cette arithmtique encadrent toujours la solution relle peut
tre dmontr. En effet, les oprations de larithmtique sur les intervalles supposent tou-
jours que les variables sont indpendantes lorsquelles varient sur leur intervalle. Si cette
hypothse nest pas vrie (i.e. il existe une relation mathmatique entre les variables),
il existera alors une ou plusieurs parties de lintervalle rsultat qui ne seront pas inclue(s)
dans la solution exacte. Dans ce cas, le rsultat de lopration risque dencadrer de faon
trop large lintervalle exact.
On peut prendre comme exemple lvaluation de lintervalle dincertitude de lexpres-
sion x(10x) lorsque x [4; 6] :
10x [10; 10] [4; 6] = [4; 6] (1.68)
x(10x) [4; 6] [4; 6] = [16; 36] (1.69)
Une tude simple montre que lintervalle exact de variation de x(10x) est [24; 25]. La
grande diffrence entre ces deux intervalles est due la relation inverse entre les quantits
x et (10x), qui nest pas prise en compte par la multiplication des intervalles.
Rsolution de systmes linaires dquations dintervalles. Nous venons de dnir
les intervalles sur des scalaires. Nous pouvons prsent dnir les vecteurs intervalles
et les matrices intervalles. Les problmes de mcanique modliss par lments nis et
incluant des paramtres incertains physiques ou gomtriques scrivent gnralement
sous la forme :
Ax =b (1.70)
A [A] et b [b] tant respectivement une matrice intervalle et un vecteur intervalle.
Les travaux de [Chen et Ward, 1997] dnissent la solution exacte du problme par :
([A], [b]) =x R
n
[(A [A]), (b [b])/Ax =b (1.71)
Comme dans le cas de fonctions dintervalles, cette solution nest gnralement pas un
vecteur intervalle. On recherche le plus souvent le plus petit vecteur intervalle contenant
la solution
([A], [b]) ce qui revient trouver lensemble des x tels que :

[A][x] = [b] (1.72)
Plusieurs algorithmes rsolvent ce type de problme. On pourra citer par exemple
lalgorithme du pivot de Gauss qui peut tre adapt dans le cas o les coefcients sont des
contexte incertain
t
e
l
-
0
0
6
7
5
7
4
1
,

v
e
r
s
i
o
n

1

-

1

M
a
r

2
0
1
2
intervalles. La mthode qui nous intresse est une mthode itrative base sur le thorme
du point xe : la mthode dinclusion de Rump [Rump, 1983]. Lide de cette mthode se
base sur le problme suivant :
Pour une matrice non singulire R arbitraire et un vecteur x
0
arbitraire, le problme :
A x = b (1.73)
est quivalent
x x
0
= (I
d
RA)
. .
G
( x x
0
) +R(bAx
0
)
. .
g
(1.74)
avec
x = x
0
+x
(1.75)
o x
est solution de
x
= Gx
+g (1.76)
En pratique, on prend R A
1
et x
0
= Rb de sorte que G et g aient une norme trs
petite vis--vis de celles de A et x
0
, mais galement de sorte que x
soit proche de 0. Tout

lalgorithme de Rump est ensuite bas sur le traitement de lquation (1.76).
Linclusion de Rump suppose un vecteur intervalle X vriant :
G X +g X
0
(1.77)
avecG X +g = Gx +g/x X et X
0
louvert de X. En utilisant ensuite le thorme
du point xe, lquation suivante :
x
= Gx
+g (1.78)
admet une unique solution x
G X+g. La mthode de vrication de linclusion (1.77)

est dcrite ci-dessous :
Si linclusion
GX g X
0
(1.79)
est vrie (avec et les oprations issues de larithmtique sur les intervalles) alors
linclusion (1.77) est galement vrie puisque
G X +g GX g (1.80)
grce aux dnitions des oprations sur les intervalles.
Bien que cet algorithme se dmarque des autres de par son efcacit et sa rapidit,
il continue surestimer de faon notable les bornes du vecteur intervalle rsultat. Une
amlioration a t apporte par [Dessombz et al., 2001]. Elle consiste garder en facteur
contexte incertain
t
e
l
-
0
0
6
7
5
7
4
1
,

v
e
r
s
i
o
n

1

-

1

M
a
r

2
0
1
2
tous les intervalles dincertitudes et ne pas les propager lintrieur dune matrice ou
dun vecteur. Cette amlioration dcrit les vecteurs et matrices intervalles comme suit :
[A] = A
0
+
N
n=1
[
n
]A
n
et [b] =b
0
+
P
p=1
[
p
]b
p
(1.81)
[
n
] et [
p
] tant les intervalles dincertitudes, A
0
et b
0
la matrice et le vecteur centre et A
n
et b
p
les matrices et les vecteurs rayon.
5.2.2 Ensembles ous
La thorie des ensembles ous (fuzzy sets theory) est base sur la logique oue (fuzzy
logic) initie dans [Zadeh, 1965]. Ce type de logique autorise la prise en compte de ju-
gements humains, ou de concepts linguistiques , qui doivent tre intgrs dans des
raisonnements mathmatiques.
Lapplication de cette thorie aux calculs de structures a t dveloppe dans plusieurs
travaux tels que lidentication de modle [Hanss et al., 2002] ou encore la dynamique des
structures [Lallemand et al., 1999, Ohayon et al., 2001, Massa et al., 2004]. On peut noter
galement la cration de la mthode des lments nis ous (Fuzzy Finite Element Me-
thod ou FFEM) [Rao et Sawyer, 1995]. Pour cette mthode, la rponse de la structure est
calcule avec larithmtique des intervalles. Pour lutter contre la tendance pessimiste
de cette dernire, on peut citer des mthodes adaptes comme les drivation de FRF (Fre-
quency Response Function) oues partir des paramtres incertains du modle (cf.
[Moens et Vandepitte, 2005]).
5.2.3 Autres mthodes
On retrouve galement parmi cette famille de techniques, les modles convexes din-
certitudes [Ben-Haimet Elishakoff, 1990, Ben-Haim, 2005, Ben-Haim, 2006]. Cette tho-
rie a galement t applique la validation de modles dans [Ben-Haimet Hemez, 2004].
Le cadre des modles convexes dincertitudes permet de prciser la capacit dintgrer de
linformation nouvelle dans le cas o elle nest pas dterministe. Dune faon diffrente
de ce que peuvent dcrire les ensembles ous ou alatoires, lincertitude prsente dans
linformation est ici vue comme la lacune dinformation entre ce qui est connu et ce qui
devrait ltre pour rendre possible une prise de dcision able. Lautre dnomination des
modles convexes dincertitudes est ainsi les modles de lacune dinformation (info-gap
models).
Nous pouvons galement citer dautres techniques moins utilises en calcul de struc-
ture comme la thorie gnralise de linformation [Klir, 2004] et la thorie des ensembles
alatoires base sur la thorie des preuves et dnie dans [Dempster, 1968] et [Shafer,
1976].
Nous citerons galement la thorie des mconnaissances (Lack Of Knowledge (LOK)
theory) [Ladevze et al., 2006b] dveloppe au LMT Cachan laquelle le Chapitre 3
sera ddi. Cette mthode, raisonnant sur une reprsentation des variations dcouple par
contexte incertain
t
e
l
-
0
0
6
7
5
7
4
1
,

v
e
r
s
i
o
n

1

-

1

M
a
r

2
0
1
2
sous-structures, permet de prendre en compte les rsultats issus dessais exprimentaux
pour amliorer le modle de mconnaissances.
5.2.4 Conclusion
Dans cette partie nous avons donc pu survoler un panel de mthodes permettant de
prendre en compte diffrents types de variations, dincertitudes en calcul de structure.
Lobjectif est de choisir une mthode convenable pour une application dans le dimension-
nement de structure une chelle globale. Nous avons pu remarquer que les mthodes
actuelles les plus populaires sont principalement bases sur la thorie des probabilits. En
effet, les mthodes issues par exemple des simulations de Monte Carlo sont trs simples
dimplmentation et dutilisation. Pourtant, ces mthodes montrent rapidement leurs li-
mites ds lors quun grand nombre de paramtres alatoires est utilis. De mme, de
nombreuses mthodes dites non stochastiques ont t dveloppes dans le domaine de la
mcanique des structures. Leurs utilisations restent toutefois limites pour linstant.
Dans ce contexte de prise en compte des variabilits dun modle de structure, nous
avons choisi de mettre en uvre la thorie des mconnaissances. En effet, elle permet de
raisonner par sous-structures et ainsi de simplier la propagation de ces variabilits. Nous
verrons galement que comparativement une simulation de Monte Carlo par exemple,
cette thorie ne ncessite que trs peu de calculs pour obtenir une estimation de variation
sur une quantit dintrt.
6 Conclusions
Ce chapitre nous a permis de mettre en place les diffrents points ncessaires lla-
boration dune mthode de dimensionnement des assemblages de xations avec prise en
compte des incertitudes. Les principales tapes sont le choix de la mthode de dimen-
sionnement, le choix du modle mcanique et le choix de la mthode de prise en compte
des incertitudes. Par ailleurs, les mthodes de prise en compte des incertitudes dpendent
fortement du modle dterministe choisi, ce qui nous a conduit insrer un recalage de
modle dterministe dans la stratgie. Les mthodes associe cette tape seront gale-
ment tudies.
Le premier point a consist choisir la mthode globale de dimensionnement. Les
structures boulonnes ou rivetes tudies sont des structures de grande chelle. Pour-
tant, elles prsentent des phnomnes locaux trs complexes du fait de la prsence des
xations. Ce problme multichelle peut tre rsolu par diffrentes mthodes prsentes
prcdemment. La mthode retenue, lanalyse descendante, permet de traiter le problme
multichelle grce une rsolution globale linaire suivie dun zoom ralis sur une zone
dintrt utilisant les donnes issues de lanalyse globale. Cette ranalyse locale est appli-
que en utilisant des modles complexes prenant en compte les phnomnes complexes
locaux. Lobjectif est dobtenir une estimation des transferts de charges et la position des
contexte incertain
t
e
l
-
0
0
6
7
5
7
4
1
,

v
e
r
s
i
o
n

1

-

1

M
a
r

2
0
1
2
Conclusions 53
xations les plus charges lors de lanalyse globale, avec prise en compte des phno-
mnes alatoires. Nous ne traitons pas ici, la deuxime partie de lanalyse descendante
qui consiste effectuer une ranalyse locale avec un modle plus complexe.
La deuxime tape a rsid dans le choix du modle mcanique pour la reprsenta-
tion de lassemblage de xations. Les modles existants sont des plus simples, comme les
modles semi-empiriques, aux plus compliqus, tels que les modles 3D complexes int-
grant de nombreux phnomnes non-linaires. tant donn la grande taille des structures
tudies, lutilisation des modles les plus complexes serait trop coteuse dans lobjectif
dobtenir une estimation des transferts de charge et des positions des xations les plus
charges. Pourtant, lutilisation des modle semi-empiriques ne laisserait aucune possi-
bilit de recalage du modle de xation vis--vis dessais exprimentaux. En effet, ces
modles dpendent uniquement de la gomtrie, des matriaux et du type de xation re-
prsente. Notre choix sest donc orient vers une modlisation de type plaque et connec-
teur linaire qui permettra dune part une application en trs grand nombre, et dautre part
un recalage pour reprsenter au mieux la ralit observe.
La troisime partie concerne le choix de la mthode de recalage du modle mcanique
dterministe vis--vis de donnes exprimentales. Parmi les deux grandes familles de
type de recalage (directe ou indirecte), lutilisation dune mthode indirecte permet de
contrler les paramtres des modles de xation, contrairement aux mthodes directes
qui agissent directement sur les oprateurs et sans considration physique. Le recalage
bas sur lerreur en relation de comportement et dveloppe au LMT Cachan a nalement
t choisie. Il permet de raisonner naturellement par sous-structure, ce qui peut tre utile
lors de ltude dun grand nombre de xations.
La dernire tape consiste choisir la mthode de prise en compte des incertitudes.
Sachant que lobjectif est dobtenir une estimation des variations possibles sur des quanti-
ts issues de lchelle globale, lapplication dune mthode lments nis stochastiques,
souvent intrusive, ne sera pas choisie ici. En effet, lutilisation de code de calcul standard
est prfre pour une intgration plus aise en bureau dtude. Cependant, les mthodes
non intrusives stochastiques bases sur des simulations de Monte Carlo montrent rapide-
ment leur limite lorsque le nombre de paramtres stochastiques augmente. Notre choix
sest nalement port sur la thorie des mconnaissances galement dveloppe au LMT
Cachan. Cette mthode hybride permet de sous-structurer les sources dincertitudes ce
qui rend le traitement des ensembles de xations plus simple. Elle permet galement de
prendre en compte les variations observes sur les familles de structures relles pour am-
liorer la modlisation de lincertain.
Les chapitres suivants ont pour tche de prsenter plus en dtail les mthodes utilises.
Des applications seront menes dans chacun de ces chapitres.
Le Chapitre 2 prsente la mthode de recalage base sur lerreur en relation de com-
portement. Une tude comparative concernant linuence du type de modle dterministe
utilis sur le rsultat du recalage sera galement prsente. Ce partie proposera un modle
contexte incertain
t
e
l
-
0
0
6
7
5
7
4
1
,

v
e
r
s
i
o
n

1

-

1

M
a
r

2
0
1
2
dterministe recal dassemblage de xations qui pourra tre utilis pour la reprsentation
des variations.
Le Chapitre 3 prsente la mthode de prise en compte des incertitudes base sur
la thorie des mconnaissances. Cette thorie sera applique sur le modle dterministe
pour former un modle avec mconnaissances. Ce modle dlivrant des informations sur
les variations de comportement dune famille dassemblages de xations sera recal sur
des donnes issues de mesures exprimentales. Une application est prsente sur un as-
semblage de xations employ dans le domaine aronautique.
Le Chapitre 4 prsente une application de la stratgie sur une structure souple, as-
semble une structure rigide en plusieurs points par des pattes de xation boulonnes.
Un modle avec mconnaissances sera associ chaque patte de xation. Lobjectif sera
dobserver linuence des dfauts de positionnement des ensembles boulonns sur les ef-
forts rsiduels dans les xations. Le rsultat obtenue sera analys comparativement une
simulation de Monte Carlo.
contexte incertain
t
e
l
-
0
0
6
7
5
7
4
1
,

v
e
r
s
i
o
n

1

-

1

M
a
r

2
0
1
2
Chapitre 2
Recalage de modle dterministe
La stratgie de reprsentation de famille de structure pro-
pose ici se base sur un modle dterministe. Dans ce se-
cond chapitre, le choix et galement la validation de ce
modle vont tre tudis an de proposer une stratgie ef-
cace. La validation du modle est effectue ici par un re-
calage en erreur en relation de comportement [Ladevze
et Chouaki, 1999] et permet ainsi de mieux reprsenter les
donnes issues dun ensemble de structures. Lefcacit du
recalage sera galement tudie par rapport au choix du
modle de xation.
Sommaire
1.1 Le problme de rfrence . . . . . . . . . . . . . . . . . . . . . . . 57
1.2 Lerreur en relation de comportement . . . . . . . . . . . . . . . . 58
1.3 Lerreur en relation de comportement modie . . . . . . . . . . . 60
1.4 Minimisation de lerreur . . . . . . . . . . . . . . . . . . . . . . . 61
1.5 Lalgorithme de minimisation . . . . . . . . . . . . . . . . . . . . 63
2 Efcacit du recalage . . . . . . . . . . . . . . . . . . . . . . . . . . . . 64
contexte incertain
t
e
l
-
0
0
6
7
5
7
4
1
,

v
e
r
s
i
o
n

1

-

1

M
a
r

2
0
1
2
2.1 Gomtrie tudie . . . . . . . . . . . . . . . . . . . . . . . . . . 64
2.2 Le problme unidimensionnel . . . . . . . . . . . . . . . . . . . . 64
2.3 Les donnes exprimentales . . . . . . . . . . . . . . . . . . . . . 65
2.4 Application du recalage . . . . . . . . . . . . . . . . . . . . . . . 66
2.5 Le modle rigidi propos . . . . . . . . . . . . . . . . . . . . . 71
3 Application une structure aronautique . . . . . . . . . . . . . . . . . 79
3.1 Gomtrie tudie . . . . . . . . . . . . . . . . . . . . . . . . . . 79
3.2 Les donnes exprimentales . . . . . . . . . . . . . . . . . . . . . 79
3.3 Application du recalage . . . . . . . . . . . . . . . . . . . . . . . 82
4 Conclusions . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 85
contexte incertain
t
e
l
-
0
0
6
7
5
7
4
1
,

v
e
r
s
i
o
n

1

-

1

M
a
r

2
0
1
2
1 Recalage de modle
Dans le chapitre prcdent a t soulev le problme de la qualit de reprsentation
du modle dterministe choisi par rapport la famille de structure de xations tudie.
En effet, le modle dterministe choisi inue fortement sur la qualit des rsultats estims
par le modle avec mconnaissances. Le type de modle utilis pour la reprsentation
des assemblages boulonns ainsi que la mthode permettant de valider ce modle ont
t choisis au chapitre prcdent. Ce second chapitre a pour premier objectif de dtailler
la mthode de recalage employe. Dans un second temps, une tude est faite concernant
lefcacit du processus de recalage. Une modication du modle choisi pour les xations
est ensuite propose an damliorer cette efcacit. Enn, une application est effectue
sur un assemblage boulonn dont la gomtrie est issue de laronautique.
Le modle associ aux plaques constituant lassemblage boulonn est considr comme
relativement bien connu. Le comportement des connecteurs reprsentant les xations est
suppos tre le seul paramtre incertain ncessitant un recalage. En effet, les modles
semi-empiriques, grandement utiliss dans lindustrie, ne tiennent pas compte de lin-
uence du frottement, de la prcharge de la xation ou encore de la nature et de la di-
rection du chargement. Il parat donc ncessaire, lorsque cela est possible, de recaler les
paramtres du comportement du connecteur an dobtenir un modle moyen repr-
sentant correctement lensemble des donnes exprimentales. Pour cela, nous avons donc
choisi dutiliser le recalage en erreur en relation de comportement. Le recalage bas sur
lerreur en relation de comportement a tout dabord t dvelopp pour les problmes
de dynamique libre et force [Ladevze et Chouaki, 1999]. La mthode a galement t
adapte aux problmes non-linaires matriau et de contact par lintroduction dune er-
reur en dissipation [Chouaki et al., 2000]. Plus rcemment, des travaux ont t effectus
sur la localisation et le dimensionnement de ssures multiples [Faverjon et Sinou, 2008]
ainsi que sur le recalage bas sur des mesures incertaines [Faverjon et al., 2009].
Dans cette tude, le recalage est appliqu une structure soumise un chargement
statique. Le recalage est effectu grce des donnes exprimentales (ou simules), g-
nralement des dplacements ou des chargements, correspondant des capteurs placs en
diffrents points de la structure.
1.1 Le problme de rfrence
Les problmes lments nis tudis ici sont tous rsolus par des mthodes standards.
Le problme de rfrence (cf. Figure 2.1) considre une structure occupant le domaine
pouvant tre dcoupe en sous-structures E. La frontire de est soumise des
dplacements imposs U
d
sur une partie de la frontire, note
1
, et une densit surfa-
cique deffort F
d
sur la partie
2
complmentaire de
1
. Enn, une densit volumique
deffort f
d
est applique sur le domaine . Les espaces dans lesquels seront recherchs
le dplacement U(M) et la contrainte (M) seront nots respectivement : U et S. Le pro-
blme de rfrence scrit :
Trouver U(M) et (M), M vriant :
contexte incertain
t
e
l
-
0
0
6
7
5
7
4
1
,

v
e
r
s
i
o
n

1

-

1

M
a
r

2
0
1
2
58 Recalage de modle dterministe
FIGURE 2.1: Milieu tudi
les conditions aux limites,
U[
=U
d
(2.1)
U U (2.2)
les quations dquilibre,
U
U
0
,
tr( (U
))d+
F
d
U
dS = 0 (2.3)
S (2.4)
avec (U) =
1
2
_
gradU +(gradU)
T
et U
0
=U nul sur
1
,U U.
les relations de comportement,
M , =K(U) (2.5)
1.2 Lerreur en relation de comportement
partir de la dnition du problme de rfrence, on peut gnralement remarquer
que certaines quations sont plus ables que dautres. La construction de lerreur en re-
lation de comportement est base sur lide dune sparation des quations du problme
en une partie able et une partie moins able. Pour le problme trait dans cette tude, la
sparation suivante est faite :
les quations ables
contexte incertain
t
e
l
-
0
0
6
7
5
7
4
1
,

v
e
r
s
i
o
n

1

-

1

M
a
r

2
0
1
2
les conditions aux limites
les relations dquilibre
les quations moins ables
les relations de comportement. Ici, on distinguera le comportement de la structure
(plaque) du comportement des connecteurs.
partir de la sparation des quations prcdentes, on dnit :
ladmissibilit : les inconnues du problme sont dites admissibles si elles vrient
les quations ables du problme :
s = (U, ) S
ad
(2.6)
lerreur en relation de comportement : cette erreur reprsente un rsidu sur les qua-
tions moins ables. Elle est nulle si ces quations sont vries ou positive dans le
cas contraire :
2
(s) 0 (2.7)
2
(s) = 0 les relations de comportement sont vries (2.8)
2
(s) tant lerreur en relation de comportement. Avec les dnitions prcdentes, le pro-
blme de rfrence peut tre rcrit sous la forme :
Trouver s = (U, ) S
ad
minimisant
2
(s
) avec s
S
ad
Dans le cadre du problme de rfrence, deux approches permettent de construire lerreur
en relation de comportement :
lerreur au sens de Drucker : la relation de comportement est crite sous la forme de
fonctionnelles. La positivit de lerreur dpend de deux conditions appeles condi-
tions de stabilit de Drucker. Ces conditions sont vries pour une large classe de
comportements de matriaux et lerreur est construite sur lensemble des relations
de comportement ;
lerreur en dissipation : la relation de comportement est crite en introduisant des
variables internes. La positivit de lerreur se base sur le second principe de la
thermodynamique. Lerreur est construite uniquement sur les lois dvolution, alors
que les lois dtat sont introduites dans ladmissibilit.
Dans la suite de ltude, le dtail et lutilisation de lerreur au sens de Drucker seront
prsents. On considre galement que les donnes du problme (conditions aux limites)
imposes sont ables. Un couple s = (U, ), dni sur , est admissible sil vrie les
quations ables, i.e. les conditions aux limites et les quations dquilibre. Lespace cor-
respondant est dsign par S
ad
. Dans un tel couple, on distingue deux types de quantit :
une quantit statique not
s
;
une quantit cinmatique U not U
c
.
contexte incertain
t
e
l
-
0
0
6
7
5
7
4
1
,

v
e
r
s
i
o
n

1

-

1

M
a
r

2
0
1
2
En utilisant les relations de comportement, ces quantits peuvent tre compltes en
introduisant
s
et
c
telles que :
s
=K(
s
)
c
=K(
c
) (2.9)
On dnit nalement :
2
(s) =
tr [(
c
s
)((U
c
)
s
)] d (2.10)
Dans le cas o les relations de comportement vrient les relations de stabilit de Dru-
cker, la quantit
2
(s) est qualie d erreur globale en relation de comportement. Si
la structure est dcompose en sous-structures E, E , la contribution lerreur de la
sous-structure E est :
2
E
(s) =
E
tr [(
c
s
)((U
c
)
s
)] dE (2.11)
avec :
2
E
=
2
(2.12)
1.3 Lerreur en relation de comportement modie
Lobjectif de cette partie est de pouvoir intgrer dans lerreur en relation de compor-
tement linformation apporte par des rsultats dessais, exprimentaux ou simuls. Avec
lintroduction de ces valeurs exprimentales, lerreur en relation de comportement est
augmente par lerreur sur les mesures effectues. Cette nouvelle erreur est appele er-
reur en relation de comportement modie . Les donnes mesures sont les dplacements
et les chargements nots respectivement

U et

Q. Lerreur modie scrit nalement :
e
2
=
2
+
r
1
1r
1
|
u
U

U|
2
+
r
2
1r
2
|
q
Q

Q|
2
(2.13)
la norme |.| tant une norme nergtique choisie de telle sorte quelle ait un poids qui-
valent lerreur en relation de comportement
2
. Les coefcients r
i
sont des termes de
poids censs donner plus ou moins de conance aux mesures.
Finalement, la qualit dun modle par rapport un ensemble de rsultats dessais
est donne par le rsidu e
2
. La construction de celui-ci demande de rsoudre le problme
suivant :

Trouver s = (U, ) S
ad
minimisant e
2
(s
) avec s
S
ad
contexte incertain
t
e
l
-
0
0
6
7
5
7
4
1
,

v
e
r
s
i
o
n

1

-

1

M
a
r

2
0
1
2
1.4 Minimisation de lerreur
1.4.1 Problme discrtis
Le recalage bas sur lerreur en relation de comportement est appliqu sur un modle
linaire standard lments nis. An de dtailler la mthode de minimisation de ler-
reur, les notations qui suivent seront directement appliques sur le modle discrtis. Les
champs lments nis sont nots et les oprateurs []. On considre dans la suite la
structure discrtise
h
soumise un champ de force volumique f
d
. Sur la frontire
h
, des dplacements U
d
et des forces surfaciques F
d
sont imposs respectivement
sur les frontires
1
h
et
2
h
. Le problme dni prcdemment devient donc :
Trouver s = (U, []) S

ad
minimisant e
2
(s
) avec s
S
ad
avec :
e
2
(s) =
2
(s) +
r
1
1r
1
|
u
U
U|
2
+
r
2
1r
2
|
q
Q
Q|
2
(2.14)
Lerreur en relation de comportement
2
pour un modle linaire scrit ici :
2
(U, V) =
1
2
U V
T
[K]U V (2.15)
avec [K] la matrice de rigidit du problme et V est dni par :
[
s
] =K((V)) (2.16)
Minimiser
2
revient trouver la solution la plus proche vriant les relations de com-
portement ainsi que les mesures. Lerreur en relation de comportement modie scrit
nalement :
e
2
(U, V) =
1
2
U V
T
[K]U V (2.17)
+
r
1
1r
1
u
U

U
T
[G
u
]
u
U

U
+
r
2
1r
2
q
Q

Q
T
[G
q
]
q
Q

Q
Les matrices [G
u
] et [G
q
] sont choisies de telle sorte quelles dnissent des normes ner-
gtiques sur les mesures. Le vecteur Q peut tre exprim en fonction du champ de
dplacement : Q = [B]U, [B] tant un oprateur dextraction du chargement. Dans la
suite, [G
u
] est choisi tel que :
[G
u
] = [K] (2.18)
Le choix de [G
q
] et des r
i
est dtaill lors de lapplication du recalage dans les sections
suivantes.
contexte incertain
t
e
l
-
0
0
6
7
5
7
4
1
,

v
e
r
s
i
o
n

1

-

1

M
a
r

2
0
1
2
La problmatique aborde prsent est la minimisation de lerreur modie. Cette
minimisation peut tre reformule par la stationnarit du lagrangien L dni par :
L = e
2
(U, V) +
T
([K]VF)
. .
C
(2.19)
o F et reprsentent respectivement le vecteur des efforts nodaux du champ de
force impos et le vecteur des multiplicateurs de Lagrange. Lajout du terme C permet
de rendre V statiquement admissible. Cette reformulation est quivalente rsoudre un
problme de minimisation. En exprimant la stationnarit du Lagrangien L par rapport
toutes les variables, le problme peut tre rsolu par le systme dquations suivant :
_
[K] +
r
1
1r
1
[G
u
] +
r
2
1r
2
[G
q
]
_
U =F+
r
1
1r
1
[G
u
]
U
+
r
2
1r
2
[G
q
]
Q (2.20)
=U V (2.21)
[K]V =F (2.22)
1.4.2 Calcul du gradient
An de rsoudre le problme de minimisation, le calcul du gradient de lerreur modi-
e par rapport aux paramtres du modle doit tre calcul. On peut dj remarquer que
L(U, V) = e
2
(U, V) quand (U, V) est solution du problme de minimisa-
tion. Donc quand (U, V) est solution du problme, on a :
de
2
dc
i
=
dL
dc
i
(2.23)
c
i
tant les paramtres du modle recaler. Lquation (2.23) peut tre reformule de la
faon suivante :
de
2
dc
i
=
dL
dc
i
=
L
U
U
c
i
+
L
V
V
c
i
+
L
c
i
+
L
c
i
(2.24)
Or (U, V, ) tant solution du problme de minimisation, on a donc :
L
U
=
L
V
=
L
= 0 (2.25)
Finalement, le gradient de lerreur modie peut tre directement calcul grce la dri-
ve partielle du Lagrangien L :
de
2
dc
i
=
L
c
i
(2.26)
contexte incertain
t
e
l
-
0
0
6
7
5
7
4
1
,

v
e
r
s
i
o
n

1

-

1

M
a
r

2
0
1
2
En utilisant lquation (2.21), lexpression (2.26) peut tre reformule de la faon sui-
vante :
de
2
dc
i
(U, V) =
1
2
U V
T
[K]
c
i
U +V (2.27)
+
r
1
1r
1
u
U

U
T
[G
u
]
c
i
u
U

U
+
r
2
1r
2
q
[B]U

Q
T
[G
q
]
c
i
q
[B]U

Q
+
2r
2
1r
2
_
q
[B]
c
i
U
_
T
[G
q
]
q
[B]U

Q
1.5 Lalgorithme de minimisation
Maintenant que le gradient de lerreur modie a t calcul, il sagit ici de minimiser
lerreur modie. Pour cela, on choisit un algorithme de gradient optimis par recherche
linaire bas sur le critre dArmijo [Armijo, 1966]. chaque pas k de lalgorithme de
gradient, loptimisation consiste trouver
k
tel que c
k+1
minimise e
2
(c
k+1
) avec :
c
k+1
=c
k
k
_
e
2
(c
k
)
_
et e
2
(c
k
) =
_
_
e
2
c
1
(c
k
)
.
.
.
e
2
c
n
(c
k
)
_
_
(2.28)
o c
k
est la liste des paramtres c
i
trouvs au pas k. En dnissant au pas k :
f : x e
2
_
c
k
x
_
e
2
(c
k
)
__
(2.29)
ainsi que les fonctions y
:
y
(x) = f (0) +x f
(0) (2.30)
le
k
optimal est choisi comme le premier x calcul vriant :
y
(x) > f (x) (2.31)

La Figure 2.2 illustre le critre dArmijo au pas k. La valeur communment admise,
= 0, 5 (ref), est utilise pour les applications des sections suivantes. Le critre darrt du
recalage est habituellement bas sur une erreur relative dont lexpression choisie ici est :
e
2
r
=
e
2
1
2
U
0
+V
0
T
[K
0
]U
0
+V
0
(2.32)
U
0
, V
0
et [K
0
] tant respectivement les vecteurs U et V et loprateur [K] calculs
la premire itration de lalgorithme.
contexte incertain
t
e
l
-
0
0
6
7
5
7
4
1
,

v
e
r
s
i
o
n

1

-

1

M
a
r

2
0
1
2
k
=x
e
2
(
x
)
,
y
(
x
)
e
2
(x)
y
1
(x)
y
(x)
y
0
(x)
f(0)
Domane de vadt du crtre d'Arm|o
0
FIGURE 2.2: Illustration du critre dArmijo
2 Efcacit du recalage
La mthode de recalage ayant t dnie, nous dveloppons ici un exemple de reca-
lage sur une gomtrie simple de xation. Lobjectif est dtudier les performances du
recalage propos sur les modles de xations usuels an doptimiser le processus de re-
calage.
2.1 Gomtrie tudie
Llment tudi est un assemblage boulonn constitu de 3 plaques daluminium
xes par 4 boulons en titane. Cette jonction boulonne double recouvrement est un
lment typique des assemblages raliss en aronautique [Champaney et al., 2007]. La
Figure 2.3 dtaille la gomtrie relle de lassemblage tudi. La Table 2.1 dtaille les
caractristiques de la gomtrie tudie.
2.2 Le problme unidimensionnel
Ce premier modle se base sur les choix effectus au Chapitre 1. Chaque lment de
la xation est reprsent par une structure unidimensionnelle. La structure complte est
encastre une extrmit et charge en traction lautre extrmit. En prenant en compte
les proprits de symtrie du problme, seule une moiti de la gomtrie relle est tudie.
contexte incertain
t
e
l
-
0
0
6
7
5
7
4
1
,

v
e
r
s
i
o
n

1

-

1

M
a
r

2
0
1
2
Efcacit du recalage 65

FIGURE 2.3: Gomtrie tudie
Paramtre Valeur
Module dYoung 70 GPa (aluminium)
Section des plaques extrieures 2, 063.10
4
m
2
Section de la plaque intrieure 3, 968.10
4
m
2
Longueur L
0
176, 2 mm
Longueur L 47, 6 mm
Chargement F 5000 N
TABLE 2.1: Les paramtres du problme
Les lments plaque sont modliss par des poutres et les xations par des ressorts. Le
modle possde 9 degrs de libert (les dplacements u
i
). Il sera nomm modle initial
et est prsent la Figure 2.4. Un modle amlior sera propos par la suite.
k k k k
L L L L
L L L L
ongueur
vde = 0
u
1
u
2
u
8
u
7
u
6
u
5
u
4
u
3
u
9
1 2 3 4
FIGURE 2.4: Gomtrie du modle initial
2.3 Les donnes exprimentales
Les donnes exprimentales pour la conguration tudie ntant pas disposition,
une srie de donnes simules doit tre cre an de pouvoir appliquer la mthode de
recalage prsente prcdemment. Les donnes simules sont obtenues partir du modle
contexte incertain
t
e
l
-
0
0
6
7
5
7
4
1
,

v
e
r
s
i
o
n

1

-

1

M
a
r

2
0
1
2
initial, pour des valeurs de raideur donnes concernant les connecteurs. An dtudier
la robustesse du recalage, les donnes sont simules pour deux congurations (i.e. deux
valeurs de raideur) diffrentes. La premire srie de donnes, srie 1 , est simule pour
des valeurs de raideur obtenues partir de la formule de Huth [Huth, 1986]. Une deuxime
srie de donnes, srie 2 , est ensuite simule pour des valeurs de raideur de connecteur
100 fois suprieures la valeur donne par la formule de Huth. Les donnes mesures et
stockes sont les chargements transfrs ( charge i ) par chaque connecteur i ainsi que
le dplacement en bout de structure u
9
. Dans le premier cas, les raideurs des connecteurs
sont du mme ordre de grandeur que celles de la structure (poutres). Dans le deuxime
cas, les raideurs sont 100 fois suprieures celles de la structure. La raideur des barres
en traction est denviron 1.10
8
N.m
1
. La Table 2.2 rsume les paramtres choisis et les
rsultats obtenus. Les rsultats montrent principalement quune grande diffrence entre
Srie 1 Srie 2
Valeurs choisies (N.m
1
) k
i
1, 932.10
8
1, 932.10
10
Charge 1 1533 2414
Donnes Charge 2 937 36
obtenues Charge 3 950 38
(N et m) Charge 4 1579 2510
Dplacement u
9
8, 29.10
5
7, 49.10
5
TABLE 2.2: Les donnes simules employes pour le recalage
les raideurs de la structure et les raideurs des xations entrane un grand cart entre les
charges transmises par les xations intrieures comparativement aux charges transmises
par les xations extrieures.
2.4 Application du recalage
Les donnes issues de la Table 2.2 sont utilises comme mesures dans cette partie.
Pour chaque srie, les donnes (mesures) sont considres comme connues et les raideurs
k
i
des xations sont les paramtres recaler. En plus dtudier la robustesse du recalage
vis--vis des mesures, linuence de linitialisation du recalage est galement tudie.
Pour chaque srie de mesures, les paramtres recaler sont initialiss avec des valeurs
infrieures puis suprieures aux paramtres objectifs. Ceci entrane donc 4 congurations
pour le recalage tudier. Dans lquation (2.17), Q est exprim de la faon suivante :
Q =
_
_
Q
1
Q
2
Q
3
Q
4
_
_
(2.33)
contexte incertain
t
e
l
-
0
0
6
7
5
7
4
1
,

v
e
r
s
i
o
n

1

-

1

M
a
r

2
0
1
2
Q
i
tant la charge transfre par le connecteur i. An dobtenir une erreur de mesure sur
les charges homognes une nergie, la matrice [G
q
] dans lquation (2.17) est choisie de
la faon suivante :
[G
q
] =
_
_
1/k
1
0 0 0
0 1/k
2
0 0
0 0 1/k
3
0
0 0 0 1/k
4
_
_
(2.34)
Concernant la valeur des r
i
, une srie de recalages a t effectue an de trouver une valeur
optimale entranant un nombre ditrations minimal jusqu convergence du recalage. Les
proprits de convergence ont t tudies pour r
i
= 1.10
k
avec k =12, 11, . . . , 2, 3.
Grce aux essais effectus sur ce paramtre, un compromis a pu tre trouv et les para-
mtres r
1
= r
2
= 1.10
8
seront utiliss dans toute la suite du recalage du modle initial.
galement, les rsultats obtenus sur les connecteurs 1 et 4 sont similaires, de mme que
les rsultats sur les connecteurs 2 et 3. Dans la suite de ltude, seuls les rsultats concer-
nant les connecteurs 1 et 3 seront donc prsents.
2.4.1 Recalage du modle initial avec la srie 1
Le recalage du modle initial sur cette premire srie est effectu avec des valeurs
de raideur initialises 1, 932.10
4
N.m
1
et 1, 932.10
9
N.m
1
. Les Figure 2.5, 2.6, 2.7,
and 2.8 montrent respectivement les volutions de lerreur relative, des raideurs des connec-
teurs, du dplacement u
9
et des charges des connecteurs au cours du recalage.
2.4.2 Recalage du modle initial avec la srie 2
Le recalage du modle initial sur cette seconde srie est effectu avec des valeurs
4
N.m
1
et 1, 932.10
11
N.m
1
. Les Figure 2.9, et 2.10
montrent respectivement les volutions de lerreur relative et des raideurs des connecteurs
au cours du recalage.
2.4.3 Conclusions concernant le modle initial
Ces 4 congurations du recalage sur le modle initial nous montrent linuence que
peuvent avoir les mesures ainsi que linitialisation sur lefcacit et la qualit des rsultats.
Les rsultats obtenus sur la srie 1, que ce soit avec des valeurs dinitialisation suprieures
ou infrieures aux valeurs objectif, convergent vers les valeurs objectif. Cependant, une
grande diffrence peut tre note concernant le nombre ditrations ncessaire jusqu
convergence. En effet, une initialisation avec des valeurs infrieures des k
i
par rapport
aux raideurs objectif entrane environ 3 fois moins ditrations par comparaison avec une
initialisation avec des valeurs suprieures.
Concernant les recalages effectus sur la srie 2, les recalages natteignent pas les va-
leurs objectifs et ce quelque soit linitialisation employe. De nouveau, on peut noter que
le recalage utilisant des valeurs initiales suprieures aux valeurs objectifs converge bien
contexte incertain
t
e
l
-
0
0
6
7
5
7
4
1
,

v
e
r
s
i
o
n

1

-

1

M
a
r

2
0
1
2
0 20 40 60 80 100 120
10
-12
10
-10
10
-8
10
-6
10
-4
10
-2
Itraton
E
r
r
e
u
r
r
e
a
t
v
e
Intasaton nfreure
Intasaton supreure
FIGURE 2.5: volutions de lerreur relative au cours du recalage
0 20 40 60 80 100 120
10
4
10
5
10
6
10
7
10
8
10
9
10
10
Itraton
R
a
d
e
u
r

(
N
/
m
)
k
1
: ntasaton nfreure
k
3
: ntasaton nfreure
k
1
: ntasaton supreure
k
3
: ntasaton supreure
Radeur : ob|ectf
FIGURE 2.6: volutions de la raideur des connecteurs 1 et 3 au cours du recalage
contexte incertain
t
e
l
-
0
0
6
7
5
7
4
1
,

v
e
r
s
i
o
n

1

-

1

M
a
r

2
0
1
2
0 20 40 60 80 100 120
10
-5
10
-4
10
-3
10
-2
10
-1
Itraton
D
a
c
e
m
e
n
t

(
m
)
u reca ; ntasaton nfreure
u reca ; ntasaton supreure
Dpacement : ob|ectf
FIGURE 2.7: volutions du dplacement au cours du recalage
0 20 40 60 80 100 120
200
400
600
800
1000
1200
1400
1600
1800
2000
2200
Itraton
C
h
a
r
g
e

(
N
)
Charge 1 : ntasaton nfreure
Charge 3 : ntasaton supreure
Charge 1 : ntasaton nfreure
Charge 3 : ntasaton supreure
Charge 1 : ob|ectf
Charge 3 : ob|ectf
FIGURE 2.8: volutions des charges de connecteur au cours du recalage
contexte incertain
t
e
l
-
0
0
6
7
5
7
4
1
,

v
e
r
s
i
o
n

1

-

1

M
a
r

2
0
1
2
0 200 400 600 800 1000 1200
10
-12
10
-10
10
-8
10
-6
10
-4
10
-2
Itraton
E
r
r
e
u
r

r
e
a
t
v
e
Intasaton nfreure
Intasaton supreure
FIGURE 2.9: volutions de lerreur relative au cours du recalage
0 200 400 600 800 1000 1200
10
4
10
6
10
8
10
10
10
12
Itraton
R
a
d
e
u
r

(
N
/
m
)
k
1
: ntasaton nfreure
k
3
: ntasaton nfreure
Radeur : ob|ectf
k
1
: ntasaton supreure
k
3
: ntasaton supreure
FIGURE 2.10: volutions de la raideur des connecteurs 1 et 3 au cours du recalage
contexte incertain
t
e
l
-
0
0
6
7
5
7
4
1
,

v
e
r
s
i
o
n

1

-

1

M
a
r

2
0
1
2
plus difcilement que celui utilisant des valeurs initiales infrieures aux valeurs objectif.
Pourtant, dans lensemble des cas, les rsultats nous montrent des nombres ditrations
qui peuvent sembler trop important comparativement la complexit du problme trait.
La Table 2.3 dtaille le nombre ditrations ncessaire pour chaque cas de recalage.
Cas de Srie 1 Srie 1 Srie 2 Srie 2
recalage Init. inf. Init. sup. Init. inf. Init. sup.
Iterations 43 111 1107 93
TABLE 2.3: Modle initial : nombre ditrations pour le recalage (Init. inf. (resp. sup.)
signie initialisation avec des valeurs infrieures (resp. suprieures) aux valeurs objectif)
An doptimiser la qualit du recalage, nous supposerons que les difcults rencon-
tres proviennent de la trs faible inuence des paramtres de raideurs (k
i
) sur lerreur
modie dans certaines congurations. En effet, pour le cas de la srie 2, les raideurs ob-
jectif ont une valeur trs suprieure la rigidit de la structure (barres) : une variation de
raideur des connecteurs nentrane quasiment pas de variation de lerreur modie. Dans
la partie suivante, une tude paramtrique est effectue pour illustrer la sensibilit des
paramtres recaler vis--vis de lerreur modie.
2.5 Le modle rigidi propos
La partie prcdente a soulev un problme de qualit de convergence concernant le
recalage bas sur la srie 2. Ltude paramtrique qui suit a pour objectif de comprendre
dans quelle mesure le choix du modle peut intervenir sur la qualit du recalage. An
danalyser le comportement du recalage, les raideurs appartenant aux groupes de xa-
tions 1, 4 et 2, 3 sont supposes voluer de manire identique. Ce constat nous per-
met donc de tracer une carte derreur modie en fonction des deux paramtres restant
(Figure 2.11). Les chemins de convergence sont galement tracs sur cette mme gure.
Cette surface derreur permet davoir quelques explications sur les difcults rencontres
par le recalage. En effet, on peut remarquer quil y a une ligne de minima ayant quasiment
la mme valeur. Lorsque lalgorithme atteint cette ligne, la convergence vers le minimum
rel ne seffectue pas, ou alors avec un trs grand nombre ditrations. Lefcacit du re-
calage est donc inuence par le type de surface derreur. Pour saffranchir de cet cueil,
nous avons choisi de modier la modlisation de lassemblage boulonn pour retrouver
une surface derreur comportant un minimum distinct.
Du fait de la grande diffrence de raideur entre les connecteurs et la structure, la sur-
face derreur prsente une ligne de minima pour laquelle un des paramtres na quasiment
aucune inuence. Le modle doit tre modi an dassouplir les connecteurs, ajuster le
type de surface derreur, et ainsi amliorer lefcacit du recalage. La suite de cette partie
prsente donc une modication du modle de xation tout en conservant la mthode de
recalage.
contexte incertain
t
e
l
-
0
0
6
7
5
7
4
1
,

v
e
r
s
i
o
n

1

-

1

M
a
r

2
0
1
2
FIGURE 2.11: Surface derreur en relation de comportement avec les trajets de conver-
gence. Cette gure utilise la srie 2 pour le modle initial.
2.5.1 Le problme unidimensionnel
Lors de la modlisation des assemblages boulonns ou rivets, il est courant de consi-
drer le comportement de la structure comme connu. Le principal problme rside dans
la modlisation des xations. Le modle initial utilise une reprsentation trs locale des
xations comparativement lagencement et les interactions rels quil y a entre le boulon
(ou le rivet) et la structure. En effet, le connecteur nest cens reprsenter que le boulon
dans la modlisation initiale. En consquence, la modlisation de la zone dinteraction
entre la xation et la structure peut tre largie an de prendre en compte les effets de la
gomtrie et du comportement de la xation (i.e. le perage, le comportement de contact
autour de la xation, . . .) dans le comportement du connecteur. Un choix a nalement
t pris : le connecteur reprsente un boulon mais galement une partie de la structure
voisine. Ce type de modlisation nous permet de modier la taille de la structure dont le
comportement est pris en compte dans le connecteur. Ceci intervient directement sur la
raideur quivalente du connecteur. De ce fait, on se propose dtudier limpact du rapport
entre les raideurs de la structure (barres) et les raideurs des connecteurs sur la surface
derreur, en supposant que lefcacit du recalage en est dpendant.
La seconde reprsentation propose est donc base sur le modle initial, avec des
connecteurs reprsentant la xation mais aussi une partie de la structure voisine. Le dtail
de la modlisation propose est illustr sur la Figure 2.12. Sur cette gure, les zones
hachures reprsentent les parties de la structure ayant t rigidies. En ajoutant une
partie de la reprsentation de la structure dans les connecteurs, la raideur quivalente de
contexte incertain
t
e
l
-
0
0
6
7
5
7
4
1
,

v
e
r
s
i
o
n

1

-

1

M
a
r

2
0
1
2
k' k' k' k'
(1-p).L p.L L-(1-p).L/2 p.L p.L (1-p).L (1-p).L (1-p).L
L-(1-p).L/2
u
9
u
2
u
1
u
3
u
4
u
5
u
6
u
7
u
8
1 2 3 4
FIGURE 2.12: Conguration du modle rigidi
lensemble {xation + partie de la structure} dcroit. Cela permet de modier la raideur
des connecteurs en utilisant le paramtre p an dajuster le rapport entre la raideur des
connecteurs et la raideur de la structure. Le paramtre p correspond la proportion de
structure ntant pas inclue dans la reprsentation de la xation. Les nouveaux paramtres
recaler sont donc les raideurs k
i
. De manire pratique, la modication revient seulement
changer la longueur des lments barre. Lapplication de cette mthode sur une structure
plus complexe reviendrait rigidier les lments situs dans une zone directement en
contact avec une extrmit du connecteur (zone hachure sur la Figure 2.12).
Une analyse paramtrique de lerreur modie est ralise sur la srie 2. La Fi-
gure 2.13 montre lvolution, par lignes de niveau, du minimum global de lerreur mo-
die en fonction du paramtre p. Lorsque p tend vers 1 (pas de structure rigidie), la
position du minimum global devient moins prcise. Pour p > 0, 9 et des valeurs leves
de k
23
, les lignes de niveau sont parallles et verticales. Cela signie que linuence du
paramtre k
23
est ngligeable compare celle de k
14
. Dans la mme situation, mais
pour p = 1, on retrouve le cas de recalage de la partie prcdente comportant des difcul-
ts de convergence. Grce ltude paramtrique, la valeur p = 0, 2 est choisie et utilise
pour toute la suite de ltude. La Table 2.1 dtaille les paramtres employs pour cette
seconde tude sur le modle que lon nommera modle rigidi . Rappelons que les
paramtres recaler sont les raideurs k
i
.
2.5.2 Application du recalage
Les mesures utilises pour le recalage sont les mmes que celles des recalages pr-
cdents (i.e. sries 1 et 2). prsent, les valeurs objectif des raideurs atteindre ne sont
plus connues car le modle rigidi est diffrent de celui utilis pour les simulations des
sries 1 et 2. Nanmoins, les recalages seront galement effectus partir des srie 1 et
2 avec des initialisations des valeurs leves et faibles des paramtres. Rappelons que
lobjectif de la modication du modle initial tait dassouplir les connecteurs. On sat-
tend donc obtenir des valeurs recales de raideur de connecteurs infrieures celles
du modle initial. Une tude sur les paramtres r
i
permet de trouver un compromis avec
r
1
= r
2
= 1.10
10
.
contexte incertain
t
e
l
-
0
0
6
7
5
7
4
1
,

v
e
r
s
i
o
n

1

-

1

M
a
r

2
0
1
2
10
8
10
9
10
10
10
11
10
6
10
7
10
8
10
9
10
10
10
11
10
12
Raideur des connecteurs 1 et 4 (N/m)
R
a
i
d
e
u
r

d
e
s

c
o
n
n
e
c
t
e
u
r
s

2

e
t

3

(
N
/
m
)

1e09
2e09
5e09
1e08
2e08
5e08
1e07
2e07
5e07
1e06
p = 0.9
p = 0.95
p = 0.99
p = 1
p = 0.7
p = 0.1
Erreur (J)
FIGURE 2.13: Evolution de la position du minimum global de lerreur en relation de
comportement modie
2.5.3 Recalage du modle rigidi avec la srie 1
Le recalage du modle rigidi sur cette premire srie est effectu avec des valeurs de
raideur initialises 1, 932.10
4
N.m
1
et 1, 932.10
9
N.m
1
. Les Figure 2.14, 2.15, 2.16,
and 2.17 montrent respectivement les volutions de lerreur relative, des raideurs des
connecteurs, du dplacement u
9
et des charges des connecteurs au cours du recalage.
2.5.4 Recalage du modle rigidi avec la srie 2
Le recalage du modle initial sur cette seconde srie est effectu avec des valeurs
4
N.m
1
et 1, 932.10
9
N.m
1
. Les Figure 2.18, et 2.19
montrent respectivement les volutions de lerreur relative et des raideurs des connecteurs
au cours du recalage.
2.5.5 Conclusions concernant le modle rigidi
Comme prvu, les raideurs recales (environ 1.10
8
N.m
1
) sont plus souples que
celles obtenues avec le modle initial (1.10
10
N.m
1
). Ces rsultats, dtaills dans la
Table 2.4, montrent donc que le recalage sur un modle rigidi peut amliorer sensi-
blement lefcacit de convergence de lalgorithme ainsi que la qualit des rsultats. En
effet, le trac de la carte derreur modie (Figure 2.20) pour le modle rigidi montre
contexte incertain
t
e
l
-
0
0
6
7
5
7
4
1
,

v
e
r
s
i
o
n

1

-

1

M
a
r

2
0
1
2
0 10 20 30 40 50 60 70 80
10
-12
10
-10
10
-8
10
-6
10
-4
10
-2
Itraton
E
r
r
e
u
r

r
e
a
t
v
e
Mode rgdf : ntasaton nfreure
Mode rgdf : ntasaton supreure
Mode nta : ntasaton nfreure
Mode nta : ntasaton supreure
FIGURE 2.14: Recalage du modle rigidi : volutions de lerreur relative au cours du
recalage
0 10 20 30 40 50 60 70 80
10
4
10
5
10
6
10
7
10
8
10
9
10
10
Itraton
R
a
d
e
u
r
(
N
/
m
)
k
1
: mode rgdf, nt. nf.
k
3
k
1
: mode rgdf, nt. sup.
k
3
k
1
: mode nta, nt. nf.
k
3
: mode nta, nt. nf.
k
1
: mode nta, nt. sup.
k
3
FIGURE 2.15: Recalage du modle rigidi : volutions de la raideur des connecteurs 1
et 3 au cours du recalage
contexte incertain
t
e
l
-
0
0
6
7
5
7
4
1
,

v
e
r
s
i
o
n

1

-

1

M
a
r

2
0
1
2
0 5 10 15 20 25 30
10
-5
10
-4
10
-3
10
-2
10
-1
Itraton
D
a
c
e
m
e
n
t

(
m
)
u reca : mode rgdf, nt. nf.
u reca : mode rgdf, nt. sup.
u reca : mode nta, nt. nf.
u reca : mode nta, nt. sup.
Dpacement : ob|ectf
FIGURE 2.16: Recalage du modle rigidi : volutions du dplacement au cours du
recalage
0 10 20 30 40 50 60 70 80
200
400
600
800
1000
1200
1400
1600
1800
2000
2200
Itraton
C
h
a
r
g
e

(
N
)
Charge 1 : mode rgdf, nt. nf.
Charge 3 : mode rgdf, nt. nf.
Charge 1 : mode rgdf, nt. sup.
Charge 3 : mode rgdf, nt. sup.
Charge 1 : mode nta, nt. nf.
Charge 3 : mode nta, nt. nf.
Charge 1 : mode nta, nt. sup.
Charge 3 : mode nta, nt. sup.
Charge 1 : ob|ectf
Charge 3 : ob|ectf
FIGURE 2.17: Recalage du modle rigidi : volutions des charges de connecteur au
cours du recalage
contexte incertain
t
e
l
-
0
0
6
7
5
7
4
1
,

v
e
r
s
i
o
n

1

-

1

M
a
r

2
0
1
2
0 100 200 300 400 500 600
10
-12
10
-10
10
-8
10
-6
10
-4
10
-2
Itraton
E
r
r
e
u
r

r
e
a
t
v
e
Mode rgdf, nt. nf.
Mode rgdf, nt. sup.
Mode nta, nt. nf.
Mode nta, nt. sup.
FIGURE 2.18: Recalage du modle rigidi : volutions de lerreur relative au cours du
recalage
0 100 200 300 400 500 600 700
10
4
10
6
10
8
10
10
10
12
Itraton
R
a
d
e
u
r

(
N
/
m
)
k
1
k
3
k
1
k
3
k
1
: mode nta, nt. nf.
k
3
: mode nta, nt. nf.
k
1
k
3
FIGURE 2.19: Recalage du modle rigidi : volutions de la raideur des connecteurs 1
et 3 au cours du recalage
contexte incertain
t
e
l
-
0
0
6
7
5
7
4
1
,

v
e
r
s
i
o
n

1

-

1

M
a
r

2
0
1
2
Cas de Srie 1 Srie 1 Srie 2 Srie 2
recalage Init. inf. Init. sup. Init. inf. Init. sup.
Iterations 30 27 163 518
TABLE 2.4: Modle rigidi : nombre ditrations pour le recalage
que le minimum global est nettement mieux dni et accessible. De plus, la plupart des
FIGURE 2.20: Surface derreur en relation de comportement avec les trajets de conver-
gence. Cette gure utilise la srie 2 pour le modle rigidi.
structures complexes employes dans laronautique se composent de rptitions gom-
triques dassemblages simples de xations, limage de lexemple trait dans ce chapitre.
Lors de ltude de ces structures complexes, on peut supposer que ltude paramtrique
de p peut tre ralise une fois sur la structure simple, et rutilise ensuite sur la structure
entire. Enn, la Figure 2.13 montre clairement limportance de rigidier la structure an
dobtenir un meilleur recalage tout en gardant une reprsentation de la structure conve-
nable.
Cette technique de recalage peut tre applique des structures 3D : la structure de
lassemblage est reprsente par des lments plaques et les xations par des lments
connecteurs. Dailleurs, lors de modlisations 3D dassemblages boulonns dans lin-
dustrie, les problmes de compatibilit de maillage sont gnralement rsolus par une
technique similaire o lon rigidie la structure voisine des nuds du connecteur. Cette
mthode apparat donc tre tout fait compatible avec les techniques habituellement em-
ployes dans le domaine industriel.
contexte incertain
t
e
l
-
0
0
6
7
5
7
4
1
,

v
e
r
s
i
o
n

1

-

1

M
a
r

2
0
1
2
Application une structure aronautique 79
3 Application une structure aronautique
3.1 Gomtrie tudie
An de mettre en uvre cette technique sur une gomtrie de plus grande chelle,
nous analysons ici un assemblage boulonn largement tudi exprimentalement. La struc-
ture tudie est un assemblage boulonn permettant de xer deux panneaux (parties du
fuselage dun avion) entre eux suivant leurs extrmits communes. La Figure 2.21 sch-
matise la xation tudie. La Figure 2.22 montre lassemblage en question sous sollici-
Panneau 1
Panneau 2
Fixations
FIGURE 2.21: Schma dimplantation de lassemblage tudi [Airbus]
tation lors dessais effectus EADS IW. La Figure 2.23 illustre quant elle la premire
tape de modlisation 3D, effectue dans lindustrie, avec des lments plaque et connec-
teur.
3.2 Les donnes exprimentales
Lobjectif de cette partie est de simuler le comportement dune famille de structures
an dobtenir une srie de donnes que lon assimilera aux mesures exprimentales. La
simulation est une simulation de Monte Carlo associe un modle dterministe de base
comportant des variables alatoires. Le modle adopt pour reprsenter lassemblage se
compose dlments plaque (lments de structure) et dlments connecteur (lments
de xation). Seule une ligne de xations est tudie ici. La Figure 2.24 illustre la gom-
trie de lassemblage. Chaque couleur reprsente une plaque et lassemblage est charg en
traction. Les conditions au limites sont dtailles sur la Figure 2.25. De plus, des condi-
tions de symtrie sont introduites an de prendre en compte le comportement des autres
lignes de xations.
Chaque xation est reprsente par un connecteur dont chaque extrmit est lie un
nud appartenant la structure. Chaque connecteur est dni par deux raideurs indpen-
contexte incertain
t
e
l
-
0
0
6
7
5
7
4
1
,

v
e
r
s
i
o
n

1

-

1

M
a
r

2
0
1
2
FIGURE 2.22: Structure relle tudie [EADS IW]. Essai de compression et de ambage.
FIGURE 2.23: Modle CAO ( gauche) et modlisation plaque et connecteur ( droite)
de la structure tudie
contexte incertain
t
e
l
-
0
0
6
7
5
7
4
1
,

v
e
r
s
i
o
n

1

-

1

M
a
r

2
0
1
2
Z
Y
X
Y
X
X
Y
Z
FIGURE 2.24: Gomtrie du modle non-linaire de lassemblage boulonn
10
F
x
y
9 8 7 6 5 4 3
2
1
1
2
3 4
FIGURE 2.25: Chargements et conditions aux limites appliqus sur les modlisations
FIGURE 2.26: Reprsentation dun connecteur

contexte incertain
t
e
l
-
0
0
6
7
5
7
4
1
,

v
e
r
s
i
o
n

1

-

1

M
a
r

2
0
1
2
dantes et linaires :
un coefcient de raideur reprsentant le comportement du connecteur dans le plan
(x, z) ;
un coefcient de raideur reprsentant le comportement du connecteur suivant la
normale y au plan (x, z).
La raideur suivant la normale est calcule grce la raideur quivalente du boulon en
titane associ. La raideur dans le plan est quant elle calcule avec la valeur issue de la
formule de Huth [Huth, 1986]. On introduit du contact avec frottement entre les plaques.
Chaque connecteur est galement prcharg pour simuler lassemblage du boulon. An de
simuler le comportement dune famille de structures, chaque prcharge ainsi que chaque
raideur dans le plan (x, z) est paramtre par une variable alatoire. Une simulation de
Monte Carlo est ensuite effectue pour obtenir les dplacements et charges transfres sur
les positions en rouge de la Figure2.25. Les prcharges des boulons sont dnis 20000
N 20% [Airbus]. Les raideurs plan sont calcules grce la formule de Huth 50%. On
associe ces deux types de paramtres alatoires des lois uniformes continues.
La suite de ltude va consister dvelopper et utiliser un modle enveloppe simple
pour reprsenter les donnes variables obtenues par simulation de Monte Carlo, ou plus
gnralement par exprience sur structure relle. Lensemble des donnes simules sera
utilis dans la partie 3 pour recaler le modle enveloppe. Dans cette partie, pour chaque
quantit dintrt, seules les moyennes de donnes simules sont utilises pour recaler le
modle dassemblage dterministe.
3.3 Application du recalage
Le modle dterministe linaire choisi est un modle lments nis gnralement
utilis dans laronautique, compos de plaques reprsentant la structure et de connecteurs
reprsentant les xations (cf. Figure 2.23). Ici galement, une seule ligne de xations est
tudie. Comparativement la stratgie adopte dans la partie 2.5.1, les connecteurs uti-
liss sont rigidis an dquilibrer les raideurs des connecteurs par rapport aux raideurs
des plaques. Les xations sont donc modliss par des connecteurs gnraliss dont les
nuds sont lis la structure par lintermdiaire de barres quasi-rigides. Comme prc-
demment, les proprits mcaniques de la structure plaque est considre comme connue
et seules les raideurs des connecteurs sont recales. La Figure 2.27 prsente la gomtrie
du modle linaire avec les connecteurs rigidis. Les conditions aux limites sont ga-
lement prsentes sur la Figure 2.25. Des conditions de symtrie sont ajoutes an de
prendre en compte le comportement des autres lignes de xations. Chaque connecteur est
dni par deux raideurs indpendantes et linaires :
un coefcient de raideur reprsentant le comportement du connecteur dans le plan
(x, z) ;
un coefcient de raideur reprsentant le comportement du connecteur suivant la
normale y au plan (x, z).
contexte incertain
t
e
l
-
0
0
6
7
5
7
4
1
,

v
e
r
s
i
o
n

1

-

1

M
a
r

2
0
1
2
La raideur suivant la normale est calcule grce la raideur quivalente du boulon en
titane associ. La raideur dans le plan est quant elle initialise avec la valeur issue de la
formule de Huth [Huth, 1986]. Les degrs de libert en rotation des connecteurs sont blo-
qus an dobtenir une meilleure reprsentation du contact : le contact est principalement
prsent au voisinage des xations sur la structure relle. Le modle possde nalement 2
paramtres par connecteurs, ce qui entrane 20 paramtres recaler pour 10 connecteurs.
An de rduire le nombre de paramtres recaler, les connecteurs sont spars en 3
groupes dans lesquels les connecteurs sont supposs avoir le mme comportement. Les
groupes crs sont les suivants :
groupe 1 : connecteurs 1 et 2 ;
groupe 2 : connecteurs 3, 4, 5 et 6 ;
groupe 3 : connecteurs 7, 8, 9 et 10.
Les 6 paramtres obtenus sont utiliss lors du recalage bas sur lerreur en relation de
comportement. Le recalage se base sur les moyennes des donnes simules la partie 3.2.
La Table 2.5 prsente les moyennes issues de la simulation de Monte Carlo. La Table 2.6
Y
X
Y
X
FIGURE 2.27: Gomtrie de la modlisation linaire

prsente quant lui les rsultats issus du recalage en erreur en relation de comporte-
ment sur le modle dterministe. Les Figure 2.28 et 2.29 prsentent respectivement la
convergence des quantits dintrt (erreur relative par rapport la moyenne des donnes
simules) et la convergence de lerreur modie relative. U
i
et Q
i
sont respectivement le
dplacement et la charge transfre selon laxe x la position i.
contexte incertain
t
e
l
-
0
0
6
7
5
7
4
1
,

v
e
r
s
i
o
n

1

-

1

M
a
r

2
0
1
2
Position 1 2 3 4
Dplacement 6.39 10
1
3.48 10
1
1.15 10
1
5.39 10
1
(mm)
Charge 18100
transfre (N)
TABLE 2.5: Les donnes simules
Position 1 2 3 4
Dplacement 6.39 10
1
3.47 10
1
1.22 10
1
5.63 10
1
(mm)
Charge 18000
transfre (N)
TABLE 2.6: Rsultats issus du recalage du modle dterministe
0 10 20 30 40 50 60 70 80
10
2
10
0
10
2
10
4
Iteration
E
r
r
e
u
r

r
e
l
a
t
i
v
e

(
%
)

U
1
U
2
U
3
U
4
Q
2
FIGURE 2.28: Convergence des quantits dintrt (erreur relative)
contexte incertain
t
e
l
-
0
0
6
7
5
7
4
1
,

v
e
r
s
i
o
n

1

-

1

M
a
r

2
0
1
2
Conclusions 85
0 10 20 30 40 50 60 70 80
10
4
10
3
10
2
10
1
10
0
Iteration
E
r
r
e
u
r

r
e
l
a
t
i
v
e

e
n

R
d
C
FIGURE 2.29: Convergence de lerreur relative en relation de comportement
4 Conclusions
Lobjectif de cette partie tait de construire un modle dterministe simple sur lequel
se baser pour introduire une notion dincertitude. Ce modle dterministe est un des l-
ments les plus importants de la stratgie de dimensionnement que lon propose dans ce
manuscrit. An de sintroduire facilement dans une approche par analyse descendante, la
premier choix a t de se baser sur les modles couramment employs dans lindustrie.
Pourtant, les modles de xations utiliss ne reprsentent pas correctement dans la plu-
part des cas le comportement rel des xations. En effet, les modles semi-empiriques
utiliss se basent seulement sur les caractristiques matriaux et gomtriques des xa-
tions relles. Or les paramtres tels que le frottement, la prcharge ou encore le type de
sollicitation peut grandement inuer sur la raideur quivalente du connecteur.
Un recalage bas sur lerreur en relation de comportement a t mis en place pour op-
timiser les paramtres du modle. Le recalage permettant de travailler par sous-structure
est choisi an de rester compatible avec la mthode de reprsentation de lincertain (cf.
chapitre 3). Pour nir, le modle dterministe recal, permet dobtenir une bonne repr-
sentation du comportement moyen de la famille de structures simule. En effet les erreurs
relatives sur les quantits dintrt tudies ne dpassent pas 10%, ce qui nous permet
dentamer la modlisation de lincertain sur de bonnes bases.
Enn, on peut remarquer que lutilisation du connecteur rigidi permet de garder une
certaine cohrence vis--vis de la mthode dimensionnement multichelle employe. En
effet, lors du passage de lchelle globale lchelle ne de la xation, les liens entre ces
deux chelles peuvent tre facilement transposs comme prsents sur la Figure 2.30.
contexte incertain
t
e
l
-
0
0
6
7
5
7
4
1
,

v
e
r
s
i
o
n

1

-

1

M
a
r

2
0
1
2
Structure paque
Radeur nare
Structure rgdfe
Dfnton du
connecteur rgdf
F
F
Echelle globale Echelle locale
Dtas structuraux du
connecteur rgdf
FIGURE 2.30: Cohrence entre le modle de connecteur global et le modle de xation
local
contexte incertain
t
e
l
-
0
0
6
7
5
7
4
1
,

v
e
r
s
i
o
n

1

-

1

M
a
r

2
0
1
2
Chapitre 3
Application de la thorie des
mconnaissances
Ce troisime chapitre sintresse laspect incertain de
certains phnomnes que lon retrouve dans les lments
de xations. An de modliser la variabilit issue de ces
phnomnes, la thorie des mconnaissances dveloppe
au LMT-Cachan [Ladevze et al., 2006b, Ladevze et al.,
2006a] est choisie. Dans une premire partie, un tat de
lart de la thorie sera effectu. La mthode sera en-
suite applique la xation aronautique puis recale sur
les donnes simules. Enn, ce comparatif des rsultats
pourra nous permettre de conclure quant la qualit de
la stratgie propose.
Sommaire
1 Reprsentation de lincertain dans une stratgie de dimensionnement . 89
2 Description de la ralit . . . . . . . . . . . . . . . . . . . . . . . . . . . 89
2.1 Famille de structures . . . . . . . . . . . . . . . . . . . . . . . . . 90
2.2 Donnes exprimentales . . . . . . . . . . . . . . . . . . . . . . . 90
3 La thorie des mconnaissances . . . . . . . . . . . . . . . . . . . . . . 90
contexte incertain
t
e
l
-
0
0
6
7
5
7
4
1
,

v
e
r
s
i
o
n

1

-

1

M
a
r

2
0
1
2
3.1 Le problme de validation . . . . . . . . . . . . . . . . . . . . . . 91
3.2 Dnition des mconnaissances de base . . . . . . . . . . . . . . . 92
3.3 Propagation des mconnaissances . . . . . . . . . . . . . . . . . . 95
3.4 Recalage des mconnaissances de base . . . . . . . . . . . . . . . 101
4 Application au cas industriel . . . . . . . . . . . . . . . . . . . . . . . . 102
4.1 Implmentation numrique . . . . . . . . . . . . . . . . . . . . . . 104
4.2 Dnition et propagation des mconnaissances de base . . . . . . . 104
4.3 Recalage des mconnaissances de base . . . . . . . . . . . . . . . 106
4.4 Conclusions . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 109
contexte incertain
t
e
l
-
0
0
6
7
5
7
4
1
,

v
e
r
s
i
o
n

1

-

1

M
a
r

2
0
1
2
Reprsentation de lincertain dans une stratgie de dimensionnement 89
1 Reprsentation de lincertain dans une stratgie de di-
mensionnement
En industrie, au cours du dimensionnement des structures aronautiques, les phno-
mnes alatoires sont le plus souvent pris en compte en introduisant des coefcients de
scurit. An davoir un minimum de recul sur ces coefcients de scurit, nous propo-
sons une stratgie de modlisation de lincertain au niveau du prdimensionnement (partie
de simplication de la gomtrie et du comportement lors danalyses descendantes). Le
principe de la modication de lanalyse est illustre la Figure 3.1.
Structure Relle
Structure linaire
(plaques et ressorts)
Ranalyse 3D
locale nonlinaire
Modlisation
linaire
Estimation des fixations
les plus charges
Modification de
la structure
FIGURE 3.1: Principe de la modication propose
La stratgie consiste se baser sur des rsultats exprimentaux pour pouvoir valider
le modle de dispersion propos. Ce modle simpli avec reprsentation des dispersions
peut tre ensuite utilis an de prvoir les cas les plus critiques auxquels peut tre sou-
mise la structure. La mthode de prise en compte des incertitudes doit galement rester
peu coteuse en terme de ressources numriques an de sinsrer naturellement dans une
dmarche de simplication lors dune analyse descendante.
2 Description de la ralit
Dans ce paragraphe, les hypothses concernant les proprits de ce que lon considre
comme structure relle sont prcises. galement, la mthode dobtention des donnes
exprimentales est dtaille.
contexte incertain
t
e
l
-
0
0
6
7
5
7
4
1
,

v
e
r
s
i
o
n

1

-

1

M
a
r

2
0
1
2
90 Application de la thorie des mconnaissances
2.1 Famille de structures
Nous nous intressons ici ltude du comportement dune famille de structures sem-
blables. Nous considrons quil existe des dispersions dans leurs comportements, assez
notables pour que lon doive les prendre en compte lors du dimensionnement. Le com-
portement de la structure (plaques) est considr comme peu variable, et lorigine de
ces dispersions est donc suppose provenir uniquement des lments de xation. Comme
prcis dans le Chapitre 1, les prcharges, les jeux ou encore le contact avec frottement
entre les plaques et la xation, sont les phnomnes complexes principalement lorigine
dalas sur le comportement des xations. Le modle dterministe sur lequel appliquer
la modlisation de la dispersion est un modle linaire (cf. Chapitre 2). La difcult est
de russir reprsenter le plus dlement possible une dispersion obtenue par des ph-
nomnes a priori non linaires, avec un modle de dispersion bas sur une modlisation
purement linaire de la structure.
An de pouvoir confronter le modle propos avec les structures relles, des tudes
comparatives sont menes sur des quantits de dplacement local mais galement sur des
efforts globaux. Dans la suite, la quantit tudie sera note .
2.2 Donnes exprimentales
Les mesures, ne pouvant sobtenir exprimentalement ici, sont obtenues par une simu-
lation de Monte Carlo considre comme la rfrence. Les donnes utilises sont iden-
tiques celles construites la Partie 2.3. Dans ce chapitre, ce sont les intervalles de
variations qui sont utiliss et non plus les moyennes de ces intervalles, comme cela tait
le cas dans le prcdent chapitre.
3 La thorie des mconnaissances
La mthode retenue pour modliser les dispersions est la thorie des mconnaissances.
Cette thorie a t dveloppe au LMT-Cachan et est prsente dans [Ladevze et al.,
2006b]. Lide fondamentale de cette thorie est de globaliser, sur une sous-structure,
un ensemble de sources dincertitudes plutt que de paramtrer chaque source dincerti-
tude grce une variable alatoire par exemple. Cet aspect prsente plusieurs avantages
concernant notre cas dapplication que sont les xations.
Tout dabord, le modle de xations global sur lequel est appliqu la thorie des m-
connaissances est constitu dlments nis linaires trs simples. Le fait de pouvoir en-
glober les diffrentes sources dincertitude par un terme gnrique se basant sur le com-
portement, ici linaire, dune xation constitue une premire utilit de la thorie. En effet,
ces sources dincertitudes sont souvent non linaires et donc non descriptibles par les
modles simples employs.
Ensuite, du point de vue numrique, lapplication de cette thorie permet dobtenir
des temps de calcul plus courts comparativement une simulation de Monte Carlo par
contexte incertain
t
e
l
-
0
0
6
7
5
7
4
1
,

v
e
r
s
i
o
n

1

-

1

M
a
r

2
0
1
2
La thorie des mconnaissances 91
exemple. Ds lors que les quantits dintrt tudier sont connues, le nombre de rsolu-
tions du problme dterministe sur la structure globale est de lordre de N +1 avec N le
nombre de quantits dintrt.
Concernant la mise en uvre de la thorie des mconnaissances, elle se dcompose
gnralement de la faon suivante :
dnition des mconnaissances de base : cette partie introduit les variables dentre
m
E
(mconnaissances de base) censes reprsenter un ensemble de sources dincer-
titude sur une sous-structure E. Il sagit dans notre cas de dnir, pour une ensemble
E dune ou plusieurs xations, les variables m
E
reprsentant les variations obtenues
par la mauvaise matrise des prcharges, des frottements, des jeux, . . . ;
propagation des mconnaissances de base : cette partie concerne la recherche des
intervalles de variations des quantits de sortie, dplacements et transferts de charge
dans notre cas. Les bornes de ces intervalles (donnes de sortie), nommes mcon-
naissances effectives, sont calcules par lintermdiaire des mconnaissances de
base (donnes dentre) et des quations du problme ;
recalage du modle de mconnaissances : les mconnaissances introduites doivent
tre dnies a priori lorsque lon connait sa valeur, ou doivent tre recales lorsque
ce nest pas le cas. Dans le cas du recalage de mconnaissance, on se base gnra-
lement sur des intervalles de dispersion issus dessais exprimentaux. La technique
consiste modier la dnition des mconnaissances de base an de reprsenter au
mieux les intervalles exprimentaux avec les mconnaissances effectives.
Ces trois points sont dtaills dans les parties 3.2, 3.3 et 3.4. La section suivante rednie
le problme de dpart.
3.1 Le problme de validation
Lobjectif de cette thorie est de pouvoir prendre en compte plusieurs types dincerti-
tudes, de faon globale. Lors de ltude dune quantit (dplacement nodal ou transfert
de charge), un modle avec mconnaissances a pour but de qualier et quantier lcart :
= (3.1)
entre , la quantit obtenue par le modle dterministe utilis et , la quantit que lon
peut attendre dune structure relle. La thorie des mconnaissances quantie les incerti-
tudes lchelle des sous-structures : cest cette chelle que sont globalises toutes les
sources de variations (prcharges, frottements, jeux, . . .). On vite ainsi la reprsentation
paramtrique de ces phnomnes lors de la prise en compte des dispersions.
Le modle utilis lors de lanalyse descendante est linaire. Nous supposerons donc
que les variations des phnomnes complexes cits prcdemment peuvent tre reprsen-
tes par une variation du comportement linaire de lensemble E du ou des connecteurs.
Ceci se traduit donc par un intervalle de variation de lnergie de dformation de la sous-
structure E.
contexte incertain
t
e
l
-
0
0
6
7
5
7
4
1
,

v
e
r
s
i
o
n

1

-

1

M
a
r

2
0
1
2
3.2 Dnition des mconnaissances de base
La thorie des mconnaissances se base sur un modle dterministe sur lequel on
applique le concept de mconnaissances. Les variations associes chaque sous-structure
E appartenant la structure peuvent tre globalises par une quantit m dont la valeur
varie lintrieur de lintervalle [m
E
; m
+
E
]. Les bornes de cet intervalle sont dnies
grce lnergie de dformation de sorte que :
(1m
E
())e
E
(U) e
E
(U, ) (1+m
+
E
())e
E
(U) (3.2)
e
E
(U) tant lnergie de dformation associe au champs de dplacement U de la sous-
structure E appartenant au modle EF dterministe, et e
E
(U, ), lnergie de dformation
associe au champs de dplacement U de la sous-structure E appartenant une structure
relle de la famille tudie. On peut exprimer ces nergies en fonction des matrices de
rigidit sous la forme :
e
E
(U) =
1
2
UK
E
U (3.3)
e
E
(U, ) =
1
2
UK
E
()U (3.4)
K
E
et K
E
() tant les matrices lments nis (EF) associes respectivement au modle
EF dterministe et une structure de la famille tudie. La dnition des mconnaissances
de base revient donc crire la relation suivante :
(1m
E
())K
E
K
E
() (1+m
+
E
())K
E
(3.5)
Cette relation est plus gnralement utilise lors de la mise en uvre de la thorie des
mconnaissances. La variation dnergie de dformation de lensemble de connecteurs E
cense englober les sources dincertitude est quivalente une variation de la raideur de
lensemble E.
Ces bornes (m
E
; m
+
E
) sont introduites en tant que variables internes du modle et sont
nommes mconnaissances de base associes la sous-structure E. Par dnition ces va-
riables sont positives. Les mconnaissances de base peuvent avoir une valeur xe, mais le
plus souvent, on leur associe une loi de probabilit. En effet, dnir des mconnaissances
de base de manire dterministe reviendrait modliser lala par une reprsentation par
intervalle [Moore, 1962]. Or le plus souvent cette description entrane une surestimation
des incertitudes lors de sa propagation. Nous utiliserons donc une dnition des mcon-
naissances de base reposant sur des variables alatoires auxquelles on associe des lois de
probabilits.
Cette loi de probabilit est choisie a priori. Gnralement, les mconnaissances de
base sur les rigidits sont reprsentes par une loi normale. On associe la mconnais-
contexte incertain
t
e
l
-
0
0
6
7
5
7
4
1
,

v
e
r
s
i
o
n

1

-

1

M
a
r

2
0
1
2
sance m() = [m
E
(); m
+
E
()] la loi dnie par la densit de probabilit suivante :
p(m) =
1
2
2
exp
_
(mM)
2
2
2
_
(3.6)
telle que son cart-type soit paramtre par les valeurs m
E
et m
+
E
avec :
m
+
E
m
E
p(m)dm = 0, 99 (3.7)
et telle que sa moyenne M soit centre entre les bornes m
E
et m
+
E
:
M =m() =
m
+
E
m
E
2
(3.8)
De plus, la densit de probabilit est tronque en dehors de lintervalle [m
E
(); m
+
E
()].
Ceci revient ne pas considrer les 1% de cas les plus extrmes qui sont normalement
dtects lors de contrles de fabrication. La Figure 3.2 illustre les proprits dune loi de
probabilit normale centre ayant pour moyenne M = 0 et pour cart-type = 3. Lorsque
lorigine des dispersions est davantage mconnue, les mconnaissances de base peuvent
tre dnies par une loi de probabilit de type uniforme. De mme, si lorigine des incer-
titudes est extrmement mal reprsente dans le modle, on peut faire le choix de dnir
lintervalle [m
E
(); m
+
E
()] par des valeurs dterministes. Ceci revient utiliser une re-
prsentation par intervalle [Moore, 1962].
On peut donc maintenant prciser la probabilit dobserver m
E
dans un intervalle
[m
E
; m
+
E
] donn :
P(m
E
m m
+
E
) =
m
+
E
m
E
p(m)dm (3.9)
Les mconnaissances de base sont dnies dans lquation (3.2) de part et dautre du
modle dterministe. Deux vnements indpendants peuvent donc tre dcrits :
soit par m[0; m
+
E
], ce qui signie que lon observe lvnement (m
E
=0, m
+
E
0)
avec une probabilit P
+
(m
+
E
) telle que :
P
+
(m
+
E
) =
m
+
E
0
p(m)dm (3.10)
soit par m [m
E
; 0], ce qui signie que lon observe lvnement (m
E
0, m
+
E
=
0) avec une probabilit P
(m
E
) telle que :
P
(m
E
) =
0
m
E
p(m)dm (3.11)
En rsum, pour pouvoir dnir des mconnaissances de base sur une sous-structure E,
il est ncessaire de connatre le type de loi de probabilit ainsi que les bornes m
E
et m
+
E
contexte incertain
t
e
l
-
0
0
6
7
5
7
4
1
,

v
e
r
s
i
o
n

1

-

1

M
a
r

2
0
1
2
10 5 0 5 10
0
0.02
0.04
0.06
0.08
0.1
0.12
0.14
p
Densite de probabilite des meconnaissances de base
10 5 0 5 10
0
0.1
0.2
0.3
0.4
0.5
P
Fonctions de repartition
FIGURE 3.2: Mconnaissances de base associes une loi normale centre
contexte incertain
t
e
l
-
0
0
6
7
5
7
4
1
,

v
e
r
s
i
o
n

1

-

1

M
a
r

2
0
1
2
associes respectivement aux mconnaissances m
E
() et m
+
E
(). Plus de dtails concer-
nant les outils ncessaires llaboration du concept de mconnaissances sont exposs
dans [Puel, 2004].
On vient donc dassocier un modle de mconnaissances un modle dterministe
via les mconnaissances de base appliques au niveau des sous-structures de xations. Il
est maintenant ncessaire de propager ces mconnaissances de base travers le modle
dterministe an dobtenir une estimation de dispersion dune quantit dintrt .
3.3 Propagation des mconnaissances
3.3.1 Principe de la propagation
Le but de cette partie est dobtenir, grce lexpression des mconnaissances de base
(cf. partie prcdente), un intervalle de conance dans lequel la quantit de sortie tudie
est susceptible de varier. Les premiers travaux effectus au LMT-Cachan ont tout dabord
t dvelopps en dynamique [Ladevze et al., 2004, Puel, 2004] pour lesquels les quan-
tits dintrt tudies sont typiquement les frquences propres et les modes propres de
la structure. Dans le cas gnral, pour une quantit dintrt , le but est donc dvaluer
lcart tel que :
() =() (3.12)
tant la quantit dintrt que lon peut attendre dune structure relle et , la quan-
tit dintrt issue du modle dterministe. Pour notre application, les quantits tudies
sont typiquement des dplacements nodaux ainsi que des transferts de charge. Ltape de
propagation des mconnaissances de base revient donc trouver les bornes
mod
() et
+
mod
() telles que :
mod
() ()
+
mod
() (3.13)
Cest partir de la dnition des mconnaissances de base (quations (3.2) ou (3.5)) que la
propagation seffectue. Cette procdure peut tre ralise gnralement de deux manires
diffrentes :
analytiquement : les fonctions caractristiques des bornes
mod
() et
+
mod
()
sont calcules directement grce lexpression de la loi de probabilit des mcon-
naissances de base. Cette mthode devient toutefois rapidement laborieuse lorsque
la structure est complexe (plusieurs sous-structures qui impliquent un grand nombre
de mconnaissances de base). Dans les cas des assemblages boulonns ou rivets,
les sous-ensembles de xations peuvent tre trs nombreux. Cette mthode de cal-
cul ne sera donc pas retenue pour la suite des travaux exposs ;
numriquement : les densits de probabilit des bornes
mod
() et
+
mod
() sont
reconstruites grce une technique de simulation de Monte Carlo.
Bien que les propagations soient effectues numriquement, plusieurs exemples analy-
tiques peuvent tre consults dans [Puel, 2004, Enjalbert, 2009].
contexte incertain
t
e
l
-
0
0
6
7
5
7
4
1
,

v
e
r
s
i
o
n

1

-

1

M
a
r

2
0
1
2
Maintenant que les fonctions caractristiques de
mod
() et
+
mod
() sont calcu-
les (ou reconstruites), il nous faut en dduire un intervalle de conance pour la quantit
dintrt tudie. Cest dans cet optique quont t dvelopps les concepts de probabi-
lit dintervalles et dintervalles standards. Le dtail de ces outils est expos dans [Puel,
2004]. Pour obtenir un intervalle de conance une probabilit P donne, lide est de
trouver lintervalle standard correspondant. Lintervalle standard [
mod
(P);
+
mod
(P)],
correspondant une probabilit P donne, est le plus petit intervalle tel que :

+
mod
(P)
0
p
+
()d+
mod
(P)
p
d = P (3.14)
o p
+
et p
sont respectivement, la fonction densit de probabilit de la borne sup-

rieure
+
mod
() et la fonction densit de probabilit de la borne infrieure
mod
(). Les
bornes
mod
(P) et
+
mod
(P) de lintervalle standard sont appeles mconnaissances ef-
fectives. Les mconnaissances effectives traduisent le rsultat du modle enveloppe dni
par le modle dterministe auquel sont ajoutes les mconnaissances de base sur les sous-
structures. Les phnomnes incertains (contacts, frottement, prcharges, jeux) globaliss
par les mconnaissances de base m
E
sur chaque sous-structure E entranent donc des in-
tervalles de variation des quantits dintrts (dplacements et transferts de charge). La
Figure 3.3 illustre le processus de propagation des mconnaissances de base.
3.3.2 Propagation en dynamique
Les premiers travaux sur la propagation des mconnaissances de base ont t dvelop-
ps en dynamique des structures, et plus particulirement en vibrations libres [Ladevze
et al., 2004, Puel, 2004]. Ltude du calcul thorique des mconnaissances effectives dans
ce cas de sollicitation est dtaille dans cette partie.
Pour ce type de problme, les quantits tudies sont les pulsations propres
i
et les
modes propres de vibration
i
associs au problme aux valeurs propres suivant :
(K
2
i
M)
i
= 0 (3.15)
o Ket Msont respectivement, la matrice de rigidit lments nis et la matrice de masse
lments nis de la structure tudie. Le but ici est donc de retrouver les valeurs des
mconnaissances effectives
mod
(P) et
+
mod
(P) partir de la dnition des mcon-
naissances de base (cf. quation (3.2)).
Mconnaissances effectives sur la pulsation propre La quantit tudie est donc
i
.
Aprs propagation des mconnaissances de base on peut obtenir les bornes
2+
i mod
() et
contexte incertain
t
e
l
-
0
0
6
7
5
7
4
1
,

v
e
r
s
i
o
n

1

-

1

M
a
r

2
0
1
2
Propagaton des mconnassances de base et obtenton
des densts de probabt des bornes
5 0 5 10
0
0.02
0.04
0.06
0.08
0.1
0.12
0.14
p
Chox d'un mode de
mconnassances pour
chaque ensembe
de connecteurs
-5 0 5 10
0
0.1
0.2
0.3
0.4
0.5
0.6
0.7
0.8
P
Cacu des fonctons
de rpartton des
bornes
Cacu de 'ntervae standard I(P) avec une probabt P donne
0
Obtenton des
mconnassances
effectves
FIGURE 3.3: Calcul des mconnaissances effectives sur la quantit dintrt
mod
contexte incertain
t
e
l
-
0
0
6
7
5
7
4
1
,

v
e
r
s
i
o
n

1

-

1

M
a
r

2
0
1
2
2
i mod
() suivantes :
2
i mod
() = 2

E
m
E
()e
E
(
i
) (3.16)
2+
i mod
() = 2

E
m
+
E
()e
E
(
i
) (3.17)
Lexpression des bornes
2+
i mod
() et
2
i mod
() est ensuite utilise pour trouver un
intervalle standard de probabilit P. Les bornes de lintervalle standard
2+
i mod
(P) et
2
i mod
(P) (les mconnaissances effectives) sont ensuite calcules et sont utilises pour
dnir lintervalle de conance.
Mconnaissances effectives sur les modes propres La quantit tudie est ici
i
. Les
mconnaissances de base tant des quantits scalaires, seules des quantits scalaires peuvent
tre calcules en tant que mconnaissances effectives. En pratique, lintervalle de conance
sera recherch en un degr de libert donn dun mode propre ou sur la projection, selon
une direction donne, dun mode propre. Les dtails du calcul thorique des mconnais-
sances effectives de ces quantits peuvent tre consults dans [Ladevze et al., 2004, Puel,
2004]. Nous ne donnerons ici que lexpression des bornes aprs propagation des mcon-
naissances de base suivantes :
ki mod
() =
1
2

E
_
m
E
()e
E
(U +
i
) +m
+
E
()e
E
(U
i
)
_
(3.18)
+
ki mod
() =
1
2

E
_
m
+
E
()e
E
(U +
i
) +m
E
()e
E
(U
i
)
_
(3.19)
Le vecteur U est fonction des modes propres
i
et de la matrice de masse. Grce ces ex-
pressions, on peut dterminer les valeurs des bornes
+
ki mod
(P) et
ki mod
(P) associes
lintervalle standard de probabilit P, qui sont au nal, les mconnaissances effectives
sur la valeur du degr de libert k du mode propre
i
. Nous rappelons que les dtails de
ces propagations en dynamique sont prsents dans [Ladevze et al., 2004, Puel, 2004].
3.3.3 Propagation en quasi-statique
Cette partie concerne lapplication de la thorie des mconnaissances des problmes
de statique [Enjalbert, 2009, Louf et al., 2010] pour des modles linaires. Lobjectif est
de modliser les incertitudes concernant des quantits telles que la contrainte mcanique
ou les dplacements en certains points de la structure. Tout comme les types de propa-
gations prcdentes, cette reprsentation des incertitudes seffectue en supposant que les
origines des dispersions peuvent tre traduites par des variations dnergie de dforma-
tion des connecteurs. An deffectuer la propagation des mconnaissances de base dans le
contexte incertain
t
e
l
-
0
0
6
7
5
7
4
1
,

v
e
r
s
i
o
n

1

-

1

M
a
r

2
0
1
2
cadre de sollicitations statiques, on dnit x la solution de lquation dquilibre statique :
Kx = F (3.20)
o K est la matrice de rigidit lments nis de la structure tudie et F le vecteur des ef-
forts gnraliss. Dans ce cas galement, le processus de propagation revient dterminer,
pour une quantit dintrt , lcart entre la valeur quon peut attendre dune structure
relle () et la valeur issue du modle dterministe . Cela revient donc trouver les
bornes
+
() et
() telles que :
() ()
+
() (3.21)
La propagation des mconnaissances dans le cas de problmes de statique est utilise dans
la suite de ltude pour lapplication aux assemblages de xations. On peut exprimer la
quantit en fonction de la solution lments nis x telle que :
= b
T
x = (K
1
b)
T
F (3.22)
o b est loprateur dextraction associ la quantit . Si les mconnaissances de base
sont assez faibles, ce qui implique que K le soit aussi, une linarisation peut tre effec-
tue :
=F
T
K
1
(K)K
1
b
=x
T
(K)x
b
(3.23)
avec x
b
=K
1
b. Cette quation peut tre interprte comme une diffrence de deux pro-
duits scalaires :
=x, x
b
x, x
b
=

E
x, x
b
E
x, x
b
E
(3.24)
les produits scalaires tant dnis de la faon suivante :
x, y
_
= x
T
Ky et

x, y
_
E
= x
T
K
E
y (3.25)
x, y
__
= x
T
Ky et

x, y
__
E
= x
T
K
E
y (3.26)
An de pouvoir exprimer en fonction de la relation (3.2), le produit scalaire x, x
b
E
peut tre reformul de la faon suivante :
x, x
b
E
=
1
4
(x +x
b
, x +x
b
E
x x
b
, x x
b
E
) (3.27)
contexte incertain
t
e
l
-
0
0
6
7
5
7
4
1
,

v
e
r
s
i
o
n

1

-

1

M
a
r

2
0
1
2
Pour trouver le meilleur encadrement possible de x, x
b
E
, on introduit un scalaire
E
pour
chaque sous-structure tel que :
x, x
b
E
=
1
4
E
(x +
E
x
b
, x +
E
x
b
E
x
E
x
b
, x
E
x
b
E
) (3.28)
En utilisant la relation (3.2), les bornes des produits scalaires prcdents peuvent tre
calcules :
x, x
b
E

1
4
E
__
1+m
+
E
()
_
x +
E
x
b
, x +
E
x
b
_
1m
E
()
_
x
E
x
b
, x
E
x
b
(3.29)
x, x
b
E

1
4
E
__
1m
+
E
()
_
x +
E
x
b
, x +
E
x
b
_
1+m
E
()
_
x
E
x
b
, x
E
x
b
(3.30)
Les bornes de la relation (3.21) peuvent tre rcrites de la forme suivante :
+
() =

EE
_
_
m
+
E
() +m
E
()
_
x, x
E
+
2
E
x
b
, x
b
E
4
E
1
2
_
m
+
E
() m
E
()
_
x, x
b
E
_
(3.31)
() =

EE
_
_
m
+
E
() +m
E
()
_
x, x
E
+
2
E
x
b
, x
b
E
4
E
+
1
2
_
m
+
E
() m
E
()
_
x, x
b
E
_
(3.32)
An de minimiser lcart (
+
+
) par rapport
E
, les relations suivantes sont sup-
poses vries pour chaque sous-structure E :
(
+
+
E
= 0 (3.33)
2
(
+
+
E
0 (3.34)
Pour chaque sous-structure, les variables scalaires
E
vriant lquation (3.33) peuvent
sexprimer de la faon suivante :
E
=
E
x, x
E
x
b
, x
b
E
avec
E
=1 (3.35)
contexte incertain
t
e
l
-
0
0
6
7
5
7
4
1
,

v
e
r
s
i
o
n

1

-

1

M
a
r

2
0
1
2
De plus, la vrication de lquation (3.34) entrane :
l
E
=
x, x
E
x
b
, x
b
E
(3.36)
Cette expression de
E
permet galement de vrier que lcart (
+
+
) reste positif.
Finalement les bornes optimales sont calcules :
+
() =

EE
_
1
2
_
m
+
E
() +m
E
()
_
(x, x
E
)
1
2
(x
b
, x
b
E
)
1
2
1
2
_
m
+
E
() m
E
()
_
x, x
b
E
_
(3.37)
() =

EE
_
1
2
_
m
+
E
() +m
E
()
_
(x, x
E
)
1
2
(x
b
, x
b
E
)
1
2
+
1
2
_
m
+
E
() m
E
()
_
x, x
b
E
_
(3.38)
De faon similaire aux deux prcdents types de propagation des mconnaissances de
base, on peut dduire, grce lexpression des bornes de , un intervalle standard de
probabilit P, [
(P),
+
(P)] dont les bornes sont les mconnaissances effectives.
3.4 Recalage des mconnaissances de base
Quelque soit le type de problme mcanique abord, nous venons de voir que le re-
cours la thorie des mconnaissances peut tre une stratgie efcace pour la prise en
compte des incertitudes sur des structures de grande chelle. Ce processus seffectue par
lintermdiaire dune globalisation de ces incertitudes lchelle des sous-structures. Le
rle que jouent les donnes issues de mesures exprimentales est primordial en vue de va-
lider le modle avec mconnaissances. En effet, lors de la dnition des mconnaissances
de base, les lois de probabilit sont habituellement choisies a priori avec de grands ni-
veaux de dispersion. Vient ensuite une tape de recalage de ces lois de probabilit par
rapport aux donnes. Cette tape peut tre vu comme la dnition dun problme inverse
[Bonnet et Constantinescu, 2005] dans lequel on cherche retrouver un jeu de paramtres
dentre (mconnaissances de base), compatibles avec des donnes de sorties, exprimen-
tales ou numriques, que lon considre comme donnes de rfrence. Nous utiliserons
comme donnes de rfrence, dans cette partie de recalage, les donnes issues de la simu-
lation de Monte Carlo obtenues dans la partie 2.3.
ces donnes simules seront associes deux valeurs [
exp
(P),
+
exp
(P)] qui,
pour une valeur P donne, encadrent une proportion P des valeurs simules de la quantit
exp
=
exp
. La mthode consiste dnir des mconnaissances de base majorantes
par rapport aux donnes simules pour pourvoir les rduire lors du recalage. Ce re-
calage consiste ensuite utiliser lapport dinformation fournie par les donnes simules
contexte incertain
t
e
l
-
0
0
6
7
5
7
4
1
,

v
e
r
s
i
o
n

1

-

1

M
a
r

2
0
1
2
et les comparer aux mconnaissances effectives [
(P),
+
(P)]. En pratique, on
minimise une fonction cot qui traduit lcart entre lintervalle [
exp
(P),
+
exp
(P)] et
lintervalle [
(P),
+
(P)]. Dans la suite de ltude, Les donnes simules seront
supposes reprsenter parfaitement le comportement de la structure relle. La Figure 3.4
illustre le principe gnral du recalage des mconnaissances de base. tant en prsence
de plusieurs mconnaissances de base, le recalage se dcompose en plusieurs tapes. Tout
dabord, une paire {mconnaissances de base m
i
; quantit dintrt
i
} est choisie au
pas i. Quand les mconnaissances de base m
i
sont recales sur la quantit
i
, un autre
pas j est effectu an de recaler dautres mconnaissances de base m
j
sur la quantit
dintrt
j
. Gnralement, on sarrange pour choisir les mconnaissances de base et les
quantits dintrt telles que m
i
,= m
j
et
i
,=
j
. Toute la difcult de cette partie rside
dans le choix de la paire {mconnaissances de base m
i
; quantit dintrt
i
} chaque
pas du recalage. Pour cela, une tude de sensibilit base sur les nergies de dformation
par sous-structure est propose pour slectionner les paires ainsi que lordre de recalage.
Le principe de cette tude de sensibilit a t dtaill dans [Puel, 2004] et [Ladevze
et al., 2006c]. La mthode se base sur ltude des termes constituant lexpression des
mconnaissances effectives (cf. quations (3.37) et (3.38)) :
1. sur chaque sous-structure, les termes (x, x
E
)
1
2
(x
b
, x
b
E
)
1
2
et x, x
b
E
sont
compars pour chaque disponible ;
2. la sous-structure (E) ayant la plus grande inuence sur une quantit est choisie
pour le recalage au pas i. De ce fait, m
i
= m
E
et
i
=;
3. en modiant les mconnaissances de base m
i
(modication de leur loi de probabi-
lit), les mconnaissances effectives du modle [
i
i
;
i
+
+
i
] sont ajustes
autour de lintervalle des valeurs simules [
i
i exp
;
i
+
+
i exp
].
Le processus est ensuite rpt pour un pas j en ignorant gnralement les mconnais-
sances m
i
et la quantit
i
si le recalage au pas i a atteint un critre de prcision conve-
nable. Le critre choisi dans cette application est un critre de moindre-carr par rapport
aux bornes de lintervalle simul. Ce critre est donc appliqu chaque tape n3 du
recalage et pour chaque pas. Le problme consiste minimiser e
2
tel que :
e
2
= (
+
i

+
i exp
)
2
+(
i exp
)
2
(3.39)
avec les conditions supplmentaires :
i exp
et
+
i exp

+
i
. Cette minimisation est
mise en application grce une mthode de gradient numrique.
4 Application au cas industriel
Les principes de la construction du modle avec mconnaissances ayant t tablis,
cette partie illustre son application sur la xation boulonne employe la partie 3. Lob-
jectif principal de cette partie est de russir englober les comportements issus de la
famille de structures simules avec un modle avec mconnaissances se basant sur un
contexte incertain
t
e
l
-
0
0
6
7
5
7
4
1
,

v
e
r
s
i
o
n

1

-

1

M
a
r

2
0
1
2
Application au cas industriel 103
Chox de a quantt d'ntrt sur aquee
rdure une mconnassance de base
5 0 5 10
0
0.02
0.04
0.06
0.08
0.1
0.12
0.14
p
0
Chox de a mconnassance de base
(appque sur a sous-structure E)
rdure
Rducton des mconnassances
de base
Rducton de 'ntervae de varaton
|usqu' 'encadrement e pus prcs
des donnes exprmentaes
FIGURE 3.4: Principe de recalage des mconnaissances de base
contexte incertain
t
e
l
-
0
0
6
7
5
7
4
1
,

v
e
r
s
i
o
n

1

-

1

M
a
r

2
0
1
2
modle dterministe linaire. Les rsultats recueillis sont issus du schma propos : d-
nition, propagation et recalage des mconnaissances de base. Avant danalyser les diff-
rents rsultats, un paragraphe est ddi lexplication des mthodes numriques utilises
permettant mettre en pratique la stratgie propose.
4.1 Implmentation numrique
Cette partie implique lutilisation de deux types de modle numrique. Le premier
type de modle est non linaire et utilis pour des essais numriques an dobtenir un vo-
lume de donnes ncessaire au recalage du modle avec mconnaissances. Le deuxime
type de modle est linaire et est considr comme le modle dterministe sur lequel se
base le modle avec mconnaissances. Ces deux types de modle sont implments avec
le logiciel ABAQUS. Les gomtries, les conditions aux limites, les comportements ainsi
que les maillages sont raliss sous ABAQUS/CAE. Les calculs sont quant eux effectus
sous ABAQUS/Standard, soit pour raliser les simulations de Monte Carlo concernant les
essais numriques, soit pour exporter les matrices de rigidit dans le cas du modle li-
naire dterministe. Ces matrices sont ensuite importes dans le logiciel MATLAB an
de procder au recalage du modle dterministe, lapplication des mconnaissances et
au recalage des mconnaissances de base. La Figure 3.5 illustre les diffrentes tapes
numriques de la stratgie. On peut remarquer que lapplication de la thorie des m-
connaissances ne modie en rien la rsolution du problme mcanique, qui seffectue ici
sous des codes lments nis standard. Ceci montre bien le caractre non intrusif de la
stratgie.
4.2 Dnition et propagation des mconnaissances de base
Pour commencer, la structure boulonne est modlise par un ensemble de sous-
structures E (E E, Etant la structure complte). Comparativement la sous-structuration
choisie dans le Chapitre 2, chaque plaque constitue une sous-structure. galement, les
groupes de connecteurs suivants sont considrs comme sous-structures :
sous-structure 1 : connecteurs 1 et 2 ;
sous-structure 2 : connecteurs 3, 4, 5 et 6 ;
sous-structure 3 : connecteurs 7, 8, 9 et 10.
Les sous-structures E = 4, . . . , 10 reprsentent les plaques. Concernant la dnition
des mconnaissances de base, on choisit daffecter ces variables seulement sur les sous-
structures de connecteurs. Les incertitudes portant sur le comportement des plaques est
suppos ngligeable comparativement celui des xations. Pour chaque sous-structure de
connecteurs, un couple de mconnaissance de base est affect aux raideurs hors-plan (plan
des plaques) des connecteurs (m
Eout
), et un autre aux raideurs dans le plan (m
Ein
). Fina-
lement, cela revient considrer 6 paires de mconnaissances de base : m
1in
, m
1out
, m
2in
,
m
2out
, m
3in
, m
3out
. La propagation seffectue ensuite partir de chaque mconnaissance
de base en appliquant les formules des quations (3.37) et (3.38). Les mconnaissances
effectives sont calcules pour les quantits locales suivantes :
contexte incertain
t
e
l
-
0
0
6
7
5
7
4
1
,

v
e
r
s
i
o
n

1

-

1

M
a
r

2
0
1
2
Craton des
matrces
ABAOUS/Standard
Craton du mode
ABAOUS/CAE
Converton des
matrces en fchers
MATLAB
Scrpts Python
Recaage du
mode
dtermnste
MATLAB
Recaage du
mode avec
mconnassances
MATLAB
Essas vrtues
Smuaton de
Monte Caro et
ABAOUS/Standard
Mode avec
mconnassances
reca
Mode database (.mdb)
Input fes (.np)
Matrces au format
ABAOUS
Matrces au format
MATLAB
Mode nare
dtermnste reca
Moyenne des quantts d'ntrt
Intervaes de dsperson
FIGURE 3.5: Schma de limplmentation numrique
contexte incertain
t
e
l
-
0
0
6
7
5
7
4
1
,

v
e
r
s
i
o
n

1

-

1

M
a
r

2
0
1
2
le dplacement selon laxe x aux points 1, 2, 3 et 4 de la Figure 2.25 ;
leffort transmis selon laxe x au point 2 de la mme gure.
Les valeurs des mconnaissances de base sont dnies a priori. An de commencer le
processus de recalage avec des bornes surdimensionnantes, on choisit pour loi de pro-
babilit associe chaque mconnaissance de base m
+
E
et m
E
, une loi normale centre
tronque avec [m
+
E
; m
E
] = [0, 7; 0, 7].
4.3 Recalage des mconnaissances de base
Le recalage des mconnaissances de base seffectue conformment aux principes
noncs dans la Partie 3.4. Les donnes simules sont utilises an de valider le mo-
dle avec mconnaissances. Lapplication des mconnaissances sur chaque sous-structure
implique le recalage de 6 paires de mconnaissances de base. La Figure 3.6 illustre le
comparatif des nergies associes chaque quantit dintrt tudie introduit dans la
Partie 3.4.
0
0.2
0.4
0.6
0.8
1
R
a
p
p
o
r
t

n
e
r
g
t
i
q
u
e

m
1
in
m
1
out
m
2
in
m
2
out
m
3
in
m
3
out
Q
2
U
4
U
3
U
2
U
1
FIGURE 3.6: Rapports nergtiques des quantits dintrt
=

EE
_
_
1
2
_
m
+
E
() +m
E
()
_
(x, x
E
)
1
2
(x
b
, x
b
E
)
1
2
. .
C
E
1
1
2
_
m
+
E
() m
E
()
_
x, x
b
E
. .
C
E
2
_
_
(3.40)
contexte incertain
t
e
l
-
0
0
6
7
5
7
4
1
,

v
e
r
s
i
o
n

1

-

1

M
a
r

2
0
1
2
Chaque barre reprsente la somme :
S
=

EE
_
C
E
1
+C
E
2
_
(3.41)
pour une quantit dintrt (cf. equation (3.40)). Chaque partie colore reprsente le
terme (C
E
1
+C
E
2
) associ la sous-structure E. La comparaison de ces termes nerg-
tiques revient faire une analyse de sensibilit sur les mconnaissances de base. Pre-
mirement, cette tude souligne le fait que les mconnaissances de base m
2out
et m
3out
nont que trs peu dinuence sur les quantits dintrt tudies. Pour ce cas de charge-
ment, cela signie que les variations de comportement concernant les raideurs hors plan
des sous-structures 2 et 3 nont quasiment pas dinuence sur les variations obtenues sur
les quantits tudies. Deuximement, la gure montre que les mconnaissances de base
m
2in
ont une inuence majeure sur les quantits U
2
et U
3
(environ 90% du rapport ner-
gtique). Sachant que lnergie de dformation est plus importante pour U
2
que pour U
3
,
la stratgie de recalage propose est la suivante :
recalage de U
2
avec m
2in
;
recalage de U
1
avec m
3in
;
recalage de Q
2
avec m
1out
.
La Table 3.1 compare les intervalles de variation simuls avec les mconnaissances effec-
tives. Elle donne les valeurs des bornes (simules et mconnaissances effectives) ainsi que
leur valeur relative par rapport la moyenne des valeurs simules. La Table 3.2 montre
lvolution avant et aprs le recalage des valeurs de [m
E
; m
+
E
] des mconnaissances.
Intervalle simul Mconnaissances effectives
U
1
(mm) [5.77 10
1
, 7.00 10
1
] [5.63 10
1
, 7.15 10
1
]
[9.6%, +9, 6%] [ -11.8%,+11.9%]
U
2
(mm) [3.17 10
1
, 3.78 10
1
] [3.11 10
1
, 3.82 10
1
]
[8.8%, +8.8%] [ -10.4%,+9.8%]
U
3
(mm) [1.11 10
1
, 1.20 10
1
] [1.00 10
1
, 1.43 10
1
]
[3.7%, +3.7%] [ -13.1%,+23.5%]
U
4
(mm) [5.20 10
1
, 6.34 10
1
] [4.90 10
1
, 6.54 10
1
]
[9.9%, +9.9%] [ -15.1%,+13.4%]
Q
2
(N) [18049, 18159] [17714, 18267]
[0.3%, +0.3%] [ -2.1%,+0.9%]
TABLE 3.1: Rsultats du recalage du modle avec mconnaissances
La Figure 3.7 reprsente les intervalles simuls ainsi que les mconnaissances ef-
fectives avant (vert clair) et aprs (vert fonc) le recalage des mconnaissances de base.
Toutes les bornes sont traces en valeur relative par rapport la valeur moyenne des
donnes simules. Pour rappel, les donnes simules que lon cherche encadrer sont ob-
tenues par le modle gomtrique illustr la Figure 2.24. Les xations sont modlises
contexte incertain
t
e
l
-
0
0
6
7
5
7
4
1
,

v
e
r
s
i
o
n

1

-

1

M
a
r

2
0
1
2
m
2in
m
3in
m
1out
Mconnaissances [m
E
; m
+
E
] [0.7, 0.7] [0.7, 0.7] [0.7, 0.7]
de base initiales
Mconnaissances [m
E
; m
+
E
] [0.31, 0.31] [0.65, 0.65] [0.7, 0.7]
de base recales
TABLE 3.2: volution des mconnaissances de base
par des connecteurs linaires. Les plaques de la structure sont en contact avec frottement.
Enn, les connecteurs sont prchargs pour simuler lopration de serrage des boulons.
Les variations de comportement sont obtenues par une simulation de Monte Carlo, les
prcharges et les rigidits des connecteurs tant modlises par des variables alatoires.
Les rsultats du recalage montrent le bon comportement de la rduction des mcon-
naissances de base. En effet, lalgorithme na besoin que de trs peu ditrations (5 envi-
ron) avant convergence. On remarque galement que la qualit des rsultats obtenus pour
les points 1 et 2 sont nettement meilleurs que ceux des points 3 et 4. Pour ces deux derniers
points, on peut supposer que le fait dtre dans des zones o le contact joue fortement dans
le modle non linaire, alors quil nest pas reprsent dans le modle linaire, inue sur
la qualit des rsultats. Nous pourrons remarquer que les rsultats restent conservatifs.
On pourra nalement rappeler limportance de la phase de recalage du modle dter-
ministe par rapport la qualit de ces rsultats. En effet, un mauvais recalage dterministe
aurait entran des intervalles calculs dcentrs par rapport au intervalles simuls de rf-
rence. La phase de recalage des mconnaissances de base naurait eu que trs peu deffets
sur les rsultats.
20% -20% 20% -20%
20% -20% -20%
20% -20%
U
1
U
2
U
3
U
4
O
2
Bornes smues
Mconnassances effectves
20%
FIGURE 3.7: Intervalles obtenus par simulation de Monte Carlo (modle non-linaire) et
par la thorie des mconnaissances
contexte incertain
t
e
l
-
0
0
6
7
5
7
4
1
,

v
e
r
s
i
o
n

1

-

1

M
a
r

2
0
1
2
4.4 Conclusions
Dans cette partie, lobjectif a t dutiliser le modle dterministe recal obtenu au
Chapitre 2 an dy ajouter une reprsentation des variabilits, toujours dans un contexte
danalyse descendante. Le modle avec mconnaissances obtenu a permis de gnrer des
donnes sur le comportement de la structure avec une estimation des incertitudes qui lui
sont associes. Les rsultats de ce modle permettront ensuite de localiser les zones les
plus charges an de procder une ranalyse locale plus complexe. Le modle avec m-
connaissances est constitu dun modle dterministe (ici recal) associ la thorie des
mconnaissances. Dans un premier temps, nous avons pu recaler le modle dterministe
en utilisant les donnes simules an quil reprsente au mieux lensemble des structures
simules. Ensuite, la thorie des mconnaissances a pu tre applique sur les diffrentes
sous-structures du modle de xations boulonnes. Et enn, ce modle avec mconnais-
sances a galement t recal avec les donnes simules an dobtenir la reprsentation la
plus dle possible de la ralit (simule dans notre cas). Les rsultats obtenus conrment
nalement lefcacit de la stratgie propose. Cependant plusieurs dveloppement res-
tent effectuer :
llaboration dune technique didentication de la sous-structuration construire
an doptimiser au mieux lapplication de la thorie des mconnaissances ;
limplmentation globale du code de calcul dans lenvironnement ABAQUS an
dtre en mesure dappliquer plus naturellement la stratgie propose sur des cas
industriels.
contexte incertain
t
e
l
-
0
0
6
7
5
7
4
1
,

v
e
r
s
i
o
n

1

-

1

M
a
r

2
0
1
2
contexte incertain
t
e
l
-
0
0
6
7
5
7
4
1
,

v
e
r
s
i
o
n

1

-

1

M
a
r

2
0
1
2
Chapitre 4
Perspectives pour une utilisation plus
grande chelle
Dans ce dernier chapitre, nous introduisons lapplication
de cette stratgie sur des cas plus svres de modlisa-
tion de xations. Le systme tudi, la stratgie de dimen-
sionnement, mais aussi les limitations de la mthode sont
prsents dans ce chapitre. Un des points importants de
cette partie sera dobserver lextensibilit de la modlisa-
tion des xations des structures de plus grande chelle.
Sommaire
1 Contexte industriel . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 112
2 Exemple trait . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 112
3 Approche propose . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 114
3.1 Construction des mesures de rfrence . . . . . . . . . . . . . . . . 115
3.2 Construction du modle simpli . . . . . . . . . . . . . . . . . . 116
3.3 Limitations rencontres lors du recalage de modle simpli . . . . 116
3.4 Conclusion . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 117
contexte incertain
t
e
l
-
0
0
6
7
5
7
4
1
,

v
e
r
s
i
o
n

1

-

1

M
a
r

2
0
1
2
112 Perspectives pour une utilisation plus grande chelle
1 Contexte industriel
Un des objectifs de ce chapitre est de gnraliser la mthode de dimensionnement
propose pour des lments de xation de plus grande taille. En effet, jusqu prsent, les
lments dimensionns lors de lapplication de la stratgie ont t les ensembles de bou-
lons ou de rivets. Dans certains cas pourtant, reprsenter des sous-ensembles de xations
par des connecteurs (dans le modle linaire simpli) peut se rvler tre intressant
lorsque les xations sont utilises de faon rptitive sur une structure globale. Plusieurs
questions peuvent tre souleves dans ce cas l. Tout dabord, il est important de savoir
si le fait de reprsenter une sous-structure, contenant cette fois-ci plus de non-linarits,
par un connecteur linaire reste acceptable. Le deuxime point est de vrier si la glo-
balisation de toutes les incertitudes de la sous-structure par une mconnaissance reste
convenable. Le problme quil se pose est de savoir si lensemble des paramtres incer-
tains prsents dans la sous-structure peut tre globalis par une mconnaissance lorsque
celle-ci est constitue de plusieurs xations boulonnes ou rivetes.
Cette partie aura donc pour but dtudier le comportement de la stratgie lorsquun
connecteur est utilis pour reprsenter plusieurs xations. Dans ce cas, on ajoute au mo-
dle de connecteur une chelle de modlisation plus grande. La Figure 4.1 illustre la
stratgie telle que prsente dans les chapitres prcdents. La Figure 4.2 prsente quant
elle la stratgie telle que nous la proposons dans ce chapitre pour des structures de plus
grande chelle. Une modlisation des xations semblable celle des chapitres prcdents
naurait pas t justie cette chelle dtude. En effet, cette chelle, les interactions
entre les xations sont trs fortes et les distinguer avec diffrents modles avec mcon-
naissances ne semble pas ncessaire et pertinent. De plus, le travail de recalage doit tre
ralis une chelle pour laquelle les donnes de rfrence sont disponibles. Dans de trs
nombreux cas pour les structures de grande taille, les modles avec mconnaissances se-
ront construits partir du comportement de famille de structures de plus petites chelles.
Enn, ces chelles, il peut y avoir beaucoup trop de liaisons pour quun travail de reca-
lage puisse tre effectu.
En dnitive, ce chapitre permet de vrier lextensibilit de la stratgie dans des
conditions plus svres de modlisation.
2 Exemple trait
Le support sur lequel la stratgie est applique est une structure simple compose de
4 pices : une sous-structure lance, xe par lintermdiaire de 3 sous-structures de
xations une structure rigide. Une vue schmatique de lassemblage est prsente sur
la Figure 4.3. Ce type de structures est tudi car il est assez frquent dans lindustrie
aronautique. Les sous-structures sont constitues de 8 xations boulonnes, 4 xations
sont relies la structure lance et les 4 autres la structure rigide. Dans cet exemple,
le matriau des plaques de la structure souple des structures de xation est en aluminium.
contexte incertain
t
e
l
-
0
0
6
7
5
7
4
1
,

v
e
r
s
i
o
n

1

-

1

M
a
r

2
0
1
2
Exemple trait 113
Z
Y
X
Y
X
FIGURE 4.1: Stratgie de modlisation envisage au Chapitre 2

FIGURE 4.2: Stratgie de modlisation envisage pour les structures de trs grande taille
contexte incertain
t
e
l
-
0
0
6
7
5
7
4
1
,

v
e
r
s
i
o
n

1

-

1

M
a
r

2
0
1
2
Structure soupe
Structure rgde
Fxatons
1
1
0
0
1
0
0
FIGURE 4.3: Vue schmatique de lassemblage tudi
Tout comme les ensembles traits dans les chapitres prcdents, lassemblage fait interve-
nir du contact avec frottement entre les plaques, des prcharges des boulons et des jeux de
fabrication. Tous ces paramtres sont galement considrs comme incertains et doivent
faire lobjet dune modlisation de leurs variations.
3 Approche propose
La technique retenue pour le dimensionnement de cet assemblage est le mme que
celle construite dans les chapitres prcdents. Elle consiste raliser les points suivants :
construction du modle simpli linaire de la structure complte ;
recalage du modle linaire de xation par rapport aux mesures de rfrence ;
application de la thorie des mconnaissances aux sous-ensembles de xations.
Ces trois points sont dtaills dans les sections suivantes. Dans un soucis de simplicit,
le modle simpli reprsentera la structure seulement sur son comportement 2D dans le
plan (x,y). Les rsultats obtenus permettront disoler les structures les plus charges pour
quelles soient soumises une ranalyse locale mettant en uvre une modlisation plus
complexe.
La diffrence avec les chapitres prcdents se place au niveau du recalage du modle
avec mconnaissances. En effet, les recalages (dterministe et des mconnaissances) ne
seront pas effectus sur des mesures issues du comportement de la structure complte
mais seulement sur des mesures issues du comportement de la structure de xation. Nous
nous plaons donc dans un contexte o la structure globale relle ne peut tre teste ex-
primentalement ou numriquement avec une modlisation complexe. Seuls des essais
(exprimentaux ou numriques complexes) peuvent tre raliss sur la structure de xa-
contexte incertain
t
e
l
-
0
0
6
7
5
7
4
1
,

v
e
r
s
i
o
n

1

-

1

M
a
r

2
0
1
2
Approche propose 115
tions.
Lobjectif est donc de construire un modle de connecteur avec mconnaissances re-
prsentant le comportement avec incertitude dune structure de xations reprsente sur
la Figure 4.3. Lutilit du recalage cette chelle est de construire un modle linaire de
xations avec mconnaissances prt tre utilis en trs grand nombre dans une mod-
lisations de structure grande chelle. Pour notre exemple, ce modle recal est ensuite
appliqu sur la structure globale aux trois points de xations. Les rsultats du compor-
tement du modle simpli avec mconnaissances pourra tre compar avec celui de la
structure relle.
Avant de dtailler les diffrents points de lapplication de la stratgie, nous prsentons
le mode dobtention des donnes de rfrence qui seront ici simules.
3.1 Construction des mesures de rfrence
Pour cet exemple, deux sries de simulations sont effectues. La premire consiste
reprsenter la structure de xations seule avec une modlisation plaque pour la structure.
Les boulons sont modliss par des lments connecteurs avec prcharge. Les connec-
teurs sont relis des lments rigides plaque en contact frottant avec la structure de
xations utilise pour appliquer le chargement. Le modle numrique est prsent sur
la Figure 4.4. Comme lapplication ralise aux chapitres prcdents, une simulation de
Z
Y
X
RP
RP
Connecteurs
Paques rgde fxe
Paque soupe
Paque rgde
dpacement mpos
FIGURE 4.4: Modle non linaire construit pour les essais numriques
Monte Carlo est effectue pour simuler les mesures de rfrence. Les raideurs des connec-
teurs (selon x, y et z) ainsi que leurs prcharges sont modlises par des variables ala-
toires. Six cas de chargement sont tudis : 3 dplacements selonx, y etz de 0, 01 mm, et
contexte incertain
t
e
l
-
0
0
6
7
5
7
4
1
,

v
e
r
s
i
o
n

1

-

1

M
a
r

2
0
1
2
3 rotations selonx, y etz de 0, 001 rad. Ces simulations permettent donc dobtenir 6 sries
de donnes simulant le comportement dune famille de structures.
La deuxime srie de simulations consiste raliser une simulation de Monte Carlo
sur une modlisation de la structure globale (cf. Figure 4.3). Le dtail du modle num-
rique est prsent sur la Figure 4.5. Les structures de xations sont identiques celles
FIGURE 4.5: Modle numrique de la structure globale (structure rigide non reprsente)
utilises avec la premire srie de simulation. La plaque souple est lie aux ensembles
de xations par des connecteurs prchargs. Le contact entre les plaques seffectue ga-
lement avec du frottement. les variables alatoires sont identiques celles de la premire
srie de simulations. Le chargement est obtenu en simulant un cas de dfaut de posi-
tionnement des structures de xations sur la structure rigide. Les rsultats collects sont
principalement les efforts rsiduels sur les structures de xations.
3.2 Construction du modle simpli
Le modle linaire est bas sur une modlisation poutre de la structure souple et une
modlisation par connecteurs des structures de xations. La structure rigide est quant
elle modlise par des nuds rigides en liaison avec les connecteurs. Ltude de cette mo-
dlisation se fera en 2D. Le schma de la structure linaire est prsent sur la Figure 4.6.
Les connecteurs sont composs de deux raideurs en dplacement selon x et y et une rai-
deur en rotation selonz. Ces trois paramtres seront les paramtres recaler dans la partie
suivante.
3.3 Limitations rencontres lors du recalage de modle simpli
Le recalage du modle dterministe seffectue ici au niveau du connecteur seul. Lob-
jectif est dapprocher la structure de xations comportement non linaire par un connec-
teur linaire. Le recalage seffectue avec plusieurs cas de chargement. Il faut donc modi-
er lquation (2.14) an de prendre en compte le comportement de ces trois chargements.
contexte incertain
t
e
l
-
0
0
6
7
5
7
4
1
,

v
e
r
s
i
o
n

1

-

1

M
a
r

2
0
1
2
Approche propose 117
Structure soupe
Structure rgde
Fxatons
1
8 7 6
5 4 3 2
FIGURE 4.6: Schma de la structure simplie
Le problme se rcrit de la faon suivante :
Trouver s = (U, []) S

ad
minimisant e
2
(s
) avec s
S
ad
avec :
e
2
(s) =
2
(s) +
r
1r
i
_
i
|
i
u
U
i
U
i
|
2
_
(4.1)
i et
i
tant respectivement le numro du cas de chargement et le coefcient pondrateur
du chargement i de tel sorte que :
i
|
i
u
U
i
U
i
|
2
=
j
|
i
u
U
j
U
j
|
2
avec i ,= j (4.2)
linitialisation du processus de recalage. Les cas de chargement sont les six sollicitations
simples (3 translations, 3 rotations) de lensemble de xations (cf. Figure 4.2).
Lors des essais de recalage, le processus nest pas parvenu obtenir un modle suf-
samment correct vis--vis des mesures. Ceci montre surement la limite dune telle ap-
proche de simplication. Les non linarits approcher avec un connecteur linaire pour-
rait tre trop nombreuses. Le modle dterministe simple rsultant de ce type dapproche
nest pas applicable la thorie des mconnaissance sans une amlioration du processus
de recalage ou du modle simpli. Une application du modle tel quel la thorie des
mconnaissances entrainerait des rsultats de trs mauvaise qualits, voire inutiles.
3.4 Conclusion
Dans ce chapitre, lextensibilit de la stratgie vers des structures plus grandes et
complexes a t test. Pour cela, une structure lance comportant des pattes de xation,
elles-mmes composes de plusieurs xations boulonnes, a t tudie. Plusieurs chan-
gements sont noter sur la stratgie employer :
les xations boulonnes tant trs localises par rapport la taille de la structure,
nous avons choisi de modliser une patte de xation entire par un connecteur ;
contexte incertain
t
e
l
-
0
0
6
7
5
7
4
1
,

v
e
r
s
i
o
n

1

-

1

M
a
r

2
0
1
2
le recalage des modles de connecteur avec mconnaissances a t effectu lchelle
de la patte de xation. Nous sommes partis ici du principe que lobtention de don-
nes exprimentales ou simules sur la structure globale nest pas possible.
La principale difcult sest prsente lors du recalage du modle dterministe du connec-
teur. En effet, le modle de connecteur est recal sur six chargements dune structure for-
tement non-linaire. Un effort de modlisation ou de recalage doit tre effectu sur ce
point l.
Employe sur ce type de structure, cette stratgie devient intressante pour le domaine
du tolrancement de pices exibles. En effet, dans ce domaine, on cherche intgrer
diffrents alas (gomtrie, comportement, . . .) une chelle grossire (poutre + connec-
teurs) an dtre capable de prvoir les conditions dassemblage de ces structures. Cette
perspective sera dveloppe dans la conclusion gnrale.
contexte incertain
t
e
l
-
0
0
6
7
5
7
4
1
,

v
e
r
s
i
o
n

1

-

1

M
a
r

2
0
1
2
Conclusion
Le travail de cette thse a consist construire une mthode de dimensionnement
principalement ddi aux assemblages boulonns ou rivets. Ces lments sont en effet
trs importants car souvent dimensionnants pour les assemblages de structures. Lobjectif
de cette mthode est de raliser un dimensionnement sur des structures de trs grande
taille (de lchelle de lassemblage de panneaux voire du tronon). Elle doit pouvoir tre
intgre naturellement dans les processus actuels de dimensionnement en bureau dtude.
Cependant, du fait des limitations informatiques actuelles, elle doit tre mise en place dans
un contexte o la modlisation des structures dimensionner ne peut se faire entirement
avec un modle numrique complexe. De plus, cette stratgie doit tre capable de prendre
en compte les effets des variations de comportement des xations (frottement, prcharge
et jeux de fabrication) sur le dimensionnement. Ce dernier point a permis davoir plus de
recul sur la notion de coefcient de scurit.
La stratgie propose a t construire sur lutilisation de deux chelles dobservation
dans le cadre dune analyse descendante. Cette technique a t choisie pour sa simplicit
dutilisation ainsi que de sa popularit auprs des industriels.
Sur le plan technique, elle impose lutilisation de deux chelles de modlisation des
xations. De plus, une modication doit y tre apporte pour prendre en compte les ef-
fets des incertitudes sur les rsultats. Ces deux points (cration du modle dterministe de
xation et application de la prise en compte des incertitudes) sont les principaux travaux
abords dans cette thse. Lobjectif de cette stratgie est de pouvoir calculer une esti-
mation des transferts de charge et ainsi obtenir les xations susceptibles dtre les plus
charges. Ensuite, ces zones de xations o la probabilit dinitiation de phnomnes
dendommagement est la plus leve sont isoles et une ranalyse locale y est applique
avec lutilisation de modles plus complexes comparativement ltape globale. Ltape
de ranalyse locale na pas t traite dans cette thse.
Le choix du modle de xation a t le premier problme rencontr. La construction
dun modle de connecteur linaire a t bas sur les modles semi-empiriques utiliss
dans lindustrie. Cependant, dans certains cas de chargement, ces modles peuvent ne
pas reprsenter convenablement le comportement rel des xations. Ces connecteurs ont
donc fait lobjet dun recalage de modle dterministe bas sur lerreur en relation de
comportement.
Les processus de recalage se sont effectus en se basant sur des mesures simules
contexte incertain
t
e
l
-
0
0
6
7
5
7
4
1
,

v
e
r
s
i
o
n

1

-

1

M
a
r

2
0
1
2
120 Conclusion
sur des modles non linaires reprsentant la structure tudie. Les premiers rsultats ont
montr quelques faiblesses du point de vue de sa robustesse vis--vis de linitialisation du
recalage. Un modle modi ( connecteur rigidi ) a t cr an damliorer la mod-
lisation initiale du connecteur. Lide de cette construction se base tout dabord sur le fait
que lutilisation de modlisations simplies avec connecteurs empiriques mne souvent
de gros dsquilibres de rigidit entre la structure et le connecteur. Le comportement
du connecteur sur le comportement global de la structure sapparente le plus souvent
une liaison complte. galement, il a t not quavec une modlisation avec plaques et
connecteurs, la gomtrie de la xation boulonne nest pas prise en compte. Une amlio-
ration a donc t propose sur la modlisation des connecteurs. Cette tude a fait lobjet
dune publication dans [Gant et al., 2011]. On pourra noter que ce travail pourra ais-
ment sintgrer dans les processus industriels automatiques de modlisation des jonctions
boulonnes. Lors de ces processus, les donnes dentre sont la gomtrie de la structure
et la position des xations. Un maillage est ensuite construit grce la gomtrie de la
structure et une insertion automatique de patchs de xation. La Figure 4.7 illustre
ce processus.
Ltape suivante a consist modliser les sources dincertitudes prsentes dans les
xations. Lapplication de la thorie des mconnaissances a t choisie pour laspect glo-
balisation des incertitudes quelle met en uvre. Cette globalisation des sources de varia-
tions prsentes dans une xation permet dobtenir une approche trs simple comparative-
ment aux mthodes stochastiques, et reste cohrente vis--vis du modle de connecteur
global utilis. Le modle avec mconnaissances obtenu a pu montrer ces performances
concernant la qualit des rsultats prdis. De plus lutilisation dun modle avec mcon-
naissances convenablement recal a permis de rduire considrablement le temps de cal-
cul ncessaire comparativement une simulation de Monte Carlo. Ces travaux ont donn
lieu un article [Gant et al., 2012] actuellement en rvision.
Le choix de ces techniques nous a permis deffectuer une implmentation numrique
en couplant un code de recherche avec le code EF standard ABAQUS. Lintrt dune
telle implmentation pour lindustrie est quelle reste non intrusive. Le code de recherche
a t ralis sous le logiciel Matlab. Pour une meilleure implmentation de ce code avec
lenvironnement dABAQUS, une adaptation pourrait tre effectue en langage Python.
La stratgie a ensuite t applique sur des structures assembles de plus grande taille.
Lobjectif a t de tester sa robustesse vis--vis de la modlisation par connecteurs. En ef-
fet dans ce cas l, les xations sont regroupes trs localement sur la structure, ce qui
entrane un fort couplage de leur comportement. De plus, une modlisation de chaque
xation par un connecteur serait trop lourde et non pertinente cette chelle et avec ce
type de modlisation. Le choix a donc t dutiliser un seul connecteur pour la modlisa-
tion dun ensemble de xations. Cette partie a rvl des difcults de convergence lors
de lapplication du recalage dterministe. Tout dabord, nous pouvons remettre en cause
la modlisation linaire cense reprsenter un comportement non-linaire de la structure.
contexte incertain
t
e
l
-
0
0
6
7
5
7
4
1
,

v
e
r
s
i
o
n

1

-

1

M
a
r

2
0
1
2
Conclusion 121
Z
Y
X
X
Y
Z
X
Y
Z
X
Y
Z
Recuperation de la geometrie CAO
Chargement de "patchs"
de fxaton
Craton du maage
de a structure
Assembage de
a structure compte
Maillage prt tre utilise
FIGURE 4.7: Processus de maillage automatique des xations
contexte incertain
t
e
l
-
0
0
6
7
5
7
4
1
,

v
e
r
s
i
o
n

1

-

1

M
a
r

2
0
1
2
122 Conclusion
Une solution alternative aurait pu tre de modier et de complexier le modle de connec-
teur. Mais cela aurait dgrader considrablement lintrt de lutilisation dun tel modle.
Une meilleur solution serait plutt de modier le modle de mconnaissances pour quil
intgre directement une reprsentation de ce comportement non-linaire. Enn, pour ce
type de structure, une volution des mthodes dacquisition et de traitement des donnes
exprimentales pourrait galement se rvler trs utile an dobtenir davantage de rsul-
tats exprimentaux permettant un meilleur recalage de modle [Avril et al., 2008, de Cre-
voisier et al., 2011].
Dautres perspectives peuvent tre galement proposes concernant cette tude. Tout
dabord, la stratgie telle quelle est employe au Chapitre 2 pourrait faire lobjet dune
tude de robustesse lorsque le nombre de xations augmente. Ceci permettrait de si-
muler un ensemble de lignes de xations, ensemble rptitif que lon retrouve sur les
assemblages de type aronautique. Le Chapitre 4 a permis de mettre en avant le tol-
rancement de pices exibles comme domaine dutilisation de la stratgie. En effet, ce
type de structure est fortement soumis aux effets des dfauts gomtriques incertains.
Leur prise en compte fait lobjet de travaux dans lesquels ces dfauts sont simuls par
des chargements sur la structure nominale [Stricher et al., 2010]. Les tudes effectues
ici permettraient de prendre en compte les variations dues au comportement ou encore
aux effets non-linaires. Lassociation de ces deux types de reprsentation entranerait
lobtention dintervalles de tolrance probabiliss (mconnaissances effectives) pou-
vant nettement amliorer les conditions dassemblage lors de lanalyse de tolrance. Par
ailleurs, nous pouvons galement imaginer interagir avec le domaine de la synthse de
tolrance. Effectivement, grce lutilisation des mconnaissances effectives pour lob-
tention des intervalles de tolrance, on peut supposer que lon peut rapidement effectuer
plusieurs tudes dinuence (cf. Figure 3.6) pour localiser les sous-structures ayant le
plus dimpact sur les intervalles. Ces techniques pourraient tre utilises cette fois-ci, non
pas pour diminuer les coefcients de scurit, mais plutt pour assouplir les conditions
de tolrance, dans loptique dune rduction des cots de fabrication et de montage des
pices assembles.
contexte incertain
t
e
l
-
0
0
6
7
5
7
4
1
,

v
e
r
s
i
o
n

1

-

1

M
a
r

2
0
1
2
Bibliographie
[Ahmadian et Jalali, 2007a] AHMADIAN, H. et JALALI, H. (2007a). Generic element for-
mulation for modelling bolted lap joints. Mechanical Systems and Signal Processing,
21(5):23182334.
[Ahmadian et Jalali, 2007b] AHMADIAN, H. et JALALI, H. (2007b). Identication of
bolted lap joints parameters in assembled structures. Mechanical Systems and Signal
Processing, 21(2):10411050.
[Alkatan et al., 2007] ALKATAN, F., STEPHAN, P., DAIDIE, A. et GUILLOT, J. (2007).
Equivalent axial stiffness of various components in bolted joints subjected to axial
loading. Finite Elements in Analysis and Design, 43(8):589598.
[Armijo, 1966] ARMIJO, L. (1966). Minimization of functions having lipschitz conti-
nuous rst partial derivatives. Pacic journal of mathematics, 16(1):14.
[Avril et al., 2008] AVRIL, S., BONNET, M., BRETELLE, A.-S., GRDIAC, M., HILD, F.,
IENNY, P., LATOURTE, F., LEMOSSE, D., PAGANO, S., PAGNACCO, E. et PIERRON,
F. (2008). Overview of Identication Methods of Mechanical Parameters Based on
Full-eld Measurements. Experimental Mechanics, 48(4):381402.
[Babuska et Rheinboldt, 1979] BABUSKA, I. et RHEINBOLDT, W. C. (1979). Adaptive
approaches and reliability estimations in nite element analysis. Computer Methods in
Applied Mechanics and Engineering, 17-18(Part 3):519540.
[Balms, 2000] BALMS, E. (2000). Review and evaluation of shape expansion methods.
In International Modal Analysis Conference, pages 555561.
[Barrois, 1978] BARROIS, W. (1978). Stresses and displacements due to load transfer by
fasteners in structural assemblies. Engineering Fracture Mechanics, 10(1):115176.
[Barthelemy et Haftka, 1993] BARTHELEMY, J. F. M. et HAFTKA, R. T. (1993). Ap-
proximation concepts for optimum structural design - a review. Structural and Multi-
disciplinary Optimization, 5(3):129144.
[Baumann, 1982] BAUMANN, E. (1982). Finite element analysis of advanced composite
structures containing mechanically fastened joints. Nuclear Engineering and Design,
70(1):6783.
[Beacher et Ingra, 1981] BEACHER, G. B. et INGRA, T. S. (1981). Stochastic FEM in
settlement predictions. Journal of the Geotechnical Engineering Division, 107(4):449
463.
contexte incertain
t
e
l
-
0
0
6
7
5
7
4
1
,

v
e
r
s
i
o
n

1

-

1

M
a
r

2
0
1
2
124 Bibliographie
[Ben Dhia, 1998] BEN DHIA, H. (1998). Multiscale mechanical problems : the Arlequin
method. Comptes Rendus de lAcademie des Sciences Series IIB Mechanics Physics
Astronomy, 326:899904.
[Ben Dhia et Rateau, 2001] BEN DHIA, H. et RATEAU, G. (2001). Mathematical analy-
sis of the mixed Arlequin method. Comptes Rendus de lAcademie des Sciences Series
I Mathematics, 332:649654.
[Ben-Haim, 2005] BEN-HAIM, Y. (2005). Info-gap Decision Theory For Engineering
Design. Or : Why "Good" is Preferable to "Best". Engineering Design Reliability
Handbook, CRC Press, Boca Raton.
[Ben-Haim, 2006] BEN-HAIM, Y. (2006). Info-gap Decision Theory : Decisions Under
Severe Uncertainty. Academic Press, London.
[Ben-Haim et Elishakoff, 1990] BEN-HAIM, Y. et ELISHAKOFF, I. (1990). Convex mo-
dels of uncertainty in applied mechanics. Elsevier Science Ltd, 1st dition.
[Ben-Haim et Hemez, 2004] BEN-HAIM, Y. et HEMEZ, F. M. (2004). Robustness-to-
uncertainty, delity-to-data, prediction-looseness of models. Rapport technique, Los
Alamos National Laboratory, Dearborn, Michigan.
[Bensoussan et al., 1978] BENSOUSSAN, A., LIONS, J. L. et PAPANICOLAOU, G. (1978).
Asymptotic analysis for periodic structures, volume 5. North Holland.
[Bonnet et Constantinescu, 2005] BONNET, M. et CONSTANTINESCU, A. (2005). In-
verse problems in elasticity. Inverse Problems, 21(2):R1R50.
[Bortman et Szab, 1992] BORTMAN, J. et SZAB, B. (1992). Nonlinear models for
fastened structural connections. Computers & Structures, 43(5):909923.
[Boucard et Champaney, 2003] BOUCARD, P. A. et CHAMPANEY, L. (2003). A suitable
computational strategy for the parametric analysis of problems with multiple contact.
International Journal for Numerical Methods in Engineering, 57(9):12591281.
[Chakhari et al., 2008] CHAKHARI, J., DAIDIE, A., CHAIB, C. et GUILLOT, J. (2008).
Numerical model for two-bolted joints subjected to compressive loading. Finite Ele-
ments in Analysis and Design, 44(4):162173.
[Champaney et al., 2007] CHAMPANEY, L., BOUCARD, P. A. et GUINARD, S. (2007).
Adaptive multi-analysis strategy for contact problems with friction. Computational
Mechanics, 42(2):305315.
[Chen et Ward, 1997] CHEN, R. et WARD, A. C. (1997). Generalizing Interval Matrix
Operations for Design. Journal of Mechanical Design, 119(1):6572.
[Chen et al., 1995] CHEN, W.-H., LEE, S.-S. et YEH, J.-T. (1995). Three-dimensional
contact stress analysis of a composite laminate with bolted joint. Composite Structures,
30(3):287297.
[Chouaki et al., 2000] CHOUAKI, A., DERAEMAEKER, A., LADEVZE, P. et LE LOCH,
S. (2000). Model updating using the error in the constitutive relation : Real case study.
In SPIE proceedings series, pages 140146. Society of Photo-Optical Instrumentation
Engineers.
contexte incertain
t
e
l
-
0
0
6
7
5
7
4
1
,

v
e
r
s
i
o
n

1

-

1

M
a
r

2
0
1
2
Bibliographie 125
[Christman et al., 1989] CHRISTMAN, T., NEEDLEMAN, A. et SURESH, S. (1989). An
experimental and numerical study of deformation in metal-ceramic composites. Acta
Metallurgica, 37(11):30293050.
[Combe et al., 1999] COMBE, J., LADEVZE, P. et PELLE, J. P. (1999). Constitutive
relation error estimator for transient nite element analysis. Computer Methods in
Applied Mechanics and Engineering, 176(1-4):165185.
[Combescure et al., 2003] COMBESCURE, A., DELCROIX, F., CAPLAIN, L., ESPANOL,
S. et ELIOT, P. (2003). Anite element to simulate the failure of weld points on impact.
International Journal of Impact Engineering, 28(7):783802.
[Coorevits et al., 2000] COOREVITS, P., HILD, P. et PELLE, J.-P. (2000). A posteriori
error estimation for unilateral contact with matching and non-matching meshes. Com-
puter Methods in Applied Mechanics and Engineering, 186(1):6583.
[Cope et Lacy, 2000] COPE, D. A. et LACY, T. E. (2000). Stress intensity determination
in lap joints with mechanical fasteners. In AIAA/ASME/ASCE/AHS/ASC Structures,
Structural Dynamics, and Materials Conference and Exhibit, 41 st, Atlanta, GA.
[Cottereau et al., 2007] COTTEREAU, R., CLOUTEAU, D. et SOIZE, C. (2007). Construc-
tion of a probabilistic model for impedance matrices. Computer Methods in Applied
Mechanics and Engineering, 196(17-20):22522268.
[Cottin et al., 1984] COTTIN, N., FELGENHAUER, H. P. et NATKE, H. G. (1984). On the
parameter identication of elastomechanical systems using input and output residuals.
Archive of Applied Mechanics, 54(5):378387.
[Cresta, 2008] CRESTA, P. (2008). Dcomposition de domaine et stratgies de reloca-
lisation non-linaire pour la simulation de grandes structures raidies avec ambage
local. Thse de doctorat, LMT ENS Cachan.
[de Benedetti et al., 2007] de BENEDETTI, M., GAROFALO, G., ZUMPANO, M. et BAR-
BONI, R. (2007). On the damping effect due to bolted junctions in space structures
subjected to pyro-shock. Acta Astronautica, 60(12):947956.
[de Crevoisier et al., 2011] de CREVOISIER, J., SWIERGIEL, N., CHAMPANEY, L. et
HILD, F. (2011). Identication of In Situ Frictional Properties of Bolted Assemblies
with Digital Image Correlation. Experimental Mechanics, pages 112.
[De Matteis et Landolfo, 1999] DE MATTEIS, G. et LANDOLFO, R. (1999). Mechanical
fasteners for cladding sandwich panels : Interpretative models for shear behaviour.
Thin-Walled Structures, 35(1):6179.
[Dempster, 1968] DEMPSTER, A. P. (1968). Upper and Lower Probabilities Generated
by a Random Closed Interval. The Annals of Mathematical Statistics, 39(3):957966.
[Deraemaeker, 2001] DERAEMAEKER, A. (2001). Sur la matrise des modles en dy-
namique des structures partir de rsultats dessais. Thse de doctorat, LMT ENS
Cachan.
[Dessombz et al., 2001] DESSOMBZ, O., THOUVEREZ, F., LAN, J. P. et JZQUEL, L.
(2001). Analysis of mechanical systems using interval computations applied to nite
element methods. Journal of Sound and Vibration, 239(5):949968.
contexte incertain
t
e
l
-
0
0
6
7
5
7
4
1
,

v
e
r
s
i
o
n

1

-

1

M
a
r

2
0
1
2
126 Bibliographie
[Ding et Dhanasekar, 2007] DING, K. et DHANASEKAR, M. (2007). Flexural behaviour
of bonded-bolted butt joints due to bolt looseness. Advances in Engineering Software,
38(8-9):598606.
[Ditlevsen et Madsen, 1996] DITLEVSEN, O. et MADSEN, H. O. (1996). Structural re-
liability methods, volume 178. Citeseer.
[Doebling, 1996] DOEBLING, S. W. (1996). Minimum-rank optimal update of elemental
stiffness parameters for structural damage identication. AIAA journal, 34(12):2615
2621.
[Ekh et Schon, 2008] EKH, J. et SCHON, J. (2008). Finite element modeling and opti-
mization of load transfer in multi-fastener joints using structural elements. Composite
Structures, 82(2):245256.
[Ekh et al., 2005] EKH, J., SCHON, J. et MELIN, L. (2005). Secondary bending in multi
fastener, composite-to-aluminium single shear lap joints. Composites Part B : Engi-
neering, 36(3):195208.
[Elishakoff et al., 1995] ELISHAKOFF, I., REN, Y. et SHINOZUKA, M. (1995). Improved
nite element method for stochastic problems. Chaos, Solitons & Fractals, 5(5):833
846.
[Elkhodja et al., 2007] ELKHODJA, N., DHIA, H. B. et ROUX, F. X. (2007). Modlisation
de structures multi-dfauts dans le cadre Arlequin et approches par sous-domaines. In
Actes du huitieme colloque national en calcul des structures, Giens, France, volume 1,
pages 467472.
[Enjalbert, 2009] ENJALBERT, P. (2009). Sur la thorie des mconnaissances en concep-
tion robuste. Thse de doctorat, LMT ENS Cachan.
[Eshelby, 1957] ESHELBY, J. D. (1957). The determination of the elastic eld of an el-
lipsoidal inclusion, and related problems. Proceedings of the Royal Society of London.
Series A. Mathematical and Physical Sciences, 241(1226):376.
[Esteban et Rogers, 2000] ESTEBAN, J. et ROGERS, C. A. (2000). Energy dissipation
through joints : theory and experiments. Computers & Structures, 75(4):347359.
[Faravelli, 1989] FARAVELLI, L. (1989). Response-Surface Approach for Reliability
Analysis. Journal of Engineering Mechanics, 115:2763.
[Farhat et al., 2001] FARHAT, C., LESOINNE, M., LETALLEC, P., PIERSON, K. et
RIXEN, D. (2001). FETI-DP : a dual-primal unied FETI method - part I : A faster al-
ternative to the two-level FETI method. International Journal for Numerical Methods
in Engineering, 50(7):15231544.
[Farhat et al., 1996] FARHAT, C., PIERSON, K. et LESOINNE, M. (1996). A simple and
unied framework for accelerating the convergence of iterative substructuring methods
with Lagrange multipliers : applications to the design of new FETI coarse problems.
Rapport technique, Center for Aerospace Structure, University of Colorado, Boulder.
[Farhat et Roux, 1991] FARHAT, C. et ROUX, F.-X. (1991). A method of nite element
tearing and interconnecting and its parallel solution algorithm. International Journal
for Numerical Methods in Engineering, 32(6):12051227.
contexte incertain
t
e
l
-
0
0
6
7
5
7
4
1
,

v
e
r
s
i
o
n

1

-

1

M
a
r

2
0
1
2
Bibliographie 127
[Faverjon et al., 2009] FAVERJON, B., LADEVZE, P. et LOUF, F. (2009). Validation of
stochastic linear structural dynamics models. Computers & Structures, 87(13-14):829
837.
[Faverjon et Sinou, 2008] FAVERJON, B. et SINOU, J. J. (2008). Robust damage assess-
ment of multiple cracks based on the frequency response function and the Constitutive
Relation Error updating method. Journal of Sound and Vibration, 312(4-5):821837.
[Feyel et Chaboche, 2000] FEYEL, F. et CHABOCHE, J.-L. (2000). FE2 multiscale ap-
proach for modelling the elastoviscoplastic behaviour of long bre SiC/Ti composite
materials. Computer Methods in Applied Mechanics and Engineering, 183(3-4):309
330.
[Fortin et Glowinski, 1983] FORTIN, M. et GLOWINSKI, R. (1983). Augmented Lagran-
gian methods : applications to the numerical solution of boundary value problems. In
Studies in Mathematics and Its Applications, chapitre 15, pages 1340. Elsevier B.V.
[Fritzen, 1986] FRITZEN, C. P. (1986). Identication of mass, damping, and stiffness
matrices of mechanical systems. ASME, Transactions, Journal of Vibration, Acoustics,
Stress, and Reliability in Design, 108:916.
[Gant et al., 2012] GANT, F., ROUCH, P. et CHAMPANEY, L. (2012). Updating of un-
certain joint models using the Lack-Of-Knowledge theory. International Journal for
Numerical Methods in Engineering, Submitted.
[Gant et al., 2011] GANT, F., ROUCH, P., LOUF, F. et CHAMPANEY, L. (2011). De-
nition and updating of simplied models of joint stiffness. International Journal of
Solids and Structures, 48(5):775784.
[Gendre, 2010] GENDRE, L. (2010). Approche globale / locale non-intrusive : applica-
tion aux structures avec plasticit localise. Thse de doctorat, LMT ENS Cachan.
[Ghanem, 1999] GHANEM, R. (1999). Ingredients for a general purpose stochastic nite
elements implementation. Computer Methods in Applied Mechanics and Engineering,
168(1-4):1934.
[Ghanem et Kruger, 1996] GHANEM, R. G. et KRUGER, R. M. (1996). Numerical so-
lution of spectral stochastic nite element systems. Computer Methods in Applied
Mechanics and Engineering, 129(3):289303.
[Ghanem et Spanos, 2002] GHANEM, R. G. et SPANOS, P. D. (2002). Stochastic Finite
Elements : A Spectral Approach. Dover Publication, Inc., Mineola, New York.
[Ghosh et al., 2001] GHOSH, S., LEE, K. et RAGHAVAN, P. (2001). A multi-level com-
putational model for multi-scale damage analysis in composite and porous materials.
International Journal of Solids and Structures, 38(14):23352385.
[Glowinski et Le Tallec, 1990] GLOWINSKI, R. et LE TALLEC, P. (1990). Augmented
Lagrangian interpretation of the nonoverlapping Schwarz alternating method. In Third
international symposium on domain decomposition methods for partial differential
equations, pages 224231.
contexte incertain
t
e
l
-
0
0
6
7
5
7
4
1
,

v
e
r
s
i
o
n

1

-

1

M
a
r

2
0
1
2
128 Bibliographie
[Gosselet et Rey, 2006] GOSSELET, P. et REY, C. (2006). Non-overlapping domain de-
composition methods in structural mechanics. Archives of Computational Methods in
Engineering, 13(4):515572.
[Guidault, 2005] GUIDAULT, P.-A. (2005). Une stratgie de calcul pour les structures
ssures : analyse locale-globale et approche multichelle pour la ssuration. Thse
de doctorat, LMT ENS Cachan.
[Guidault et Belytschko, 2007] GUIDAULT, P.-A. et BELYTSCHKO, T. (2007). On the
L2 and the H1 couplings for an overlapping domain decomposition method using
Lagrange multipliers. International Journal for Numerical Methods in Engineering,
70(3):322350.
[Guinard, 2003] GUINARD, S. (2003). Etude de la tenue mcanique dassemblages
mixtes composite / mtallique. Rapport technique, EADS CCR Suresnes.
[Haboussa et al., 2011] HABOUSSA, D., GRGOIRE, D., ELGUEDJ, T., MAIGRE, H. et
COMBESCURE, A. (2011). X-FEM analysis of the effects of holes or other cracks on
dynamic crack propagations. International Journal for Numerical Methods in Engi-
neering, 86(4-5):618636.
[Hanss et al., 2002] HANSS, M., OEXL, S. et GAUL, L. (2002). Identication of a bolted-
joint model with fuzzy parameters loaded normal to the contact interface. Mechanics
Research Communications, 29(2-3):177187.
[Hartwigsen et al., 2004] HARTWIGSEN, C., SONG, Y., MCFARLAND, D., BERGMAN,
L. et VAKAKIS, A. (2004). Experimental study of non-linear effects in a typical shear
lap joint conguration. Journal of Sound and Vibration, 277(1-2):327351.
[Hashin, 1960] HASHIN, Z. (1960). The elastic moduli of heterogeneous materials.
[Hasofer et Lind, 1974] HASOFER, A. M. et LIND, N. C. (1974). Exact and invariant
second-moment code format. Journal of the Engineering Mechanics Division, 100(1):
111121.
[Helton et Davis, 2003] HELTON, J. C. et DAVIS, F. J. (2003). Latin hypercube sam-
pling and the propagation of uncertainty in analyses of complex systems. Reliability
Engineering & System Safety, 81(1):2369.
[Hemez et al., 2001] HEMEZ, F. M., WILSON, A. C. et DOEBLING, S. W. (2001). Design
of computer experiments for improving an impact test simulation. In 19th International
Modal Analysis Conference (IMAC), Kissimmee, Florida. Citeseer.
[Huth, 1986] HUTH, H. (1986). Inuence of fastener exibility on the prediction of load
transfer and fatigue life for multiple row joints. Fatigue in mechanically fastened
composite and metallic joints : a symposium, page 221.
[Ingvar Eriksson, 1986] INGVAR ERIKSSON, L. (1986). Contact stresses in bolted joints
of composite laminates. Composite Structures, 6(1-3):5775.
[Izumi et al., 2005] IZUMI, S., YOKOYAMA, T., IWASAKI, A. et SAKAI, S. (2005).
Three-dimensional nite element analysis of tightening and loosening mechanism of
threaded fastener. Engineering Failure Analysis, 12(4):604615.
contexte incertain
t
e
l
-
0
0
6
7
5
7
4
1
,

v
e
r
s
i
o
n

1

-

1

M
a
r

2
0
1
2
Bibliographie 129
[Jaglinski et al., 2007] JAGLINSKI, T., NIMITYONGSKUL, A., SCHMITZ, R. et LAKES,
R. S. (2007). Study of Bolt Load Loss in Bolted Aluminum Joints. Journal of Engi-
neering Materials and Technology, 129(1):4854.
[Jalali et al., 2007] JALALI, H., AHMADIAN, H. et MOTTERSHEAD, J. (2007). Identi-
cation of nonlinear bolted lap-joint parameters by force-state mapping. International
Journal of Solids and Structures, 44(25-26):80878105.
[Jara-Almonte et Knight, 1988] JARA-ALMONTE, C. C. et KNIGHT, C. E. (1988). The
specied boundary stiffness/force SBSF method for nite element subregion analysis.
International Journal for Numerical Methods in Engineering, 26(7):15671578.
[Jaynes, 1957a] JAYNES, E. T. (1957a). Information Theory and Statistical Mechanics.
Physical Review, 106(4):620 LP 630.
[Jaynes, 1957b] JAYNES, E. T. (1957b). Information Theory and Statistical Mechanics.
II. Physical Review, 108(2):171 LP 190.
[Johnson et al., 1997] JOHNSON, E. A., BERGMAN, L. A. et SPENCER, B. F. (1997). Pa-
rallel implementation of Monte Carlo Simulation - comparative studies from stochastic
structural dynamics. Probabilistic Engineering Mechanics, 12(4):208212.
[Kabe, 1985] KABE, A. M. (1985). Stiffness matrix adjustment using mode data. AIAA
journal, 23(9):14311436.
[Kapania et al., 1997] KAPANIA, R. K., HARYADI, S. G. et HAFTKA, R. T. (1997).
Global/local analysis of composite plates with cutouts. Computational Mechanics,
19(5):386396.
[Kelley, 1982] KELLEY, F. S. (1982). Mesh requirements for the analysis of a stress
concentration by the specied boundary displacement method. In Second International
Computers in Engineering Conference. ASME.
[Kelly, 2005] KELLY, G. (2005). Load transfer in hybrid (bonded/bolted) composite
single-lap joints. Composite Structures, 69(1):3543.
[Kelly, 2006] KELLY, G. (2006). Quasi-static strength and fatigue life of hybrid (bon-
ded/bolted) composite single-lap joints. Composite Structures, 72(1):119129.
[Kelly et Hallstrm, 2004] KELLY, G. et HALLSTRM, S. (2004). Bearing strength of
carbon bre/epoxy laminates : effects of bolt-hole clearance. Composites Part B :
Engineering, 35(4):331343.
[Kim et al., 2007] KIM, J., YOON, J. et KANG, B. (2007). Finite element analysis and
modeling of structure with bolted joints. Applied Mathematical Modelling, 31(5):895
911.
[Kim et Kim, 1995] KIM, S. J. et KIM, J. H. (1995). Finite element analysis of laminated
composite plates with multi-pin joints considering friction. Computers & Structures,
55(3):507514.
[Klir, 2004] KLIR, G. J. (2004). Generalized information theory : aims, results, and open
problems. Reliability Engineering & System Safety, 85(1-3):2138.
contexte incertain
t
e
l
-
0
0
6
7
5
7
4
1
,

v
e
r
s
i
o
n

1

-

1

M
a
r

2
0
1
2
130 Bibliographie
[Ladevze, 1999] LADEVZE, P. (1999). Nonlinear Computational Structural Mecha-
nics : New Approaches and Non-Incremental Methods of Calculation. Springer, 1st
dition.
[Ladevze, 2000] LADEVZE, P. (2000). Constitutive relation error estimators for time-
dependent non-linear FE analysis. Computer Methods in Applied Mechanics and En-
gineering, 188(4):775788.
[Ladevze et Chouaki, 1999] LADEVZE, P. et CHOUAKI, A. (1999). Application of a
posteriori error estimation for structural model updating. Inverse Problems, 15(1):49
58.
[Ladevze et Leguillon, 1983] LADEVZE, P. et LEGUILLON, D. (1983). Error Estimate
Procedure in the Finite Element Method and Applications. SIAMJournal on Numerical
Analysis, 20(3):485509.
[Ladevze et al., 2001] LADEVZE, P., LOISEAU, O. et DUREISSEIX, D. (2001). A
micro-macro and parallel computational strategy for highly heterogeneous structures.
International Journal for Numerical Methods in Engineering, 52(1-2):121138.
[Ladevze et Pelle, 1989] LADEVZE, P. et PELLE, J. P. (1989). Accuracy in nite ele-
ment computation for eigenfrequencies. International Journal for Numerical Methods
in Engineering, 28(8):19291949.
[Ladevze et al., 2004] LADEVZE, P., PUEL, G., DERAEMAEKER, A. et ROMEUF, T.
(2004). Sur une thorie des mconnaissances en calcul des structures. Revue euro-
penne des lments nis, 13(5-6-7):571582.
[Ladevze et al., 2006a] LADEVZE, P., PUEL, G., DERAEMAEKER, A. et ROMEUF, T.
(2006a). Validation of structural dynamics models containing uncertainties. Computer
Methods in Applied Mechanics and Engineering, 195(4-6):373393.
[Ladevze et al., 2006b] LADEVZE, P., PUEL, G. et ROMEUF, T. (2006b). Lack of
knowledge in structural model validation. Computer Methods in Applied Mechanics
and Engineering, 195(37-40):46974710.
[Ladevze et al., 2006c] LADEVZE, P., PUEL, G. et ROMEUF, T. (2006c). On a strategy
for the reduction of the lack of knowledge (LOK) in model validation. Reliability
Engineering & System Safety, 91(10-11):14521460.
[Ladevze et Waeytens, 2009] LADEVZE, P. et WAEYTENS, J. (2009). Model veri-
cation in dynamics through strict upper error bounds. Computer Methods in Applied
[Lallemand et al., 1999] LALLEMAND, B., CHERKI, A., TISON, T. et LEVEL, P. (1999).
Fuzzy modal nite element analysis of structures with imprecise material properties.
Journal of Sound and Vibration, 220(2):353365.
[Langrand et Combescure, 2004] LANGRAND, B. et COMBESCURE, A. (2004). Non-
linear and failure behaviour of spotwelds : a "global" nite element and experiments
in pure and mixed modes I/II. International Journal of Solids and Structures, 41(24-
25):66316646.
contexte incertain
t
e
l
-
0
0
6
7
5
7
4
1
,

v
e
r
s
i
o
n

1

-

1

M
a
r

2
0
1
2
Bibliographie 131
[Lehnhoff et Bunyard, 2001] LEHNHOFF, T. F. et BUNYARD, B. A. (2001). Effects of
Bolt Threads on the Stiffness of Bolted Joints. Journal of Pressure Vessel Technology,
123(2):161.
[Lemaire, 1997] LEMAIRE, M. (1997). Reliability and mechanical design. Reliability
Engineering & System Safety, 55(2):163170.
[Leray et al., 2008] LERAY, D., VADEAN, A. et DAIDIE, A. (2008). Fast computation of
preloaded bolted circular joint aiming at fatigue bolt sizing : Hypotheses and modeling.
Engineering Computations, 25(1):4254.
[Link et al., 1987] LINK, M., WEILAND, M. et BARRAGAN, J. M. (1987). Direct physi-
cal matrix identication as compared to phase resonance testing- An assessment based
on practical application. In International Modal Analysis Conference, 5 th, London,
England, Proceedings., volume 1, pages 804811.
[Liu et al., 1986a] LIU, W. K., BELYTSCHKO, T. et MANI, A. (1986a). Probabilistic
nite elements for nonlinear structural dynamics. Computer Methods in Applied Me-
chanics and Engineering, 56(1):6181.
[Liu et al., 1986b] LIU, W. K., BELYTSCHKO, T. et MANI, A. (1986b). Random eld
nite elements. International Journal for Numerical Methods in Engineering, 23(10):
18311845.
[Liu et al., 1988] LIU, W. K., BESTERFIELD, G. et BELYTSCHKO, T. (1988). Transient
probabilistic systems. Computer Methods in Applied Mechanics and Engineering,
67(1):2754.
[Love, 1977] LOVE, M. (1977). Probability Theory. Springer Verlag, 4th dition.
[Louf et al., 2010] LOUF, F., ENJALBERT, P., LADEVZE, P. et ROMEUF, T. (2010).
On lack-of-knowledge theory in structural mechanics. Comptes Rendus Mcanique,
338(7-8):424433.
[Madenci et al., 1998] MADENCI, E., SHKARAYEV, S., SERGEEV, B., OPLINGER, D. et
SHYPRYKEVICH, P. (1998). Analysis of composites laminates with multiple fasteners.
International Journal of Solids and Structures, 35(15):17931811.
[Mandel, 1993] MANDEL, J. (1993). Balancing domain decomposition. Communica-
tions in Numerical Methods in Engineering, 9(3):233241.
[Mao et Sun, 1991] MAO, K. M. et SUN, C. T. (1991). A rened global-local nite ele-
ment analysis method. International Journal for Numerical Methods in Engineering,
32(1):2943.
[Massa et al., 2004] MASSA, F., LALLEMAND, B., TISON, T. et LEVEL, P. (2004). Fuzzy
eigensolutions of mechanical structures. Engineering Computations, 21(1):6677.
[Mayer et Gaul, 2007] MAYER, M. H. et GAUL, L. (2007). Segment-to-segment contact
elements for modelling joint interfaces in nite element analysis. Mechanical Systems
and Signal Processing, 21(2):724734.
[McCarthy, 2005] MCCARTHY, C. T. (2005). Experiences with Modeling Friction in
Composite Bolted Joints. Journal of Composite Materials, 39(21):18811908.
contexte incertain
t
e
l
-
0
0
6
7
5
7
4
1
,

v
e
r
s
i
o
n

1

-

1

M
a
r

2
0
1
2
132 Bibliographie
[McCarthy et McCarthy, 2005] MCCARTHY, C. T. et MCCARTHY, M. A. (2005). Three-
dimensional nite element analysis of single-bolt, single-lap composite bolted joints :
Part II - effects of bolt-hole clearance. Composite Structures, 71(2):159175.
[McCarthy et al., 2005] MCCARTHY, M. A., MCCARTHY, C. T., LAWLOR, V. P. et
STANLEY, W. F. (2005). Three-dimensional nite element analysis of single-bolt,
single-lap composite bolted joints : part I-model development and validation. Compo-
site Structures, 71(2):140158.
[McKay et al., 1979] MCKAY, M. D., BECKMAN, R. J. et CONOVER, W. J. (1979). A
comparison of three methods for selecting values of input variables in the analysis of
output from a computer code. Technometrics, 21(2):239245.
[Melenk et Babuska, 1996] MELENK, J. M. et BABUSKA, I. (1996). The partition of
unity nite element method : Basic theory and applications. Computer Methods in
[Miller et Dane Quinn, 2009] MILLER, J. D. et DANE QUINN, D. (2009). A two-sided
interface model for dissipation in structural systems with frictional joints. Journal of
Sound and Vibration, 321(1-2):201219.
[Moens et Vandepitte, 2005] MOENS, D. et VANDEPITTE, D. (2005). A survey of non-
probabilistic uncertainty treatment in nite element analysis. Computer Methods in
[Mos et al., 1999] MOS, N., DOLBOW, J. et BELYTSCHKO, T. (1999). A nite element
method for crack growth without remeshing. International Journal for Numerical Me-
thods in Engineering, 46(1):131150.
[Moore, 1962] MOORE, R. E. (1962). Interval Arithmetic and Automatic Error Analy-
sis in Digital Computing. Rapport technique 25, Applied Mathematics and Statistics
Laboratories, Stanford University, California.
[Mori et Tanaka, 1973] MORI, T. et TANAKA, K. (1973). Average stress in matrix and
average elastic energy of materials with mistting inclusions. Acta Metallurgica, 21(5):
571574.
[Mottershead et Friswell, 1993] MOTTERSHEAD, J. E. et FRISWELL, M. I. (1993). Mo-
del Updating In Structural Dynamics : A Survey. Journal of Sound and Vibration,
167(2):347375.
[Mottershead et al., 1996] MOTTERSHEAD, J. E., FRISWELL, M. I., NG, G. H. T. et
BRANDON, J. A. (1996). Geometric parameters for nite element model updating
of joints and constraints. Mechanical Systems and Signal Processing, 10(2):171182.
[Mottershead et al., 2000] MOTTERSHEAD, J. E., MARES, C., FRISWELL, M. I. et
JAMES, S. (2000). Selection and updating of parameters for an aluminium space-frame
model. Mechanical Systems and Signal Processing, 14(6):923944.
[Muscolino et al., 2000] MUSCOLINO, G., RICCIARDI, G. et IMPOLLONIA, N. (2000).
Improved dynamic analysis of structures with mechanical uncertainties under determi-
nistic input. Probabilistic Engineering Mechanics, 15(2):199212.
contexte incertain
t
e
l
-
0
0
6
7
5
7
4
1
,

v
e
r
s
i
o
n

1

-

1

M
a
r

2
0
1
2
Bibliographie 133
[Nassar et al., 2005] NASSAR, S., BARBER, G. C. et ZUO, D. (2005). Bearing Friction
Torque in Bolted Joints. Tribology Transactions, 48(1):6975.
[Natke, 1988] NATKE, H. G. (1988). Updating computational models in the frequency
domain based on measured data : a survey. Probabilistic Engineering Mechanics,
3(1):2835.
[Niu, 1988] NIU, M. C.-Y. (1988). Aircraft structural design. Adaso Adastra Engineering
Center, 2nd dition.
[Oden et al., 1999] ODEN, J. T., VEMAGANTI, K. et MOES, N. (1999). Hierarchical
modeling of heterogeneous solids. Computer Methods in Applied Mechanics and En-
gineering, 172(1-4):325.
[Oden et Zohdi, 1997] ODEN, J. T. et ZOHDI, T. I. (1997). Analysis and adaptive mode-
ling of highly heterogeneous elastic structures. Computer Methods in Applied Mecha-
nics and Engineering, 148(3-4):367391.
[Ohayon et al., 2001] OHAYON, R., SOIZE, C. et GROSH, K. (2001). Structural Acous-
tics and Vibration. The Journal of the Acoustical Society of America, 109:2545.
[Papadrakakis et Kotsopulos, 1999] PAPADRAKAKIS, M. et KOTSOPULOS, A. (1999).
Parallel solution methods for stochastic nite element analysis using Monte Carlo si-
mulation. Computer Methods in Applied Mechanics and Engineering, 168(1-4):305
320.
[Pascual, 1998] PASCUAL, R. (1998). On the Reliability of Error Localization Indicators.
In International Conference on Noise and Vibration Engineering, ISMA 23, Leuven,
Belgium.
[Pommier et al., 2011] POMMIER, S., GRAVOUIL, A., MOES, N. et COMBESCURE, A.
(2011). Extended Finite Element Method for Crack Propagation. ISTE WILEY.
[Puel, 2004] PUEL, G. (2004). Sur une thorie des mconnaissances en dynamique des
structures. Thse de doctorat, LMT ENS Cachan.
[Ransom et al., 1992] RANSOM, J. B., MCCLEARY, S. L., AMINPOUR, M. A. et
KNIGHT JR, N. F. (1992). Computational methods for global/local analysis. NASA
STI/Recon Technical Report N, 92:33104.
[Rao et Sawyer, 1995] RAO, S. S. et SAWYER, J. P. (1995). Fuzzy nite element ap-
proach for the analysis of imprecisely dened systems. AIAA journal, 33(12):2364
2370.
[Rey et al., 2007] REY, C., GOSSELET, P. et PEBREL, J. (2007). Computational strategy
on nonlinear patches with mixed transfer conditions. In USNCCM 9 - 9th US National
Congress on Computational Mechanics.
[Riccio et Scaramuzzino, 2002] RICCIO, A. et SCARAMUZZINO, F. (2002). Inuence of
damage onset and propagation on the tensile structural behavior of protruding com-
posite joints. In 4th GRACM Congress on Computation Mechanics GRACM, pages
2729.
contexte incertain
t
e
l
-
0
0
6
7
5
7
4
1
,

v
e
r
s
i
o
n

1

-

1

M
a
r

2
0
1
2
134 Bibliographie
[Rosenblatt, 1952] ROSENBLATT, M. (1952). Remarks on a Multivariate Transforma-
tion. The Annals of Mathematical Statistics, 23(3):470472.
[Ross, 1947] ROSS, R. D. (1947). An Electrical Computer for the Solution of Shear-
Lag and Bolted-Joint Problems. Rapport technique 1281, NACA, Langley Memorial
Aeronautical Laboratory, Langley Field, Va.
[Ross, 1971] ROSS, R. G. (1971). Synthesis of stiffness and mass matrices from experi-
mental vibration modes. SAE paper, 710787.
[Rump, 1983] RUMP, S. M. (1983). Solving algebraic problems with high accuracy. In
Proc. of the symposium on A new approach to scientic computation, pages 51120,
San Diego, CA, USA. Academic Press Professional, Inc.
[Sanchez-Palencia, 1974] SANCHEZ-PALENCIA, E. (1974). Comportements local et ma-
croscopique dun type de milieux physiques heterogenes. International Journal of
Engineering Science, 12(4):331351.
[Schuller, 2001] SCHULLER, G. I. (2001). Computational stochastic mechanics -
recent advances. Computers & Structures, 79(22-25):22252234.
[Schultze et al., 2001] SCHULTZE, J. F., HEMEZ, F. M., DOEBLING, S. W. et SOHN, H.
(2001). Statistical based non-linear model updating using feature extraction. In IMAC-
XIX : A Conference on Structural Dynamics, Kissimmee, FL, pages 1826.
[Segalman et Starr, 2008] SEGALMAN, D. J. et STARR, M. J. (2008). Inversion of Masing
models via continuous Iwan systems. International Journal of Non-Linear Mechanics,
43(1):7480.
[Series et al., 2003] SERIES, L., FEYEL, F. et ROUX, F. X. (2003). Une mthode de
dcomposition de domaine avec deux multiplicateurs de Lagrange. In Actes du 16eme
congres franais de mcanique.
[Shafer, 1976] SHAFER, G. (1976). A mathematical theory of evidence, volume 1. Prin-
ceton university press Princeton, NJ.
[Shannon, 1948] SHANNON, C. E. (1948). A Mathematical Theory of Communication.
Bell System Technical Journal, page 535.
[Shiryayev et al., 2007] SHIRYAYEV, O., PAGE, S., PETTIT, C. et SLATER, J. (2007).
Parameter estimation and investigation of a bolted joint model. Journal of Sound and
Vibration, 307(3-5):680697.
[Smith et Beattie, 1991] SMITH, S. W. et BEATTIE, C. A. (1991). Secant-method adjust-
ment for structural models. AIAA Journal, 29:119126.
[Soize, 2000] SOIZE, C. (2000). A nonparametric model of random uncertainties for
reduced matrix models in structural dynamics. Probabilistic Engineering Mechanics,
15(3):277294.
[Soize, 2001] SOIZE, C. (2001). Maximum entropy approach for modeling random un-
certainties in transient elastodynamics.
contexte incertain
t
e
l
-
0
0
6
7
5
7
4
1
,

v
e
r
s
i
o
n

1

-

1

M
a
r

2
0
1
2
Bibliographie 135
[Soize, 2005] SOIZE, C. (2005). Random matrix theory for modeling uncertainties in
computational mechanics. Computer Methods in Applied Mechanics and Engineering,
194(12-16):13331366.
[Soize, 2006] SOIZE, C. (2006). Non-Gaussian positive-denite matrix-valued random
elds for elliptic stochastic partial differential operators. Computer Methods in Applied
[Song et al., 2004] SONG, Y., HARTWIGSEN, C. J., MCFARLAND, D. M., VAKAKIS,
A. F. et BERGMAN, L. A. (2004). Simulation of dynamics of beam structures with
bolted joints using adjusted Iwan beam elements. Journal of Sound and Vibration,
273(1-2):249276.
[Soo Kim et Kuwamura, 2007] SOO KIM, T. et KUWAMURA, H. (2007). Finite element
modeling of bolted connections in thin-walled stainless steel plates under static shear.
Thin-Walled Structures, 45(4):407421.
[Stricher et al., 2010] STRICHER, A., CHAMPANEY, L., THIEBAULT, F., FRICERO, B. et
CHEVASSUS, N. (2010). Flexible tolerancing, a rst step towards the use of nonlinear
simulation of assembly. In International Conference on Computational and Experi-
mental Sciences.
[Strouboulis et al., 2000] STROUBOULIS, T., BABUSKA, I. et COPPS, K. (2000). The
design and analysis of the Generalized Finite Element Method. Computer Methods in
[Swift, 1971] SWIFT, T. (1971). Development of the Fail-safe Design Features of the
DC-10. In Damage tolerance in aircraft structures : a symposium presented at the
seventy-third annual meeting American Society for Testing and Materials, Toronto,
Ontario, Canada, 21-26 June 1970, page 164. ASTM International.
[Tarantola, 2004] TARANTOLA, A. (2004). Inverse Problem Theory and Methods for
Model Parameter Estimation. Society for Industrial and Applied Mathematics.
[Tate et Rosenfeld, 1946] TATE, M. B. et ROSENFELD, S. J. (1946). Preliminary Inves-
tigation of the Loads carried by Individual Bolts in Bolted Joints. Rapport technique
1051, NACA, Langley Memorial Aeronautical Laboratory, Langley Field, Va.
[Terada et Kikuchi, 2001] TERADA, K. et KIKUCHI, N. (2001). A class of general algo-
rithms for multi-scale analyses of heterogeneous media. Computer Methods in Applied
[Thompson, 2002] THOMPSON, S. K. (2002). Sampling. John Wiley & Sons, 2nd di-
tion.
[Thoren, 1972] THOREN, A. R. (1972). Derivation of mass and stiffness matrices from
dynamic test data. AIAA Conference Paper, pages 72346.
[Tong, 2000] TONG, L. (2000). Bearing failure of composite bolted joints with non-
uniform bolt-to-washer clearance. Composites Part A : Applied Science and Manufac-
turing, 31(6):609615.
contexte incertain
t
e
l
-
0
0
6
7
5
7
4
1
,

v
e
r
s
i
o
n

1

-

1

M
a
r

2
0
1
2
136 Bibliographie
[Tserpes et al., 2002] TSERPES, K. I., LABEAS, G., PAPANIKOS, P. et KERMANIDIS, T.
(2002). Strength prediction of bolted joints in graphite/epoxy composite laminates.
Composites Part B : Engineering, 33(7):521529.
[Tvergaard, 1990] TVERGAARD, V. (1990). Analysis of tensile properties for a whisker-
reinforced metal-matrix composite. Acta Metallurgica et Materialia, 38(2):185194.
[van der Sluis et al., 1999] van der SLUIS, O., VOSBEEK, P. H. J., SCHREURS, P. J. G. et
JER, H. E. H. M. (1999). Homogenization of heterogeneous polymers. International
Journal of Solids and Structures, 36(21):31933214.
[Voleti et al., 1996] VOLETI, S. R., CHANDRA, N. et MILLER, J. R. (1996). Global-local
analysis of large-scale composite structures using nite element methods. Computers
& Structures, 58(3):453464.
[Whitcomb, 1991] WHITCOMB, J. D. (1991). Iterative global/local nite element analy-
sis. Computers & Structures, 40(4):10271031.
[Wiener, 1938] WIENER, N. (1938). The homogeneous chaos. American Journal of
Mathematics, 60(4):897936.
[Yang et Chang, 2006] YANG, J. et CHANG, F.-K. (2006). Detection of bolt loosening
in C-C composite thermal protection panels : I. Diagnostic principle. Smart Materials
and Structures, 15(2):581590.
[Yang et Ye, 1990] YANG, L. et YE, L. (1990). Study of the behavior of a composite
multi-bolt joint. Computers & Structures, 34(3):493497.
[Yen, 1978] YEN, S.-W. (1978). Multirow joint fastener load investigation. Computers
& Structures, 9(5):483488.
[Zadeh, 1965] ZADEH, L. A. (1965). Fuzzy sets. Information and Control, 8(3):338353.
[Zhang et al., 2007] ZHANG, M., JIANG, Y. et LEE, C.-H. (2007). Finite Element Mode-
ling of Self-Loosening of Bolted Joints. Journal of Mechanical Design, 129(2):218.
[Zienkiewicz et Taylor, 1984] ZIENKIEWICZ, O. C. et TAYLOR, R. L. (1984). Finite Ele-
ment Method (5th Edition). Butterworth-Heinemann.
[Zienkiewicz et Zhu, 1987] ZIENKIEWICZ, O. C. et ZHU, J. Z. (1987). A simple error
estimator and adaptive procedure for practical engineerng analysis. International Jour-
nal for Numerical Methods in Engineering, 24(2):337357.
[Zimmerman et Kaouk, 1994] ZIMMERMAN, D. C. et KAOUK, M. (1994). Structural
Damage Detection Using a Minimum Rank Update Theory. Journal of Vibration and
Acoustics, 116(2):222231.
[Zimmerman et Simmermacher, 1995] ZIMMERMAN, D. C. et SIMMERMACHER, T.
(1995). Model correlation using multiple static load and vibration tests. AIAA journal,
33(11):21822188.
[Zimmerman et al., 1996] ZIMMERMAN, D. C., SMITH, S. W., KIM, H. M. et BARTKO-
WICZ, T. J. (1996). An Experimental Study of Structural Health Monitoring Using
Incomplete Measurements. Journal of Vibration and Acoustics, 118(4):543550.
contexte incertain
t
e
l
-
0
0
6
7
5
7
4
1
,

v
e
r
s
i
o
n

1

-

1

M
a
r

2
0
1
2
Bibliographie 137
[Zimmerman et Widengren, 1990] ZIMMERMAN, D. C. et WIDENGREN, M. (1990).
Correcting nite element models using a symmetric eigenstructure assignment tech-
nique. AIAA journal, 28(9):16701676.
[Zohdi et al., 1996] ZOHDI, T. I., ODEN, J. T. et RODIN, G. J. (1996). Hierarchical mo-
deling of heterogeneous bodies. Computer Methods in Applied Mechanics and Engi-
neering, 138(1-4):273298.
contexte incertain
t
e
l
-
0
0
6
7
5
7
4
1
,

v
e
r
s
i
o
n

1

-

1

M
a
r

2
0
1
2

Doctorat Modelisation Assemblage

Încărcat de

Informații document

Drepturi de autor

Formate disponibile

Partajați acest document

Partajați sau inserați document

Opțiuni de partajare

Vi se pare util acest document?

Este necorespunzător acest conținut?

Drepturi de autor:

Formate disponibile

Doctorat Modelisation Assemblage

Încărcat de

Drepturi de autor:

Formate disponibile

ENSC-2011/337

FIGURE 1.13: Numrotation des pices

FIGURE 1.17: Schma du modle rhologique dIwan parallle-srie (gauche) et srie-

FIGURE 1.23: Modle continu de xation aux dimensions nominales

U tant un vecteur complexe contenant les informations damplitude et de phase, et

son complexe conjugu. Nous utiliserons la notation suivante dans la suite de

U], les corrections [K] et [M]

U la structure. On calcule le rsidu suivant :

F. Leffort {F} sexprime de la faon suivante :

F. On calcule le rsidu suivant :

F et les dplacements mesurs

n, n tant le nombre de tirages. Le nombre de tirages ncessaire avant

FIGURE 1.27: Principe des mthodes abilistes : exemple de lapproximation FORM,

([A], [b]) ce qui revient trouver lensemble des x tels que :

soit proche de 0. Tout

G X+g. La mthode de vrication de linclusion (1.77)

Trouver s = (U, []) S

(x) > f (x) (2.31)

FIGURE 2.26: Reprsentation dun connecteur

FIGURE 2.27: Gomtrie de la modlisation linaire

sont respectivement, la fonction densit de probabilit de la borne sup-

FIGURE 4.1: Stratgie de modlisation envisage au Chapitre 2

Trouver s = (U, []) S

S-ar putea să vă placă și