Remerciez-le!

Remerciez @Admin pour avoir partagé cet document gratuitement, de la manière la plus simple, en partageant sur les réseaux sociaux.

Tinkiwinki 1 Identi ?cation du modèle micromécanique A ?n d'appliquer le modèle développé pour la prédiction du comportement thermomécanique du composite de l ? étude à savoir le PA -GF il convient d'identi ?er rigoureusement ses paramètres Ces derniers s

Identi ?cation du modèle micromécanique A ?n d'appliquer le modèle développé pour la prédiction du comportement thermomécanique du composite de l ? étude à savoir le PA -GF il convient d'identi ?er rigoureusement ses paramètres Ces derniers sont les propriétés associées à sa microstructure à la loi constitutive de la matrice ainsi qu ? aux paramètres des lois d'évolutions des di ?érents mécanismes d'endommagement Pour ce faire des algorithmes de rétro-ingénierie sont utilisés Fondés sur les méthodes inverses ils constituent des outils d'optimisation puissants et versatiles permettant d ? extraire les paramètres d'une loi pilotant un système à partir de la seule analyse de ses réponses La première section de ce chapitre est ainsi dédiée aux algorithmes de rétro-ingénierie utilisés dans le cadre de cette thèse La seconde établit la modélisation de la microstructure en accord avec les observations expérimentales et la troisième détermine le comportement rhéologique de la matrice polyamide Finalement les lois d'évolutions des mécanismes d'endommagement sont identi ?ées sur des courbes de comportement macroscopiques Outils d'optimisation a Algorithme génétique L'architecture de l'algorithme d'optimisation ici développé est basée sur les algorithmes génétiques Ceux-ci ont été initiés par Holland dans les années et consiste en une méthode heuristique qui imite le processus de sélection naturelle tel que décrit par Charles Darwin au e siècle Cette approche s'appuie directement sur des techniques dérivées de la génétique et plus particulièrement sur les notions de mutation de sélection de croisement et d'hérédité Elle est en fait analogue à l'étude d'une population d'individus qui doit s'acclimater à son environnement Ces individus engendrent de nouvelles générations qui sont de plus en plus adaptées aux conditions de vie imposées En e ?et ils sont remplacés au fur et à mesure par ceux qui sont les plus aptes à survivre ? Au ?nal il ne reste plus que les solutions les plus compétitives face au problème donné Ce genre de méthode a connu un essor dans les années gr? ce notamment à la vulgarisation faite par Goldberg C'est aujourd'hui une technique d'optimisation établie Bien qu'elle ne puisse garantir l'unicité et donc l'exactitude de la solution elle est particulièrement appréciée pour son e ?cacité et sa versatilité Intéressons-nous désormais plus en détail au déroulement de cette approche évolutionnaire De par son analogie avec la génétique le vocabulaire usuellement employé par de tels algorithmes est proche de celui de cette discipline Les explications suivantes sont à rapprochées du schéma de la Figure V Tout commence avec la création de la population initiale qui comprend un nombre ?ni d'individu Chaque individu possède un génome qui correspond à une solution particulière au problème donné Chaque gène détient en fait une valeur pour l'un des paramètres du problème d'optimisation Un génome comporte ainsi autant de gènes qu'il y a de paramètres à optimiser L'adaptabilité de chaque génome est ensuite estimée via une fonction coût dédiée Les individus de la population initiale peuvent dès lors être classés selon leur aptitude à satisfaire cette fonction coût Ensuite des individus sont sélectionnés aléatoirement a