Application d'une méthode data-driven à des essais complexes pour l'identification de modèles hyperélastiques. - Archive ouverte HAL Accéder directement au contenu
Communication Dans Un Congrès Année : 2022

Application d'une méthode data-driven à des essais complexes pour l'identification de modèles hyperélastiques.

Résumé

Les méthodes d’identification data-driven développées ces dernières années permettent le calcul de champs de contraintes sans loi de comportement. L’adaptation de ces outils aux données réelles, après acquisition par corrélation d’images, permettent l’identification du comportement de membranes hyperélastiques à partir d’essais complexes. Après un aperçu des méthodes classiques d’identification de lois de comportement, les principes de l’identification data-driven seront présentés. Une première identification sera proposée à partir de résultats synthétiques afin de démontrer la pertinence de l’approche.
Fichier principal
Vignette du fichier
CSMA_2022_Costecalde_Lena.pdf (800.03 Ko) Télécharger le fichier
Format : typeAnnex_abstract

Dates et versions

hal-03717581 , version 1 (08-07-2022)

Identifiants

  • HAL Id : hal-03717581 , version 1

Citer

Léna Costecalde, Adrien Leygue, Michel Coret, Erwan Verron. Application d'une méthode data-driven à des essais complexes pour l'identification de modèles hyperélastiques.. 15ème colloque national en calcul des structures, Université Polytechnique Hauts-de-France [UPHF], May 2022, 83400 Hyères-les-Palmiers, France. ⟨hal-03717581⟩
47 Consultations
45 Téléchargements

Partager

Gmail Facebook X LinkedIn More