A fast Neuber-type finite element simulator to enable deep-learning-based fatigue life predictions from thermographic data
Résumé
Cet article décrit une nouvelle méthode développée pour accélérer les calculs sur des structures poreuses à comportement non linéaire. L’hypothèse de proportionnalité est utilisée en conjonction avec une méthode de Neuber modifiée afin de réduire la complexité dimensionnelle typique des méthodes de Neuber multiaxiales. Cette méthode est utilisée afin d’intégrer numériquement les lois matériaux non linéaires en fonction de la réponse élastique par Éléments Finis de la structure, pour obtenir la dissipation intrinsèque en champ complet via les composantes déviatoriques élasto-plastiques approchées de contrainte et de déformation. Cette méthode permet la génération rapide de grands ensembles de données de la réponse thermique des structures avec des populations de pores variables ayant une réponse non linéaire. Des approches d’apprentissage automatique basées sur ces données pour lier la réponse thermique des structures à leur durée de vie en fatigue sont donc rendues possibles.