From

Timetable

Place Salle 1Z14, ENS Paris-Saclay, 4 avenue des sciences, 91190 Gif-sur-Yvette

Thesis & HDR defense

Soutenance de thèse : Afsal Pulikkathodi

Doctorant de l'équipe STAN
Directeur de thèse : Ludovic CHAMOIN
Co-directrice de thèse : Elisabeth LACAZEDIEU
Co-encadrant : Juan Pedro Berro RAMIREZ, Altair
Co-encadrant : Laurent ROTA, Stellantis
Co-encadrant : Malek ZARROUG, Stellantis

Add to the calendar

Couplage non-intrusif avec des modèles locaux issus de l'apprentissage profond pour la simulation efficace des structures soudées en dynamique explicite.

Malgré les progrès dans le calcul haute performance et les nouveaux développements dans les méthodes numériques, résoudre de grands problèmes structurels comportant plusieurs comportements localisés complexes reste un défi significatif. Pour cette raison, dans l’industrie automobile, des modèles très simplifiés liés à la Méthode des Éléments Finis (MEF) sont utilisés pour les simulations de crash, en utilisant des éléments 1D pour représenter les points de soudure. La modélisation avec des milliers de points de soudure avec des éléments raffinés augmente non seulement le nombre de degrés de liberté mais réduit également l’intervalle de temps utilisé dans les schémas explicites. Pour relever ce défi, des Méthodes de Décomposition de Domaine (MDD) intrusives et non-intrusives ont été développées par le passé, où les caractéristiques localisées sont résolues séparément à leurs propres échelles temporelles.
Cette thèse vise à développer une stratégie de couplage non-intrusive qui intègre un modèle réduit piloté par les données (ROM) d’un modèle local dans un solveur global dynamique explicite. La recherche comprend trois phases. Initialement, un modèle réduit basé sur une Architecture de Réseaux de Neurones Guidée par la Physique (PGANN) pour le problème local est développé. Ce modèle est ensuite intégré au modèle global à travers une méthode de couplage local/global non-intrusive. Enfin, une technique d’estimation d’erreur est formulée pour identifier les régions localisées potentielles où des améliorations basées sur les réseaux de neurones sont nécessaires. La méthode proposée est illustrée sur divers exemples de complexité croissante, allant d’un simple problème de plaque 2D à des structures industrielles 3D avec multiples points de soudure.

Le jury sera composé des membres suivants :

  • Pierre GOSSELET, Directeur de recherche, Université de Lille, Rapporteur.
  • Nawfal BLAL, Maître de conférences, INSA Lyon Univ Lyon, Rapporteur.
  • Delphine BRANCHERIE, Professeur, Université de Technologie de Compiègne, Examinatrice.
  • Omar BETTINOTTI, Senior Technology Engineer, Dassault Systèmes Simulia, Examinateur.

  • Fatima DAIM, Team Leader Research and Innovation, ESI Group, Invitée.

  • Amin ZAMMOURI, Enseignant-Chercheur, EPF Ecole d’ingénieurs, Invité.