Data-Driven Model Identification for hyperelasticity : mapping the strain energy throughout multiaxial experiments

Identification de modèles pilotée par les données appliquée à l’hyperélasticité : acquisition et représentation de la densité d’énergie de déformation au cours d’essais multiaxiaux Modéliser la réponse mécanique des matériaux consiste à établir une relation (un modèle) entre contraintes et déformations,dépendant de paramètres identifiés à partir de données expérimentales issues d’essais mécaniques. D’une part, l’identification basée sur des essais homogènes n’apporte pas d’information sur la réponse du matériau soumis à des sollicitations complexes. D’autre part, l'identification basée sur des essais multiaxiaux est plus coûteuse numériquement et impose le choix du modèle a priori. Récemment, a émergé la possibilité de représenter le comportement mécanique des matériaux par une base de données plutôt que via une loi de comportement au travers de la « Data Driven Computational Mechanics ». Dans ce cadre, l’algorithme Data-Driven Identification (DDI) développé par Leygue et al. (2018) permet d’estimer le champ de contrainte lors d’un essai multiaxial.Cette thèse propose d’explorer la réponse cinématique puis mécanique complète de membranes élastomères sollicitées en grandes déformations multiaxiales grâce à un montage expérimental original mettant en jeu un hexapode. La méthode DDI est ensuite utilisée pour déterminer la réponse en contraintes du matériau lors de ces essais. Deux développements sont finalement proposés : une méthode d’identification alliant DDI (sans modèle) et modèles de comportement, et une proposition d’amélioration des géométriesd’éprouvettes pour les essais multiaxiaux.