Consulter le flux RSS

Publications

Affichage des publications 1 à 10 sur 315 au total

Mécanique des matériaux

Approximation and definition of state variables for a comprehensive description of damage for ceramic matrix composites

Over the past decades, non-linear models describing damage and fracture of architectured materials have highly progressed, taking into account varied scenarios of degradation under complex multi-axial loadings. Many of these models remain expansive…

Emmanuel Baranger

48th International Conference and Expo on Advanced Ceramics and Composites (ICACC 2024) -

Sciences de l'ingénieur

Identification et suivi de l'endommagement structural à l'aide de mesures expérimentales et d'une approche par filtre de Kalman modifié

Dans cette étude, une approche par filtre de Kalman modifié est appliquée en utilisant des données de déformation, obtenues par des capteurs à fibre optique à diffusion de Rayleigh lors d'un essai de flexion 4-points. l'objectif de cette approche…

Sahar Farahbakhsh, Ludovic Chamoin, Martin Poncelet

16eme Colloque National en Calcul des Structures -

Sciences de l'ingénieur

OFDR optic fiber measurements: Performance limitations

As a part of the PhD research project, an OFDR Rayleigh-based optic fiber sensor is embedded as shown in a beam sample, passing through it 4 times to provide strain measurements along the axis of the fiber during a quasi-static 4-point bending test…

Sahar Farahbakhsh, Martin Poncelet, Ludovic Chamoin

Colloque National Mécamat, 2024 -

Intelligence artificielle

Unsupervised learning of history-dependent constitutive material laws with thermodynamically-consistent neural networks in the modified Constitutive Relation Error framework.

This article proposes a consistent and general approach to train physics-augmented neural networks with observable data to enrich and represent nonlinear history-dependent material behaviors in terms of both state equations and evolution laws. In…

Antoine Benady, Emmanuel Baranger, Ludovic Chamoin

Computer Methods in Applied Mechanics and Engineering -

Intelligence artificielle

Apprentissage non-supervisé de lois de comportement nonlinéaires avec réseau de neurones thermodynamiquement consistent par minimisation de l'erreur en relation de comportement modifiée

Cet article propose une méthode d'apprentissage de lois de comportement nonsupervisé, fondée sur la minimisation de l'erreur en relation de comportement modifiée. La loi de comportement, en termes de loi d'état et d'équation d'évolution, est…

Antoine Benady, Emmanuel Baranger, Ludovic Chamoin