Dimensionnement fiabiliste de la structure d’un étage supérieur de lanceur P. WILLAUME * – G. DEFAUX * V. TAPONIER ** M. PENDOLA * / *** * PHIMECA Engineering S.A. Centre d’Affaires du Zénith, 34 rue de Sarliève, F-63800, Cournon d’Auvergne [email protected]; [email protected]** CNES, Direction Des Lanceurs Rond Point de l’Espace, F-91023 Courcouronnes Evry Cedex [email protected]*** Clermont Université, IFMA, EA 3867, Laboratoire de Mécanique et Ingénieries BP 10448, F-63000 Clermont-Ferrand [email protected]
This document is posted to help you gain knowledge. Please leave a comment to let me know what you think about it! Share it to your friends and learn new things together.
Transcript
Dimensionnement fiabiliste de la structure
d’un étage supérieur de lanceur
P. WILLAUME * – G. DEFAUX *V. TAPONIER **
M. PENDOLA * / ***
* PHIMECA Engineering S.A.Centre d’Affaires du Zénith, 34 rue de Sarliève, F-63800, Cournon d’[email protected] ; [email protected]** CNES, Direction Des LanceursRond Point de l’Espace, F-91023 Courcouronnes Evry [email protected]*** Clermont Université, IFMA, EA 3867, Laboratoire de Mécanique et Ingénieries BP 10448, F-63000 [email protected]
Uncertainty in industrial practice – A guide to quantitative uncertainty management,E. de Rocquigny, N. Devictor, S. Tarantola (Eds.), John Wiley, 2008
Facteurs d’importance : contribution de chacune des variables aléatoires d’entrée dans la variabilité de la réponse étudiée en sortie du modèle, ici la charge de rupture du premier pli.
Il ressort 6 variables influentes :• désalignement vertical de la première ligne de rivets en partie basse
situé “grand côté” (rivets 8 à 13),• désalignement vertical de la dernière ligne de rivets en partie haute
situé “grand côté” (rivets 14 à 19),• épaisseur du premier pli du composite situé “grand côté”,• épaisseur du dernier pli du composite situé “grand côté”,• module d’Young longitudinal du carbone,• module d’Young transversal du carbone.
Réduction de la dimension du problème :
passage de 109 variables potentielles à 6 variables aléatoires
• Indices de Sobol’ : Hiérarchisation des variables d’entrée dans la variabilitéde la variable étudiée
I est une liste d’indices correspondants aux polynômesΨj de la base tronquée faisant intervenir Xi
Variables aléatoires Indices de SobolEpaisseur de pli du composite n°1 8,49%Epaisseur de pli du composite n°13 7,65%Désalignement vertical des rivets - ligne des rivets 8 à 13 4,73%Désalignement vertical des rivets - ligne des rivets 14 à 19 72,15%Module d'Young longitudinal [E l] 3,72%Module d'Young transversal [E t] 3,26%
Variables aléatoires Facteur d'importanceEpaisseur de pli du composite n°1 [ep01 ] 0,6%Epaisseur de pli du composite n°13 [ep13 ] 5,8%Désalignement vertical des rivets par rapport à la cote moyenne - ligne des rivets 8 à 13 0,2%Désalignement vertical des rivets par rapport à la cote moyenne - ligne des rivets 14 à 19 19,1%Module d'Young longitudinal [E l] 69,8%Module d'Young transversal [E t] 3,3%Chargement statique [ustat ] 0,0%Chargement dynamique [udyna ] 1,2%
• Imbrication d’un résultat probabiliste dans l’étude de fiabilité d’une structure
Détermination des variables locales (intervenant dans l’admissible mais non modélisée physiquement) pilotant la fiabilité
• Démonstration de la faisabilité d’introduction de variabilité géométrique :
•nécessite des efforts pour piloter les outils et regénérer ainsi les différents maillages servant aux calculs (ici, le pilotage automatique du logiciel I-DEAS)
• Grande fiabilité de la structure car marge déterministe importante
• Fiabilité conditionnelle à de multiples hypothèses (adéquation des modèles choisis avec la réalité, hypothèses choisies pour les analyses probabilistes, etc.).
• Fiabilité pilotée par l’admissible Φouter
estimation et mesure de l’importance des variables d’entrée du méta-modèle dans la fiabilité. En utilisant une variable Φouter globale le niveau de fiabilité et la hiérarchisation des variables auraient été différents et donc la compréhension de la problématique moindre
• Identification des paramètres stochastiques influents dans la fiabilité
• Fiabilité sensible à l’écart type des variables Importance du contrôle des matières ou de la fabrication
• Résultats liés à l’hypothèse d’extrapolation de la distribution de l’admissible Φouter à partir de la charge de rupture du 1er pli
• Sens « physique » des résultats à lier à cette hypothèse
• « couplage » physique au niveau de la démarche mise en œuvre, avec des variables jouant à la fois dans la modélisation numérique (modèle EF) et dans le méta-modèle relatif à l’admissible
Plus difficile d’avoir une vision de la physique des choses, i.e. comment une augmentation d’un paramètre va piloter les MoS puisque ce paramètre contribue àtous les acteurs du MoS