Métrologie fonctionnelle par imagerie 3D et apprentissage de jumeaux numériques : application à la fatigue thermo-mécanique dans les superalliages monocristallins - PASTEL - Thèses en ligne de ParisTech Accéder directement au contenu
Thèse Année : 2023

Functional metrology using 3D image-based Digital Twins learning : application to single crystal superalloys thermomechanical fatigue

Métrologie fonctionnelle par imagerie 3D et apprentissage de jumeaux numériques : application à la fatigue thermo-mécanique dans les superalliages monocristallins

Axel Aublet
  • Fonction : Auteur
  • PersonId : 1315253
  • IdRef : 272616273

Résumé

Some environments, such as high-pressure turbines in aircraft engines, impose severe thermomechanical conditions. To withstand these stresses, turbine blades are designed with complex geometries, high-performance materials and cooling systems. These parts are manufactured by an investment casting process with directed solidification to obtain single crystal superalloy. However, the process' nature can lead to geometrical variations in the parts dimensions. In the case of tolerance limits, it induces a specific and unitary treatment called derogation. They are known to be very time consuming and modern techniques based on Digital Twins could allow a speed up. We propose to answer this problem within the framework of this thesis with a methodology of Functional Metrology.The innovation of this approach is to juxtapose all the information available through measurements, experimental data and simulation models in order to link the geometric variance of real parts to their lifetimes. To build the method, complex specimens with variable geometries were designed and manufactured in a foundry. A scan of these specimens is performed by tomography and the measurement of the material orientation is associated with it. With an adapted method, a mesh of sufficient quality for the simulations is generated from the segmented volume. A thermomechanical lifetime simulation model is applied, where the behavior is calculated by crystal plasticity. This model was recalibrated on thermomechanical fatigue tests with gradients developed and performed at the Materials Center. Model hyper-reduction techniques are then used in order to reduce the calculation time. They also propose a learning method to predict the lifetime of a new real part, without replaying the whole calculation chain. To do so, a Mesh Morphing algorithm has been implemented in order to find a single dimensional space to use the non-linear model order reduction. The latter is realized via a dictionary approach in order to approximate a non-linear space by a set of linear reduced models.
Certains environnements, tels que les turbines à haute pression des moteurs aéronautiques, imposent des conditions thermomécaniques sévères. Afin de résister à ces sollicitations, les aubes de turbines sont conçues avec des géométries complexes, des matériaux performants ainsi que des systèmes de refroidissement. Ces pièces sont fabriquées par voie de fonderie à cire perdue à solidification dirigée en superalliage monocristallin. Cependant, la nature du procédé peut induire des variations géométriques des cotes des pièces induisant, dans les cas hors tolérance, un traitement spécifique et unitaire appelé dérogation. Ces traitements sont actuellement très chronophages et des techniques modernes basées sur les approches dites de Jumeaux Numériques, pourraient permettre de les accélérer. Nous proposons de répondre à cette problématique dans le cadre de cette thèse avec une méthodologie de Métrologie Fonctionnelle.L'innovation de cette approche est donc de pouvoir juxtaposer l'ensemble des informations disponibles au travers des mesures, données expérimentales et modèles de simulation afin de lier la variance géométrique des pièces réelles à leurs durées de vie. Pour construire la méthode, des éprouvettes complexes à géométries variables ont été conçues et fabriquées en fonderie. Une numérisation de ces éprouvettes est réalisée par tomographie et on y associe la mesure de l'orientation matérielle. Avec une méthode adaptée, un maillage de qualité suffisante pour les simulations est généré depuis le volume segmenté. Un modèle de simulation thermomécanique de durée de vie est appliqué, où le comportement est calculé par plasticité cristalline. Ce modèle a été recalé sur des essais de fatigue thermomécanique à gradients développés et réalisés au Centre des Matériaux. Des techniques d'hyper-réduction de modèle sont ensuite utilisées afin de diminuer les temps de calculs. Elles proposent de plus une méthode d'apprentissage afin de prédire la durée de vie d'une nouvelle pièce réelle, sans rejouer l'ensemble de la chaîne de calculs. Pour ce faire, un algorithme de Mesh Morphing a été implémenté afin de trouver un espace de dimension unique pour utiliser la réduction d'ordre de modèle non-linéaire. Cette dernière est réalisée via une approche par dictionnaire afin d'approximer un espace non-linéaire par un ensemble de modèles réduits linéaires.
Fichier principal
Vignette du fichier
2023UPSLM028_archivage.pdf (93.51 Mo) Télécharger le fichier
Origine : Version validée par le jury (STAR)

Dates et versions

tel-04304032 , version 1 (24-11-2023)

Identifiants

  • HAL Id : tel-04304032 , version 1

Citer

Axel Aublet. Métrologie fonctionnelle par imagerie 3D et apprentissage de jumeaux numériques : application à la fatigue thermo-mécanique dans les superalliages monocristallins. Matériaux. Université Paris sciences et lettres, 2023. Français. ⟨NNT : 2023UPSLM028⟩. ⟨tel-04304032⟩
98 Consultations
21 Téléchargements

Partager

Gmail Facebook X LinkedIn More