18

me
Congrs Franais de Mcanique Grenoble, 27-31 aot 2007
1
Evaluation probabiliste de la dure de vie de structures

Cyrille Schwob*, Laurent Chambon* & Franois Ronde-Oustau+

*EADS Innovation Works France, +CROMeP
12 rue Pasteur, 92152 Suresnes Cedex
cyrille.schwob@eads.net



Rsum :

Cette communication prsente lintgration dans un cadre probabiliste dun critre de fatigue multiaxial
robuste. La propagation de la variabilit travers le modle de fatigue est initialement ralise laide
dune mthode de Monte-Carlo. Une surface de rponse probabiliste est ensuite propose. Les capacits
prdictives du modle sont alors values laide dune base de donnes de fatigue sur un alliage
daluminium EADS Innovation Works et au laboratoire CROMeP. En particulier, la dispersion prvue
par le modle est comparable aux dispersions trouves exprimentalement.

Abstract :

This paper presents the integration of an advanced multiaxial fatigue criterion in a probabilistic
framework. A Monte-Carlo approach is used first to propagate the uncertainty. A probabilistic surface
response methodology is then evaluated. The predictive capabilities of the model are tested successfully,
for a light alloy, against a dedicated experimental database generated at EADS Innovation Works France
and at the CROMeP laboratory. In particular, the experimental scatter is adequately predicted. The
method proposed can be easily integrated in a classical design scheme.

Mots-clefs : incertitudes, critre de fatigue, valuation statistique

1 Introduction

Les choix de conception de pices et structures sont habituellement valids en fatigue
laide de critre de fatigue tels que les critres de Crossland, Dang Van ou encore
Papadopoulos, voir Papadopoulos et al. (1997). Ces critres sont idalement identifis partir
de donnes exprimentales obtenues sur des prouvettes simples. Cependant lapplication de ces
modles ne conduit pas toujours une prvision fiable du comportement en fatigue de la pice
tudie. En effet le transfert vers une pice relle des caractristiques de fatigue dun matriau,
laide de critres, ne prend gnralement pas directement en compte de nombreux effets,
notamment les effets de concentrations de contraintes. Dautre part la rponse binaire dun
critre de fatigue ne reflte pas de faon adquate limportante dispersion observe
exprimentale lors de tout essai de fatigue. On propose ici dintgrer un modle de courbe de
Whler bas sur un critre de fatigue avanc (prenant en compte leffet de gradient) dvelopp
EADS Innovation Works et au CROMeP dans une dmarche probabiliste gnrale. La
dmarche est alors adapte pour tenir compte des spcificits dun calcul de structure qui
ncessite des temps de calculs important.

2 Dfinition du modle

Le modle utilis est un modle calculant la courbe de Whler complte. Il repose sur un
critre de fatigue avanc. On dcrit dabord le critre, puis le modle dterministe que lon
18
me
Congrs Franais de Mcanique Grenoble, 27-31 aot 2007
2
souhaite probabiliser. Enfin on expose les raisons nous conduisant ne retenir quune seule
variable alatoire dans notre modle.

2.1 Critre de fatigue

Le critre de fatigue retenu a t dvelopp EADS Innovation Works et au CROMeP. Il
produit des prdictions de dures de vie moyennes relativement robustes pour une varit
dprouvettes lisses, troues et entailles. Ce critre est bas sur une moyenne spatiale dun
critre de fatigue classique, le critre de Papadopoulos (voir Papadopoulos (1999)), sur un
volume dinfluence dfini par un critre msoscopique. La formulation du critre est donne
brivement ici, des dtails peuvent tre trouvs dans Schwob et al. (2006a). Une prouvette
soumise N cycles de chargement S(t), induisant une contrainte locale (t), ne rompt pas si la
relation suivante est vrifie en tout point:

\
|
+ =
V
a
N dV P N T
V
N S crit ) ( ) (
1
) ,...), ( (
max
2
(1)
o () et () sont des paramtres matriaux dtermins partir de courbes de Whler
moyennes exprimentales,
2
a
T reprsente la moyenne quadratique du cisaillement rsolu
T=.n.m (n et m sont deux vecteurs unitaires dfinissant un plan et une direction contenue dans
ce plan, n est la normale au plan, m un vecteur directeur de cette direction) sur toute les
combinaisons (n,m) possibles, P
max
est la pression hydrostatique maximale au cours du cyclage
et V reprsente le volume dinfluence englobant le point considr. Ce volume est dfini par un
autre critre, dit msoscopique. La formulation de ce critre retenue pour les calculs prsents
ici est la suivante :
( )
( )
( )
( )

= N G
P T Max
M T
M T M V
a P
a
a
, (2)
o T
a
(M) reprsente le maximum - sur toutes les directions possibles - de lamplitude du
cisaillement rsolu au point M, G est un paramtre additionnel dpendant de N et galement
dtermin partir des limites de fatigue du matriau. Les trois paramtres du modle sont
dtermins partir de trois courbes de Whler moyenne (traction ondule sur prouvettes plates
de rapport R (R=S
min
/S
max
) R
0.1
et sur prouvettes troues de rapports R
0.1
et R
-1
) ralises au
centre de recherche EADS Innovation Works et au CROMeP.

2.2 Modle numrique dterministe de la courbe de Whler, objectifs

La rsolution de lgalit associe linquation (1) sur (S,N) fournit une courbe de
Whler numrique que nous notons ) (S fatigue N S = a vrifiant donc
crit((S,),fatigue(S))=0. La rsolution de cette quation non linaire peut ncessiter un
nombre important dappels au calcul du critre (coteux car ncessitant lvaluation de
lintgrale (1)) et de ltat de contrainte dans la pice qui se ralise usuellement par calculs
lments finis (calculs lastiques dans les cas considrs ici). Le modle que lon cherche
probabiliser est le modle fournissant cette courbe de Whler. Lobjectif de la probabilisation de
ce modle est dobtenir un rseau de courbes pSN gnres numriquement.

2.3 Sources dincertitudes

18
me
Congrs Franais de Mcanique Grenoble, 27-31 aot 2007
3
Une approche commune pour probabiliser un modle consiste considrer que cert ains
paramtres du modle sont des variables alatoires. Les principaux paramtres de notre modle
contribuant la variabilit de la courbe de Whler sont lists ci-dessous:
les paramtres du critre de fatigue (N), (N), G(N)
ltat de contrainte local
le chargement appliqu S(t)
les dimensions de lprouvette
l'tat de surface
les paramtres matriaux (principalement E, ,)
Certains de ces paramtres peuvent tre regroups dans lune des trois classes de paramtres
suivantes, suivant lorigine de leur variabilit:
paramtres dont la variabilit est lie la mtallurgie de lprouvette : , E, .
paramtres dont la variabilit est lie la fabrication de lprouvette : dimensions,
, tat de surface
paramtres dont la variabilit est lie la procdure de test : S
La variabilit des paramtres et G est lie la fois la mtallurgie et la fabrication de
lprouvette et est donc difficilement contrlable.
En ce qui concerne notre base de donnes, toutes les prouvettes sont issues du mme lot
matire. De plus les prouvettes tant assez simples, on suppose que leur fabrication, leur
gomtrie et la procdure de chargement sont identiques dun test lautre. Ce point est certes
discutable, mais en ralisant les prouvettes avec attention et en ralisant les essais
minutieusement on peut considrer que cette hypothse est raisonnable, au moins au premier
ordre. Par consquent, lessentiel des paramtres dcrits plus haut peuvent tre considrs
dterministes, lexception de et G, la dispersion de ces derniers tant difficilement
contrlable. Par ailleurs G est un paramtre matriau msoscopique issu du modle de
Papadopoulos. Il reprsente initialement la dformation plastique cumule acceptable pour un
cristal donn. Cependant, dans lusage que lon en fait, il sagit plus dune moyenne de cette
quantit sur un volume matriel, i.e. sur de nombreux cristaux (voir Schwob et al. (2006a) pour
plus de dtails). On peut donc considrer que cette valeur moyenne nest pas affecte de faon
importante par la variabilit au niveau du grain. G sera donc galement considre comme une
variable dterministe dans la suite.
En consquence, une seule source dincertitude ( savoir (N) prenant en compte lincertitude
relative la mtallurgie et la fabrication de lprouvette) est retenue dans un premier temps.
Ce choix a par ailleurs t valid par une tude de sensibilit non prsente ici. La srie
dhistogramme (un par dure de vie dintrt) des fonctions de rpartition de cette variable
alatoire est obtenue par identification inverse partir dun rseau de courbes pSN
exprimentale . Ce rseau de courbe est obtenu par analyse statistique de rsultats
exprimentaux conduits pour obtenir la courbe de Whler en traction ondule de rapport R
0.1
sur
prouvette plate. Pour plus de dtails, voir Schwob et al. (2006b).

3 Propagation des incertitudes

Nous souhaitons ici gnrer numriquement le rseau de courbes pSN pour une prouvette
troue charge en traction ondule de rapport R
0.3
. Ce rseau de courbes est en fait constitu des
quantiles de la sortie du modle dterministe dcrit en 2.3, elles seront donc obtenues par
propagation des incertitudes sur le paramtre (N) travers ce modle. La base de donnes
exprimentale est complte pour avoir des expriences ce niveau de chargement, permettant
18
me
Congrs Franais de Mcanique Grenoble, 27-31 aot 2007
4
ainsi une comparaison exprience/prdictions. Deux mthodes de propagation sont
successivement tudies.

3.1 Mthode de Monte-Carlo

Etant donn les objectifs recherchs, la mthode de propagation dincertitude la plus
indique est la mthode de Monte-Carlo. Pour le tirage, on a utilis un chantillon de taille
3000, ce qui nous permet dobtenir des intervalles de confiance raisonnables.
On donne dans les graphes qui suivent les rsultats (courbes de Whler) de la mthode
applique la configuration qui nous intresse ici (une configuration diffrente de celles
utilises pour lidentification de la variable alatoire et des paramtres dterministe donc). Dans
le graphe suivant, seuls sont prsents trois cent tirages. On reprsente galement les quantiles
0.05, 0.5 et 0.95.

50000 100000 150000
100
120
140
160
180
200
220
240
Nombre de cycles
S
m
a
x

(
M
P
a
)

MC runs
Median
5%-95% curves

FIG. 1: Tirages de Monte-Carlo

Les prdictions de ces quantiles sont reprsentes sur le graphe suivant sur lequel on a
galement reprsent les rsultats exprimentaux correspondant ce type de chargement. Un
avantage de la mthode de Monte-Carlo est la facilit du post-traitement de la simulation. Par
exemple des intervalles de confiances exacts sur les quantiles peuvent sen dduire facilement
laide de rsultats de la statistique dordre (voir David et al. (2003)). Nous avons galement
reprsents ces intervalles sur le graphe suivant.


FIG. 2: Comparaison prdiction/exprience, prouvette troue, R
0.3


120
130
140
150
160
170
180
190
200
210
220
100000
S
(
M
P
a
)
Nombre de cycles
median curve
confidence intervals
5%-95% quantiles
Experiments
50000
18
me
Congrs Franais de Mcanique Grenoble, 27-31 aot 2007
5
On voit que les points exprimentaux se placent bien dans le rseau des courbes pSN.


3.2 Surface de rponse probabiliste
Lapplication de cette mthode telle quelle un cas structural plus complexe nest pas
envisageable pour des raisons de temps de calcul. En effet les mthodes de type Monte-Carlo
ncessite des temps de calculs importants directement proportionnel au temps de calcul
ncessaire pour raliser une valuation du modle dterministe, chaque valuation impliquant
dans notre cas de nombreuses valuations du critre pour diffrente valeurs de ses paramtres.
Pour rsoudre ce problme (qui nous force ne raliser quun nombre limit de tirages de
Monte-Carlo), une solution classique consiste remplacer le modle dterministe (le modle de
courbe SN donc) par une surface de rponse (i.e. un modle simplifi suppos approcher de
faon satisfaisante le modle initial). La mise au point de ces surfaces de rponses est un
processus assez dlicat et dpendant fortement du cas tudi. Nous prfrons proposer ici une
mthode quivalente pour la partie probabiliste qui a lavantage de pouvoir sappliquer toutes
les configurations sans modifications. Elle correspond en fait une sorte de surface de rponse
probabiliste. Nous appliquons cette mthode la mme configuration que dans le paragraphe
prcdent pour validation.

Cette mthode sappuie sur une version dgrade du modle dterministe: pour chaque tirage de
la valeur alatoire on ne rsout lquation (1) que sur N, pour un niveau de contrainte S
particulier ce qui rduit considrablement le temps de calcul ncessaire. Cette rduction du
temps de calcul nous permet alors de raliser un plus grand nombre de tirage de Monte-Carlo de
la variable alatoire. Il faut bien noter cependant que la variable de sortie du modle
dterministe dgrad nest plus relie directement notre quantit dintrt (quantiles des
courbes de Whler), puisque lon obtient juste en sortie une dure de vie correspondant un
niveau de chargement et un tirage de la variable alatoire. Il est intressant de noter ici la
correspondance entre cette variable de sortie et le rsultat dun essai de fatigue sur une
prouvette. En ralisant ces tirages alatoires pour diffrents niveaux de chargements (S
i
)
1<i<nS

fixs a priori, on obtient un nuage de points couvrant lensemble des chargements/dures de vies
dintrt (de la mme manire que lon cre une courbe de Whler exprimentalement). Le
nuage de points numriques ainsi obtenus peut alors tre trait selon des mthodes de traitement
des donnes de fatigue comme par exemple le modle propos par Pascual et al. (1999). Ce
traitement nous permet alors daccder nos quantits dintrts, i.e. il nous permet de
reconstruire un rseau de courbes pSN partir du nuage de point.
On donne ci-dessous un graphique reprsentant les prvisions des quantiles 0.05, 0.50 et 0.95
par la mthode complte et la mthode dgrade.

18
me
Congrs Franais de Mcanique Grenoble, 27-31 aot 2007
6

FIG. 3: Comparaison du modle de surface de rponse probabiliste avec le modle complet
Les rsultats obtenus par la mthode de surface de rponse probabiliste se comparent de faon
trs satisfaisante avec les rsultats de la mthode complte, ce rsultat est dautant plus
intressant que le temps de calcul ncessaires est plus de 100 fois moindre. Bien videmment, la
prcision des rsultats est moindre (avec un non conservatisme faible), ce qui se traduit
notamment par des intervalles de confiance (non reprsents ici) plus importants.

4 Conclusions
Nous avons propos ici une mthode permettant de gnrer numriquement des courbes de
Whler probabilises. Cette mthode sappuie sur un critre de fatigue robuste intgr dans un
cadre probabiliste gnral. Les rsultats obtenus par la mthode gnrale sont de trs bonne
qualit, en particulier les courbes pSN prvues reprsentent bien les expriences ralises. Nous
avons galement propos une dmarche se basant sur une mthode de surface de rponse afin de
tenir compte des besoins important en temps de calculs propre au calcul de structures plus
complexes. Cette dmarche permet de rduire le nombre dappel au code de calcul de faon trs
importante, avec une faible perte de prcision, rendant ainsi possible lapplication de la mthode
des cas structuraux industriels.

Rfrences
Papadopoulos, I.V. 1997 A comparative study of multiaxial high-cycle fatigue criteria for
metals, Int. J. of Fatigue Vol. 19 No. 3 219-235
Papadopoulos, I.V. 1999 Multiaxial fatigue limit criterion of metals, a mesoscopic approach,
in High cycle metal fatigue, from theory to application (Edited by K. Dang Van and I.V.
Papadopoulos), SpringerEngineering, pp.89-143
Schwob, C., Chambon L., & Ronde-Oustau, F., 2006a Fatigue crack initiation in stress
concentration area. In Proc. 16
th
European Conference on Fracture, Alexandropoulis, Greece.
Schwob, C., Chambon L., Ronde-Oustau, F., & Bernadou, J.P. 2006b Probabilistic assessment
of fatigue life using a stress-based fatigue criterion. In Proc. CST2006, Las Palmas, Spain.
David, H.A., Nagaraja H.N., 2003 Order statistics, Third edition, Wiley-interscience, ISBN :0-
471-38926-9
Pascual F.G., Meeker W.Q., 1999 Estimating fatigue curves with the random fatigue-limit
model, Technometrics 41, 277-289
200
220
240
260
280
300
320
100000

Number of cycles
Experiments
Median curve
5%-95% design curves
median from fullMC calculations
5%-95% from fullMC simulations
50000
S
(
M
P
a
)