S'abonner

Stochastic modeling of a class of stored energy functions for incompressible hyperelastic materials with uncertainties - 01/09/15

Doi : 10.1016/j.crme.2015.07.008 
Brian Staber , Johann Guilleminot
 Université Paris-Est–Marne-la-Vallée, 5, boulevard Descartes, Champs-sur-Marne, 77454 Marne-la-Vallée cedex, France 

Corresponding author.

Bienvenue sur EM-consulte, la référence des professionnels de santé.
L’accès au texte intégral de cet article nécessite un abonnement.

pages 12
Iconographies 9
Vidéos 0
Autres 0

Abstract

In this Note, we address the construction of a class of stochastic Ogden's stored energy functions associated with incompressible hyperelastic materials. The methodology relies on the maximum entropy principle, which is formulated under constraints arising in part from existence theorems in nonlinear elasticity. More specifically, constraints related to both polyconvexity and consistency with linearized elasticity are considered and potentially coupled with a constraint on the mean function. Two parametric probabilistic models are thus derived for the isotropic case and rely in part on a conditioning with respect to the random shear modulus. Monte Carlo simulations involving classical (e.g., Neo-Hookean or Mooney–Rivlin) stored energy functions are then performed in order to illustrate some capabilities of the probabilistic models. An inverse calibration involving experimental results is finally presented.

Le texte complet de cet article est disponible en PDF.

Résumé

Dans cette Note, on s'intéresse à la construction d'une classe de modèles stochastiques pour des matériaux hyperélastiques incompressibles. La méthodologie de construction repose sur le principe du maximum d'entropie, formulé à partir de contraintes induites par les théorèmes d'existence en élasticité non linéaire. Plus précisément, des contraintes associées à la polyconvexité et à la cohérence avec l'élasticité linéarisée sont introduites, et éventuellement couplées avec une contrainte relative à la fonction moyenne. Deux modèles probabilistes paramétriques pour les densités d'énergie considérées sont par suite proposés dans le cas isotrope, et reposent notamment sur un conditionnement vis-à-vis du module de cisaillement aléatoire. Des simulations numériques de Monte Carlo pour des potentiels classiques (e.g., Néo-Hookéen ou Mooney–Rivlin) sont ensuite conduites afin d'illustrer les capacités du modèle. Une identification inverse basée sur des résultats expérimentaux est enfin présentée.

Le texte complet de cet article est disponible en PDF.

Keywords : Maximum entropy principle, Stochastic modeling, Hyperelasticity, Stored energy functions, Polyconvexity, Uncertainties

Mots-clés : Principe du maximum d'entropie, Modélisation stochastique, Hyperélasticité, Densités d'énergie élastiques, Polyconvexité, Incertitudes


Plan


© 2015  Académie des sciences. Publié par Elsevier Masson SAS. Tous droits réservés.
Ajouter à ma bibliothèque Retirer de ma bibliothèque Imprimer
Export

    Export citations

  • Fichier

  • Contenu

Vol 343 - N° 9

P. 503-514 - septembre 2015 Retour au numéro
Article précédent Article précédent
  • Experimental investigation of the influence of supercritical state on the relative permeability of Vosges sandstone
  • Florian Osselin, Antonin Fabbri, Teddy Fen-Chong, Jean-Michel Pereira, Arnault Lassin, Patrick Dangla
| Article suivant Article suivant
  • Editorial Board

Bienvenue sur EM-consulte, la référence des professionnels de santé.
L’accès au texte intégral de cet article nécessite un abonnement.

Bienvenue sur EM-consulte, la référence des professionnels de santé.
L’achat d’article à l’unité est indisponible à l’heure actuelle.

Déjà abonné à cette revue ?

Mon compte


Plateformes Elsevier Masson

Déclaration CNIL

EM-CONSULTE.COM est déclaré à la CNIL, déclaration n° 1286925.

En application de la loi nº78-17 du 6 janvier 1978 relative à l'informatique, aux fichiers et aux libertés, vous disposez des droits d'opposition (art.26 de la loi), d'accès (art.34 à 38 de la loi), et de rectification (art.36 de la loi) des données vous concernant. Ainsi, vous pouvez exiger que soient rectifiées, complétées, clarifiées, mises à jour ou effacées les informations vous concernant qui sont inexactes, incomplètes, équivoques, périmées ou dont la collecte ou l'utilisation ou la conservation est interdite.
Les informations personnelles concernant les visiteurs de notre site, y compris leur identité, sont confidentielles.
Le responsable du site s'engage sur l'honneur à respecter les conditions légales de confidentialité applicables en France et à ne pas divulguer ces informations à des tiers.


Tout le contenu de ce site: Copyright © 2024 Elsevier, ses concédants de licence et ses contributeurs. Tout les droits sont réservés, y compris ceux relatifs à l'exploration de textes et de données, a la formation en IA et aux technologies similaires. Pour tout contenu en libre accès, les conditions de licence Creative Commons s'appliquent.