Stage Identification de lois d'écrouissage par approche stochastique F/H

Description de l'offre

Stage Identification de lois d'écrouissage par approche stochastique F/H

Company : Safran Transmission Systems

Job field : Material and processes

Location : Colombes , Ile de France , France

Contract type : Internship / Student

Contract duration : Full-time

Required degree : Master Degree

Required experience : First experience

Spoken language(s) :

French Fluent

English Fluent

# 2024-148206

Apply with one click Any questions ?

Job Description

Les boîtes de vitesses transmission conçues et fabriquées par Safran Transmissions Systems font appel à une grande variété d'alliages métalliques à base de fer, d'aluminium et de titane, en fonction des organes et structures concernés. Historiquement, le comportement et l'endommagement de ces matériaux ont été modélisés pour répondre aux besoins des Bureaux d'Étude en matière de dimensionnement des pièces tout en intégrant certains mécanismes (élasto-plasticité, anisotropie, dépendance à la température, dépendance au vieillissement, …) en fonction des matériaux, de leurs procédés de mise en œuvre et des sollicitations subies en service. L'évolution de la motorisation des aéronefs afin d'augmenter encore plus leur performance énergétique conduit à la conception de transmissions dont le dimensionnement requiert une modélisation de plus en plus fine. Cette modélisation doit s'appuyer sur une base de modèles et de données matériaux à la fois plus riche et fondée sur une approche plus systématique. Des premiers travaux ont été réalisés dans le but d'automatiser le traitement des données brutes permettant de nettoyer et d'isoler les différents domaines d'une courbe de traction (déformation élastique, plastique diffuse, plastique localisée). Par la suite, une première approche d'identification de paramètres a été réalisée à partir de loi mono-paramétrique fondée sur des informations statistiques, e.g. maximum de vraisemblance [1].

Ce stage s'intègre dans le cadre de la poursuite du développement de cette base de modèles et de données enrichie. Dans un premier temps, il s'agira de prendre en main et d'étendre les approches initiées, en particulier dans le domaine non linéaire. Dans un second temps, on étendra l'approche à des lois multiparamétriques permettant de prendre en compte la température de sollicitation et les températures et durées de vieillissement subies par les matériaux [2]. Enfin une réflexion sur l'analyse des résidus d'identification pourra être menée pour guider la complexification progressive du modèle en fonction des exigences de précision attendues [3] [4].

[1] Y. Zhang, J. D. Hart et A. Needleman, «Identification of plastic properties from conical indentation using a Bayesian-type statistical approach,» Journal of Applied Mechanics, 2019.

[2] H. Rappel, L. Beex, J. Hale et L. Noels, «A Tutorial on Bayesian Inference to Identify Material Parameters in Solid Mechanics,» Archives of Computational Methods in Engineering, 2020.

[3] H. Johansson et K. Runesson, «Parameter identification in constitutive models via optimization with a posteriori error control,» International Journal for Numerical Methods in Engineering, 2005.

[4] J. N. Fuhg, C. M. Hamel, K. Johnson, R. Jones et N. Bouklas, «Modular machine learning-based elastoplasticity: Generalization in the context of limited data,» Computer Methods in Applied Mechanics and Engineering, 2023

Job Requirements

Aptitudes et expériences souhaitées :

• Master 2 ou équivalent en analyse numérique ou mécanique

• Formation au comportement et à l'endommagement de fatigue des matériaux, aux méthodes inverses et à la mécanique statistique

• Expérience de la programmation scientifique, de préférence à l'aide du langage Python

• Capacité à communiquer aisément en français et en anglais, à l'oral comme à l'écrit

Autres compétences :

• Autonomie

• Rigueur

• Aptitude à la communication et esprit de synthèse

Locate your future workplace

18 boulevard Louis-Seguin92700

Colombes

Ile de France France

Safran is an Equal Opportunity Employer

All qualified applicants will receive consideration for employment without regard to race, color, sex, sexual orientation, gender identity, religion, national origin, disability, veteran status, or other legally protected status.