Probabilistic single fibre characterisation to improve stochastic strength modelling of unidirectional composites - TEL - Thèses en ligne Accéder directement au contenu
Thèse Année : 2020

Probabilistic single fibre characterisation to improve stochastic strength modelling of unidirectional composites

Caractérisation probabiliste monofilamentaire pour améliorer la modélisation stochastique de la résistance des composites unidirectionnelles

Résumé

Fibre reinforced composite materials are widely used for high-performance and critical structural applications.The design of composite material structures can be assisted by computational models for predicting their mechanical properties at both component and structural level. These models require very accurate constituent properties as input to make reliable predictions about the strength and lifetime of composite structures. However, a good understanding of the constituent properties of fibre-reinforced polymer composites is still lacking. For e.g., despite their wide use, very large differences are observed in the literature for properties of T700 carbon fibers.This thesis aims to advance the understanding of the constituent properties of fibre reinforced composites. To achieve this, an extensive experimental and statistical study has been conducted to understand the variations in the tensile strength of fibres and their morphology. These results have been analysed to identify and evaluate the critical parameters which contribute to errors or uncertainty in determining the parameters of the fibre strength Weibull distribution. This knowledge of uncertainties in constituent properties has also been used to highlight the variabilities they introduce on the output structural behaviour predicted by composite strength models. To further improve the fibre strength characterisation process, a data-reduction technique based on Bayesian approach of using prior knowledge of deficiencies in experimental data has been developed to model the tensile strength variation of brittle fibres. Additionally, new directions to accurately characterize the in-situ microscale properties of the matrix have been proposed.
Les matériaux composites renforcés de fibres sont largement utilisés pour les applications structurelles à hautes performances mécaniques. La prédiction de la tenue en service et de la durée de vie sont des paramètres clefs pour ce type d’applications. Aussi, la conception des structures composites peut être assistée par des modèles à différentes échelles du matériau. Pour garantir la précision des simulations, ces modèles nécessitent des données d’entrée les plus fiables possibles, notamment en ce qui concerne les propriétés des constituants. Malgré leur très large utilisation, de très grandes différences sont rapportées dans la littérature pour les propriétés à rupture des fibres de carbone T700.Dans cette thèse, une étude expérimentale et statistique approfondie a été menée pour identifier les origines des variations observées sur la résistance à la traction des fibres. Il s’agit de tenter de séparer ce qui provient de l’essai et ce qui provient de la fibre elle-même. Les résultats expérimentaux ont permis d’identifier les paramètres critiques qui contribuent à l'incertitude dans la détermination de la résistance des fibres et d’évaluer leur importance, notamment sur la fiabilité des prédictions menées à l’échelle du composite. Une technique de réduction des données basée sur l'approche bayésienne permet en outre de s’approcher davantage des propriétés à rupture probables des fibres et ainsi mieux appréhender leur comportement.
Fichier principal
Vignette du fichier
2020UPSLM066_archivage_ISLAM.pdf (25.32 Mo) Télécharger le fichier
Origine : Version validée par le jury (STAR)

Dates et versions

tel-03272250 , version 1 (28-06-2021)

Identifiants

  • HAL Id : tel-03272250 , version 1

Citer

Faisal Islam. Probabilistic single fibre characterisation to improve stochastic strength modelling of unidirectional composites. Mechanics [physics]. Université Paris sciences et lettres, 2020. English. ⟨NNT : 2020UPSLM066⟩. ⟨tel-03272250⟩
180 Consultations
47 Téléchargements

Partager

Gmail Facebook X LinkedIn More