Simulation de la mise en forme de renforts NCF de composites basée sur des approches mesoscopiques - TEL - Thèses en ligne
Theses Year : 2023

Forming simulation of NCF reinforcements based on mesoscopic approach

Simulation de la mise en forme de renforts NCF de composites basée sur des approches mesoscopiques

Abstract

The current challenge in achieving efficient and defect-free manufacturing of fibrous reinforcement while minimizing the need for time-consuming and costly experimental tests lies in the development of reliable simulation and optimization of the forming process. NCF composite reinforcements exhibit exceptional structural performance, but forming of these materials is delicate. The complexity of forming such fabric arises from the specific deformation mechanisms, predominantly influenced by the stitching patterns that intricately bond the fibers. A mesoscopic FE modelling approach is proposed in this study. The fiber yarns are considered as a continuous medium and the surrounding stitches are represented separately using beam elements. A hyperelastic law is used to describe the deformation modes of fiber yarns, supplemented by embedded beam elements to decouple their bending behavior. A pretension step is implemented to replicate the knitting of stitches and model the interaction between the yarns and stitches, considering the slip mechanisms in NCF. The model is validated through the simulation of in-plane shear deformation on unit cell and on bias-extension test. It demonstrates that the mesoscopic model can be used to conduct virtual material characterization and reduce the experimental effort required for macroscopic simulation. Additionally, the geometry of fiber yarns and stitches are described explicitly through observation from tomography and generated through parametric equations. This allows for the analysis of various stitching patterns and fabric structures, offering opportunities to tailor NCF materials with optimized deformation behavior for specific applications. Recognizing that the change in fiber orientation significantly influences the mechanical behavior of the final composite part after the forming step, a post-processing method is proposed on this mesoscopic model to track the fiber direction and visualize the shear angle. A notable advantage of our mesoscopic modeling approach lies in its ability to detect and analyze local defects, such as gapping, a main defect in NCF forming that is challenging to observe directly through macroscopic simulations. Consequently, the mesoscopic model allows for the analysis and prediction of the formation and development of gapping defects, contributing to enhanced manufacturing quality and efficiency.
Pour parvenir à une fabrication efficace et exempte de défauts de renforts fibreux tout en minimisant la nécessité de tests expérimentaux longs et coûteux, il est nécessaire de développer des techniques de simulation et d'optimisation fiables du procédé de mise en forme. Les renforts composites NCF (Non-Crimp Fabric) promettent des performances structurales exceptionnelles, mais la mise en forme de ces matériaux est délicate. Sa complexité découle des mécanismes de déformation spécifiques de ce type de renforts, principalement influencés par les motifs de couture complexes qui lient subtilement les fibres entre elles. Dans cette étude, nous proposons une approche de modélisation par éléments finis à l’échelle mésoscopique pour relever ce défi. Ici, nous traitons les mèches comme un milieu continu, tandis que les coutures environnantes sont soigneusement représentées à l’aide d’éléments poutres. Pour capturer les caractéristiques de déformation des mèches, nous utilisons une loi hyperélastique, complétée par des éléments poutres intégrés pour découpler leur comportement en flexion. De plus, nous introduisons une étape de précontrainte pour simuler la tension due au tricotage des coutures et modéliser l’interaction complexe entre les mèches et les coutures, en tenant compte des mécanismes de glissement propre aux matériaux NCF. La crédibilité de notre modèle est attestée par des simulations de déformation en cisaillement dans le plan sur une cellule unitaire et des tests de cisaillement en bias-extension. Ces simulations mettent en évidence la polyvalence du modèle mésoscopique, permettant la caractérisation virtuelle des matériaux et réduisant les efforts expérimentaux généralement requis pour les simulations macroscopiques. De plus, notre approche offre des descriptions explicites des mèches et des coutures basées sur des observations en tomographie et générées à l'aide d'équations paramétriques. Cette fonctionnalité permet l'analyse de différents motifs de couture et de structures de tissu, offrant des opportunités de personnaliser les matériaux NCF avec un comportement de déformation optimisé pour des applications spécifiques. Conscient que le changement d'orientation des fibres influence considérablement le comportement mécanique de la pièce composite finale après l'étape de mise en forme, une méthode de post-traitement est proposée sur ce modèle mésoscopique pour suivre la direction des fibres et visualiser l'angle de cisaillement. Un avantage notable de notre approche de modélisation mésoscopique réside dans sa capacité à détecter et à analyser les défauts locaux, tels que le gapping, un défaut majeur dans la mise en forme des NCF difficile à observer directement via des simulations macroscopiques. Par conséquent, le modèle mésoscopique permet l'analyse et la prédiction de la formation et du développement des défauts du gapping, contribuant à améliorer la qualité et l'efficacité de la fabrication.
Fichier principal
Vignette du fichier
these.pdf (151.9 Mo) Télécharger le fichier
Origin Version validated by the jury (STAR)

Dates and versions

tel-04690895 , version 1 (06-09-2024)

Identifiers

  • HAL Id : tel-04690895 , version 1

Cite

Ruochen Zheng. Simulation de la mise en forme de renforts NCF de composites basée sur des approches mesoscopiques. Mécanique [physics.med-ph]. INSA de Lyon, 2023. Français. ⟨NNT : 2023ISAL0128⟩. ⟨tel-04690895⟩
67 View
4 Download

Share

More