Mot-Clé : thèse
Soutenance de thèse de Charles Brissot
Charles Brissot soutient sa thèse de doctorat en Mécanique Numérique et Matériaux le 14 avril 22.
Étude numérique et expérimentale des phénomènes d'ébullition – Application à la trempe

Soutenance de thèse de Brayan Murgas
Brayan Murgas soutient sa thèse de doctorat le 7 avril 22.


Soutenance de thèse de Chengdan Xue
Chengdan Xue soutient sa thèse de doctorat le 15 mars 2022.
"Modélisation de la structure de grain et de la fissuration à chaud dans les procédés de soudage à l'arc"
Chengdan Xue a réalisé sa thèse dans l'équipe 2MS encadré par Charles-André Gandin, Michel Bellet et Gildas Guillemot. Chengdan soutiendra sa thèse de doctorat en "Mécanique Numérique et Matériaux", sous réserve de l'accord des rapporteurs, le 15 mars 2022 devant le jury suivant :
– Prof. Dominique Daloz, Université de Lorraine, Institut Jean Lamour, Rapporteur
– MC Iryna Tomashchuk, Université de Bourgogne Franche-Comté, IUT Le Creusot, Rapporteur
– Prof. Aude Simar, Université Catholique de Louvain
– Prof. Cyril Bordreuil, Université de Montpellier, LMGC
– IR. Pierre-Emile Lhuillier, EDF R&D
Résumé :
Soutenance de thèse de Saoussen Ouhiba
Saoussen Ouhiba soutient sa thèse en Mécanique Numérique et Matériaux le 22 février 22
Recristallisation des alliages 6016 au cours et après le laminage à chaud
Le besoin croissant de véhicules automobiles plus légers pousse à s’intéresser de plus en plus aux alliages d’aluminium, en particulier aux alliages 6xxx (Al-Mg-Si) à durcissement structural. Bien que ces alliages soient connus pour leur bonne formabilité, leur bonne résistance à la corrosion et leur potentiel de renforcement suffisant, ils sont parfois sujets à l'apparition de défauts de surface. Une meilleure compréhension des évolutions microstructurales se produisant au cours du processus de laminage à chaud est requise pour optimiser les propriétés finales. En particulier, l'interaction entre les précipités et les solutés avec les processus de restauration dynamique et de recristallisation dynamique et post-dynamique est étudiée. Dans ce contexte, différents états de précipitation initiaux sont générés puis soumis à essais de compression à chaud. Des analyses microstructurales sont effectuées par microscopie électronique à balayage (MEB) et cartographie des orientations cristallines par EBSD. Les facteurs favorisants le développement anisotrope de gros grains recristallisés lors du maintien après déformation sont également étudiés par recuit séquentiel à l’aide d’une platine chauffante couplée au MEB/EBSD. Cette étude est complétée par des simulations 2D en champ complet basées sur la méthode Level Set afin de discuter de la validité des hypothèses émises concernant le développement anisotrope de certains grains recristallisés. Enfin, l'influence de divers paramètres thermomécaniques sur l'évolution de la microstructure est étudiée, permettant ainsi de déterminer les conditions favorables à la formation de grains recristallisés plus fins.
Mots-clés : alliages d'aluminium, laminage à chaud, recristallisation, gros grains recristallisés, effet des précipités/solutés
Soutenance de thèse de Junfeng Chen
Junfeng Chen soutient sa thèse de doctorat le 27 janvier 2022

Junfeng Chen a réalisé sa thèse dans l'équipe CFL. Il soutient sa thèse en "Mathématiques Numériques, Calcul intensif et Données" le 27 janvier 2022 devant le jury suivant :
– Prof. Emmanuelle Abisset-Chavanne, Arts et Métiers ParisTech
– Prof. Anne Johannet, IMT Mines Alès, rapporteur
– Prof. Jean-Luc Harion, IMT Mines Telecom Lille Douai, rapporteur
– Prof. Elie Hachem, CEMEF Mines Paris, Directeur de thèse
– MA Frédéric Heymes, IMT Mines Alès, Co-directeur de thèse
– IR Jonathan Viquerat, CEMEF Mines Paris, Maître de thèse
Résumé :
Au cours des dernières années, les réseaux de neurones ont suscité un grand intérêt dans la communauté de la dynamique des fluides computationnelle, en particulier lorsqu'ils sont utilisés comme modèles de substitution, que ce soit pour la reconstruction de l'écoulement, la modélisation de la turbulence ou pour la prédiction des coefficients aérodynamiques. Cette thèse considère l'utilisation de réseaux de neurones convolutifs, une catégorie spéciale de réseaux de neurones conçus pour les images, comme modèles de substitution pour la prédiction de l’écoulement stationnaire autour d'obstacles 2D. Les modèles de substitution sont calibrés dans le cadre de l'ajustement des données, avec l'ensemble de données préparé par des solveurs qualifiés aux équations de Navier-Stokes et projeté sur des grilles cartésiennes. Une fois calibrés, les modèles montrent une grande précision en termes de prédiction de vitesse et de pression, même autour d'obstacles non vus lors de la calibration. Dans l'étape suivante, une nouvelle architecture de réseaux de neurones convolutifs est proposée pour la détection d’anomalies et la quantification de l’incertitude, permettant au modèle de substitution de savoir s'il effectue une interpolation ou une extrapolation tout en faisant la prédiction. Avec ces méthodes, l'utilisateur d'un réseau de neurones calibré peut soit décider d'accepter ou non une prédiction, soit avoir une estimation quantifiée de l'erreur de prédiction. La troisième contribution consiste à utiliser des réseaux de neurones convolutifs sur graphes comme modèles de substitution pour prédire la vitesse et la pression sur des maillages triangulaires, qui présentent des avantages significatifs dans la représentation géométrique par rapport aux grilles cartésiennes. Grâce au raffinement du maillage proche des interfaces solides, le modèle basé sur des graphes peut donner une prédiction de couche limite plus précise que les réseaux de neurones convolutifs traditionnels. La dernière partie de cette thèse considère l'intégration des connaissances physiques dans la calibration d'un réseau de neurones convolutifs sur graphe, qui est calibré en minimisant le résidu des équations de Navier-Stokes sur un maillage triangulaire. La vitesse et la pression prédites autour d'un cylindre sont de très haute qualité par rapport aux résultats des solveurs numériques qualifiés. N'étant pas dans le cadre de l'ajustement des données, cette approche fournit un nouveau solveur d'équations aux dérivées partielles, et mérite plus de travail sur sa convergence et son coût de calcul.
Mots-clés : réseaux de neurones convolutifs, modèles de substitution, Dynamique des fluides computationnelle, élément fini, quantification de l'incertitude, convolution sur graphes
Soutenance de thèse de Karen Alvarado Vargas
Karen Alvarado Vargas soutient sa thèse en Mécanique Numérique et Matériaux le 20 janvier 22
Croissance des grains sous l'influence du phénomène d'ancrage de Smith-Zener avec évolution des particules de seconde phase : approche multi-échelle et application aux superalliages à base de nickel
Karen Alvarado Vargas a fait sa thèse sous la direction de Marc Bernacki et Nathalie Bozzolo, dans l'équipe MSR. Karen soutient sa thèse en "Mécanique Numérique et Matériaux" devant le jury suivant :
Résumé :