Fiabilité des structures
couplage mécano-fiabiliste statique
Maurice Lemaire
hermes Science
Préface
15
Avant-propos
17
1 Introduction
21
1.1 Une histoire ancienne21
1.2 Une attitude moderne23
1.3 La fiabilité: une définition26
1.4 Quel risque acceptable?26
1.5 Aujourd'hui31
1.6 Un peu de vocabulaire33
1.7 Un plan pour cet ouvrage
35
2 Première approche de la fiabilité en mécanique
39
2.1 Généralités39
2.1.1 Méthodes de fiabilité en mécanique39
2.1.2 Une attitude nouvelle: vaincre des obstacles40
2.2 Fiabilité théorique en mécanique41
2.2.1 Approche fiabiliste en mécanique41
2.2.2 Chaîne: variables - composant - système42
2.2.3 Fiabilité théorique42
2.3 Modélisation stochastique44
2.3.1 Sur l'information disponible44
2.3.2 Construction du modèle stochastique45
2.3.3 Variable aléatoire ou processus stochastique47
2.4 Modélisation mécanique48
2.4.1 Modèle de représentation de la physique48
2.4.2 Un équilibre entre ressources et besoins50
2.5 Couplage mécano-fiabiliste50
2.5.1 Analyse de sensibilité fiabiliste50
2.5.2 Analyse de fiabilité51
2.5.3 Complexité du couplage mécano-fiabiliste53
2.5.4 Acteurs du couplage mécano-fiabiliste54
2.6 Domaines d'application55
2.6.1 Fiabilité des structures marines offshore55
2.6.2 Mécanique des sols56
2.6.3 Réglementation56
2.6.4 Dynamique stochastique56
2.6.5 Intégrité des structures57
2.6.6 Stabilité57
2.7 En conclusion
57
3 Cas élémentaire R – S
59
3.1 Présentation du problème59
3.1.1 Variables59
3.1.2 Modèle de dimensionnement60
3.1.3 Illustration61
3.2 Définitions et hypothèses62
3.3 Vecteur aléatoire: rappel64
3.3.1 Vecteur aléatoire64
3.3.2 Densité conjointe de probabilité64
3.3.3 Moments et corrélation65
3.3.4 Indépendance et corrélation67
3.4 Expressions de la probabilité de défaillance68
3.4.1 Probabilité de défaillance68
3.4.2 Lois de R et S et probabilité Pf68
3.4.3 Première expression de Pf69
3.4.4 Deuxième expression de Pf70
3.4.5 Illustration70
3.4.6 Généralisation de la probabilité de défaillance73
3.5 Calcul de la probabilité de défaillance73
3.5.1 Calcul de Pf par intégration directe73
3.5.2 Calcul de Pf par intégration numérique74
3.5.3 Calcul de Pf par simulation74
3.5.4 Calcul de Pf par échantillonnage et intégration75
3.6 Tige en traction77
3.6.1 Données77
3.6.2 Probabilité de défaillance78
3.6.3 Intégration analytique78
3.6.4 Simulation80
3.7 Notion d'indice de fiabilité80
3.7.1 Indice de Rjanitzyne-Cornell81
3.7.2 Indice de Hasofer et Lind83
3.7.3 A propos de la désignation du point P*84
3.7.4 Application au cas élémentaire Gaussien85
3.7.5 Tige en traction: indice de Hasofer et Lind86
3.8 Relation Pf = Phi (- beta)88
3.9 Exercices d'illustration89
3.9.1 Etude d'un portique89
3.9.2 Problème Résistance - Sollicitation
92
4 Transformation isoprobabiliste
97
4.1 Rappel du problème et des notations97
4.2 Cas des variables indépendantes99
4.2.1 Variables Gaussiennes99
4.2.2 Variables quelconques indépendantes100
4.3 Transformation de Rosenblatt102
4.3.1 Rappel102
4.3.2 Formulation103
4.3.3 Calcul de Pf105
4.3.4 Exemple: exponentielle double105
4.3.5 Attention aux notations!107
4.3.6 Couple de variables Gaussiennes107
4.4 Approximation selon une loi normale109
4.4.1 Principe109
4.4.2 Cas des variables non corrélées109
4.4.3 Cas des variables corrélées110
4.5 Transformation de Nataf111
4.5.1 Cas de 2 variables aléatoires111
4.5.2 Calcul de la corrélation phi0, ij113
4.5.3 Généralisation à n variables117
4.6 Exemple: charges corrélées sur une poutre117
4.6.1 Etat-limite et dimensionnement117
4.6.2 Décorrélation des variables118
4.6.3 Application de la transformation de Rosenblatt119
4.6.4 Application de la transformation de Nataf120
4.6.5 De l'inutilité de ces calculs120
4.6.6 Etat-limite linéaire et variables Gaussiennes120
4.7 Transformation de Nataf: exemple121
4.8 Transformation par polynômes d'Hermite122
4.8.1 Polynômes d'Hermite122
4.8.2 Transformation isoprobabiliste124
4.8.3 Approximation de Winterstein [Win87], [Win88]126
4.8.4 Exemple: cas des 2 lois uniformes128
4.8.5 Conclusion sur la transformation d'Hermite130
4.9 Conclusion131
5 Indice de fiabilité
133
5.1 Un problème d'optimisation133
5.1.1 Couplage mécano-fiabiliste133
5.1.2 Formulation du problème d'optimisation134
5.1.3 Conditions d'optimalité136
5.2 Notions sur les algorithmes d'optimisation137
5.2.1 Convergence [PW88]137
5.2.2 Critères de qualité138
5.2.3 Principe des algorithmes d'optimisation139
5.3 Méthodes du premier ordre142
5.3.1 Méthode du gradient projeté [HK85]142
5.3.2 Méthodes de pénalité [HK85]144
5.3.3 Lagrangien augmenté [PW88]146
5.4 Algorithmes de premier ordre pour la RPC146
5.4.1 Algorithme de Hasofer-Lind-Rackwitz-Fiessler146
5.4.2 Compléments sur les méthodes du premier ordre150
5.5 Algorithmes de second ordre pour la RPC154
5.5.1 Méthode de Newton [PW88, HK85]154
5.5.2 Programmation quadratique séquentielle (SQP)155
5.5.3 Méthodes hybrides155
5.6 Problèmes particuliers156
5.6.1 Etat-limite à plusieurs minimums156
5.6.2 Stratégie de recherche des contraintes actives157
5.7 Illustration sur un exemple simple159
5.7.1 Algorithme de HLRF160
5.7.2 Algorithmes SQP, Abdo-Rackwitz et contrôle de pas162
5.8 Conclusion
163
6 Produits de l'analyse de fiabilité
165
6.1 Facteurs de sensibilité165
6.1.1 Définitions165
6.1.2 Sensibilité mécanique166
6.2 Facteurs d'importance en fiabilité167
6.2.1 Sensibilité de l'indice de fiabilité167
6.2.2 Sensibilité de Beta aux paramètres pGamma gamme des lois de distribution170
6.2.3 Sensibilité de Beta aux paramètres de la fonction de performance173
6.2.4 Sensibilité de la probabilité de défaillance [MKL86]174
6.2.5 Elasticité des paramètres174
6.3 Facteurs d'omission174
6.3.1 Etat-limite linéaire175
6.3.2 Etat-limite non linéaire176
6.4 Représentation des résultats: un exemple178
6.5 Conclusion
180
7 Probabilité de défaillance
181
7.1 Cadre méthodologique183
7.2 Approximation par un hyper-plan: Form184
7.2.1 Principe de l'approximation linéaire185
7.2.2 Expression de la probabilité de défaillance186
7.2.3 Contre exemple188
7.2.4 Précision de l'approximation189
7.2.5 Exemple conducteur190
7.3 Approximation par une hyper-surface d'ordre 2191
7.3.1 Courbure au point de conception191
7.3.2 Principe des approximations193
7.3.3 Approximation quadratique195
7.3.4 Eléments de la quadrique d'approximation197
7.3.5 Approximation parabolique199
7.3.6 Approximation quadratique200
7.3.7 Exemple conducteur201
7.3.8 Complément sur les approximations quadratiques202
7.3.9 Conclusion205
7.4 Méthode SORM «asymptotique»206
7.4.1 Formule de Breitung206
7.4.2 Exemple conducteur210
7.4.3 Approximation de Hohenbichler210
7.4.4 Approximation de Tvedt211
7.4.5 Commentaires et conclusion211
7.5 Méthode SORM exacte sur forme quadratique212
7.5.1 Fonction caractéristique213
7.5.2 Fonctions caractéristiques des formes quadratiques214
7.5.3 Résultats215
7.5.4 Inversion de la fonction caractéristique216
7.5.5 Optimisation du calcul numérique217
7.5.6 Exemple conducteur219
7.6 Méthode RGMR219
7.6.1 Motivation220
7.6.2 Introduction à RGMR220
7.6.3 Notion d'angle solide221
7.6.4 Intégrale de l'angle solide222
7.6.5 Intégrale SORM223
7.6.6 Calcul de l'angle solide225
7.6.7 Aspects numériques227
7.6.8 Angle solide dans l'approximation FORM228
7.6.9 Cas particulier de la dimension 2230
7.6.10 Exemple fil conducteur231
7.6.11 Conclusion232
7.7 Exemples numériques234
7.7.1 Exemple conducteur: conclusions234
7.7.2 Tige en traction235
7.7.3 Défaillance plastique d'une section236
7.7.4 Approximations de la probabilité de défaillance238
7.7.5 Exemple: exponentielle double243
7.8 Conclusions
247
8 Méthodes de simulation
249
8.1 Introduction249
8.2 Nombres pseudo-aléatoires uniformes250
8.2.1 Générateur congruentiel mixte250
8.2.2 Générateur multiplicatif252
8.2.3 Générateur congruentiel additif253
8.2.4 Quelques générateurs à titre d'exemples253
8.2.5 Comment tester un générateur255
8.2.6 Conclusion255
8.3 Générateurs de distributions non uniformes [Rub81, Déa90]256
8.3.1 Méthode de la transformation inverse256
8.3.2 Méthode de composition [But56]257
8.3.3 Méthode de rejet-acceptation [VN51]257
8.3.4 Distribution Gaussienne258
8.3.5 Distribution log-normale260
8.3.6 Distribution de Weibull à 2 paramètres260
8.3.7 Génération d'un vecteur aléatoire261
8.3.8 En conclusion263
8.4 Méthodes de simulation263
8.4.1 Généralités264
8.4.2 Simulations de Monte-Carlo classique (MC)265
8.4.3 Simulations directionnelles (Directional Sampling - DS) [Déa80], [DHBO88], [DMG90], [Bje88]269
8.5 Méthodes de tirage utilisant P*271
8.5.1 Tirages d'importance (Importance Sampling - IS) [Mel90]271
8.5.2 Tirages conditionnés (Conditional Sampling - CS) [BF87]273
8.5.3 Méthode du pavé - hyper-cube latin (Latin hyper-cube - LH)274
8.5.4 Tirages adaptatifs (Adaptive Sampling - AS) [Buc88]275
8.5.5 Méthode du tirage d'importance conditionné276
8.5.6 Méthode du tirage stratifié [Rub81]276
8.6 Illustration des méthodes276
8.6.1 Monte-Carlo classique (MC)277
8.6.2 Simulations directionnelles (DS)277
8.6.3 Tirages conditionnés par la connaissance de P* (IS, CS, LH)278
8.6.4 Bilan de l'illustration279
8.7 Conclusion
279
9 Fiabilité des systèmes
283
9.1 Combinaison des modes de défaillance284
9.1.1 Combinaison série284
9.1.2 Combinaison parallèle285
9.1.3 Combinaison série de systèmes parallèles286
9.1.4 Combinaison parallèle de systèmes séries286
9.1.5 Combinaison parallèle conditionnelle287
9.1.6 Mise en oeuvre et application287
9.2 Bornes de la probabilité de défaillance d'un système292
9.2.1 Hypothèses292
9.2.2 Une approximation classique292
9.2.3 Corrélation des indicatrices des événements Ei et Ej292
9.2.4 Bornes uni-modales294
9.2.5 Bornes bi-modales295
9.3 Bornes en approximation de premier ordre296
9.3.1 Hypothèses296
9.3.2 Bornes de la probabilité de l'intersection P(Ei inter Ej)296
9.3.3 Hyper-plan équivalent298
9.4 Probabilité système au premier ordre300
9.4.1 Système parallèle300
9.4.2 Système série301
9.4.3 Fonction de répartition multi-normale301
9.5 Probabilité système au deuxième ordre304
9.6 Système de 2 barres en parallèle307
9.6.1 Position du problème et données307
9.6.2 Solution309
9.6.3 Solution au premier ordre311
9.6.4 Solution au second ordre314
9.6.5 Conclusion315
9.7 En conclusion
315
10 Coefficients de «sécurité»317
10.1 Bases du dimensionnement317
10.1.1 Généralités317
10.1.2 Valeurs associées à une variable319
10.1.3 Règle de dimensionnement322
10.1.4 Niveaux de l'approche du dimensionnement323
10.1.5 Illustration324
10.2 Coefficients de «sécurité» - cas élémentaire325
10.2.1 Dimensionnement probabiliste325
10.2.2 Coefficient caractéristique global328
10.2.3 Dimensionnement par coefficients partiels333
10.3 Définition générale des coefficients partiels337
10.3.1 Cas des variables indépendantes337
10.3.2 Cas des variables dépendantes339
10.3.3 Commentaires340
10.4 Calibration des coefficients partiels340
10.4.1 Principe de la calibration341
10.4.2 Une méthode de calibration342
10.4.3 Un exemple de mise en oeuvre345
10.5 Exemples d'application349
10.5.1 Mécanique linéaire de la rupture350
10.5.2 Flexion composée pour un matériau fragile354
10.6 En conclusion358
11 Couplage mécano-fiabiliste
359
11.1 Introduction359
11.2 Généralités sur le couplage avec un code MEF361
11.2.1 Pilotage du code MEF361
11.2.2 Variables aléatoires362
11.2.3 Variables mécano-fiabilistes362
11.2.4 Dialogue entre les procédures MEF et fiabilistes365
11.2.5 Implémentation des procédures366
11.2.6 Evaluation numérique des gradients367
11.3 Méthode directe370
11.3.1 Description de la méthode370
11.3.2 Bilan371
11.4 Méthode par surface de réponse372
11.4.1 Introduction: surface de réponse polynômiale372
11.4.2 Description de la méthode372
11.4.3 Calcul des coefficients d'une SRQ378
11.4.4 Comment valider?379
11.4.5 Construction d'un réseau de neurones383
11.4.6 Récapitulation385
11.5 Deux applications pour illustrer388
11.5.1 Sphère sous pression388
11.5.2 Deux lois uniformes corrélées391
11.5.3 Conclusion395
11.6 Méthode par optimisation396
11.6.1 Description de la méthode396
11.6.2. Bilan399
11.6.3. Application400
11.7 Exemple: treillis isostatique400
11.7.1 Données400
11.7.2 Analyse mécanique401
11.7.3 Analyse fiabiliste402
11.8 Conclusion
408
12 Eléments finis stochastiques
411
12.1 Introduction411
12.1.1 Définition et objet411
12.1.2 Variables aléatoires et champs aléatoires412
12.1.3 Plan du chapitre413
12.2 Discrétisation spatiale d'un champ aléatoire414
12.2.1 Champ aléatoire [Cau88], [CL67]414
12.2.2 Maillage stochastique418
12.2.3 Quelques méthodes de discrétisation419
12.2.4 Conclusion421
12.3 Développement en série d'un champ aléatoire421
12.3.1 Décomposition de Cholesky421
12.3.2 Développement de Karhunen-Loève [GS91]422
12.3.3 Chaos polynomial423
12.3.4 Conclusion425
12.4 Méthode des éléments finis et calcul des gradients425
12.4.1 Hypothèses et notations426
12.4.2 Relations de la MEF en hypothèse de linéarité426
12.4.3 Calcul des gradients à maillage constant427
12.4.4 Calcul des dérivées à maillage variable428
12.5 Méthode des perturbations430
12.5.1 Développement de Taylor430
12.5.2 Moyenne et covariance432
12.5.3 Exemple: flèche d'une poutre433
12.5.4 Développement de Neumann437
12.6 Développement sur le chaos polynomial439
12.6.1 Développement d'une v.a.439
12.6.2 Application à la méthode des éléments finis441
12.6.3 Nouvelles perspectives444
12.6.4 Conclusion445
12.7 Méthodes à champ aléatoire continu445
12.7.1 Méthode des intégrales pondérées446
12.7.2 Méthode spectrale448
12.7.3 Conclusion452
12.8 Un exemple d'illustration453
12.8.1 Position du problème453
12.8.2 Cas 1: 4 variables aléatoires454
12.8.3 Cas 2: la rigidité EA est un champ aléatoire455
12.9 Conclusion457
12.9.1 Combinaison du couplage et des éléments finis stochastiques458
12.9.2 En conclusion459
13 Quelques applications
461
13.1 Conception d'un panneau de contreventement461
13.2 Modélisation d'un mandrin462
13.3 Défaillance d'une pièce fissurée462
13.4 Refroidissement d'une pièce fissurée462
13.5 Paroi d'une chaudière soumise à un champ thermique463
13.6 Réservoir sous pression463
13.7 Stabilité d'une coque de sous-marin463
13.8 Sensibilité de la marge d'un aéroréfrigérant464
13.9 Durée de vie d'un collecteur d'échappement464
13.10 Exemples industriels
464
14 En forme de conclusion
475
14.1 Sur les méthodes de fiabilité en mécanique475
14.2 Sur la mise en oeuvre des méthodes480
14.2.1 Pour la conception et la maintenance480
14.2.2 Sur les outils logiciels480
14.3 Sur les perspectives482
14.3.1 Les éléments finis stochastiques482
14.3.2 Le facteur temps483
14.3.3 Acquisition et traitement des données484
14.3.4 Optimisation mécano-fiabiliste484
14.4 Sur l'analyse de fiabilité et l'analyse de sensibilité
485
Bibliographie
487
Annotations
503
A.1 Vecteurs et matrices503
A.2 Opérateurs503
A.3 Grandeurs aléatoires504
A.3.1 Grandeurs scalaires et couples de v.a.504
A.3.2 Grandeurs statistiques504
A.3.3 Grandeurs vectorielles505
A.3.4 Grandeurs mécaniques506