HAL Id: tel-00561476
https://tel.archives-ouvertes.fr/tel-00561476
Submitted on 1 Feb 2011HAL is a multi-disciplinary open access archive for the deposit and dissemination of sci-entific research documents, whether they are pub-lished or not. The documents may come from teaching and research institutions in France or
L’archive ouverte pluridisciplinaire HAL, est destinée au dépôt et à la diffusion de documents scientifiques de niveau recherche, publiés ou non, émanant des établissements d’enseignement et de recherche français ou étrangers, des laboratoires
Julien Waeytens
To cite this version:
Julien Waeytens. Contrôle des calculs en dynamique : bornes strictes et pertinentes sur une quan-tité d’intérêt. Autre. École normale supérieure de Cachan - ENS Cachan, 2010. Français. �NNT : 2010DENS0051�. �tel-00561476�
CACHAN
ENSC-2010/2011
TH `ESE DE DOCTORAT
DE L’ ´ECOLE NORMALE SUP ´ERIEURE DE CACHAN
Pr´esent´ee par
Julien Waeytens
pour obtenir le grade de
DOCTEUR DE L’ ´ECOLE NORMALE SUP ´ERIEURE DE CACHAN
Domaine
M ´ECANIQUE - G ´ENIE M ´ECANIQUE - G ´ENIE CIVIL
Sujet de la th`ese
Contrˆole des calculs en dynamique :
bornes strictes et pertinentes sur une quantit´e d’int´erˆet
Soutenue `a Cachan le 10 d´ecembre 2010 devant le jury compos´e de :
Marc Bonnet Directeur de recherche, Ecole Polytechnique Pr´esident du jury Arnaud Deraemaeker Directeur de recherche, Universit´e Libre de Bruxelles Rapporteur Pedro D´ıez Professeur, Universitat Polit`ecnica de Catalunya Rapporteur
Luc Gonidou Ing´enieur, CNES Examinateur
Bing Tie Charg´ee de recherche, Ecole Centrale Paris Examinateur Ludovic Chamoin Maˆıtre de conf´erences, ENS de Cachan Examinateur Pierre Ladev`eze Professeur, ENS de Cachan Directeur de th`ese
LMT-Cachan
Je tiens en premier lieu `a exprimer ma profonde gratitude `a mon directeur de th`ese Pierre Ladev`eze pour m’avoir accord´e sa confiance en me permettant de travailler sur ce sujet.
J’ai vraiment ´eprouv´e un grand plaisir `a travailler avec Ludovic Chamoin. Sa sympathie, sa disponibilit´e et ses comp´etences m’ont permis de r´ealiser la th`ese dans les meilleures conditions. En plus d’ˆetre un excellent encadrant, c’est un tr`es bon ami. Merci de m’avoir fait d´ecouvrir le vin d’Irancy et le stade bourguignon de l’Abb´e-Deschamps !
Je suis sensible `a l’honneur que m’ont fait M. Bonnet, M. Deraemaeker, M. D´ıez, M. Gonidou et Mme Tie en acceptant d’ˆetre dans mon jury.
Au cours de ma scolarit´e, j’ai eu le privil`ege de travailler avec Theofanis Strouboulis. Je tiens `a le remercier de m’avoir accueilli `a Texas A&M University et de m’avoir initi´e au calcul d’erreur.
Je n’oublierai jamais ma premi`ere conf´erence internationale `a Bruxelles ; studieuse la journ´ee et festive la nuit. Un grand merci `a Eric, pilier de l’´equipe erreur, ainsi qu’`a Aur´elie et Tanguy !
A mes amis de la 211, j’exprime de chaleureux remerciements pour tous les bons moments pass´es au bar du labo `a discuter d’agriculture biologique avec Thomas, du mol avec Matthieu, des night clubs de l’ˆıle de Rhodes avec Gr´egory, des diff´erentes recettes de brioche avec Chlo´e, d’IP over pigeon avec Augustin, de sp´ecialit´es culinaires `a base de biscottes avec Pierre-Etienne et des DJ nic¸ois avec Nathan.
Je souhaite remercier Franc¸oise et Lydia pour leur aide concernant les formalit´es administratives et Am´elie pour la recherche d’articles.
J’ai beaucoup appr´eci´e ces ann´ees pass´ees au DGM en tant que moniteur et au LMT. Malgr´e l’absence du soleil et des cigales, c’est un endroit convivial o`u il fait bon vivre ! Merci `a tous pour cette bonne humeur permanente.
Bien sˆur, je n’oublie pas mes coll`egues footballeurs de l’ENS avec qui j’ai jou´e tout au long de ma scolarit´e. Je les remercie pour leur accueil et pour leurs innombrables conseils footballistiques.
Table des mati`eres
Table des mati`eres i
Table des figures v
Liste des tableaux ix
Introduction 1
1 Etat de l’art sur l’estimation d’erreur 7
1 Probl`eme de r´ef´erence . . . 8
1.1 La visco´elasticit´e . . . 8
1.2 D´efinition du probl`eme . . . 9
1.3 R´esolution du probl`eme . . . 10
2 Estimateur d’erreur globale . . . 12
2.1 Erreur de discr´etisation en espace . . . 12
2.2 Erreur de discr´etisation en temps . . . 24
2.3 Erreur de discr´etisation en espace et en temps . . . 30
3 Les estimateurs d’erreur locale . . . 36
3.1 Les premiers travaux . . . 37
3.2 M´ethodes utilisant un probl`eme adjoint . . . 38
3.3 M´ethodes bas´ees sur l’erreur en relation de comportement . . . . 45
2 La m´ethode de calcul des bornes garanties sur une quantit´e d’int´erˆet 49 1 Probl`eme de r´ef´erence . . . 51 1.1 D´efinition du probl`eme . . . 51 1.2 R´esolution du probl`eme . . . 52 2 Erreur en dissipation . . . 54 3 Quantit´e d’int´erˆet . . . 55 4 Probl`eme adjoint . . . 56
5 Obtention de bornes strictes sur une quantit´e d’int´erˆet . . . 57
5.1 Majoration avec l’in´egalit´e de Cauchy-Schwarz . . . 57
5.2 Majoration avec l’in´egalit´e de Legendre-Fenchel . . . 59
6 Exemples num´eriques . . . 66
6.2 Erreur en dissipation du probl`eme de r´ef´erence . . . 68
6.3 Etude de la quantit´e d’int´erˆet n˚1 . . . 70
6.4 Etude de la quantit´e d’int´erˆet n˚2 . . . 75
3 La technique de construction de champs admissibles en dynamique 81 1 Notion de champs admissibles en dynamique . . . 83
1.1 Cas de l’erreur au sens de Drucker . . . 83
1.2 Cas de l’erreur en dissipation . . . 84
2 Reconstruction des champs admissibles pour l’erreur en dissipation . . . 85
2.1 D´emarche g´en´erale . . . 86
2.2 Une technique de construction d’une contrainte admissible . . . . 87
2.3 Autres m´ethodes de construction d’une contrainte admissible . . . 90
3 Reconstruction optimis´ee des champs admissibles . . . 93
4 Exemples num´eriques . . . 95
4.1 Sch´ema des acc´el´erations lin´eaires . . . 95
4.2 Sch´ema des acc´el´erations moyennes . . . 98
4 Am´elioration de la pertinence des bornes d’erreur garanties 101 1 Raffinement global du probl`eme adjoint . . . 103
1.1 Etude de la quantit´e d’int´erˆet n˚1 . . . 104
1.2 Etude de la quantit´e d’int´erˆet n˚2 . . . 109
2 Raffinement local du probl`eme adjoint . . . 114
2.1 Champs admissibles pour des maillages non-conformes . . . 115
2.2 Erreur en dissipation et obtention des bornes . . . 119
3 Encadrement prenant en compte le terme d’´energie cin´etique . . . 121
3.1 D´emarche . . . 121
3.2 Exemples num´eriques . . . 129
5 Calcul de bornes d’erreur garanties pour des quantit´es ponctuelles 137 1 Fonctions ´el´ementaires . . . 139
1.1 Equation d’onde . . . 139
1.2 Elastodynamique . . . 144
1.3 Visco´elastodynamique . . . 149
2 Bornes sur une quantit´e d’int´erˆet ponctuelle . . . 152
2.1 Probl`eme adjoint et sa r´esolution . . . 152
2.2 Reconstruction des champs admissibles pour le probl`eme adjoint . 156 2.3 Obtention de l’encadrement de la quantit´e d’int´erˆet ponctuelle . . 158
3 Exemples num´eriques . . . 160
3.1 Quantit´e d’int´erˆet ponctuelle en espace et moyenn´ee en temps . . 160
3.2 Vers des quantit´es d’int´erˆet ponctuelles en espace et en temps . . 168
Conclusion 171
Table des mati`eres iii
B Analyse du param`etre de viscosit´e 179
C Obtention du probl`eme adjoint 185
D Preuve du r´esultat fondamental 189
E D´etermination du pas de temps critique 193
F Solution de Green en visco´elastodynamique 195
Table des figures
1 Validation et v´erification . . . 2
1.1 Probl`eme de r´ef´erence . . . 9
1.2 Patchs d’´el´ements pour la m´ethode SPR . . . 15
1.3 Une premi`ere proc´edure de maillage adaptatif . . . 31
1.4 Probl`emes de r´ef´erence et adjoint en ´elastodynamique 1D . . . 39
1.5 Solution approch´ee du probl`eme d’´elastodynamique 1D . . . 40
1.6 Erreur sur la quantit´e d’int´erˆet en 1D . . . 41
2.1 Fonctions de pond´eration - Legendre-Fenchel . . . 66
2.2 Probl`eme de r´ef´erence . . . 67
2.3 D´eform´ee et d´eplacement approch´es de la structure en L . . . 68
2.4 Contrainte approch´ee de la structure en L . . . 69
2.5 Cartes d’erreur du probl`eme de r´ef´erence . . . 69
2.6 Extracteur (Q.I n˚1) . . . 70
2.7 Chargement du probl`eme adjoint (Q.I n˚1) . . . 71
2.8 D´eplacement approch´ee pour le probl`eme adjoint (Q.I n˚1) . . . 72
2.9 Contrainte approch´ee (Q.I n˚1) . . . 72
2.10 Cartes d’erreur du probl`eme adjoint (Q.I n˚1) . . . 73
2.11 Erreurs en dissipation pond´er´ees (Q.I n˚1) - Legendre-Fenchel . . . 75
2.12 Zone d’int´erˆet et extracteur (Q.I n˚2) . . . 76
2.13 Cartes d’erreur du probl`eme adjoint (Q.I n˚2) . . . 76
2.14 Erreurs en dissipation pond´er´ees (Q.I n˚2) - Legendre-Fenchel . . . 78
2.15 Fonctions de pond´eration pour des q.i. ind´ependantes de l’histoire . . . . 79
3.1 Reconstruction classique des champs admissibles - Sch´ema des acc. lin. . 86
3.2 Noeud int´erieur d’un maillage avec des quadrangles `a 4 noeuds . . . 88
3.3 Reconstruction de la contrainte admissible . . . 90
3.4 Cartes d’erreur - Sch´ema des acc. lin. . . 95
3.5 Erreur en dissipation en fonction de h - Meth. 1 - Sch´ema des acc. lin. . . 96
3.6 Erreur en dissipation en fonction de h - Meth. 2 - Sch´ema des acc. lin. . . 97
3.7 Erreur relative en fonction de h - Meth. 1 - Sch´ema des acc. lin. . . 98
3.8 Erreur en dissipation - Reconstruction optimis´ee . . . 99
4.2 Extracteur (Q.I n˚1) . . . 104
4.3 D´efinition des diff´erentes zones d’int´erˆet (Q.I n˚1) . . . 108
4.4 Influence du param`etre de viscosit´e (Q.I n˚1) . . . 109
4.5 D´eform´ee et contrainte pour une structure fortement visqueuse . . . 109
4.6 Zone d’int´erˆet et extracteur (Q.I n˚2) . . . 110
4.7 Bornes sur la Q.I n˚2 - Raffinement du probl`eme adjoint - Cauchy-Schwarz 111 4.8 Influence du param`etre de viscosit´e (Q.I n˚2) . . . 114
4.9 Zone de raffinement local en espace . . . 115
4.10 Construction des densit´es pour des maillages incompatibles . . . 116
4.11 Densit´es pour des maillages incompatibles . . . 119
4.12 Influence de la zone de raffinement en espace . . . 120
4.13 Influence du maillage dans la zone de raffinement . . . 121
4.14 Fonctions de pond´eration - Legendre-Fenchel et Legendre-Fenchel Brun . 128 4.15 Chargements du probl`eme de r´ef´erence sur[0, 2T ] . . . 129
4.16 Chargement du probl`eme adjoint bis (Q.I n˚2) . . . 130
4.17 Cartes d’erreur en dissipation (au carr´e) du probl`eme adjoint bis (Q.I n˚2) 131 4.18 Probl`eme de r´ef´erence de type “choc” . . . 133
4.19 Cartes d’erreur des 3 probl`emes (Q.I n˚2) - Exemple n˚2 . . . 135
5.1 Contours d’int´egration dans le plan complexe . . . 142
5.2 Solution de Green en 1D - Equation d’onde . . . 143
5.3 Solutions de Green en 2D et 3D - Equation d’onde . . . 144
5.4 Onde longitudinale et onde transversale . . . 148
5.5 Solution de Green 1D - Equation d’onde avec amortissement . . . 150
5.6 Solutions de Green 2D contraintes planes - Elasto et visco´elastodynamique 152 5.7 D´efinition des sous-domaines et point d’int´erˆet . . . 154
5.8 D´ecomposition des densit´es sur le bord∂2Ω . . . 158
5.9 Evolution temporelle des extracteurs pour les quantit´es d’int´erˆet A et B . 161 5.10 Probl`eme de r´ef´erence et probl`eme adjoint . . . 161
5.11 Domaines et fonction de pond´eration pour la structure carr´ee . . . 162
5.12 Cartes d’erreur en dissipation pour le probl`eme de r´ef´erence . . . 163
5.13 Solution de Green g´en´eralis´ee 2D contraintes planes - Chargement rampe 163 5.14 Cartes d’erreur en dissipation du probl`eme adjoint (Q.I. A) . . . 164
5.15 Solution de Green g´en´eralis´ee 2D contraintes planes - Chargement ´echelon 166 5.16 Influence de la zone d’enrichissement (Q.I A) . . . 167
A.1 Mod`ele de Kelvin-Voigt . . . 175
A.2 Solution d’un essai de fluage avec le mod`ele de Kelvin-Voigt . . . 176
A.3 Mod`ele de Maxwell . . . 177
A.4 Solution d’un essai de relaxation avec le mod`ele de Maxwell . . . 177
B.1 Mod`ele de Kelvin-Voigt . . . 180
B.2 Amortissement en fonction de la pulsation propre - Mod`ele de Kelvin-V. . 181
Table des figures vii
B.4 Amortissement en fonction de la pulsation propre - Mod`ele de Maxwell . 182 B.5 Quelques valeurs du facteur d’amortissement . . . 183
Liste des tableaux
1.1 Param`etres utilis´es pour l’exemple d’´elastodynamique 1D . . . 39
2.1 Termes des bornes sur la quantit´e d’int´erˆet exacte - Legendre-Fenchel . . 67
2.2 Bornes sur la quantit´e d’int´erˆet exacte n˚1 - Cauchy-Schwarz . . . 74
2.3 Bornes sur la quantit´e d’int´erˆet exacte n˚1 - Legendre-Fenchel . . . 74
2.4 Bornes sur la quantit´e d’int´erˆet exacte n˚2 - Cauchy-Schwarz . . . 77
2.5 Bornes sur la quantit´e d’int´erˆet exacte n˚2 - Legendre-Fenchel . . . 78
3.1 Erreur en dissipation avec les m´ethodes 1 et 2 - Sch´ema des acc. lin. . . . 98
4.1 Bornes sur la Q.I n˚1 - Raffinement probl`eme adjoint - Cauchy-Schwarz . 105 4.2 Bornes sur la Q.I n˚1 - Raffinement probl`eme adjoint - Legendre-Fenchel 106 4.3 Influence de la zone d’int´erˆet temporelle (Q.I n˚1) . . . 107
4.4 Influence de la zone d’int´erˆet spatiale (Q.I n˚1) . . . 108
4.5 Bornes sur la Q.I n˚2 - Raffinement probl`eme adjoint - Legendre-Fenchel 112 4.6 Comparaison des bornes sur la Q.I n˚2 - Raffinement du probl`eme adjoint 112 4.7 Influence du temps d’int´erˆet (Q.I n˚2) . . . 113
4.8 Bornes sur la Q.I n˚2 - Legendre-Fenchel Brun . . . 132
4.9 Influence du chargement sur(T, 2T ) (Q.I n˚2) - Legendre-Fenchel Brun . 133 4.10 Bornes sur la Q.I n˚2 avec Legendre-Fenchel - Exemple n˚2 . . . 136
4.11 Bornes sur la Q.I n˚2 avec Legendre-Fenchel Brun - Exemple n˚2 . . . 136
5.1 Param`etres utilis´es pour la structure carr´ee . . . 161
5.2 Bornes sur les quantit´es d’int´erˆet A . . . 165
5.3 Influence de la viscosit´e (Q.I A) . . . 167
Introduction
Dans les ann´ees 70, la m´ecanique a connu un changement majeur avec le d´eveloppement de l’outil informatique. Des solutions dites “approch´ees” de probl`emes complexes ont alors pu ˆetre calcul´ees sur ordinateur. Le “virtual testing”, i.e. la simu-lation du r´eel, est devenu un nouvel enjeu. Ainsi est n´ee dans l’industrie une r´eelle volont´e de remplacer au maximum les essais exp´erimentaux coˆuteux par des simulations num´eriques. Ceci a en particulier permis un fort d´eveloppement dans le domaine de la dynamique, notamment pour le dimensionnement de structures (´etude des impacts, probl`emes de fissuration, etc). Par exemple, bien que les prototypes physiques soient toujours utilis´es pour valider le respect des diff´erentes normes de crash, l’industrie automobile a de plus en plus recours `a des simulations num´eriques, ceci permettant de faire face aux contraintes de temps et de coˆut. N´eanmoins, est-ce que le r´esultat de la simulation num´erique repr´esente la r´ealit´e ? En d’autres termes, peut-on faire confiance `a la simulation ? Afin de r´epondre `a cette question et de pouvoir prendre des d´ecisions `a partir des simulations, les ing´enieurs ont besoin de contrˆoler la qualit´e des calculs num´eriques. En effet, une mauvaise maˆıtrise de l’outil num´erique peut avoir de lourdes cons´equences ; on peut citer l’exemple de l’accident de la plate-forme p´etroli`ere Sleipner [Jakobsen et Rosendahl, 1994], qui a coul´e en 1991 suite `a une sous-estimation de 50% des contraintes de cisaillement issues d’un calcul par la m´ethode des ´el´ements finis.L’´evaluation de la fiabilit´e des solutions num´eriques est l’objet des th´ematiques de recherche de “validation” et de “v´erification” (V&V). La validation a pour but d’estimer l’erreur commise entre le r´eel et le mod`ele math´ematique, tandis qu’en v´erification, on cherche `a estimer l’erreur entre le mod`ele num´erique et le mod`ele math´ematique, i.e. l’er-reur de discr´etisation. Une synth`ese de ces deux notions est propos´ee sur la Figure 1 ex-traite de [Babuska et al., 2007]. Il est important de souligner qu’en v´erification, le mod`ele math´ematique est pris comme r´ef´erence. Dans ce domaine, des estimateurs de l’erreur globale ont d’abord ´et´e introduits dans les ann´ees 70 ; ils correspondent `a la fl`eche n˚1 de la Figure 1. On peut distinguer d’une part les estimateurs a priori, d´etermin´es `a partir du chargement, de la m´ethode de r´esolution approch´ee, des propri´et´es de la solution exacte, etc... mais ceux-ci sont inadapt´es pour la conception robuste. Ils sont utilis´es en pratique pour v´erifier la convergence de la m´ethode d’approximation. D’autre part, il existe des es-timateurs a posteriori, qui sont calcul´es uniquement `a partir de la solution approch´ee du probl`eme ; ces estimateurs sont les plus utilis´es `a pr´esent. On peut distinguer trois grandes familles d’estimateur d’erreur globale a posteriori :
1. ceux bas´es sur la non-v´erification des ´equations d’´equilibre. Deux sous-familles ont ´et´e d´evelopp´ees :
– les estimateurs explicites [Babuska et Rheinboldt, 1978], qui sont d´etermin´es ex-plicitement `a partir des r´esidus d’´equilibre `a l’int´erieur et sur la fronti`ere des ´el´ements, ainsi que des param`etres de discr´etisation ;
– les estimateurs implicites [Babuska et Rheinboldt, 1978; Bank et Weiser, 1985], qui n´ecessitent la r´esolution de probl`emes locaux suppl´ementaires ;
2. ceux bas´es sur les d´efauts de r´egularit´e [Zienkiewicz et Zhu, 1987]. Dans la m´ethode des ´el´ements finis en d´eplacement, il est bien connu que le vecteur contrainte est discontinu entre deux ´el´ements. L’id´ee de cette famille d’estimateurs consiste donc `a mesurer l’erreur entre la contrainte approch´ee et une contrainte dite “liss´ee”. Les diff´erentes m´ethodes se distinguent alors par le proc´ed´e de lissage employ´e ;
3. ceux bas´es sur la non-v´erification de la relation de comportement [Ladev`eze, 1975]. L’id´ee g´en´erale est de consid´erer la relation de comportement comme la moins fiable des ´equations du probl`eme. Pour cela, une ´etape de reconstruction de champs admissibles, qui est un point cl´e de la m´ethode, est n´ecessaire. Ces champs sont obtenus `a partir de la solution approch´ee du probl`eme et v´erifient les ´equations de liaison, les ´equations d’´equilibre et les conditions initiales. L’estimateur consiste alors en une mesure de la non-v´erification de la relation de comportement.
Lorsque l’estimateur d’erreur majore l’erreur r´eelle, on dit que l’estimateur d’erreur est “garanti”. Peu de travaux permettent d’obtenir un estimateur d’erreur globale garanti pour les probl`emes lin´eaires [Ladev`eze, 1975; Strouboulis et al., 2000a; Cottereau et al., 2009]. En fait, ces derniers suivent une mˆeme d´emarche qui peut s’exprimer sous la forme de l’erreur en relation de comportement. La diff´erence entre les m´ethodes est dans la technique de construction des contraintes admissibles `a partir de la solution ´el´ements finis [Ladev`eze et Pelle, 2004; Par´es et al., 2006; Ladev`eze et al., 2010].
Reality MathematicalModel ComputationalModel Prediction(output) Decision
Validation Verification
(1) (2)
FIG. 1: Validation et v´erification dans le processus de d´ecision `a partir d’une solution num´erique
Pour les probl`emes d´ependant du temps, une premi`ere approche introduite dans [Zienkiewicz et al., 1988] consiste `a utiliser les outils d´evelopp´es en statique lin´eaire pour estimer l’erreur `a chaque piquet de temps. Cependant, cette m´ethode ne permet
Introduction 3
pas de prendre en compte l’erreur de discr´etisation en temps. Concernant le contrˆole de l’erreur en temps, les travaux de [Park et Underwood, 1980] ont ´et´e parmi les premiers `a proposer un crit`ere de choix pour le pas de temps dans le cas du sch´ema de New-mark des diff´erences centr´ees grˆace au calcul de la plus haute fr´equence sollicit´ee lors du chargement. Ces travaux ont ´et´e ´etendus aux sch´emas de Newmark implicites dans [Bergan et Mollestad, 1985]. D’autres approches ont ´et´e envisag´ees pour estimer l’er-reur de discr´etisation en temps. On peut comparer des solutions num´eriques obtenues avec diff´erentes discr´etisations temporelles [Gear, 1971] ou obtenues avec des sch´emas d’int´egration de diff´erents ordres [Thomas et Gladwell, 1988]. On peut aussi approximer la solution exacte pr´esente dans l’expression de l’erreur sur un pas de temps `a l’aide d’un d´eveloppement de Taylor [Zienkiewicz et Xie, 1991] ou d’une solution “post-process” [Wiberg et al., 1992].
Enfin, il existe dans la litt´erature des m´ethodes permettant de prendre en compte si-multan´ement les deux sources d’erreur (espace et temps). La m´ethode bas´ee sur la non-v´erification de l’´equilibre s’´etend aux probl`emes de dynamique [Hughes et Hulbert, 1988; Aubry et al., 1999] `a condition d’utiliser une formulation variationnelle en espace et en temps pour r´esoudre le probl`eme. Dans le cadre des approches plus classiques bas´ees sur une m´ethode des ´el´ements finis en espace et un sch´ema d’int´egration en temps, les estimateurs d’erreur en relation de comportement suivants peuvent ˆetre utilis´es :
– “erreur au sens de Drucker” [Ladev`eze, 1985] ; pour appliquer cet esti-mateur il est n´ecessaire que le mat´eriau soit stable au sens de Dru-cker [DruDru-cker, 1964]. Il a ´et´e ´etudi´e pour les probl`emes de (visco)plasticit´e [Ladev`eze et al., 1986; Gallimard et al., 1996; Ladev`eze, 2000], les probl`emes de dynamique [Combe et al., 1999] et les probl`emes avec contact et frottement [Louf, 2003] ;
– “erreur en dissipation” [Ladev`eze, 1989] ; cet estimateur est bas´e sur la non-v´erification de la loi de comportement dissipative. Il a ´et´e appliqu´e `a des probl`emes de (visco)plasticit´e dans [Ladev`eze et Mo¨es, 1997]. Contrairement `a l’erreur de Drucker, une relation entre l’erreur en solution et cet estimateur peut ˆetre ´etablie, ce qui apporte le caract`ere garanti de l’estimateur.
Bien que tous ces estimateurs de l’erreur globale fournissent une premi`ere in-formation sur la qualit´e de la solution, celle-ci s’av`ere souvent insuffisante pour l’ing´enieur. De ce fait, des estimateurs d’erreur sur des quantit´es d’int´erˆet locales,
e.g. la contrainte de Von Mis`es dans une zone de la structure, ont ´et´e d´evelopp´es. Ils
correspondent `a la fl`eche n˚2 de la Figure 1. Notons que l’erreur de discr´etisation dans la zone d’int´erˆet d´epend aussi de l’erreur de discr´etisation dans la zone compl´ementaire, cette notion d’ “erreur de pollution” ayant ´et´e introduite et ´etudi´ee dans [Babuska et al., 1995]. Dans la litt´erature, la majorit´e des m´ethodes pour l’esti-mation d’erreur locale repose sur la r´esolution d’un probl`eme adjoint. On peut citer les travaux de [Paraschivoiu et al., 1997; Ladev`eze et al., 1999; Strouboulis et al., 2000a; Becker et Rannacher, 2001; Oden et Prudhomme, 2001] pour les probl`emes de sta-tique lin´eaire et [Schleupen et Ramm, 2000; Houston et S¨uli, 2002; Ladev`eze, 2008b;
Fuentes et al., 2006; Tie et Aubry, 2010] pour les probl`emes de dynamique. Cette tech-nique pr´esente l’avantage de r´eemployer les estimateurs d’erreur globale afin d’´evaluer l’erreur locale. Grˆace aux estimateurs d’erreur locale, l’ing´enieur dispose d’un outil permettant de quantifier l’erreur commise sur des quantit´es d’int´erˆet cruciales pour le dimensionnement de structures. Ceci est possible `a condition que l’estimateur d’erreur locale soit “pertinent”, i.e. l’estimateur repr´esente correctement l’erreur r´eelle.
De surcroˆıt, l’utilisation d’un estimateur d’erreur globale garanti permet d’obtenir un estimateur d’erreur locale garanti dans le cas lin´eaire. En ce qui concerne les probl`emes non-lin´eaires et les probl`emes de dynamique, des hypoth`eses simplificatrices sont couramment utilis´ees comme la lin´earisation du comportement. Par cons´equent, `a notre connaissance, les estimateurs d’erreur locale propos´es dans la litt´erature ne sont pas garantis en non-lin´eaire et en dynamique.
Derni`erement, une m´ethode a ´et´e propos´ee dans [Ladev`eze, 2008b] afin d’obtenir des bornes garanties sur une quantit´e d’int´erˆet locale pour les probl`emes de dynamique et les probl`emes non-lin´eaires. Celle-ci est bas´ee sur la r´esolution d’un probl`eme adjoint et sur l’estimateur d’erreur en relation de comportement appel´e “erreur en dissipation”. Dans cette th`ese, on s’int´eresse `a la mise en place de la m´ethode pour des probl`emes lin´eaires de dynamique transitoire [Ladev`eze et Waeytens, 2009].
Pour les probl`emes de visco´elasticit´e, l’erreur en dissipation a permis d’aboutir `a des bornes `a la fois garanties et pertinentes notamment grˆace `a une r´esolution fine du probl`eme adjoint en profitant du caract`ere local de la solution [Chamoin et Ladev`eze, 2007; Chamoin et Ladev`eze, 2008]. Cette id´ee ne fonctionne a priori qu’en quasi-statique. Par cons´equent, un ´el´ement important de ce travail est de mettre en place une technique permettant d’aboutir `a une r´esolution fine du probl`eme adjoint. Pour cela, des techniques de raffinement du maillage sont introduites et une approche exploitant les solutions ´el´ementaires en milieu infini sont envisag´ees.
De plus, on rappelle qu’il est n´ecessaire de reconstruire des champs admissibles afin de calculer l’estimateur d’erreur bas´e sur “l’erreur en dissipation”. La technique de recons-truction de champs admissibles d´evelopp´ee pour l’erreur de Drucker [Combe et al., 1999; Ladev`eze et Pelle, 2004] n’´etant pas adapt´ee, une nouvelle strat´egie est propos´ee dans ce travail.
Dans [Ladev`eze, 2008b], diff´erentes techniques d’encadrement de la quantit´e d’int´erˆet ont ´et´e d´evelopp´ees. La premi`ere m´ethode, qui est la plus simple `a mettre en oeuvre, utilise l’in´egalit´e de Cauchy-Schwarz. Dans la deuxi`eme m´ethode, l’encadrement est obtenu `a partir de l’in´egalit´e de Legendre-Fenchel et d’une fonction de pond´eration ayant pour but d’´eviter des surmajorations de l’erreur locale. La derni`ere approche est une variante de la m´ethode pr´ec´edente exploitant le th´eor`eme de Brun [Bui et Tanaka, 1992]. Notre objectif est donc de mettre en œuvre ces m´ethodes et de proposer une d´emarche permettant de s´electionner celle qui est la plus adapt´ee pour obtenir des bornes pertinentes suivant le probl`eme de r´ef´erence et la quantit´e d’int´erˆet ´etudi´es.
Introduction 5
Un dernier point de l’´etude concerne l’extension de bornes garanties et pertinentes `a des quantit´es d’int´erˆet ponctuelles. Dans ce cas, on est confront´e `a la r´esolution d’un probl`eme adjoint pr´esentant des singularit´es. Afin de les prendre en compte, on utilise les fonctions ´el´ementaires (fonctions de Green) de dynamique en milieu infini. A la question ”peut-on obtenir des bornes pertinentes pour des quantit´es ponctuelles en espace et en temps ?”, on apporte des ´el´ements de r´eponse `a la fin du manuscrit.
Ce travail sur l’obtention de bornes garanties et pertinentes sur des quantit´es d’int´erˆet en dynamique transitoire est divis´e en cinq chapitres :
– le premier comporte un ´etat de l’art sur les estimateurs d’erreur globale et les estimateurs d’erreur locale pour les probl`emes de statique et de dynamique ; – le deuxi`eme est un rappel de la m´ethode de calcul des bornes d’erreur garanties sur
une quantit´e d’int´erˆet en dynamique. Des exemples num´eriques sont propos´es afin d’illustrer la m´ethode ;
– le troisi`eme chapitre traite de la technique de reconstruction des champs admis-sibles pour le calcul de l’estimateur d’erreur en relation de comportement appel´e “erreur en dissipation”. Le comportement de cet estimateur est ensuite ´etudi´e ; – le quatri`eme volet pr´esente plusieurs techniques pour am´eliorer la pertinence des
bornes. Dans un premiers temps, des m´ethodes bas´ees sur une meilleure r´esolution du probl`eme adjoint sont d´evelopp´ees. Ensuite, une variante de l’encadrement bas´e sur l’in´egalit´e de Legendre-Fenchel exploitant le th´eor`eme de Brun est pr´esent´ee ; – le cinqui`eme volet est une extension des bornes garanties et pertinentes `a des
Chapitre 1
Etat de l’art sur l’estimation d’erreur
Dans cette partie, un ´etat de l’art est r´ealis´e pour les estimateurs d’erreur globale et les estimateurs d’erreur locale. On s’int´eresse plus particuli`erement aux probl`emes de
statique et de dynamique avec amortissement.
Sommaire
1 Probl`eme de r´ef´erence . . . . 8 1.1 La visco´elasticit´e . . . 8 1.2 D´efinition du probl`eme . . . 9 1.3 R´esolution du probl`eme . . . 10 2 Estimateur d’erreur globale . . . . 12 2.1 Erreur de discr´etisation en espace . . . 12 2.2 Erreur de discr´etisation en temps . . . 24 2.3 Erreur de discr´etisation en espace et en temps . . . 30 3 Les estimateurs d’erreur locale . . . . 36 3.1 Les premiers travaux . . . 37 3.2 M´ethodes utilisant un probl`eme adjoint . . . 38 3.3 M´ethodes bas´ees sur l’erreur en relation de comportement . . . 45
1
Probl`eme de r´ef´erence
Pour illustrer les diff´erents estimateurs d’erreur globale et locale, un probl`eme de visco´elastodynamique est consid´er´e. On le qualifie de “probl`eme de r´ef´erence”. Avant de le d´efinir, un rappel succinct sur la notion et la mod´elisation de la visco´elasticit´e est r´ealis´e.
1.1
La visco´elasticit´e
Newton fut le premier `a d´efinir le param`etre de viscosit´e comme ´etant le coefficient de proportionnalit´e entre la contrainte et la vitesse de d´eformation. La r´eponse d’une structure visco´elastique d´epend donc de la vitesse du chargement. Deux ph´enom`enes ca-ract´eristiques ont ´et´e mis en ´evidence :
– `a d´eformation constante la contrainte d´ecroˆıt au cours du temps, c’est la relaxa-tion. Par exemple, dans les assemblages boulonn´es, on constate une diminution de l’effort de serrage au cours du temps ;
– `a contrainte constante la d´eformation croˆıt progressivement jusqu’`a atteindre un palier, c’est le fluage. Par exemple, dans le domaine du g´enie civil, une d´eformation excessive provenant du fluage du b´eton peut entraˆıner la pr´esence de fissures dans le bˆatiment.
Ces ph´enom`enes ne sont pas toujours des inconv´enients. En effet, la visco´elasticit´e peut s’av´erer utile pour d’autres applications telles que les appareils auditifs [Lakes, 1999]. Concernant la mod´elisation de ces ph´enom`enes, une th´eorie 3D isotrope visco´elastique a ´et´e introduite par Maxwell, Kelvin, Voigt et Boltzmann au X IX`eme si`ecle. Ensuite, Volterra l’a ´etendue au cas anisotrope en 1909. Le d´eveloppement des mat´eriaux polym`eres a suscit´e un int´erˆet croissant pour la visco´elasticit´e.
On peut distinguer trois approches pour caract´eriser la visco´elasticit´e lin´eaire : – utilisation d’une relation de comportement :
ainsi, le lien entre la contrainte et la vitesse de d´eformation est exprim´e `a l’aide d’une int´egrale : σi j(t) = Ri jkl(t)εkl(0) + Z t 0 Ri jkl(t −
T
) dεkl dT
(T
)dT
(1.1)o`u Ri jkl repr´esente le tenseur de relaxation.
Par analogie, la d´eformation est li´ee `a la d´eriv´ee de la contrainte par :
εi j(t) = Ci jkl(t)σkl(0) + Z t 0 Ci jkl(t −
T
) dσkl dT
(T
)dT
(1.2)o`u Ci jkl repr´esente le tenseur de fluage. Ces deux expressions peuvent s’´ecrire plus
simplement `a l’aide du produit de convolution :
(
σi j(t) = Ri jkl(t)εkl(0) + Ri jkl⊗ddεTkl
εi j(t) = Ci jkl(t)σkl(0) +Ci jkl⊗ddσTkl
Probl`eme de r´ef´erence 9
– utilisation d’une ´equation diff´erentielle :
la contrainte et ses d´eriv´ees sont li´ees `a la d´eformation par une ´equation diff´erentielle de la forme : P(D)σi j(t) = Q(D)εi j(t) (1.4) avec : P(D) = N
∑
k=0 pkDk Q(D) = N∑
k=0 qkDk (1.5)o`u D repr´esente l’op´erateur de d´erivation. – utilisation de variables internes
on distingue les variables ´elastiques des variables visqueuses. Des relations sont ´etablies entre ces variables.
Dans l’annexe A, ces trois approches sont illustr´ees sur les mod`eles rh´eologiques 1D de Kelvin-Voigt et Maxwell.
1.2
D´efinition du probl`eme
On consid`ere une structure qui `a l’instant initial t = 0 occupe le domaine Ω, sa fronti`ere est not´ee∂Ω. Les conditions initiales en d´eplacement et en vitesse sont prises nulles. Cette structure est encastr´ee sur une partie de sa fronti`ere, on la note∂1Ω. Elle est aussi soumise `a :
– des efforts surfaciques Fd sur la fronti`ere∂2Ωv´erifiant∂1Ω∪∂2Ω=∂Ωet
∂1Ω∩∂2Ω= Ø ;
– des efforts volumiques f
d sur l’ensemble du domaineΩ.
Une illustration du probl`eme est fournie sur la Figure 1.1.
Concernant le comportement mat´eriau, on se place en visco´elasticit´e lin´eaire. Dans cette partie, on privil´egie l’´ecriture de la relation de comportement `a l’aide d’une ´equation diff´erentielle. On s’int´eresse aux probl`emes de dynamique transitoire sous l’hypoth`ese des petites perturbations. Le probl`eme est donc d´efini par :
Trouver le champ de d´eplacement u(x,t) et le champ de contrainteσ(x,t),
avec t∈ [0,T ] et x ∈Ω, qui v´erifient :
• Equations de liaison : u∈
U
[0,T ]; u|∂1Ω= 0, ∀t ∈]0,T [ (1.6) (1.7) • Equation d’´equilibre : σ∈S
[0,T ]; − Z Ωσ:ε(u ∗)dΩ+Z Ω fd.u ∗dΩ+Z |∂2Ω Fd.u∗dS= Z Ωρ¨u.u ∗dΩ, ∀u∗∈U
0, ∀t ∈]0,T [ (1.8) • Relation de comportement : σ |t =A
ε( ˙u)|τ;τ∈ [0,t], ∀x ∈Ω, ∀t ∈ [0,T ] (1.9) • Conditions initiales : u(t = 0) = 0, ˙u(t = 0) = 0, σ(t = 0) = 0U
[0,T ]est l’espace des champs de d´eplacement `a ´energie finie d´efini surΩ×]0,T [,U
[0,T ]0 est l’espace d´efini parU
[0,T ]0 = {u ∈U
[0,T ]; u|∂1Ω = 0, ∀t ∈]0,T [} etS
[0,T ] est l’espace des champs de contrainte `a ´energie finie, d´efini sur Ω×]0,T [. L’op´erateurA
caract´erise le comportement visco´elastique du mat´eriau. ρ est la masse volumique du mat´eriau.
1.3
R´esolution du probl`eme
Pour r´esoudre ce probl`eme de dynamique il existe deux types de m´ethode :
1. la plus classique consiste `a employer la m´ethode des ´el´ements finis en es-pace et un sch´ema d’int´egration temporelle. Il est aussi possible d’utiliser une m´ethode de d´ecomposition de domaine avec des sch´emas d’int´egration et des pas de temps diff´erents sur chaque sous-domaine [Combescure et al., 2003; Mahjoubi et al., 2009] ;
2. une autre approche consiste `a utiliser une formulation variationnelle en espace et en temps. Ainsi :
– lorsque les fonctions de base sont continues en espace et en temps, on parle de “Space-Time Galerkin method” ;
Probl`eme de r´ef´erence 11
– lorsque les fonctions de base sont continues en espace et discontinues en temps, on parle de “Time discontinous Galerkin method”. Cette formulation a ´et´e intro-duite dans [Hughes et Hulbert, 1988] ;
– lorsque les fonctions de base sont discontinues en espace et continues en temps, on parle de “Space discontinous Galerkin method”. Pour plus de d´etails, on peut se reporter `a [Falk et Richter, 1999; Grote et al., 2006] ;
– enfin, lorsque les fonctions de base sont discontinues en espace et en temps, on parle de “Space-Time discontinous Galerkin method”. Pour plus de d´etails, on peut se reporter `a [Monk et Richter, 2005].
Dans la suite, on s’int´eresse principalement `a la premi`ere m´ethode bas´ee sur la m´ethode des ´el´ements finis et un sch´ema d’int´egration temporelle.
Dans un premier temps, une discr´etisation en espace est utilis´ee. Le probl`eme `a r´esoudre est alors discret en espace et continu en temps, il est commun´ement appel´e “probl`eme semi-discret”. De mani`ere g´en´erale, il peut s’´ecrire sous la forme :
M. ¨U(t) +C. ˙U(t) + K.U(t) = F(t), ∀t ∈]0,T [
U(0) = 0, ˙U(0) = 0 (1.10)
U repr´esente le vecteur des inconnues nodales en d´eplacement, F est le vecteur des
ef-forts g´en´eralis´es, M, C et K correspondent aux matrices de masse, d’amortissement et de raideur.
L’utilisation d’un sch´ema d’int´egration temporelle permet ensuite d’obtenir le probl`eme compl`etement discret. Les sch´emas de Newmark [Newmark, 1959] sont une des familles les plus utilis´ees :
Un+1= Un+∆t ˙Un+∆t 2 2 (1 − 2β) ¨Un+ 2βU¨ n+1 ˙ Un+1= ˙Un+∆t(1 −γ) ¨Un+γU¨n+1 (1.11)
o`u(γ,β) sont les param`etres caract´eristiques du sch´ema. Suivant les param`etres choisis, le
sch´ema est inconditionnellement ou conditionnellement stable. En injectant l’expression de la vitesse et du d´eplacement dans le probl`eme semi-discret au temps tn+1, on a :
(M +γ∆tC+β∆t2K) ¨Un+1= Fn+1−C( ˙Un+ (1 −γ)∆t ¨Un) − K Un+∆t ˙Un+∆t 2 2 (1 − 2β) ¨Un (1.12)
Connaissant l’ensemble des quantit´es au temps tn, on obtient l’acc´el´eration au temps tn+1
en r´esolvant le syst`eme lin´eaire (1.12). Le d´eplacement et la vitesse au temps tn+1 sont
ensuite d´etermin´es `a l’aide des formules du sch´ema (1.11). On distingue deux types de sch´ema :
– sch´ema explicite ; l’acc´el´eration ¨Un+1 peut ˆetre calcul´ee directement `a partir des quantit´es cin´ematiques `a l’instant n. Ceci est le cas lorsque les param`etres du
sch´ema de Newmark sont(γ= 0,β= 0) et que la matrice de masse est remplac´ee
par une matrice de masse diagonalis´ee : ¨ Un+1= M−1diag Fn+1−C( ˙Un+∆t ¨Un) − K Un+∆t ˙Un+∆t 2 2 U¨n (1.13)
Il est tr`es utilis´e pour les calculs de dynamique rapide, e.g. les chocs ;
– sch´ema implicite ; le calcul de l’acc´el´eration ¨Un+1 n´ecessite la r´esolution de syst`emes lin´eaires. Cependant, si le pas de temps est constant, il est pr´ef´erable de calculer une seule fois l’inverse de la matrice du membre de gauche de (1.12) plutˆot que de r´esoudre le syst`eme lin´eaire `a chaque piquet de temps. Il est particuli`erement utilis´e pour les probl`emes de dynamique lente, qui ne n´ecessitent pas l’utilisation de petits pas de temps.
2
Estimateur d’erreur globale
Le but de la v´erification est d’estimer l’erreur commise entre la solution exacte, qui est tr`es souvent inconnue, et la solution approch´ee du probl`eme. Pour l’´evaluer, on utilise des estimateurs a priori, qui sont calcul´es `a partir des donn´ees du chargement et des pro-pri´et´es de la solution exacte ou des estimateurs a posteriori qui sont calcul´es `a partir de la solution approch´ee du probl`eme. Ici, on s’int´eresse aux estimateurs d’erreur a posteriori. Les sources d’erreur principales sont : l’erreur de discr´etisation en espace et l’erreur de discr´etisation en temps. Pour les autres sources d’erreur telles que les erreurs d’arrondi, de g´eom´etrie, etc... elles sont n´eglig´ees. Dans un premier temps, les m´ethodes pour estimer l’erreur de discr´etisation en espace sont ´etudi´ees. Ensuite, on s’int´eresse aux m´ethodes permettant d’estimer l’erreur de discr´etisation en temps. Enfin, les techniques prenant en compte ces deux sources d’erreur sont pr´esent´ees.
2.1
Erreur de discr´etisation en espace
Dans cette partie, on se limite `a la pr´esentation des estimateurs d’erreur en espace pour un probl`eme de statique. De ce fait, le terme d’acc´el´eration n’est pas pris en compte et la relation de comportement est purement ´elastique.
Il faut savoir que l’estimation de l’erreur de discr´etisation en espace est aujourd’hui bien maˆıtris´ee ; elle a ´et´e l’objet de nombreuses publications et on peut se reporter aux ´etats de l’art [Ainsworth et Oden, 1997; Verf¨urth, 1999; Gr¨atsch et Bathe, 2005].
Dans ce manuscrit, on pr´esente trois grandes familles d’estimateurs d’erreur globale bas´ees respectivement sur :
– le lissage des contraintes ;
Estimateur d’erreur globale 13
– la non-v´erification de la relation de comportement.
On introduit l’erreur r´eelle de discr´etisation entre la solution exacte et la solution approch´ee :
e= uex− uh (1.14)
La norme ´energ´etique de l’erreur est alors :
||e||u,Ω=
rZ
Ωε(e) :
K
ε(e)dΩ (1.15)o`u
K
repr´esente l’op´erateur de Hooke. Celle-ci peut aussi s’´ecrire sous la forme :||e||u,Ω=
rZ
Ω[σex−σh] :
K
−1[σex−σh]dΩ (1.16)2.1.1 M´ethode de lissage des contraintes
La contrainte exacte ´etant inconnue, on ne peut donc pas d´eterminer la norme ´energ´etique de l’erreur ||e||u,Ω. L’id´ee est d’approximer la contrainte exacte par une
contrainte dite “liss´ee” not´ee σ∗. Celle-ci est calcul´ee `a partir de la contrainte ´el´ements finis. On introduit alors l’estimateur d’erreur heuristiqueηh:
Eh2= Z Ω[σ ∗−σ h] :
K
−1[σ∗−σ h]dΩ (1.17)Le point cl´e de cette m´ethode est la construction de la contrainte liss´eeσ∗.
Estimateur ZZ1 Le premier choix de contrainte liss´ee a ´et´e propos´e dans [Zienkiewicz et Zhu, 1987]. On exprime la contrainte liss´ee `a l’aide des fonctions de base
φiutilis´ees pour le d´eplacement approch´e uh:
σ∗=
∑
Ni=1
φiσ∗i (1.18)
o`uσ∗
i repr´esente les inconnues nodales associ´ees `a la contrainte liss´ee.
Afin de d´eterminer ces inconnues nodales, on minimise l’´ecart au sens des moindres carr´es entre la contrainte liss´ee et la contrainte approch´ee.
min σ∗ i Z ΩTr h (σ∗−σ h) 2idΩ (1.19)
Ce qui revient `a r´esoudre un syst`eme lin´eaire de la forme :
N
∑
i=1 Z ΩφiφjdΩσ ∗ i = Z ΩσhφjdΩ, j = 1, ..., N (1.20)Une fois qu’on a d´etermin´e la contrainte liss´ee, on peut d´eterminer un estimateur d’erreur sur chacun des ´el´ements K :
Eh2,K= Z K [σ∗−σ h] :
K
−1[σ∗−σ h]dK (1.21)D’o`u l’estimateur d’erreur sur l’ensemble de la structure :
Eh=
r
∑
K⊂P
Eh2,K (1.22)
Estimateur ZZ2 Pour certains types d’´el´ements, le d´eplacement est superconvergent aux noeuds et la contrainte est superconvergente aux points de Gauss [Zlamal, 1980; Mackinnon et Carey, 1989; Zienkiewicz et Taylor, 1989; Babuska et al., 1996]. L’id´ee est donc de s’appuyer sur ces points de superconvergence pour construire la contrainte liss´ee σ∗. Cette m´ethode est appel´ee “Superconvergent Patch Recovery” (SPR) [Zienkiewicz et Zhu, 1992], les diff´erentes ´etapes sont les suivantes :
1. comme pr´ec´edemment, la contrainte liss´ee a le mˆeme degr´e d’interpolation que le d´eplacement approch´e ´el´ements finis :
σ∗=
∑
Ni=1
φiσ∗i (1.23)
2. on se place sur un patch d’´el´ementsωn:
– une contrainte liss´ee “bis” est d´efinie sur le patch. Elle a le mˆeme degr´e d’inter-polation que la contrainte liss´ee. On la note :
σ∗∗(x) =
∑
Nk=1
akPk(x) (1.24)
o`u Pk repr´esente les N polynˆomes d’interpolation et ak sont les coefficients des
polynˆomes ;
– pour d´eterminer la contrainte liss´ee “bis”, on minimise l’´ecart au sens des moindres carr´es aux points de Gauss de l’ensemble des ´el´ements du patch :
min ak i∈P
∑
G Tr h (σ h(xi) −σ ∗∗(x i))2 i! (1.25) o`u PGest l’ensemble des points de Gauss du patch ;– apr`es avoir d´etermin´e la contrainte liss´ee “bis”, on en d´eduit les valeurs nodales de la contrainte liss´ee pour les nint noeuds int´erieurs du patch :
σ∗
i =σ
∗∗(x
i), i = 1, ..., nint (1.26)
Les noeuds int´erieurs au patch sont illustr´es sur la Figure 1.2 extraite de [Zienkiewicz et Zhu, 1992] ;
Estimateur d’erreur globale 15
FIG. 1.2: Diff´erents patchs d’´el´ements pour la m´ethode SPR.△ points de superconver-gence pour la contrainte ;• noeuds int´erieurs au patch, les valeurs nodales de la contrainte
liss´ee sont d´etermin´ees en ces points pour le patchωn
3. on r´ep`ete cette op´eration sur l’ensemble des patchs de la structureΩ. La contrainte liss´ee est alors obtenue ;
4. on calcule l’estimateur d’erreur sur chaque ´el´ement ainsi que l’estimateur d’erreur sur l’ensemble de la structure `a l’aide de (1.21) et (1.22).
Lorsque les points de surperconvergence sont inconnus, une autre m´ethode appel´ee “Recovery by Equilibrium in Patches” (REP) a ´et´e introduite dans [Boroomand et Zienkiewicz, 1997]. Elle est bas´ee sur la reconstruction d’une contrainte ´equilibr´ee [Ladev`eze et Leguillon, 1983] dans un patch d’´el´ements. La construction d’une contrainte satisfaisant l’´equilibre est l’objet du chapitre 3.
De mani`ere g´en´erale, des ´etudes [Babuska et al., 1994] ont montr´e que la m´ethode “SPR” est plus performante que la m´ethode “REP”. Il est important de souligner que les estimateurs pr´esent´es pr´ec´edemment sont heuristiques, ils ne repr´esentent pas une borne sup´erieure garantie de la norme ´energ´etique de l’erreur.
N´eanmoins, dans [D´ıez et al., 2007], une d´emarche bas´ee sur la m´ethode SPR et la m´ethode REP a ´et´e propos´ee afin d’obtenir une borne sup´erieure garantie pour les probl`emes de statique. Lorsque la contrainte liss´ee σ∗ est statiquement admissible sur chaque patchωn, c’est `a dire :
− div(σ∗) = fd, surωn
σ∗.n = F
d, sur∂2Ω∩∂ωn
(1.27)
l’estimateur d’erreur Eh, d´efini en (1.17), v´erifie alors :
De plus, pour une contrainte liss´ee continue et ne v´erifiant pas l’´equilibre sur chaque patch, les auteurs ont d´emontr´e un r´esultat similaire :
||e||2u,Ω≤ Eh2− 2
Z
Ωe.s dΩ (1.29)
s repr´esentant le d´efaut d’´equilibre d´efini par :
s= −(div(σ∗) + f
d), surΩ (1.30)
Le membre de droite de (1.29) n’´etant pas enti`erement calculable, le second terme est major´e `a l’aide de l’in´egalit´e de Cauchy-Schwarz. Apr`es la r´esolution d’un probl`eme aux valeurs propres, on obtient un estimateur d’erreur qui majore la norme ´energ´etique de l’erreur r´eelle :
||e||u,Ω≤ Eh,G=
q
Eh2+α2+α (1.31) le scalaire α d´ependant du d´efaut d’´equilibre et de la solution du probl`eme aux valeurs propres.
Bien que cet estimateur Eh,G soit garanti, des applications num´eriques ont montr´e qu’il
´etait peu pertinent.
2.1.2 Estimateur bas´e sur les r´esidus d’´equilibre
Cet estimateur a pour but de quantifier la non-v´erification de l’´equation d’´equilibre. Dans cette famille on distingue :
– les estimateurs explicites : ils sont d´etermin´es explicitement `a partir des r´esidus d’´equilibre et des caract´eristiques du maillage ;
– les estimateurs implicites : ils n´ecessitent la r´esolution de petits probl`emes locaux dont le chargement provient des r´esidus d’´equilibre.
Dans les deux cas, une formulation variationnelle du probl`eme de statique est em-ploy´ee : B(u, v) = L(v), ∀v ∈
U
0 avec B(u, v) = Z ΩK
ε(u) :ε(v)dV L(v) = Z Ωfd.vdV + Z ∂2Ω Fd.vdS (1.32)On cherche une solution approch´ee du probl`eme vh∈
U
0,h⊂U
0. D’o`u :B(uh, vh) = L(vh), ∀vh∈
U
0,h (1.33)L’erreur de discr´etisation e v´erifie alors :
B(e, v) = R(v), ∀v ∈
U
0 avec R(v) = L(v) − B(uh, v) (1.34)R(v) correspondant au terme de r´esidu d’´equilibre.
On remarque que le terme de r´esidu est nul lorsque v appartient `a
U
0,h. On l’appelle“propri´et´e d’orthogonalit´e de Galerkin” :
Estimateur d’erreur globale 17
Estimateurs explicites Les estimateurs d’erreur explicites ont ´et´e introduits dans [Babuska et Rheinboldt, 1978]. On pr´esente ici un estimateur d’erreur explicite qui ma-jore la norme ´energ´etique de l’erreur e d´efinie par :
||e||2u,Ω= B(e, e) (1.36)
Dans un premier temps, on r´e´ecrit le terme de r´esidu R(v) de (1.34) sous la forme :
R(v) =
∑
K⊂P Z K r.vdV +∑
γ⊂∂P Z γR.vdS, ∀v ∈U
0 (1.37) o`u :– r repr´esente le r´esidu d’´equilibre `a l’int´erieur des ´el´ements
r= div(σh) + f (1.38)
– R repr´esente le r´esidu d’´equilibre sur la fronti`ere des ´el´ements
R= Fd−σ h.n, sur∂K∩∂2Ω 0, sur∂K∩∂1Ω −12[|σh.n|] ailleurs (1.39)
avec[| • |] repr´esentant le saut de la quantit´e au niveau de∂K.
En utilisant l’´equation aux r´esidus (1.34), le r´esidu (1.37) et la propri´et´e d’orthogona-lit´e de Galerkin (1.35), on a : B(e, v) =
∑
K⊂P Z K r.(v −Πhv)dV +∑
γ⊂∂P Z γR.(v −Πhv)dS, ∀v ∈U
0 (1.40)Πh ´etant l’op´erateur de projection sur l’espace
U
h.Grˆace `a l’in´egalit´e de Cauchy-Schwarz, on peut majorer le second membre de (1.40).
B(e, v) ≤
∑
K⊂P ||r||L2(K)||v −Πhv||L2(K)+∑
γ⊂∂P ||R||L2(γ)||v −Πhv||L2(γ) (1.41) D’apr`es [Clement, 1975], on a : ( ||v −Πhv||L2(K)≤ ChK|v|H1(K) ||v −Πhv||L2(γ)≤ Ch 1/2 K |v|H1(K) (1.42)o`u C est une constante d´ependant de v et de la taille des ´el´ements hK.
Enfin, sachant que :
une majoration de la norme ´energ´etique de l’erreur de discr´etisation en espace est obte-nue : ||e||2u,Ω≤ C
∑
K⊂P h2K||r||2L 2(K)+ 1 2hK||R|| 2 L2(∂K) (1.44) Except´ee la constante C, toutes les quantit´es de la borne sup´erieure de l’erreur sont explicitement calculables. Pour la constante C, soit on la majore mais dans ce cas la per-tinence des bornes est d´egrad´ee, soit on la d´etermine en r´esolvant des probl`emes aux valeurs propres.De plus, les estimateurs explicites peuvent ˆetre utilis´es pour estimer l’erreur par ´el´ement, ce qui est utile pour le maillage adaptatif.
Estimateurs implicites Dans la partie pr´ec´edente, on a vu que les estimateurs explicites permettaient de majorer la norme ´energ´etique de l’erreur. L’avantage des estimateurs implicites est qu’ils ne d´ependent pas d’une constante g´en´erique C. Par contre, ils n´ecessitent la r´esolution de petits probl`emes sur des ´el´ements ou des patchs d’´el´ements. On peut distinguer trois approches diff´erentes. La m´ethode la plus r´epandue consiste `a construire des flux ´equilibr´es afin que les probl`emes locaux soient bien pos´es. Cependant, d’autres m´ethodes permettent d’´eviter la construction de ces densit´es. Enfin, on pr´esente une approche bas´ee sur une approche duale.
1. M´ethode des r´esidus avec des densit´es ´equilibr´ees
Le point de d´epart est la relation v´erifi´ee par l’erreur sur l’´el´ement K not´ee eK :
BK(eK, v) = Z K r.vdV + Z ∂K∩∂2Ω R.vdS + Z ∂K−∂K∩∂2Ω (σ.n −σ h.n).vdS, ∀v ∈
U
0,K (1.45) o`u :– r est le r´esidu d’´equilibre `a l’int´erieur de l’´el´ement K :
r= div(σh) + f (1.46)
– R est le r´esidu d’´equilibre des efforts surfaciques sur la fronti`ere∂2Ω:
R= Fd−σh.n (1.47)
Ces deux r´esidus sont enti`erement calculables. Par contre, le troisi`eme terme du membre de droite de (1.45) est inconnu. On utilise alors l’approximation suivante :
σ.n ≈ ¯σh.n = 1
2(σh|K+σh|J).n (1.48) J est l’´el´ement adjacent `a l’´el´ement K.
Estimateur d’erreur globale 19
Le probl`eme (1.45) devient alors : On chercheη K∈
U
K tel que : BK(ηK, v) = Z K r.vdV + Z ∂K∩∂2Ω R.vdS + Z ∂K−∂K∩∂2Ω ( ¯σh.n −σh.n).vdS, ∀v ∈U
0,K (1.49) L’estimateur d’erreur associ´e `a l’´el´ement K est d´efini par :EK= ||ηK||u,K (1.50)
Apr`es avoir r´esolu ce probl`eme sur chaque ´el´ement K, on en d´eduit l’estimateur d’erreur sur l’ensemble de la structureΩ:
E=r
∑
K⊂P
||ηK||2
u,K (1.51)
L’inconv´enient majeur de cette m´ethode est que l’existence et l’unicit´e de la solu-tion des probl`emes locaux (1.49) ne sont pas assur´ees. Pour pallier ce probl`eme, on construit des flux ´equilibr´es sur la fronti`ere des ´el´ements∂K. Ce point est d´etaill´e
dans le chapitre 3.
De plus, les probl`emes locaux ne pouvant ˆetre r´esolus exactement, on cherche une solution approch´ee η
h,K ∈
U
h
0,K `a l’aide d’un raffinement “h” ou un raffinement
“p”. Apr`es l’avoir calcul´ee, on en d´eduit l’estimateur d’erreur surΩnot´e Eh:
Eh= r
∑
K⊂P ||ηh,K||2 u,K (1.52)Il est important de souligner que l’estimateur Eh construit `a partir de la solution
approch´ee des probl`emes locaux n’est pas une borne sup´erieure garantie de la norme ´energ´etique de l’erreur.
Dans [Babuska et al., 1999; Strouboulis et al., 2000b], il a ´et´e prouv´e qu’on pouvait cependant obtenir une borne sup´erieure garantie EUh sur la norme ´energ´etique de l’erreur r´eelle. Son expression est la suivante :
||e||u,Ω≤ EUh = r (EIMPL h )2+
∑
K⊂P (EEX PL h )2 (1.53) o`u :– EhIMPLest l’estimateur d’erreur implicite ;
– EhEX PL est un estimateur d’erreur explicite sur l’´el´ement K. Pour le calcul des
2. M´ethode des r´esidus sans densit´es ´equilibr´ees
Pour ´eviter le calcul des densit´es ´equilibr´ees, il existe diff´erentes solutions :
• la premi`ere m´ethode consiste `a reformuler le probl`eme (1.49) sur un
sous-espace ˘
U
K ⊂U
K sur lequel la forme bilin´eaire BK(•,•) est coercive. Dans[D´ıez et al., 1998], les auteurs proposent de prendre : ˘
U
K = {v ∈ H1(K) / v|∂K = 0} (1.54)Le probl`eme (1.45) devient alors : On chercheη K∈ ˘
U
K tel que : BK(ηK, v) = Z K r.vdV, ∀v ∈ ˘U
0,K (1.55)On constate que le chargement de ce probl`eme de Dirichlet d´epend uniquement du r´esidu int´erieur r. En pratique, (1.55) est r´esolu `a l’aide d’un raffinement “h” ou d’un raffinement “p”, la solutionηh
K appartient au sous-espace ˘
U
hK. L’estimateur
d’erreur global est alors :
Eh= ||
∑
K⊂P
ηh
K|| (1.56)
Il est important de souligner que le fait d’imposer la nullit´e deηh
K sur le bord de
l’´el´ement K entraˆıne une d´et´erioration de la qualit´e de l’estimateur d’erreur.
• une approche plus r´ecente, introduite dans [Par´es et al., 2006], est bas´ee sur la
partition de l’unit´e. Ainsi, on se ram`ene `a la r´esolution de petits probl`emes de Di-richlet sur des patchs d’´el´ements. Pour cela, on introduit les fonctionsφnassoci´ees
au sommet de chaque patchωn. L’ensemble de ces fonctions v´erifie la partition de
l’unit´e. On noteΨl’ensemble des sommets.
∑
n∈Ψ
φn(x) = 1, ∀x ∈ ¯Ω (1.57)
En utilisant (1.57) dans l’´equation aux r´esidus (1.34), on a :
B(e, v) = B e, v
∑
n∈Ψ φn ! =∑
n∈Ψ B(e, vφn) =∑
n∈Ψ (L(vφn) − B(uh, vφn)) (1.58)o`u vφnappartient `a l’espace H01(ωn).
Au bilan, on a donc `a r´esoudre des probl`emes de Dirichlet d´efinis sur chacun des patchsωn. On chercheηn∈
U
0,ωn tel que :Bn(ηn, v) = Ln(v) − Bn(uh, v), ∀v ∈
U
0,ωn avec Bn(u, v) = Z ωnK
ε(u) :ε(v)dV Ln(v) = Z ωn f d.vdV + Z ∂ωn∩∂2Ω Fd.vdS (1.59)Estimateur d’erreur globale 21
L’estimateur d’erreur associ´e au patchωnest donc :
En= ||ηn||u,ωn (1.60)
Apr`es avoir r´esolu ce probl`eme sur chaque patch, on en d´eduit l’estimateur d’erreur sur l’ensemble de la structureΩ:
E=r
∑
n
En2 (1.61)
Cet estimateur pr´esente l’avantage de majorer la norme ´energ´etique de l’erreur :
||e||u,Ω≤ E (1.62)
Par contre, cet estimateur ne peut pas ˆetre calcul´e exactement. En pratique, on cherche une solution approch´ee tr`es fine ηh
n∈
U
h
0,ωn des probl`emes (1.59) et on
calcule l’estimateur d’erreur associ´e :
Eh=r
∑
n∈Ψ ||ηh n|| 2 u,ωn ≤ E (1.63)Contrairement `a E, Ehn’est pas une borne sup´erieure garantie de l’erreur exacte.
3. M´ethode des r´esidus avec une approche duale
Les travaux de [Cottereau et al., 2009; Par´es et al., 2009] s’inspirant de [Sauer-Budge et al., 2004] proposent une d´emarche afin d’obtenir une majo-ration garantie de l’erreur exacte. L’id´ee est de r´esoudre l’´equation aux r´esidus (1.59) en utilisant une approche duale. Ainsi, on cherche q
ntel que : div(q n) +φnr= 0 surωn [|q n.n|] =φnR sur∂ω int n q n.n = 0 sur∂1Ω∩∂ωn (1.64)
o`u r et R repr´esentent les r´esidus int´erieurs et les r´esidus sur la fronti`ere des ´el´ements. On appelle
Q
nl’espace des fonctions qnsatisfaisant (1.64).
Afin de r´esoudre ce probl`eme, les auteurs proposent de chercher la solution sous la forme d’un polynˆome de degr´e s sur chacun des ´el´ements K contenus dans le patch
ωn. Par cons´equent, q
n.n n’est pas forc´ement continu sur les arˆetes int´erieures des
´el´ements du patch. Il est important de noter que la solution q
n du probl`eme (1.64)
existe mais elle n’est pas unique. On choisit alors : min
q
n∈Qn
Πc(q
Une fois les solutions qnd´etermin´ees sur chaque patch, on utilise ces quantit´es afin
de d´eterminer une borne sup´erieure garantie sur l’erreur :
||e||2u,Ω≤ 2Πc(q) (1.66)
o`uΠcrepr´esente l’´energie compl´ementaire et q est d´efini par :
q=
∑
n∈Ψ
q
n (1.67)
Il faut souligner que des bornes garanties ne peuvent pas ˆetre obtenues avec cette m´ethode lorsque la solution ´el´ements finis du probl`eme de r´ef´erence est de degr´e 1 ; il faut qu’elle soit au moins de degr´e 2.
2.1.3 Estimateur bas´e sur la non-v´erification de la relation de comportement Pour cette m´ethode, on part du constat que la relation de comportement, qui lie le d´eplacement `a la contrainte, est l’´equation la moins fiable du probl`eme. Pour une meilleure compr´ehension, le probl`eme de statique est r´e´ecrit sous la forme suivante :
Trouver le champ de d´eplacement u(x) et le champ de contraintesσ(x), avec x ∈Ω, qui v´erifient :
• u cin´ematiquement admissible (CA) :
u∈
U
; u|∂1Ω= 0 (1.68)•σstatiquement admissible (SA) :
σ∈
S
; − Z Ωσ:ε(u ∗)dΩ+Z Ωfd.u ∗dΩ+Z |∂2Ω Fd.u∗dS= 0, ∀u∗∈U
0 (1.69) • relation de comportement : σ=K
ε(u), ∀x ∈Ω (1.70)Le but est de construire un d´eplacement cin´ematiquement admissible not´e ˆu et une
contrainte statiquement admissible not´ee ˆσ. L’estimateur d’erreur permet de mesurer la non-v´erification de la relation de comportement en utilisant une norme ´energ´etique. On l’appelle plus commun´ement “estimateur d’erreur en relation de comportement” ; il a ´et´e introduit dans [Ladev`eze, 1975] :
(Ehrdc)2= Z
Ω( ˆσ−
K
ε( ˆu)) :K
−1( ˆσ−
K
ε( ˆu))dΩ (1.71)On remarque que l’estimateur d’erreur est nul lorsque la relation de comportement est v´erifi´ee, on a alors la solution exacte du probl`eme.
Estimateur d’erreur globale 23
Construction des champs admissibles Apr`es avoir r´esolu le probl`eme de statique avec une m´ethode des ´el´ements finis en d´eplacement, on sait que le d´eplacement approch´e v´erifie les ´equations de liaison. Le champ de d´eplacement approch´e ´el´ements finis est donc cin´ematiquement admissible. On peut faire le choix :
ˆ
u= uh (1.72)
Par contre, la contrainte ´el´ements finis ne v´erifie pas l’´equation d’´equilibre. Dans cette m´ethode, il est donc n´ecessaire de reconstruire une contrainte statiquement admissible ˆσ `a partir de la contrainte ´el´ements finisσ
h. Cette ´etape n’est pas triviale, elle est d´etaill´ee
au chapitre 3.
Lien entre l’estimateur d’erreur et l’erreur r´eelle Grˆace au th´eor`eme de l’hyper-cercle [Prager et Synge, 1947], on peut ´etablir un lien entre l’erreur et l’estimateur d’er-reur en relation de comportement :
(Ehrdc)2= ||σex− ˆσ||2σ,Ω+ ||uex− ˆu||2u,Ω (1.73) o`u : || • ||2u,Ω= Z Ωε(•) :
K
ε(•)dΩ || • ||2 σ,Ω= Z Ω• :K
−1• dΩ (1.74) Preuve. (Ehrdc)2= || ˆσ−K
ε( ˆu)||2σ,Ω= ||( ˆσ−σex) + (σex−K
ε( ˆu))||2σ,Ω (1.75)En d´eveloppant le dernier membre, on obtient :
(Ehrdc)2= || ˆσ−σex||2σ,Ω+ ||u − ˆuex||2u,Ω+ 2 Z
Ω( ˆσ−σex) :ε(uex− ˆu)dΩ (1.76)
Or, le dernier terme du membre de droite de (1.76) s’annule car uex − ˆu est cin´ematiquement admissible et les champs σ
ex et ˆσ sont statiquement admissibles. En
effet : − Z Ωσex:ε(uex− ˆu)dΩ+ Z Ω fd.(uex− ˆu)dΩ+ Z |∂2Ω Fd.(uex− ˆu)dS = 0 − Z Ωσˆ :ε(uex− ˆu)dΩ+ Z Ω fd.(uex− ˆu)dΩ+ Z |∂2Ω Fd.(uex− ˆu)dS = 0 (1.77)