Application de l’approche de mécanique de la rupture pour la tolérance aux dommages et la prédiction de la vie en fatigue de composants obtenus par fusion sélective au laser
Bibliographic record
Abstract
Les procédés de fabrication additive de matériaux métalliques suscitent de plus en plus d’intérêt dans différents secteurs industriels pour la fabrication de composants à forte valeur ajoutée. Parmi ces procédés, la fusion sélective au laser (LPBF pour laser powder bed fusion) permet de mettre en forme des alliages dont les propriétés mécaniques statiques sont similaires à celles de leurs contreparties corroyées. Toutefois, les défauts de fabrication leur confèrent un comportement moins enviable pour les applications en fatigue. En ce sens, pour élargir le champ d’application aux composants soumis à des chargements cycliques, il est nécessaire de développer une meilleure compréhension de l’impact de ces défauts sur le comportement en fatigue. \n \nCette thèse présente, en trois articles scientifiques, une proposition de démarche visant à établir une zone de conception sécuritaire pour des composants obtenus par LPBF, et ce, en considérant les défauts qui résultent de leur mise en forme. La démarche en question fait appel à la mécanique de la rupture et au modèle d’El-Haddad pour mettre en relation la taille de défaut tolérable à diverses amplitudes de contraintes. \n \nDans un premier temps, le comportement en fatigue de l’alliage d’Inconel 625 obtenu par fabrication additive est évalué selon l’approche de la mécanique de la rupture. L’effet de l’anisotropie résultant de la mise en forme est considéré et une comparaison avec un alliage corroyé de même composition est réalisée. La résistance à la propagation de fissure longue a été montrée dépendante de l’orientation de fabrication et de l’orientation de propagation de la fissure relativement à l’axe de fabrication. Toutefois, en excluant les mécanismes de fermeture de fissure, celle-ci s’est montrée comparable à celle de l’alliage corroyé de même composition (Inconel 625). \n \nPar la suite, une méthode de création de défauts a été développée. Pour ce faire, des paramètres d’exposition laser non optimaux ont été développés. Dans le second article, des échantillons sont fabriqués en modifiant la vitesse du laser, ce qui a permis de générer différents taux de porosité (0.1 à 2.7%) et d’en évaluer l’impact sur le comportement quasi statique et en fatigue de l’Inconel 625. Les résultats obtenus mettent en évidence l’impact limité des défauts de fabrication sur les propriétés élastiques du matériau, mais une grande sensibilité de la ductilité de la présence de ces défauts. De plus, l’impact des défauts a été montré fortement dépendant de l’orientation de fabrication. En propagation de fissure, la présence de défaut s’est avérée particulièrement importante lorsque le facteur d’intensité de contrainte est élevé, alors que l’impact sur le seuil de propagation de fissure est négligeable. \n \nDans un troisième temps, des échantillons de fatigue sont fabriqués avec des défauts induits dans la section de test en utilisant les paramètres laser déterminés au chapitre précédent lors de l’exposition des couches correspondantes. Un total de 4 ensembles d’échantillons sont étudiés, lesquels ont des taux de porosités compris entre ~0.1 et ~2.7%. La caractérisation des défauts sur un nombre restreint d’éprouvettes est réalisée et à partir de la taille mesurée, une prédiction de la limite de fatigue en vie infinie est effectuée en utilisant le modèle de El-Haddad. Pour valider la prédiction du modèle, des essais de fatigue sous force contrôlée sont réalisés et la limite de fatigue résultante est comparée à la prédiction du modèle d’El-Haddad. Les résultats expérimentaux montrent que le modèle est légèrement conservateur. L’erreur maximale entre la résistance en fatigue prédite par El-Haddad et celle estimée au moyen d’essais sous force contrôlée est d’environ 7%, ce qui est jugé acceptable. \n \nAfin d’aller plus loin dans cette démarche et de manière préalable à l’application a une pièce, il est suggéré de réaliser des essais analogues sur des échantillons de tailles variables et de valider la possibilité de prédire la taille des défauts en utilisant les statistiques de l’extrême. Pour ce qui est des applications en vie finie, les résultats expérimentaux suggèrent qu’il est important de considérer la phase d’initiation de fissure, ainsi que celle de propagation afin d’avoir une prédiction adéquate puisqu’en présence de défauts, la phase de propagation s’étend sur un plus grand nombre de cycles.
Fetched live from OpenAlex and de-inverted. Abstracts are not stored in this database: the inverted indexes are 8.6 GB of the frame’s 9.3 GB of text, and the host has 13 GB free.
How this classification was reachedexpand
Full frame machine prediction
Teacher imitationNot calibrated prevalence, not ground truth. Human validation pending. The Gemma side is a direct model label for every work in the frame, read from the title-only record. The Codex side is a classifier learned from the 10,348 direct Codex labels and calibrated to design-weighted sample rates; fields without enough sample support carry no Codex call. Candidate is the union of the two sides; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels.
Distilled classifier scores by category (both heads)
| Category | Codex | Gemma |
|---|---|---|
| Metaresearch | 0.001 | 0.001 |
| Meta-epidemiology (narrow) | 0.001 | 0.000 |
| Meta-epidemiology (broad) | 0.001 | 0.001 |
| Bibliometrics | 0.001 | 0.000 |
| Science and technology studies | 0.000 | 0.000 |
| Scholarly communication | 0.001 | 0.001 |
| Open science | 0.001 | 0.000 |
| Research integrity | 0.002 | 0.001 |
| Insufficient payload (model declined to judge) | 0.002 | 0.001 |
Machine scores (provisional)
The two teacher heads of the student model, read on this work. A score orders the frame for review; it never asserts a category, and the validation status ships verbatim with every row.
Baseline scores from an immature model (maturity gate not passed, 7 training rounds). Scores rank; they never assert a category.
score_only:v0-immature-baseline · verbatim from the scoring run: score_only means the number may rank works, and no category label ships from itClassification
machine, unvalidatedMachine predicted; a candidate call from one source (direct Gemma or distilled Codex), not a consensus.
How this classification was reached, model by model and score by score, is at the end of the page under "How this classification was reached".