Comment ArianeGroup améliore la crédibilité de la simulation avec EikoTwin

• Par Pierre Baudoin, Ingénieur de recherche chez EikoSim

La crédibilité de la simulation est un aspect essentiel du concept de « virtual testing ». En tant que leader européen des lanceurs spatiaux, Ariane Group participe avec EikoSim à de multiples projets de Recherche et Développement, dont un projet de R&D RAPID (« MUTATION ») financé par la Direction Générale de l’Armement. Ce projet vise à développer une plateforme industrielle de dialogue test-simulation pour répondre aux défis d’un développement plus rapide et plus sûr par une amélioration de la crédibilité de la modélisation.

Le projet de distributeur Galileo

Dans le cadre de ce projet de R&D, l’un des principaux cas d’utilisation était le test de qualification du distributeur de type « Galileo » dans la version Ariane 6. Un distributeur est un système placé sous la coiffe du lanceur qui est destiné à libérer un ou plusieurs satellites pendant la mission du lanceur et à les mettre en orbite. Le test est effectué sur un modèle de vol, ce qui signifie que seuls des cas de charge de qualification sont appliqués à la structure, mais sans jamais atteindre la défaillance.

La continuité numérique comme voie vers la crédibilité de la simulation

Le projet MUTATION a été l’occasion d’intégrer la corrélation d’images numériques (DIC) dans l’approche de fusion de données afin d’évaluer ses avantages pour les utilisateurs de la simulation dans un contexte de test structurel de grande envergure. Dans l’ensemble, le test du distributeur a été le premier test de bout en bout, qui a impliqué tous les outils développés dans le cadre du projet.

Post-traitement DIC par EikoSim

Validation de l’étalonnage

L’étalonnage hybride a été utilisé pour effectuer une pré-étalonnage pour les ZOIs les plus zoomées (ZOI n°1 et n°3). Des marqueurs ont été disposés sur la surface de l’échantillon à des coordonnées précises afin que le lien entre le système de coordonnées du modèle et le cadre de mesure puisse être établi.

Le motif de mouchetis a été pulvérisé sur la surface de l’échantillon à l’aide de peintures mates, et selon les spécifications dérivées de l’étude virtuelle. La figure 4c montre que la méthode retenue nous a effectivement fourni une texture suffisante sous les éléments reprojetés.

L’étalonnage a été validé par les observations suivantes :

→ Excellente reprojection des maillages sur les images, faible RMS sur l’erreur de reprojection calculée après le pré-étalonnage.

→ L’erreur de forme normale telle que dérivée de la procédure d’auto- étalonnage dans la plateforme EikoTwin a été validée. Les fils de jauge de déformation ont pu être clairement identifiés dans le champ résiduel ainsi que dans l’erreur de forme, prouvant la capacité du logiciel à les prendre en compte.

Résultats et post-traitement des mesures plein champ

La mesure par DIC a été utilisée pour tous les cas de charge. Des images ont été prises à intervalles réguliers pendant les essais, et des images supplémentaires ont été acquises pendant les plateaux de chargement. Dans le présent article, nous nous concentrerons sur les résultats expérimentaux du plateau correspondant à la charge maximale de la première configuration d’essai.

Pour ce plateau, il était essentiel d’assurer la crédibilité de la simulation (c’est-à-dire que les champs de déformation mesurés et les champs de déformation FE correspondent étroitement en termes de localisations de déformation), mais aussi de s’assurer que les valeurs de déformation locales restent admissibles en ce qui concerne l’intégrité de la structure.

Bien que des différences locales aient pu être observées entre les champs mesurés et simulés (voir la figure ci-dessus), un bon accord général a été trouvé entre l’expérience et la simulation. Les localisations de déformation ont été correctement anticipées et les niveaux de déformation sont restés acceptables.

En fait, puisque les deux champs de déformation sont calculés en utilisant exactement la même convention et exprimés au même endroit physique, une comparaison quantitative a également été effectuée (figure ci-dessous). Principalement, la différence de champ de déformation montre que les différences apparaissent localement, à proximité des concentrations de déformation. Dans l’ensemble, cependant, la différence entre les deux champs est du même ordre de grandeur que l’incertitude de mesure (c’est-à-dire qu’il n’y a pas de différence significative dans la majeure partie du champ visuel pour les différences de simulation de test). La crédibilité de la simulation peut être confirmée à partir de ce type de carte.

En outre, nous avons pu utiliser la fonctionnalité « jauge virtuelle » du logiciel EikoTwin DIC pour comparer les données de trois sources différentes dans la zone : simulation, DIC (jauge de déformation virtuelle) et données réelles de la jauge de déformation telles qu’enregistrées pendant le test. La figure 6b présente l’évolution de la déformation locale normalisée pendant les étapes de chargement successives.

La comparaison des mesures des jauges virtuelles et des valeurs des jauges traditionnelles montre que, bien que les jauges virtuelles aient fourni un signal plus bruyant (comme prévu suite à l’analyse d’incertitude préliminaire étant donné la taille de l’élément local et le champ vision choisi), les niveaux de déformation moyens sont assez proches pour chaque étape de chargement.

Deuxièmement, en comparant les prévisions de la simulation avec les résultats expérimentaux, il a été constaté que pour cette paire de jauges, la simulation était plutôt conservatrice, car des niveaux de déformation plus élevés étaient attendus dans ces zones.

L’étape suivante a consisté à utiliser des jauges de déformation virtuelles dans les zones où aucune jauge de déformation physique n’était présente, en particulier dans les pics des champs de différence de déformation. Dans ce cas, nous avons montré que localement, certaines localisations de déformation atteignaient des valeurs plus élevées que celles prévues dans la simulation initiale, tout en restant bien en dessous des niveaux critiques pour l’intégrité structurelle (voir figure 7). La crédibilité globale a donc été jugée satisfaisante pour cet effort de simulation.

Comment Ariane Group construit la crédibilité de la simulation avec DIC

La DIC permet également d’observer la localisation de la déformation, ce qui est toujours à haut risque pour les jauges de déformation. « Comme cela est souvent fait dans le cas d’essais structurels, nous avons validé les mesures DIC avec des jauges de déformation sur des emplacements cibles, ce qui permet d’assurer la crédibilité de la DIC et d’utiliser toutes les cartes de déformation à des fins de validation ». L’aspect prédictif de la simulation a été validé par des comparaisons en champ complet : les localisations de déformation attendues sont bien prédites (pour les champs de déformation axiale, transversale et de cisaillement) et les différences locales se sont avérées non significatives par rapport à l’incertitude de mesure dans les zones les plus critiques.

Les ingénieurs sont désormais en mesure de valider le modèle de simulation à partir de centaines de points de mesure, et de visualiser la carte des erreurs entre les données d’essai et de simulation. « C’est beaucoup plus complet que d’essayer d’interpréter les erreurs des jauges de déformation « , confirme Nicolas Swiergiel. Grâce à la DIC, les sources d’erreur sont plus facilement expliquées, et les incertitudes du modèle sont drastiquement réduites, puisque les ingénieurs calcul ont une vue d’ensemble plus large sur les zones de gradient de déformation.

« Cela ouvre également la voie à de nouvelles méthodes de validation, qui peuvent englober toutes les sources de mesure », explique Florent Mathieu, PDG d’EikoSim. « Des travaux de recherche sont en cours sur les critères idéaux pour évaluer la crédibilité d’un effort de simulation ».

Une scène d’essai virtuelle pour gagner du temps

Concevoir des spécifications pour des applications à grande échelle impliquant un système de vision directe dans un contexte industriel complexe peut être un véritable défi. Il est difficile de prévoir le positionnement approprié de la caméra pour garantir que les zones d’intérêt (ZOI) ciblées resteront visibles pendant toute la durée du test. L’utilisation de scènes de test virtuelles (également appelées pré-tests virtuels) grâce au logiciel EikoTwin Virtual, basé sur Blender, peut aider à résoudre ces problèmes.

Blender est un logiciel gratuit de rendu 3D. Il permet de reproduire l’installation de test dans une scène virtuelle, autour de laquelle l’utilisateur peut positionner des caméras. Des images virtuelles correspondant au champ de vision de ces caméras peuvent être rendues pour les états initial et déformé de l’essai mécanique, sur la base des prévisions de la simulation par éléments finis pour l’essai. À cette fin, des scripts python ont été conçus pour déformer le maillage nœud à nœud dans Blender, et pour exporter les images virtuelles des caméras à chaque étape de la simulation. Ces images virtuelles peuvent ensuite être traitées par un logiciel de DIC, de manière à donner une estimation a priori réaliste des possibilités de mesure pour les positions choisies de la caméra (incertitude de déformation et de déplacement, notamment).

Dans le cas du distributeur Galileo d’Ariane 6, plusieurs défis ont dû être relevés. Tout d’abord, l’échelle du composant (dimensions approximatives = 3mx2mx2m) est assez grande pour les montages DIC habituels (généralement inférieurs à 1m^3). Deuxièmement, il était nécessaire d’effectuer un contrôle DIC à différentes échelles simultanément, impliquant ainsi plusieurs systèmes DIC qui devaient être synchronisés avec le reste de l’instrumentation. Les résultats DIC globaux devaient être acquis sur l’ensemble du composant, afin de fournir une mesure ponctuelle du déplacement, et également de vérifier que les conditions limites expérimentales ne s’écartent pas significativement de la spécification. Ces résultats sont exploités de manière qualitative (aucune comparaison quantitative avec la simulation n’est recherchée). Les résultats DIC locaux sont cependant nécessaires pour des comparaisons plus quantitatives avec les prévisions FE. Ils sont nécessaires dans trois ZOI de tailles diverses (interactions support/cadre supérieur et inférieur, voir Figure 1) où des gradients de champ de déformation sont attendus, et où donc l’instrumentation par jauge de déformation seule n’est pas suffisante pour qualifier la structure.

Pour les ZOIs n°1,2 et 3, l’objectif de la configuration de la caméra sera double.

1 – vérifier que les niveaux de déformation restent en dessous d’un niveau critique.

2 – utiliser l’ensemble du champ mesuré pour valider la simulation (les localisations des déformations ont-elles été correctement prédites, etc).

Grâce à la virtualisation des tests, EikoSim a été en mesure de proposer un positionnement des caméras qui donnait des champs de vision compatibles avec les exigences de validation, ainsi qu’avec l’environnement et l’instrumentation de test, pour les 4 configurations de caméras. Les emplacements des caméras ont été déterminés au millimètre près, et le banc d’essai a été conçu pour s’adapter à ces positions. Les objectifs adaptés ont également été spécifiés à cette étape. Enfin, la taille du motif de mouchetis et la méthode d’application ont également été décidées grâce à la virtualisation. Pour la DIC basée sur le maillage, chaque élément de maille reprojeté sur les images de test doit idéalement contenir une texture qui peut être analysée par l’algorithme de DIC (voir la figure 2). Sur la base de cette exigence, il a été décidé d’utiliser de la peinture pour certaines petites ZOI (1,2,3), et un film adhésif peint pour le système de suivi global (ZOI 4).

En outre, l’équipe a pu s’assurer que l’incertitude de mesure était compatible avec la validation de la simulation dans la zone la plus critique (c’est-à-dire que l’incertitude de mesure est nettement inférieure aux niveaux de déformation attendus pour les plans rapprochés de la structure). La figure 3 présente une estimation normalisée des champs d’incertitude de déformation pour les ZOI 1 et 3, où des comparaisons quantitatives seront nécessaires pour qualifier la structure.

En utilisant le maillage d’éléments finis fourni par l’équipe de simulation d’ArianeGroup comme base pour notre mesure DIC, il a été estimé que le champ de déformation d’incertitude (écart-type du champ mesuré sur des images virtuelles sans déplacement mais avec un bruit blanc ajouté) était d’environ 1/5ème de la déformation maximale attendue pour les charges prévues. Le positionnement de la caméra a donc été jugé satisfaisant et la spécification a été validée.

Comment Ariane Group économise 50% du temps de préparation et d’analyse DIC avec EikoSim

Les méthodes de mesure optique telles que la corrélation d’images numériques (DIC) sont connues pour produire de grandes quantités d’informations de mesure, et sont de plus en plus acceptées dans l’industrie comme un moyen de mieux comprendre les essais mécaniques structurels. Cependant, l’utilisation de cette technologie à son plein potentiel, en particulier avec des installations à plusieurs caméras, nécessite une préparation longue et minutieuse, ainsi que du temps supplémentaire en laboratoire le jour de l’essai.

« Sur une structure aussi grande, il y a des zones que nous ne pouvons pas atteindre sans préparation », explique Nicolas Swiergiel. Les structures particulièrement hautes nécessitent la conception d’un échafaudage pour que les caméras soient au niveau de la zone d’intérêt et correctement orientées. « Faire ce genre d’opération après l’installation de l’échantillon n’est pas compatible avec la durée d’un tel essai, où tout doit être aussi rapide et fluide que possible ». Afin de se donner plus de liberté dans la conception des montages de mesure, ArianeGroup et EikoSim ont décidé de développer ensemble un outil de préparation de test, dédié à la conception de montages DIC. L’objectif était de permettre la préparation virtuelle complète de l’installation à 8 caméras, y compris l’échafaudage, afin de pouvoir prédire entièrement le résultat du DIC. « Nous avons basé EikoTwin Virtual sur le logiciel libre Blender, qui possède toutes les capacités de manipulation des caméras et de génération d’images dont nous avions besoin », explique Pierre Baudoin, ingénieur de recherche chez EikoSim.

EikoTwin Virtual a aidé à préparer le test grâce à des caractéristiques uniques :

• Positionnement des caméras 3D autour de la scène de test ;
• Rendu d’images virtuelles pour calculer les incertitudes de mesure et valider les régions d’intérêt avec EikoTwin DIC ;
• Confirmation de la concordance entre le maillage éléments finis et l’objectif de mesure, et adaptation de la région d’intérêt ;
• Création de la carte de mise en œuvre de l’essai, pour aider à déterminer le dimensionnement exact de l’échafaudage.  

« Nous sommes maintenant en mesure de planifier entièrement l’emplacement des caméras afin d’optimiser le résultat des mesures, et cela ne prend pas de temps à l’installation », poursuit Nicolas Swiergiel. « Être efficace le jour J est obligatoire, car les délais sont extrêmement serrés. Nous avons été heureux de voir que les images réelles ressemblaient exactement aux images virtuelles ». Au total, l’utilisation de cette nouvelle solution a permis d’économiser 4 jours de préparation sur site pour ce seul test, par rapport à l’installation habituelle de 8 caméras, tout en maximisant l’ampleur du retour sur investissement.

Quelle ambition cette plateforme permet-elle d’avoir ?

Cette plateforme de fusion de données permet désormais de fluidifier le processus de corrélation, ce qui permet d’améliorer sa crédibilité et donc d’augmenter la part de développement basée uniquement sur des modèles de simulation. « Ce que nous recherchons avec ce projet, c’est d’augmenter notre confiance dans la crédibilité des modèles de simulation sur le long terme », explique Nicolas Swiergiel. « Cela nous permettra de supprimer les tests les plus importants des campagnes, ce que nous essayons déjà de faire actuellement, de développer plus rapidement et d’économiser environ 25 % des coûts ». Le concept de virtual testing devient concret, et cette plateforme est l’un des éléments clés pour atteindre cet objectif ».