Propriétés mécaniques des métamilieux granulaires – MICROGRAM

Le but de ce projet est de prédire les propriétés mécaniques des métamilieux granulaires. Les milieux granulaires sont composés de particules solides macroscopiques indépendantes. Ces derniers ont été largement étudiés dans le cas de particules sphériques ou assimilées, mais très peu dans le cas de particules concaves. Leurs propriétés mécaniques sont pourtant principalement données par les interactions locales entre particules et donc par les formes de ces dernières. En conséquence, dévier fortement de géométries convexes, pour les particules, peu induire des propriétés macro-mécaniques singulières et encore inexplorées du paquet de grains. Ceci suggère la mis en place d'une nouvelle famille de milieux granulaires dont les propriétés mécaniques peuvent être contrôlées en changeant la forme des particules qui la compose : les métamilieux granulaires. Récemment, de tels matériaux faits de particules aux géométries complexes ont été testés comme matériaux de construction. À cause de la complexité due à la forme des particules, il parait impossible de mettre en place des lois constitutives entre la forme individuelle des grains et le comportement mécanique du milieu tout entier. Nous proposons ainsi une approche de ce problème par le biais de simulations numériques en grand nombre ; ces dernières ayant été auparavant validées par des expériences modèles. Ces simulations seront optimisées de sorte que le réseau de contacts obtenu coïncide avec les observations expérimentales. Les expériences seront faites pour des particules modèles et des géométries de chargement (compression et cisaillement) correctement choisies. Afin de calibrer les simulations numériques, la structure des milieux granulaires sera mesurée par tomographie X. À partir de cette dernière les position, orientation et contacts de chaque particule seront déterminés via un code maison de segmentation des images. Une fois les modèles numériques optimisés, ces derniers seront utilisés pour la production d'une grande masse de données pour un large choix de particules et de géométries de chargement. Ceci servira à entraîner un code d'intelligence artificiel qui sera alors à même de déterminer le comportement macro-mécanique d'un milieu granulaire à partir de la géométrie des particules qui le compose.