31 Janvier – Soutenance de thèse - Xingyu Yan

14 h Amphi C - I2M Site ENSAM Esplanade des Arts et Métiers (Talence)

Simulation d’assemblage et évaluation des écarts basés sur la génération de pièces virtuelles avec défauts de
forme.

La géométrie d'une pièce fabriquée réelle diffère de la pièce virtuelle de CAO (Conception Assistée par Ordinateur. Cette différence est due à la somme des écarts inhérents à la fabrication. L'objectif de ce travail est d’introduire des pièces virtuelles ayant des défauts de forme (Skin Model Shape) dans les applications d'ingénierie afin de répondre aux exigences croissantes de l'industrie en matière de gestion de la qualité de la géométrie des produits. Les travaux traitent de divers aspects, particulièrement de la génération de défauts de forme, de la simulation d'assemblage et de la métrologie virtuelle. Les méthodes permettant de générer des défauts de forme sur des surfaces simples sont analysés et classées. En raison des défauts de forme, la combinaison de surfaces simples pour générer une pièce entière induit une incohérence géométrique au niveau des arêtes. Une méthode globale basée sur les éléments finis et une méthode locale basée sur le lissage local de maillage sont utilisées pour résoudre ce problème. Pour prédire l'écart des caractéristiques fonctionnelles, la simulation d'assemblage est effectuée en utilisant des surfaces avec défauts de forme. Une approche est développée sur la base de la condition de complémentarité linéaire et du torseur de petits déplacements pour prendre en compte les conditions aux limites de l'assemblage, telles que les déplacements et les charges. Des méthodes pour évaluer les écarts sur les modèles de surfaces avec défauts de forme sont également étudiées. Les spécifications sur le produit sont exprimées avec GeoSpelling et évaluées à l'aide du torseur de petits déplacements. Les méthodes développées sont intégrées dans un laboratoire virtuel pour l'apprentissage en ligne. Les études susmentionnées complètent et étendent les méthodes de gestion des tolérances basées sur GeoSpelling et le « skin » modèle.

Localisation de l’événement