| People | Locations | Statistics |
|---|---|---|
| Naji, M. |
| |
| Motta, Antonella |
| |
| Aletan, Dirar |
| |
| Mohamed, Tarek |
| |
| Ertürk, Emre |
| |
| Taccardi, Nicola |
| |
| Kononenko, Denys |
| |
| Petrov, R. H. | Madrid |
|
| Alshaaer, Mazen | Brussels |
|
| Bih, L. |
| |
| Casati, R. |
| |
| Muller, Hermance |
| |
| Kočí, Jan | Prague |
|
| Šuljagić, Marija |
| |
| Kalteremidou, Kalliopi-Artemi | Brussels |
|
| Azam, Siraj |
| |
| Ospanova, Alyiya |
| |
| Blanpain, Bart |
| |
| Ali, M. A. |
| |
| Popa, V. |
| |
| Rančić, M. |
| |
| Ollier, Nadège |
| |
| Azevedo, Nuno Monteiro |
| |
| Landes, Michael |
| |
| Rignanese, Gian-Marco |
|
Beji, Hamdi
in Cooperation with on an Cooperation-Score of 37%
Topics
Publications (3/3 displayed)
- 2024Machine Learning and Evolutionary Algorithm : Prediction and Optimization of the Mechanical and Thermal Behavior of Composites via the Homogenization of their Microstructures. ; Machine learning et algorithme évolutionnaire : prédiction et optimisation du comportement mécanique et thermique de composites via l'homogénéisation de leurs microcrostuctures
- 2024Machine learning et algorithme évolutionnaire : prédiction et optimisation du comportement mécanique et thermique de composites via l'homogénéisation de leurs microcrostuctures ; Machine Learning and Evolutionary Algorithm : Prediction and Optimization of the Mechanical and Thermal Behavior of Composites via the Homogenization of their Microstructures.
- 2024Equivalent Morphology Concept in Composite Materials Using Machine Learning and Genetic Algorithm Couplingcitations
Places of action
| Organizations | Location | People |
|---|
thesis
Machine learning et algorithme évolutionnaire : prédiction et optimisation du comportement mécanique et thermique de composites via l'homogénéisation de leurs microcrostuctures ; Machine Learning and Evolutionary Algorithm : Prediction and Optimization of the Mechanical and Thermal Behavior of Composites via the Homogenization of their Microstructures.
Abstract
Ce travail concerne la prédiction et l'optimisation, par approches bio-inspirées, du comportement mécanique et thermique de matériaux composites via l'homogénéisation de leurs microstructures.Une chaine de simulation numérique, par Eléments Finis, a permis l'analyse de VER (Volumes Elémentaires Représentatifs) pour diverses formes d'inclusions, avec prise en compte de leurs positions et orientations, et avec variations des contrastes et fractions volumiques. Cette première étape a abouti à la génération d'un ensemble de bases de données portant sur les réponses (en termes de caractéristiques linéaires thermo-élastiques) de microstructures composites.Ces données ont ensuite été utilisées pour alimenter des modèles d'apprentissage automatique, intégrant des approches de Machine Learning et de Deep Learning, dont l'évaluation repose sur le MAE et le RMSE, démontrant ainsi une excellente précision de prédiction.Dès lors, l'étude a porté sur la recherche de microstructures optimisées : le couplage de ces outils numériques de prédiction avec un algorithme génétique a ainsi permis l'obtention, par analyse inverse, l'obtention de VER correspondants à des valeurs prescrites de caractéristiques thermo-élastiques.Afin de rendre ces outils novateurs plus accessibles, une interface Web, a été développée, mettant en avant leurs fonctionnalités interactives et dynamiques. Cette plateforme facilite l'exploration et l'exploitation intuitive des résultats obtenus. ; This work focuses on the prediction and optimization, using bio-inspired approaches, of the mechanical and thermal behavior of composite materials through the homogenization of their microstructures. A numerical simulation chain, using Finite Elements, enabled the analysis of Representative Volume Elements (RVEs) for various forms of inclusions, considering their positions and orientations, as well as variations in contrasts and volume fractions. This initial step led to the generation of a database set covering the responses (in terms of thermoelastic linear ...