Contribution au développement d’un modèle de propagation pour la prédiction de la durée de vie en fatigue

Abstract

La performance des structures soumises à des chargements cycliques est fortement influencée par la présence de concentration de contraintes au niveau des entailles, états de surface, des piqûres de corrosion… qui servent de sites d’amorçage pour la fissuration par fatigue. Durant le service de ces structures, la défaillance catastrophique eu lieu lorsque la longueur de la fissure atteint une dimension critique. De telles structures ne peut être retirée de service sur la simple détection d’une fissure de fatigue. Par conséquent, une bonne évaluation de la propagation des fissures de fatigue et de prévision de la durée de vie résiduelle des structures de transport (pipelines, aéronautique, chemin de fer,… jouent un rôle important pour assurer la sécurité, la protection de l'environnement, et les considération économique. Dans cette étude une nouvelle approche, basée sur un modèle exponentiel a été utilisé et modifié afin d’évaluer la vitesse de fissuration à partir du couple "longueur de la fissure / nombre de cycle à rupture". Ce concept a été étendu pour estimer la durée de vie en fatigue de l’alliage d'aluminium 2024-T351 sous chargement cyclique à amplitude constante. L'indice exponentiel "mij" du modèle modifié, a été corrélée avec le paramètre "l" fonction des différentes paramètres de rupture à savoir l’amplitude du facteur d’intensité de contraintes et le facteur d’intensité de contrainte maximale et les propriétés mécaniques du matériau (la limite élastique, la ténacité du matériau, le module de Young) introduit sous formes adimensionnelles. L’indice exponentiel a été bien corrélé avec une fonction du quatrième ordre du paramètre "l" comparativement par rapport aux travaux antérieurs. Il a été observé que l’approche facilite l’évaluation des vitesses de fissuration avec un gain en temps de calcul, la durée de vie évaluée, est remportée à une bande d’erreur variante de ±3.7 à ±7% dont plusieurs facteurs ont affecté cette marge d’erreurs. La validation du modèle a montré que les erreurs sur le pourcentage de déviation est de l’ordre de 4.24% et que le rapport de prédiction est en bon accord avec les limites de validation des modèles publiés dans la littérature.