Peridynamic modeling of the crack velocity dependence via an incubation time fracture criterion

Cette étude utilise une approche peridynamique avec un critère de rupture à temps d'incubation pour modéliser les expériences de Ravi-Chandar et Knauss sur le Homalite-100, révélant que les variations du facteur d'intensité de contrainte en mode I à vitesses de fissure constantes et le début de la micro-ramification à des vitesses plus élevées offrent de nouvelles perspectives sur la nature de la dépendance de la vitesse de fissure dans la rupture dynamique.

L'essentiel

Imaginez que vous observez une fissure se propager à travers un morceau de plastique fragile, comme une feuille de Homalite-100. Dans l'ancien temps de la physique, les scientifiques pensaient que si l'on connaissait la vitesse de déplacement de la fissure, on pouvait calculer exactement quelle « contrainte » (ou pression) la poussait vers l'avant. C'était comme penser que si une voiture roule à 100 km/h, son moteur doit produire exactement 100 chevaux. Simple, n'est-ce pas ?

Mais des expériences dans les années 1980 ont montré que ce n'était pas vrai. Parfois, la fissure se déplaçait à exactement la même vitesse, mais la pression qui la poussait était radicalement différente. C'était comme si deux voitures roulaient toutes les deux à 100 km/h, mais que l'une avait un tout petit moteur et l'autre un propulseur de fusée. Les scientifiques étaient perplexes : Pourquoi la même vitesse a-t-elle des « poussées » différentes ?

Cet article est une histoire de détective où les auteurs utilisent un nouveau type de simulation informatique pour résoudre ce mystère.

L'outil du détective : la Périnématique

La plupart des modèles informatiques de fissures sont comme une chaîne de dominos. Si un domino tombe, il pousse le suivant. Mais si un domino manque (une fissure), la chaîne se brise et les mathématiques restent bloquées.

Les auteurs ont utilisé une méthode appelée Périnématique. Imaginez cela non pas comme une chaîne, mais comme un essaim d'abeilles. Chaque abeille peut parler à toutes les autres abeilles dans une certaine distance, même s'il y a un trou au milieu. Si une abeille s'envole (une fissure se forme), les autres abeilles arrêtent simplement de lui parler, mais le reste de l'essaim continue de se déplacer parfaitement bien. Cela permet à l'ordinateur de gérer la rupture et la fissuration sans se perdre.

L'ingrédient secret : le « temps d'incubation »

La véritable percée de cet article réside dans la façon dont ils ont décidé quand une fissure devrait réellement se rompre.

À l'ancienne, si la pression devenait suffisamment élevée, le matériau se brisait instantanément. Mais les auteurs ont utilisé une règle appelée le Critère du temps d'incubation.

Imaginez que vous essayez de casser une brindille sèche. Vous ne tirez pas simplement et elle ne casse pas instantanément. Vous tirez, la maintenez là pendant une fraction de seconde tandis que les fibres s'étirent et s'affaiblissent, et ensuite elle casse. Cette fraction de seconde est le « temps d'incubation ».

Les auteurs ont programmé leur essaim informatique pour se souvenir des dernières microsecondes de pression. Le matériau ne se brise que si la moyenne de la pression sur cette courte période d'« incubation » est suffisamment élevée. Cela tient compte du fait que les matériaux ont besoin d'un tout petit peu de temps pour « décider » de se briser.

Ce qu'ils ont découvert

Ils ont lancé des simulations de plaques en plastique étant étirées, tout comme les expériences réelles. Voici ce qu'ils ont découvert :

1. L'énigme Vitesse vs Pression : Tout comme les expériences réelles, leur ordinateur a montré que pour la même vitesse de fissure, la pression (Facteur d'intensité de contrainte) n'était pas un nombre unique. C'était une plage. Parfois elle était faible, parfois élevée.
2. L'effet de « micro-ramification » : Lorsque la fissure se déplaçait lentement, elle allait tout droit. Mais lorsqu'elle accélérait (au-delà de 400 mètres par seconde), elle commençait à devenir nerveuse. Elle commençait à faire pousser de minuscules fissures latérales microscopiques, comme une branche d'arbre se divisant en brindilles.
   • L'analogie : Imaginez un coureur qui sprinte. À un jogging régulier, il court en ligne droite. Mais lorsqu'il sprinte à pleine vitesse, il commence à vaciller et à zigzaguer légèrement pour maintenir son équilibre.
   • Le résultat : Ces petits « vacillements » (micro-ramifications) ont fait que la lecture de la pression sautait haut et bas de manière sauvage. Cela expliquait pourquoi la pression n'était pas unique pour une vitesse donnée ; la fissure changeait physiquement de forme légèrement en courant.

La conclusion

L'article conclut que la raison pour laquelle nous voyons différentes valeurs de pression pour la même vitesse de fissure est que la fissure n'est pas une ligne lisse et parfaite. C'est une chose chaotique et vivante qui fluctue.

• À des vitesses plus faibles : La fissure est stable et la pression est relativement stable.
• À des vitesses plus élevées : La fissure commence à « micro-ramifier » (faire pousser de minuscules fissures latérales). Ce chaos fait que la pression rebondit, créant la dispersion observée dans les expériences.

En utilisant cet « essaim d'abeilles » (Périnématique) combiné à la « période d'attente » (temps d'incubation), les auteurs ont réussi à recréer la relation désordonnée et non unique entre la vitesse de fissure et la pression que les expériences du monde réel avaient montrées pendant des décennies. Ils ont prouvé que le « bruit » dans les données n'est pas une erreur ; c'est une caractéristique physique réelle du comportement des fissures se déplaçant rapidement.

Résumé technique

Résumé technique : Modélisation peridynamique de la dépendance de la vitesse de fissure via un critère de fracture à temps d'incubation

Énoncé du problème
Cette étude aborde une question centrale non résolue en mécanique de la rupture dynamique : la dépendance du facteur d'intensité de contrainte (SIF, $K_I$) en mode I instantané par rapport à la vitesse de propagation de la fissure ($\dot{a}$). La mécanique de la rupture élastique linéaire (LEFM) classique et les critères dynamiques basés sur Freund et Rosakis suggèrent souvent une relation unique entre $K_I$ et $\dot{a}$. Cependant, les données expérimentales de Ravi-Chandar et Knauss sur des plaques en polymère Homalite-100 fragile démontrent une dépendance non unique, où une vitesse de fissure unique correspond à une plage de valeurs de SIF. De plus, à des vitesses plus élevées, une micro-ramification se produit, entraînant une dispersion significative des mesures de SIF. Le défi consiste à reproduire numériquement cette non-unicité et les fluctuations associées sans recourir à des propriétés matérielles dépendantes du taux ajustées empiriquement.

Méthodologie
Les auteurs utilisent un cadre peridynamique non local pour simuler la propagation dynamique de fissures dans l'Homalite-100, en reproduisant les conditions expérimentales de Ravi-Chandar et Knauss. L'innovation méthodologique centrale réside dans l'intégration du critère de fracture à temps d'incubation (ITFC) dans la formulation peridynamique.

• Cadre peridynamique : Les simulations utilisent un modèle peridynamique à états ordinaires implémenté dans le logiciel open-source Peridigm. Le matériau est discrétisé en points interagissant dans un horizon sphérique ($\delta$), permettant la prise en charge naturelle des discontinuités telles que les fissures sans opérateurs différentiels spatiaux.
• Critère de fracture à temps d'incubation (ITFC) : Contrairement aux critères classiques qui supposent une rupture instantanée, l'ITFC postule que la fracture nécessite un temps fini ($\tau$) pour que des processus préparatoires (par exemple, la microfissuration) se produisent. Le critère évalue la contrainte moyenne temporelle sur la période d'incubation $\tau$ et une longueur caractéristique $d$.
  • La longueur caractéristique $d$ est dérivée du critère quasi-statique d'Irwin pour assurer la cohérence avec le SIF statique critique ($K_{Ic}$).
  • L'implémentation peridynamique adapte le critère de fracture à contrainte à distance (RS). La rupture des liaisons est déterminée en intégrant la contrainte normale de liaison sur le temps d'incubation $\tau$ (Éq. 11).
  • Pour gérer la complexité computationnelle et se concentrer sur la micro-ramification plutôt que sur la macro-ramification complète, le critère est évalué uniquement sur des plans parallèles ($0^\circ$) et perpendiculaires ($90^\circ$) à l'axe principal de la fissure.
• Configuration de la simulation : Le modèle simule un échantillon de 300 mm $\times$ 500 mm avec une entaille préexistante de 50 mm. Le chargement dynamique est appliqué via une impulsion de force volumique trapézoïdale avec un temps de montée de 25 $\mu$s. Le SIF dynamique est calculé en utilisant un contour rectangulaire mobile pour l'intégrale J dynamique, garantissant que le chemin d'intégration englobe la pointe de la fissure principale tout en excluant les micro-branches en développement.

Résultats clés
Les simulations numériques reproduisent avec succès les phénomènes observés expérimentalement concernant la relation $K_I$-$\dot{a}$ :

1. Dépendance non unique $K_I$-$\dot{a}$ : Les résultats confirment que pour une vitesse de propagation de fissure presque constante, le SIF instantané présente des fluctuations significatives. Par conséquent, le modèle prédit une plage de valeurs de SIF pour une vitesse donnée, reflétant la non-unicité observée dans les expériences.
2. Stabilisation de la vitesse et transitoires : Alors que les expériences montrent une stabilisation de la vitesse de fissure presque instantanée, les simulations présentent une phase d'accélération initiale d'environ 30–40 $\mu$s avant d'atteindre un état stationnaire. Au cours de cette phase transitoire, l'historique du SIF montre des variations prononcées.
3. Micro-ramification et dispersion : À des taux de chargement plus élevés (entraînant des vitesses > 400 m/s), les simulations montrent le début de la micro-ramification. Ce phénomène corréle avec une augmentation marquée de l'amplitude des oscillations du SIF. La dispersion numérique des valeurs de SIF à haute vitesse (0,53–1,25 MPa$\sqrt{m}$) correspond raisonnablement bien aux plages expérimentales (0,45–1,5 MPa$\sqrt{m}$).
4. Validation du mécanisme : L'étude démontre que la dispersion observée dans le SIF est physiquement justifiée par la dynamique de la pointe de la fissure, spécifiquement la phase d'accélération et le début de la micro-ramification, plutôt que d'être un artefact d'erreur de mesure.

Signification et affirmations
L'article affirme que l'implémentation peridynamique de l'ITFC fournit une approche précieuse pour évaluer la ténacité à la rupture dynamique et modéliser la propagation de fissures sur une large gamme de taux de chargement. La signification principale réside dans la capacité du modèle à capturer la sensibilité au taux de la rupture fragile et la non-unicité de la relation $K_I$-$\dot{a}$ sans introduire de paramètres matériels dépendants du taux arbitraires.

Les auteurs notent modestement que, bien que le modèle capture qualitativement les tendances expérimentales, des écarts quantitatifs subsistent, en particulier concernant le moment de la stabilisation de la vitesse et l'amplitude précise des fluctuations du SIF. Ils attribuent la prédiction réussie de la dépendance non unique à l'inclusion du temps d'incubation, qui rend compte de l'historique temporel de la contrainte, et à la nature non locale de la peridynamique, qui gère naturellement les champs singuliers et les discontinuités associés à la rupture dynamique. L'étude conclut que l'interaction entre la phase d'accélération de la fissure, les fluctuations du SIF et le début de la micro-ramification sont les mécanismes régissant le comportement $K_I$-$\dot{a}$ observé expérimentalement.