A Variational Formulation for Deformable Particle Simulations and its Level Set Discrete Element Method Implementation

Cet article présente une méthode des éléments discrets (DEM) déformable fondée sur une formulation variationnelle énergétique et une implémentation par ensembles de niveaux, qui étend la dynamique des corps rigides classiques pour modéliser efficacement les déformations à l'échelle des grains avec une précision comparable aux simulations par éléments finis tout en conservant la robustesse et la scalabilité de la DEM.

L'essentiel

Imaginez que vous jouez avec une boîte de billes en plastique. Dans la plupart des simulations informatiques classiques, ces billes sont traitées comme des objets rigides : des boules de pierre parfaites qui ne changent jamais de forme, même si elles s'écrasent les unes contre les autres. Elles peuvent rouler, rebondir et glisser, mais elles ne s'écrasent jamais vraiment.

C'est un peu comme si vous essayiez de simuler un tas de raisins en utilisant des billes de verre : vous obtenez le mouvement, mais vous perdez la texture, l'écrasement et la façon dont les grains s'adaptent les uns aux autres.

Les auteurs de cet article, Thomas Henzel et Konstantinos Karapiperis, ont créé une nouvelle méthode pour rendre ces "billes" déformables, tout en gardant la simulation rapide. Voici comment ils ont fait, expliqué simplement :

1. Le problème : Trop lourd ou trop rigide ?

Pour rendre une bille déformable, on a deux options habituelles :

• Option A (La méthode lourde) : On découpe chaque bille en des milliers de petits morceaux (comme un puzzle 3D) et on calcule comment chaque petit morceau bouge. C'est très précis, mais c'est si lent que vous ne pouvez simuler que quelques billes à la fois. C'est comme essayer de dessiner chaque grain de sable d'une plage à la main.
• Option B (La méthode rigide) : On garde les billes solides. C'est super rapide, mais ça ne rend pas compte de la réalité (les grains s'écrasent, s'aplatissent).

2. La solution : La méthode "Déformable" intelligente

Les auteurs ont trouvé un moyen de faire le meilleur des deux mondes. Ils utilisent une approche basée sur la variational mechanics (un concept de physique qui cherche le chemin le plus "efficace" énergétiquement).

Imaginez que chaque bille n'est pas une boule de pierre, mais une poupée russe ou une marionnette avec des ressorts à l'intérieur.

• Au lieu de calculer chaque point de la bille, ils disent : "Cette bille peut se déformer selon quelques mouvements clés".
• Par exemple, une bille peut s'aplatir un peu, s'étirer, ou se tordre. Ce sont leurs "modes de déformation".
• Ils ajoutent seulement quelques variables mathématiques (comme des boutons de contrôle) pour dire à la bille : "Aplatit-toi de 10%" ou "Tords-toi de 5%".

C'est comme si, au lieu de simuler chaque muscle d'un athlète, on simulait juste ses mouvements globaux (courir, sauter, se pencher). C'est beaucoup plus rapide, mais ça reste réaliste.

3. La magie du "Niveau Set" (Le contour magique)

Pour que ces billes déformables puissent interagir avec leurs voisines (se toucher, glisser), il faut savoir exactement où elles sont. Les auteurs utilisent une technique appelée Level Set.

Imaginez que chaque bille est entourée d'un champ de force invisible (comme une bulle de savon).

• Quand la bille s'écrase, cette bulle se déforme instantanément pour suivre la nouvelle forme.
• Le système utilise cette "bulle" pour savoir si deux billes se touchent, sans avoir à recalculer toute la géométrie complexe à chaque instant. C'est comme si la bille avait une peau élastique qui change de forme automatiquement.

4. Pourquoi c'est génial ?

Grâce à cette méthode :

• C'est rapide : On peut simuler des milliers, voire des millions de grains (comme du sable, de la farine, ou des cellules) presque aussi vite que si on utilisait des billes rigides.
• C'est précis : Les billes s'écrasent, s'aplatissent et s'adaptent comme dans la vraie vie.
• C'est polyvalent : Ça marche pour des formes bizarres (pas seulement des billes), comme des écailles de poisson, des rochers ou des comprimés de médicaments.

En résumé

Les auteurs ont inventé un nouveau langage pour les ordinateurs qui permet de simuler des tas de grains (sable, roches, cellules) qui peuvent s'écraser et changer de forme sans que l'ordinateur ne mette des heures à calculer.

C'est comme passer d'un dessin animé où les personnages sont des blocs de bois rigides, à un dessin animé où ils sont faits de pâte à modeler, mais où l'animation reste fluide et rapide. Cela ouvre la porte à de meilleures simulations pour comprendre comment les sols glissent, comment les os cassent, ou comment les médicaments se mélangent dans un flacon.

Résumé technique

1. Problématique et Contexte

Les systèmes de particules discrètes (sols, roches, tissus biologiques, poudres pharmaceutiques) sont fondamentaux en science et ingénierie. Leur comportement mécanique émerge des interactions entre particules et de leur déformation individuelle.

• Limites des méthodes existantes :
  • La Méthode des Éléments Finis (FEM) est précise pour la déformation des particules mais coûteuse en calcul pour les grands assemblages, car elle nécessite une résolution interne de chaque grain.
  • La Méthode des Éléments Discrets (DEM) classique utilise des particules rigides. Elle est efficace et évolutive, mais ne capture que les déformations locales au niveau des contacts (indentation, glissement) et non la déformation volumique (changement de forme global du grain).
  • Les approches hybrides existantes (couplage FEM-DEM ou agrégats de sphères) souffrent souvent d'un coût computationnel prohibitif ou manquent de fondements théoriques unifiés.

L'objectif est de développer une méthode DEM déformable qui conserve l'efficacité et la robustesse de la DEM rigide tout en intégrant physiquement la déformation volumique des grains à un coût computationnel du même ordre de grandeur.

2. Méthodologie

Les auteurs proposent une formulation variationnelle unifiée basée sur le principe de Lagrange-d'Alembert, étendant la dynamique des corps rigides pour inclure la déformabilité via une description d'ordre réduit.

A. Formulation Variationnelle

Le cadre théorique enrichit les variables d'état d'un grain (position $X$, rotation $\Theta$) par des coordonnées de déformation généralisées $\varepsilon_\alpha(t)$.

• Description cinématique réduite : Le champ de déplacement de déformation $u_\varepsilon$ est exprimé comme une combinaison linéaire de modes de déformation prédéfinis $\Phi_\alpha$ (fonctions de forme) et d'amplitudes temporelles $\varepsilon_\alpha(t)$ :
  $$u_\varepsilon(x, t) = \varepsilon_\alpha(t) \Phi_\alpha(x)$$
• Énergétique : L'énergie cinétique et l'énergie potentielle élastique sont reformulées en fonction de ces coordonnées généralisées.
  • L'énergie cinétique de déformation introduit une matrice de masse modale $M_{\alpha\beta}$.
  • L'énergie potentielle élastique $U_\varepsilon(\varepsilon_\alpha)$ peut être quadratique (cas linéaire) ou non quadratique (cas non linéaire, incluant les effets géométriques ou de contact évolutif).
• Équations du mouvement : En appliquant le principe variationnel, on obtient un système d'équations différentielles couplées :
  1. Translation : $M_i \ddot{X}_i = F_i$
  2. Rotation : $I_i \ddot{\Theta}_i = \tau_i$
  3. Déformation : $M_{\alpha\beta} \ddot{\varepsilon}_\beta + U'_{\varepsilon}(\varepsilon_\alpha) = F_{\varepsilon\alpha}$
     où $F_{\varepsilon\alpha}$ sont les forces généralisées conjuguées aux modes de déformation, calculées à partir des forces de contact.

B. Implémentation Numérique : LS-DEM Déformable

La méthode est implémentée dans le cadre de la DEM à Fonction de Niveau (Level Set DEM - LS-DEM).

• Représentation géométrique : La géométrie des particules est définie par une fonction de niveau $\phi(x)$ sur une grille régulière et des nœuds de surface.
• Mise à jour de la déformation :
  • Les nœuds de surface sont mis à jour directement via les fonctions de forme.
  • Le défi principal est la mise à jour efficace de la fonction de niveau. Les auteurs comparent plusieurs stratégies (re-calcul complet, advection, interpolation) et adoptent une approche semi-Lagrangienne : pour chaque requête de contact, on mappe la position actuelle vers la configuration de référence (non déformée) via le champ de déplacement inverse, puis on interpole la fonction de niveau initiale. Cela évite la résolution d'EDP à chaque pas de temps.
• Extraction des modes : Les modes de déformation $\Phi_\alpha$ peuvent être :
  • Analytiques : Pour des géométries simples (ex: poutres en flexion).
  • Numériques : Extraits de simulations FEM haute fidélité (unit cell, RVE) ou d'expériences via décomposition orthogonale (POD/SVD). Cela permet de capturer des mécanismes complexes sans hypothèse de forme a priori.

3. Résultats et Validation

L'article présente plusieurs exemples de validation démontrant la précision et l'efficacité de la méthode :

1. Flexion de poutre (Mode analytique) :

   • Un grain prismatique est soumis à un test de flexion en trois points.
   • La réponse force-déplacement obtenue par la DEM déformable correspond parfaitement à la rigidité généralisée analytique.
   • Cela valide la capacité du cadre à faire évoluer correctement les coordonnées généralisées sous l'effet des forces de contact.

2. Compaction de grains sphériques (Mode numérique non linéaire) :

   • Un mode de déformation est extrait d'une simulation FEM d'une sphère indentée par six parois rigides. Ce cas implique une non-linéarité géométrique due à l'élargissement de la zone de contact (aplatissement).
   • La DEM déformable, utilisant un seul mode extrait à un niveau de déformation maximal, reproduit avec une excellente précision la forme déformée et la réponse force-déplacement de la simulation FEM complète.
   • La méthode capture naturellement la loi de Hertz non linéaire émergente de la déformation de forme, sans l'imposer comme une loi de contact effective.

3. Simulation à l'échelle du système :

   • Un assemblage de 27 sphères est comprimé hydrostatiquement.
   • La réponse globale du système correspond à une prédiction semi-analytique dérivée de la réponse d'une seule particule, confirmant la cohérence énergétique et cinématique de l'approche à grande échelle.

4. Contributions Clés

• Cadre Variationnel Unifié : Extension rigoureuse de la dynamique des corps rigides à la déformabilité via le principe de Lagrange-d'Alembert, permettant d'inclure des modes non linéaires et des géométries arbitraires.
• Efficacité Computationnelle : La méthode conserve la complexité de calcul de la DEM rigide (ordre de grandeur similaire) tout en ajoutant des degrés de liberté de déformation, évitant le coût prohibitif du couplage FEM-DEM complet.
• Flexibilité des Modes : Capacité à utiliser des modes analytiques ou extraits de données (FEM/expériences), rendant la méthode applicable à des problèmes complexes où les mécanismes de déformation ne sont pas connus a priori.
• Implémentation LS-DEM : Une stratégie de mise à jour de la fonction de niveau efficace (semi-Lagrangienne à la demande) qui préserve la précision géométrique nécessaire aux calculs de contact sans surcoût global.

5. Signification et Perspectives

Cette recherche établit un cadre général et extensible pour la modélisation des systèmes granulaires déformables. Elle comble le fossé entre la précision physique de la FEM et l'efficacité de la DEM, permettant de simuler des phénomènes où la déformation du grain est critique (ex: matériaux architecturés, nacre, tissus biologiques, compaction de poudres).

Limites et extensions futures :

• La méthode suppose une déformation modérée ; pour des déformations extrêmes, le nombre de modes requis pourrait devenir prohibitif.
• La dégénérescence rotationnelle pour des grains isotropes (sphères) nécessite une attention particulière dans le choix des modes.
• Des extensions vers de grandes déformations (non-linéarité matérielle, inertie dépendante de la déformation) et des mécanismes multiphysiques couplés sont envisageables grâce à la structure variationnelle flexible.

En conclusion, cette approche offre un outil puissant pour l'étude paramétrique et la conception de systèmes de particules complexes, facilitant l'exploration de comportements émergents à un coût de calcul réduit.