Méthode des éléments finis stochastiques

étendus pour le calcul de structure à

géométrie aléatoire

A. Clément, A. Nouy, F. Schoefs, N. Moës

Institut de recherche en Génie civil et mécanique (GeM),
Université de Nantes Atlantique, Ecole Centrale de Nantes, UMR CNRS 6183
anthony.nouy@univ-nantes.fr

RÉSUMÉ. Les méthodes éléments finis stochastiques offrent un outil robuste pour la prise en
compte dans le calcul de structure des aléas sur les propriétés matériau et les chargements.
L’aléa portant sur la géométrie reste cependant un point mal maîtrisé dans le cadre de ces
techniques. Afin de répondre à cette problématique, nous proposons une nouvelle méthode ba-
sée sur une extension de la méthode éléments finis étendus (X-FEM) au cadre stochastique.
Cette méthode repose sur trois points : la description implicite de la géométrie par des level-
sets aléatoires, l’utilisation d’une approximation de Galerkin au niveau stochastique et spa-
tial et l’utilisation de la méthode de la partition de l’unité pour l’enrichissement de l’espace
d’approximation.
ABSTRACT. In structural analysis, stochastic finite element methods offer a robust tool to deal
with randomness on material properties or loadings. Unfortunately, there is still no available
efficient strategy to deal with uncertainties on the geometry. Here, we bring an answer to this
problem by proposing a new method based on an extension to the stochastic framework of the
eXtended Finite Element Method (X-FEM). This method lies on three major points : the implicit
description of geometry by the level-set technique, the use of Galerkin approximation at space
and stochastic levels and the use of the partition of unity method for the enrichment of the finite
element approximation space.
MOTS-CLÉS : Calcul stochastique, X-FEM, Géométrie aléatoire, Level set, Eléments Finis Sto-
chastiques, X-SFEM
KEYWORDS: Stochastic calculus, X-FEM, Random Geometry, Level set, Stochastic Finite Ele-
ment, X-SFEM
2 8 ÈME C OLLOQUE NATIONAL EN C ALCUL DE S TRUCTURE

1. Introduction

Un des challenges de ces dernières années a consisté à développer des méthodes

de calcul robustes pour la prise en compte des incertitudes dans le calcul de struc-
tures. Les méthodes éléments finis stochastiques (Ghanem et al., 1991, Deb et al.,
2001, Matthies et al., 2005) offrent un outil performant pour l’intégration d’aléas sur
les propriétés matériau ou les chargements. Cependant il n’existe toujours pas de stra-
tégie efficace pour traiter le cas des aléas portant sur la géométrie. Une approche non-
intrusive (type Monte-Carlo), couplée à une méthode éléments finis, peut bien sûr être
appliquée. Elle nécessite cependant autant de remaillages que de réalisations de la
géométrie, ce qui rend le coût de calcul prohibitif. Une technique alternative consiste
à rendre aléatoire la position des noeuds du maillage (ou de manière équivalente les
jacobiens des éléments). Des remaillages sont cependant encore nécessaires afin d’évi-
ter des distorsions du maillage pour de fortes variabilités géométriques. De plus, les
codes éléments finis sont mal adaptés à une mise en oeuvre directe de ces techniques.
Ici, nous présentons une méthode éléments finis stochastiques étendus (X-SFEM) qui
permet la prise en compte d’aléa sur la géométrie sans nécessiter de remaillage (Nouy
et al., 2007). Elle est basée sur la méthode X-FEM (Moës et al., 1999, Sukumar et al.,
2001), étendue au cadre stochastique. Cette méthode repose sur trois points : une re-
présentation implicite de la géométrie aléatoire par la technique des level-set (Sethian,
1999), l’utilisation d’une approximation de Galerkin au niveau spatial et stochastique,
et son enrichissement éventuel par la partition de l’unité. Elle conduit par un calcul
direct réalisé sur un maillage fixe à une solution d’une grande précision, explicite en
fonction des variables de base décrivant l’aléa sur la géométrie.

2. Formulation du problème et représentation implicite de la géométrie

On choisit comme problème modèle un problème de diffusion stationnaire. On

considère que la modélisation probabiliste a conduit à la définition d’un espace pro-
babilisé ad-hoc (Θ, B, P ) de dimension finie, où Θ désigne l’espace des événements
élémentaires, B une σ-algèbre et P une mesure de probabilité. Le problème de diffu-
sion est défini sur un domaine aléatoire
S Ω : θ ∈ Θ → Ω(θ) ⊂ Rd . On introduit alors
d
un domaine B ⊂ R tels que θ∈Θ Ω(θ) ⊂ B. La formulation variationnelle peut
s’écrire : trouver u(x, θ) ∈ V tel que ∀v ∈ V,
Z Z
A(u, v) ≡ a(u, v; θ)dP (θ) = b(v; θ)dP (θ) ≡ L(v) [1]
Θ Θ

où a(·, ·; θ) et b(·; θ) sont respectivement une forme bilinéaire aléatoire et une forme
linéaire aléatoire définies par
Z Z
a(u, v; θ) = κ∇u · ∇vIΩ(θ) dxdP (θ) [2]
Θ B
Z Z Z Z
b(v; θ) = f vIΩ dxdP (θ) + gvδΓ2 dxdP (θ) [3]
Θ B Θ B
 Méthode X-SFEM 3

où IΩ (x, θ) est la fonction indicatrice du domaine aléatoire et δΓ2 (x, θ) la fonction

dirac dont le support est une partie Γ2 (θ) de la frontière ∂Ω(θ). g, κ et f sont des
données du problème, éventuellement aléatoires. L’espace V = {v ∈ W; v|Γ1 ×Θ =
0} prend en compte des conditions de Dirichlet sur une partie de la frontière Γ1 ,
considérée comme déterministe. On pose comme espace de travail W = H 1 (B) ⊗ S,
avec classiquement S = L2 (Θ, dP ).
R EMARQUE. — A définit une pseudo norme k · kA sur V. Notons N = {u ∈
V; kukA = 0}, espace qui non réduit à zéro a priori. Il correspond cependant à des
fonctions identiquement nulles sur le domaine physique Ω(θ), ∀θ ∈ Θ. On montre
alors que le problème admet une solution unique sur l’espace quotient V/N , ce qui
revient à dire que la partie physique de la solution est unique.
La géométrie aléatoire est représentée par la technique des level-sets (Sethian, 1999).
Une surface aléatoire est ici représentée par l’iso-zéro d’une fonction level-set aléa-
toire. Afin de représenter la frontière ∂Ω(θ), on introduit donc la level-set aléatoire
φ(x, θ) : B×Θ → R. Pour un événement θ fixé, φ(x, θ) représentera classiquement la
fonction distance signée à la frontière ∂Ω(θ) (par convention négative dans le domaine
Ω(θ)). L’utilisation des level-sets permet de réécrire les formes a et b des équations
[2] et [3], en remarquant que IΩ (x, θ) = H(−φ(x, θ)) et δΓ2 (x, θ) = δ(φ(x, θ)), où
H représente la fonction Heaviside et δ la fonction dirac.
R EMARQUE. — Pour représenter une interface matérielle aléatoire, on pourra sim-
plement prendre pour κ la définition suivante : κ = κ1 H(φ(m) ) + κ2 H(−φ(m) ), où
φ(m) représente la level-set associée à l’interface aléatoire et où κ1 et κ2 représentent
les paramètres matériau d’un côté et de l’autre de l’interface.

3. Approximation de Galerkin au niveau spatial et stochastique

On utilise au niveau spatial une approximation éléments finis classique définie sur
un maillage du domaine B. Notons {Ni (x)}i∈I les fonctions de forme associées à ce
maillage. Les méthodes de Galerkin Pau niveau stochastique consistent à choisir un es-
pace d’approximation SP = {v = α∈IP vα Hα (θ), vα ∈ R, Hα ∈ S} de dimension
finie. La base d’approximation {Hα } est classiquement constituée de polynômes (ou
polynômes par morceaux) orthogonaux pour le produit scalaire naturel sur S (Ghanem
et al., 1991, Soize et al., 2004, Deb et al., 2001). L’approximation s’écrit :
X X
u(x, θ) = Ni (x)Hα (θ)ui,α .
i∈I α∈IP

Notons Vn l’espace d’approximation correspondant. L’approximation de Galerkin

est alors définie en remplaçant V par Vn dans la formulation variationnelle [1]. Le
maillage spatial n’étant pas conforme à la géométrie, les propriétés de convergence de
l’approximation peuvent dans certains cas être détériorées. Comme dans le cadre de
l’approche X-FEM classique (Moës et al., 1999, Sukumar et al., 2001), on pourra alors
recourir à l’utilisation de la méthode de la partition de l’unité afin d’enrichir l’espace
d’approximation par des fonctions judicieusement choisies. Si l’on cherche à rajou-
4 8 ÈME C OLLOQUE NATIONAL EN C ALCUL DE S TRUCTURE

ter dans l’espace d’approximation la fonction aléatoire ϕ(x, θ), on enrichira l’espace
d’approximation Vn avec les fonctions de base Ni (x)Hα (θ)ϕ(x, θ). Notamment, dans
le cas d’une interface aléatoire, on choisira une fonction d’enrichissement permettant
de représenter une discontinuité de gradient à l’interface (Moës et al., 2003).

4. Construction du problème discrétisé

P
En notant u = α∈IP N(x)uα Hα (θ), l’approximation de Galerkin est définie
par le système d’équations suivant :
X
E(AHα Hβ )uα = E(bHβ ) ∀β ∈ IP [4]
α∈IP

où E désigne l’espérance mathématique et où A et b sont respectivement une matrice

aléatoire et un vecteur aléatoire définis par
Z Z
A(θ) = κ∇N ∇NH(−φ) dx, b(θ) = NT (f H(−φ) + gδ(φ)) dx
T

B B

Le calcul les termes E(AHα Hβ ) et E(bHα ) nécessite le calcul d’une intégrale sur Θ
avec la mesure dP . Il est à noter que les composantes de A et b ne sont pas des fonc-
tions régulières au niveau stochastique. Par exemple, dans le cas où seule la géométrie
est aléatoire, on montre aisément que les contributions d’un élément fini Be ⊂ B,
notées Ae (θ) et be (θ), sont nulles sur Θeout = {θ ∈ Θ; ∀x ∈ Be , φ(x, θ) > 0}, est
constante sur Θein = {θ ∈ Θ; ∀x ∈ Be , φ(x, θ) < 0} et qu’elles évoluent sur le reste
du domaine stochastique Θecut = {θ ∈ Θ; ∃x ∈ Be , φ(x, θ) = 0}, qui correspond
aux événements où la frontière coupe l’élément Be . En pratique, afin de bien intégrer
le problème discrétisé, on réalise un maillage de l’espace stochastique permettant de
représenter approximativement ces différents domaines stochastiques. On utilise pour
cela une technique de type octtree. On utilise alors sur chaque élément stochastique
une méthode de quadrature classique, qui nous ramène donc à l’évaluation des ma-
trices élémentaires Ae (θk ) et be (θk ) pour des réalisations θk particulières, calculs
classiques dans le cadre de la méthode X-FEM déterministe (Sukumar et al., 2001).
Le maillage stochastique dépend bien sûr de l’élément. Sa génération et le calcul des
matrices élémentaires peuvent être parallélisés. On notera qu’une quadrature de faible
ordre est généralement suffisante pour intégrer correctement le problème discrétisé.

5. Exemple : plaque trouée en traction

On considère une plaque de longueur et largeur 3 percée en son centre d’un trou
circulaire de rayon1 R(θ) = U (0.25, 0.35). La plaque est soumise à une sollicitation
de traction simple. On choisit un module d’Young E = 1 et un coefficient de Poisson

1. U (α, β) désigne une variable uniforme sur [α, β].

 Méthode X-SFEM 5

ν = 0. Pour résoudre un tel problème, on peut classiquement utiliser une technique

non-intrusive. Pour chaque événement, correspondant à une réalisation de la géomé-
trie, un calcul éléments finis doit être mené sur un nouveau maillage conforme à la
géométrie. Avec la méthode X-SFEM, on construit un seul et unique maillage du do-
maine B = [0, 3] × [0, 3]. Ce maillage est obtenu en maillant une plaque possédant
un trou de rayon R = 0.3 et en maillant également l’intérieur du trou. Cela permet
notamment de contrôler la finesse du maillage dans la zone d’intérêt et de mieux com-
parer notre méthode avec une approche FEM classique. Au niveau stochastique, on
utilise une approximation éléments finis, constituée de polynômes de degré p = 2 par
morceaux. Le maillage stochastique de Θ utilisé pour l’approximation et l’intégration
est obtenu par une procédure automatique. Les figures 1 comparent les solutions ob-
tenues par X-SFEM et une approche FEM pour 1 réalisation de la géométrie. Pour
X-SFEM, on affiche la réalisation correspondante de l’iso-zéro de la level-set aléa-
toire. Le champ de contrainte n’est affiché que dans la partie physique du domaine
maillé. Les figures 2 et 3 montrent respectivement la surface de réponse et la densité
de probabilité de l’élongation centrale ∆u. La surface de réponse est comparée avec
des calculs FEM avec remaillages. On remarque que la méthode conduit à des résultats
d’une grande précision sur toute la plage de variation de R. On notera que le problème
[4] étant résolu, on obtient une solution explicite en fonction de la variable aléatoire
R(θ). Les résultats montrés ici ne sont donc qu’un simple post-traitement rapide de la
solution. La méthode X-SFEM permet de gagner un facteur 200 en temps de calcul,
en comparaison à une approche Monte-Carlo/FEM avec 1000 tirages.

3 3

2.5 2.5

2 2

1.5 1.5

1 1

0.5 0.5

0 0

Figure 1. Comparaison FEM / X-SFEM : contraintes σxx pour R = 0.275

6. Conclusion

Nous avons proposé une méthode de calcul de structure pour des domaines à géo-
métrie aléatoire. Cette méthode conduit à une solution d’une grande précision et à
des temps de calcul très inférieurs à ceux des méthodes classiques. De plus, l’utilisa-
tion des level-sets permet une description aisée de la géométrie aléatoire. Les travaux
futurs concerneront l’utilisation de la méthode de partition de l’unité, qui permettra
6 8 ÈME C OLLOQUE NATIONAL EN C ALCUL DE S TRUCTURE

10
XSFEM
FEM with remeshing 9.5
3.25
9

3.2 8.5
∆ u(R)

∆u
8

dP
3.15
7.5

7
3.1
6.5

3.05 6
0.25 0.3 0.35 3.1 3.15 3.2 3.25
R ∆u

Figure 2. Comparaison FEM/X-SFEM : Figure 3. Densité de probabilité de ∆u

surface de réponse ∆u(R) comme post-traitement de X-SFEM

une prise en compte efficace des problèmes à géométrie "interne" aléatoire (fissures,
interfaces matérielles).

Remerciements

Ces travaux sont soutenus par l’Agence National de la Recherche (ANR) dans le
cadre du programme "Jeunes chercheurs" (projet "X-SFEM").

7. Bibliographie

Deb M., Babuška I., Oden J. T., « Solution of stochastic partial differential equations using
Galerkin finite element techniques », CMAME, vol. 190, p. 6359-6372, 2001.
Ghanem R., Spanos P., Stochastic finite elements : a spectral approach, Springer, Berlin, 1991.
Matthies H. G., Keese A., « Galerkin methods for linear and nonlinear elliptic stochastic partial
differential equations », CMAME, vol. 194, n◦ 12-16, p. 1295-1331, 2005.
Moës N., Cloirec M., Cartraud P., Remacle J., « A computational approach to handle complex
microstructure geometries », Comp. Meth. App. Mech. Eng., vol. 192, p. 3163-3177, 2003.
Moës N., Dolbow J., Belytschko T., « A finite element method for crack growth without reme-
shing », Int. J. for Numerical Methods in Engineering, vol. 46, p. 131-150, 1999.
Nouy A., Schoefs F., Moës N., « X-SFEM : a computational technique based on X-FEM to deal
with random shapes », To appear in European Journal of Computational Mechanics, 2007.
Sethian J., Level Set Methods and Fast Marching Methods : Evolving Interfaces in Computa-
tional Geometry, Fluid Mechanics, Computer Vision, and Materials Science, Cambridge
University Press, Cambridge, UK, 1999.
Soize C., Ghanem R., « Physical systems with random uncertainties : chaos representations
with arbitrary probability measure », SIAM J. Sci. Comput., vol. 26, n◦ 2, p. 395-410, 2004.
Sukumar N., Chopp D., Moës N., Belytschko T., « Modeling holes and inclusions by level sets
in the extended finite-element method », CMAME, vol. 190, p. 6183-6200, 2001.