Séance de cours

Analyse non linéaire des structures

Graph Chat

Chattez avec Graph Search

Posez n’importe quelle question sur les cours, conférences, exercices, recherches, actualités, etc. de l’EPFL ou essayez les exemples de questions ci-dessous.

AVERTISSEMENT : Le chatbot Graph n'est pas programmé pour fournir des réponses explicites ou catégoriques à vos questions. Il transforme plutôt vos questions en demandes API qui sont distribuées aux différents services informatiques officiellement administrés par l'EPFL. Son but est uniquement de collecter et de recommander des références pertinentes à des contenus que vous pouvez explorer pour vous aider à répondre à vos questions.

Dans cours

CIVIL-449: Nonlinear analysis of structures

This course deals with nonlinear modelling of structures under mechanical loading. ...

Description

Cette séance de cours couvre l'analyse non linéaire des structures, en se concentrant sur les méthodes de time-stepping comme la méthode Newmark. Il traite de la sélection des pas de temps, des conditions de stabilité et de l'utilisation de matrices d'amortissement. L'instructeur explique les stratégies de modélisation, les avantages de l'analyse non linéaire et présente une étude de cas d'un bâtiment en acier de 4 étages. La séance de cours se termine par des remarques personnelles sur la complexité du modèle et les objectifs de performance.

Enseignant·e·s (3)

Katrin Beyer

Since 2017 Associate Professor, School of Architecture, Civil and Environmental Engineering (ENAC), EPFL. Head of the Earthquake Engineering and Structural Dynamics (EESD) Laboratory 2010-2017 Assistant Professor, EPFL. 2008-2010 Post-doctoral researcher, ETH Zürich. 2003-2007 Ph.D., Roseschool / Università di Pavia, Italy. 2001-2003 Ove Arup & Partners, Advanced Technology and Research Group, London. 2001 Diploma, Civil engineering, ETH Zürich.

Dimitrios Lignos

Prof. Lignos joined the École Polytechnique Féderale de Lausanne (EPFL) in 2016 from McGill University in Canada where he was a tenured Associate Professor and a William Dawson Scholar for Infrastructure Resilience. He holds a diploma (National Technical University of Athens, NTUA, 2003), M.S. (Stanford University, 2004) and Ph.D. (Stanford University, 2008). In addition, he was a post-doctoral scientist at Stanford University (2009) and in Kyoto University (2010). Prof. Lignos teaches graduate and undergraduate courses in seismic design, nonlinear behaviour of steel and composite structures as well as supplemental damping systems, Structural Stability, Nonlinear Analysis and Performance-based Earthquake Engineering. His awards for teaching, research and service in Civil Engineering include the 2011 Outstanding Teaching Award (Faculty of Engineering, McGill University), as well as the Outstanding reviewer (2012, 2013) award from ASCE, the 2013 State-of-the-Art in Civil Engineering Award by ASCE and the 2014 Christophe Pierre Award for Research Excellence - Early Career. Just recently, he received the 2019 Walter L. Huber Civil Engineering Research Prize from ASCE for significant contributions in developing state of the art methods to simulate extreme limit states in steel structures.Prof. Lignos is a member of ASCE and the Earthquake Engineering Research Institute. He acts as an Associate Editor for Metal Structures and Seismic Effects of the ASCE Journal of Structural Engineering. He joined the Editorial Board of Earthquake Spectra and Earthquake Engineering and Structural Dynamics International journals. He serves as an acting member of the CEN/TC 250/SC 8/WG 2 and has been selected as a member of the Project Team (PT2) for the Eurocode 8-Part 1 Current Revisions for Steel and Composite Structures. He is also a member of the Canadian Standards Association (CSA) S16 technical committee for Steel Structures. Prof. Lignos is involved as a NEHRP consultant in numerous research-to-practice projects related to the behaviour and nonlinear modelling and analysis of structures applicable to the engineering practice through the Applied Technology Council (ATC). Detailed Curriculum Vitae (last update September 2018)

Source officielle

Concepts associés (32)

Computational complexity

In computer science, the computational complexity or simply complexity of an algorithm is the amount of resources required to run it. Particular focus is given to computation time (generally measured by the number of needed elementary operations) and memory storage requirements. The complexity of a problem is the complexity of the best algorithms that allow solving the problem. The study of the complexity of explicitly given algorithms is called analysis of algorithms, while the study of the complexity of problems is called computational complexity theory.

Numerical methods for ordinary differential equations

Numerical methods for ordinary differential equations are methods used to find numerical approximations to the solutions of ordinary differential equations (ODEs). Their use is also known as "numerical integration", although this term can also refer to the computation of integrals. Many differential equations cannot be solved exactly. For practical purposes, however – such as in engineering – a numeric approximation to the solution is often sufficient. The algorithms studied here can be used to compute such an approximation.

Méthode d'Euler

En mathématiques, la méthode d'Euler, nommée ainsi en l'honneur du mathématicien Leonhard Euler (1707 — 1783), est une procédure numérique pour résoudre par approximation des équations différentielles du premier ordre avec une condition initiale. C'est la plus simple des méthodes de résolution numérique des équations différentielles. thumb|Illustration de la méthode d'Euler explicite : l'avancée se fait par approximation sur la tangente au point initial.

Formulation implicite ou explicite d'un problème de dynamique

En simulation numérique, un problème dépendant du temps peut être formulé de manière implicite ou explicite. Un problème dépendant du temps décrit une situation qui évolue ; le système est modélisé à différents instants t discrets appelés « pas de temps ». La méthode explicite consiste à déterminer la solution à t + Δt en fonction de la valeur de la fonction en t. Si la fonction à évaluer s'appelle y(t), alors le problème se formule de la manière suivante : y(t + Δt) = F(y(t)). La méthode d'Euler est une méthode explicite.

Classe de complexité

En informatique théorique, et plus précisément en théorie de la complexité, une classe de complexité est un ensemble de problèmes algorithmiques dont la résolution nécessite la même quantité d'une certaine ressource. Une classe est souvent définie comme l'ensemble de tous les problèmes qui peuvent être résolus sur un modèle de calcul M, utilisant une quantité de ressources du type R, où n, est la taille de l'entrée. Les classes les plus usuelles sont celles définies sur des machines de Turing, avec des contraintes de temps de calcul ou d'espace.

Afficher plus

Séances de cours associées (64)

Analyse non linéaire des structures

Explore l'analyse non linéaire des structures, couvrant les formulations de rigidité, le comportement typique sous charge et les équations empiriques pour les composants en acier et en béton.

Analyse numérique avancée: Discrétisation de l'espace

Explore les techniques avancées de discrétisation de l'espace dans l'analyse numérique pour résoudre les systèmes différentiels de manière efficace et précise.

Analyse non linéaire des structures : Fidélités des modèles et plasticité

Introduit des fidelités de modèles, des charnières en plastique et une plasticité concentrée dans l'analyse structurale non linéaire.

Euler Backward Méthode: ODEs

Explore la méthode Euler arriérée pour les ODE, discutant de la stabilité, de la réduction des erreurs et des méthodes implicites vs explicites.

Méthodes stabilisées explicites : applications aux problèmes inverses bayésiens

Explore explicitement les méthodes de Runge-Kutta stabilisées et leur application aux problèmes inverses bayésiens, couvrant l'optimisation, l'échantillonnage et les expériences numériques.

Afficher plus

Concepts associés (32)

Computational complexity

Numerical methods for ordinary differential equations

Méthode d'Euler

Formulation implicite ou explicite d'un problème de dynamique

Classe de complexité

Afficher plus