Vous êtes sur la page 1sur 35

LABORATOIRE DE MATHEMATIQUES APPLIQUEES AUX SYSTEMES

Méthodes sans maillage

Sylvie Wolf

27 novembre 2007
Table des matières
1 Introduction 1

2 Méthodes sans maillage utilisant le principe des noyaux régularisants 2


2.1 Noyaux régularisants . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 2
2.2 Méthode SPH . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 5
2.3 Méthodes CSPH et RKPM . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 6

3 Méthodes sans maillage utilisant le principe des moindres carrés mobiles 6


3.1 Moindres carrés mobiles . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 6
3.2 Lien avec les noyaux régularisants corrigés . . . . . . . . . . . . . . . . . . . . . . . . 9
3.3 Méthodes DEM et EFGM . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 11
3.4 Exemple : problème du Laplacien . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 12

4 Avantages des méthodes sans maillage 12


4.1 Raffinement adaptatif . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 12
4.2 Grandes déformations . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 13
4.3 Partition de l’unité, modélisation multi-échelles . . . . . . . . . . . . . . . . . . . . . 13
4.4 Traitement des discontinuités . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 14

5 Difficultés liées aux méthodes sans maillage 18


5.1 Recherche des voisins . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 18
5.2 Taille des domaines d’influence . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 19
5.3 Imposition des conditions aux limites de Dirichlet . . . . . . . . . . . . . . . . . . . . 19
5.3.1 Fonctions de forme MLS interpolantes . . . . . . . . . . . . . . . . . . . . . . 20
5.3.2 Multiplicateurs de Lagrange . . . . . . . . . . . . . . . . . . . . . . . . . . . . 21
5.3.3 Méthode de pénalisation . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 22
5.3.4 Couplage avec la MEF . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 22
5.4 Intégration numérique . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 22
5.4.1 Intégration sur un maillage sous-jacent . . . . . . . . . . . . . . . . . . . . . . 23
5.4.2 Intégration nodale directe . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 26

6 Couplage / enrichissement de la MEF avec une méthode sans maillage 26


6.1 Stratégies de couplage classiques (conditions aux limites de Dirichlet) . . . . . . . . 27
6.2 Stratégies de couplage/enrichissement basées sur l’imposition du degré de consistance 27

Références 31
Méthodes sans maillage

1 Introduction

La méthode des éléments finis (MEF) est encore aujourd’hui la méthode la plus utilisée pour
résoudre des systèmes d’équations aux dérivées partielles (EDP) issus de problèmes de modélisation
physique, en particulier en mécanique des matériaux. Cette méthode bénéficie d’un fondement
théorique très solide, et de nombreuses techniques sont venues l’améliorer au fil des ans. Cepen-
dant, sa mise en oeuvre reste difficile et coûteuse dans certains cas, notamment dans le domaine
de la modélisation de grandes déformations en formulation lagrangienne. En effet, le maillage sur
lequel s’appuie le calcul doit obéir à certaines règles ; en particulier, les éléments (triangles, etc) ne
doivent pas être écrasés, pour éviter que le Jacobien associé ne dégénère. En grandes déformations,
le maillage est nécessairement très déformé, avec pour conséquence une perte de précision, des
problèmes de convergence ou même un arrêt intempestif de la simulation. Des techniques de re-
maillage adaptatif automatique très performantes ont été développées, mais elles sont gourmandes
en temps de calcul et posent encore des problèmes pour les géométries 3D complexes. Par ailleurs,
après un remaillage, il est nécessaire d’interpoler les champs (vitesses, contraintes, ...) correspondant
à la solution courante, ce qui peut introduire des erreurs supplémentaires dans le calcul (on parle
de diffusion numérique). Enfin, en l’absence de raffinement adaptatif du maillage, les phénomènes
de localisation de la déformation (bandes de cisaillement...) ont tendance à suivre les bords des
éléments du maillage. La solution approchée est alors directement dépendante de celui-ci, et n’est
donc plus fiable. Par exemple, en utilisant des éléments finis pour simuler un problème de fissure,
on constate que le chemin de fissuration varie fortement lorsqu’on raffine le maillage, surtout si le
maillage est anisotrope (c’est-à-dire lorsqu’une direction privilégiée apparaı̂t dans le maillage, ce qui
est fréquent notamment avec des éléments structurés). Des éléments finis spéciaux ont été conçus
pour remédier à cette dépendance vis-à-vis du maillage, mais ils sont difficiles à implémenter dans
le cas général, voire complètement liés à un problème particulier et impossibles à généraliser sans
raffinement adaptatif.

Les méthodes sans maillage ont été développées à partir des années 1970 dans le but de se
libérer des problèmes dus au maillage. Ces méthodes, dont le succès est croissant depuis une dizaine
d’années, étaient pour les premières fondées sur des méthodes d’interpolation purement nodales
(c’est-à-dire sans recours à la notion d’élément). L’idée est de reconstruire une fonction définie sur
un espace continu à partir de l’ensemble des valeurs discrètes prises par cette fonction sur un nuage
de points du domaine. On parle alors de méthode particulaire. D’un point de vue théorique idéalisé,
les avantages de ces méthodes sont les suivants :
– l’absence de connectivités fixes entre les nœuds supprime les effets indésirables de la MEF dus
à la déformation du maillage ;
– le raffinement de la discrétisation est facilité, puisqu’il est très simple de rajouter des nœuds
(pas de traitement particulier tel que l’adaptation du maillage) ;
– les frontières internes variables dans le temps (fissures...) sont facilement manipulables pour
la même raison, et leur orientation ne sera pas directement dépendante de la discrétisation.

Ces avantages font des méthodes sans maillage les candidates idéales pour simuler des problèmes
à frontière libre et/ou en grande déformation. Dans le premier cas, par exemple pour simuler un

Laboratoire MAS – ECP 1


S. Wolf

problème de localisation de contraintes suivi de rupture, le chemin de fissuration est nécessairement


influencé par la forme locale du maillage. Dans le second cas, les méthodes sans maillage permettent
la réduction importante des phénomènes de verrouillage. Dans les deux cas, l’absence de remaillage
est encore un avantage important, en termes de gain de précision comme de temps de calcul.
Pour résoudre la formulation faible d’un système d’EDP par une méthode sans maillage, il faut :
– un nuage de points (Xi )i=1,...,n dans un domaine Ω de l’espace Rd (d = 2 ou d=3), de frontière
Γ = ∂Ω,
– une méthode d’interpolation permettant, pour toute fonction u : Ω 7→ Rd dont on connaı̂t les
valeurs nodales ui = u(Xi ), de construire une approximation uρ sous la forme
n
X
uρ (x) = Φi (x)ui ∀x ∈ Ω
i=1

où les fonctions Φi sont les fonctions de forme associées aux nœuds Xi ,
– une formule de quadrature permettant d’exprimer la formulation faible du système d’EDP
sous forme matricielle.
Il faut noter que la méthode d’interpolation n’est pas nécessairement exacte, c’est-à-dire qu’on peut
avoir uρ (Xi ) 6= ui .
De nombreuses revues critiques des méthodes sans maillage existent [1, 11, 16, 24]. Pour une ana-
lyse mathématique (convergence, stabilité, estimations d’erreur), on pourra consulter entre autres
[4, 20, 23, 26].

Notations

Dans la suite du document, on notera Xi ∈ Rd , i ∈ {1, . . . , n}, les points de discrétisation de


la méthode sans maillage, et Φρi la fonction de forme EF associée au nœud Xi . L’approximation
discrète de la fonction u : Rd 7→ R par cette méthode est alors :
n
uρi Φρi (x)
X
ρ
u (x) =
i=1

où ρ désigne la taille du support des fonctions de forme de la méthode sans maillage (en général le
rayon d’une boule centrée sur le point). On notera Ω le domaine de calcul et Γ = ∂Ω sa frontière.

2 Méthodes sans maillage utilisant le principe des noyaux régularisants

2.1 Noyaux régularisants

L’idée de base consiste à exprimer uρ (x) en fonction des valeurs de u sur un voisinage de x, en
approximant u par convolution :
Z
ρ
u (x) = u(y)W (x − y, ρ)dy (1)

2 Laboratoire MAS – ECP


Méthodes sans maillage

en choisissant un noyau W qui approche la fonction de Dirac (δ) lorsque ρ tend vers 0 :

lim W (x, ρ) = δ(x) ∀x.


ρ→0

D’autres méthodes d’approximation bien connues peuvent être interprétées avec le formalisme
des noyaux régularisants : séries (de Fourier ou autres) tronquées, interpolations polynomiales (Bes-
sel, Lagrange...), différences finies. La particularité fondamentale des méthodes particulaires est que
les points d’interpolation ne sont pas ordonnés régulièrement, et qu’ils ont vocation à être mobiles.
Le noyau W peut aussi être vu comme un moyen de lisser l’approximation uρ autour des valeurs
nodales (et ρ comme le paramètre de lissage), d’où l’appellation noyau régularisant. Ce noyau est
soumis aux contraintes suivantes :
– pour que le calcul de uρ (x) en un point x quelconque par (1) soit le moins coûteux possible,
le support de W doit être restreint à un voisinage de 0 :

|x − y| > ρ ⇒ W (x − y, ρ) = 0

– pour que l’approximation soit exacte pour toute fonction linéaire (on parle de consistance
linéaire), on doit avoir
Z
W (x − y, ρ)dy = 1 ∀x ∈ Ω
Z Ω
yW (x − y, ρ)dy = x ∀x ∈ Ω

qui est équivalent à


Z
W (x − y, ρ)dy = 1 ∀x ∈ Ω

Z
(x − y)W (x − y, ρ)dy = 0 ∀x ∈ Ω

Définition (Consistance). On dit que l’approximation est consistante à l’ordre k si les polynômes
sont reproduits jusqu’au degré k, c’est-à-dire si
Z
W (x − y, ρ)dy = 1 ∀x ∈ Ω

Z
(x − y)p W (x − y, ρ)dy = 0 ∀x ∈ Ω ∀p ≤ k

Remarques
1. La consistance à l’ordre 0 est équivalente à la définition d’une partition de l’unité (voir section
4.3).
2. Si l’approximation est consistante à l’ordre k, alors u et ses dérivées sont approchées à l’ordre
k en tout point intérieur.

Laboratoire MAS – ECP 3


S. Wolf

Fig. 1: Exemple de noyau régularisant. D’après [6].

3. Pour que l’approximation soit consistante à l’ordre 1, il suffit que le noyau W soit symétrique
par rapport à l’origine.
En pratique, W est une fonction radiale, qui prend la forme d’une gaussienne ou d’une spline
cubique (voir figure 1).

Exemple (noyau SPH) :

3 3


 1 − r2 + r3 si r ≤ 1
2 4


|x| 2 
r= W (r) = × 1 (2 − r)3 si 1 ≤ r ≤ 2
ρ 3ρ  4


0 si r ≥ 2

Approximation de la dérivée de u
Z Z Z
ρ
[Du] (x) = Du(y)W (x − y, ρ)dy = u(y).~n W (x − y, ρ)dy − u(y).∇W (x − y, ρ)dy
Ω Γ Ω

En un point intérieur dont la distance à ∂Ω est supérieure au diamètre du support de W , on a donc


Z
ρ
[Du] (Xint ) = − u(y).∇W (Xint − y, ρ)dy

Précision de l’approximation Elle est liée au noyau utilisé et à la précision de l’intégration. En


général, c’est le choix du noyau qui est déterminant. Par exemple, l’approximation par les fonctions
de Bessel est consistante à l’ordre 4 d’où uρ (x) = u(x) + O(h4 ).

Récapitulons Le noyau W doit vérifier les conditions suivantes :

4 Laboratoire MAS – ECP


Méthodes sans maillage
R R
– Ω W (x − y, ρ)dy = 1 ∀x ∈ Ω,
Ω (x − y)W (x − y, ρ)dy = 0 ∀x ∈ Ω (approximation d’ordre
2)
– |x − y| > ρ ⇒ W (x − y, ρ) = 0 (complexité algorithmique)
– limρ→0 W (x − y, ρ) = δ(x − y)
– W fonction paire (⇒ symétrie ⇒ consistance)
– W fonction régulière

2.2 Méthode SPH (Smoothed Particle Hydrodynamics)

La méthode SPH [12, 19] est une méthode particulaire : on associe à chaque point Xi une masse
mi et une densité ρi (donc un volume Vi ). Pour cela, on intègre (1) par une formule de quadrature
simple qui donne :
Z n n
X X mi
uρ (x) = u(y)W (x − y, ρ)dy ' u(Xi )W (x − Xi , ρ)Vi = u(Xi )W (x − Xi , ρ)
Ω ρi
i=1 i=1

En définissant les fonctions de forme SPH par


mi
Φρi (x) = W (x − Xi , ρ) ∀x ∈ Ω,
ρi
l’approximation devient
n
u(Xi )Φρi (x)
X
ρ
u (x) =
i=1
n
u(Xi )∇Φρi (x)
X
∇uρ (x) = −
i=1

La consistance linéaire au niveau discret s’écrit


n
Φρi (x) = 1
X
∀x ∈ Ω
i=1
n
(x − Xi )Φρi (x) = 0
X
∀x ∈ Ω.
i=1

La première condition est vérifiée par construction. En un point Xj , la seconde devient


n
(Xj − Xi )Φρi (Xj ) = 0.
X

i=1

Si les points Xi sont régulièrement espacés et si Xj est un point intérieur, alors les termes s’annulent
deux à deux (de part et d’autre de Xj ). Dans le cas général, ce n’est pas le cas, et la consistance
linéaire n’est pas assurée. La méthode SPH n’est donc pas consistante à l’ordre 1 !

Laboratoire MAS – ECP 5


S. Wolf

2.3 Restauration de la consistance par correction du noyau : méthodes corrected


SPH (CSPH) et reproducing kernel particle method (RKPM)

On introduit dans le noyau une fonction de correction C :


Z
ρ
u (x) = C(x, x − y)W (x − y, ρ)u(y)dΩy

sous la forme suivante :

C(x, x − y) = β0 (x) + β1 (x)(x − y) + β2 (x)(x − y)2 + . . .

Par identification des paramètres βi , la fonction de correction permet d’imposer la consistance


linéaire. Il faut pour cela résoudre le système suivant :

···
    
m0 (x) m1 (x) mk (x) β0 (x) 1
m1 (x)
 m2 (x) ··· mk+1 (x) β1 (x)  0 
   

    
  = 
 ··· ··· ··· ···    · · ·  · · ·
   

    
mk (x) mk+1 (x) ··· m2k (x) βk (x) 0
Xn
mp (x) = (x − Xi )p Φi (x)
i=1

Le principe de la fonction de correction peut aussi être utilisé pour minimiser l’influence des nœuds
intérieurs sur le bord du domaine pour faciliter l’imposition des conditions aux limites de Dirichlet.
Cette technique est utilisée dans les méthodes reproducing kernel particle method (RKPM) [17] et
corrected SPH (CSPH) [5]. L’inconvénient de cette technique est l’accroissement de la complexité
du calcul des fonctions de forme, avec pour conséquence des temps de calcul accrus.

3 Méthodes sans maillage utilisant le principe des moindres carrés


mobiles

3.1 Moindres carrés mobiles

Dans la méthode moving least squares (MLS), la solution est décomposée sur une base de
fonctions polynomiales (pi )i∈{1,...,m} – par exemple tous les monômes de degré inférieur ou égal a
2, soit en 2D t p(x, y) = 1, x, y, x2 , y 2 , xy – qu’on peut enrichir à volonté en fonction du problème
(par exemple pour prendre en compte des discontinuités ou des singularités connues de la solution) :
X
uρ (x) = t p(x)a(x) = ai (x) pi (x)
i

6 Laboratoire MAS – ECP


Méthodes sans maillage

où les ai sont des coefficients hétérogènes. Le nom de la méthode vient du fait que les coefficients sont
calculés par une méthode de moindres carrés. Les fonctions poids sont introduites à cette occasion.
Elles sont similaires aux noyaux régularisants de la section 2. On appelle domaine d’influence du
point Xi le support de la fonction W (. − Xi , ρ).

Le problème de l’interpolation consiste alors en un problème de minimisation :

1X 2
min W (x − Xi , ρ) t
p(Xi )a(Xi ) − uρi
a 2
i

Pour cela, on écrit une approximation locale de uρ par rapport à un point x̄ ; autrement dit, pour
identifier les coefficients a(x), on fixe la base de fonctions p(x̄) :

uρloc (x, x̄) = t p(x̄)a(x) =


X
ai (x) pi (x̄) (2)
i

Dans la pratique, on s’intéresse aux points x̄ = Xj , j ∈ {1, . . . , n}. On cherche alors les coefficients
ai (x) en minimisant la différence entre l’approximation (2) et les valeurs uρi connues par une méthode
de moindres carrés (où les W (x − Xi , ρ) sont les fonctions poids). Cela revient à minimiser la
fonctionnelle Jx (a) :
1X
Jx (a) = W (x − Xi , ρ)(uρloc (x, Xi ) − uρi )2
2
i
1X 2
= W (x − Xi , ρ) t p(Xi )a(x) − uρi
2
i

On cherche alors à annuler DJx (a) :

p(Xi )a(x) − uρi = 0


X
t

DJx (a) = 0 ⇔ W (x − Xi , ρ)p(Xi )
i

W (x − Xi , ρ)p(Xi )uρi
X X
⇔ W (x − Xi , ρ)p(Xi ) t p(Xi )a(x) = (3)
i i
⇔A(x)a(x) = b(x)

− Xi , ρ)p(Xi ) t p(Xi ) et b = − Xi , ρ)p(Xi )uρi .


P P
où A(x) = i W (x i W (x

La matrice A(x) est carrée, et sa taille est égale à m (nombre de fonctions de base pi ). Pour
que le problème admette une solution unique, la matrice A doit être inversible. Si on note n(x) le
nombre de voisins de x, on peut montrer que, si au moins m (parmi les n(x)) matrices des produits
dyadiques p(Xi ) t p(Xi ) sont linéairement indépendantes, alors la matrice A(x) est symétrique définie
positive. Cette condition porte sur le nombre et la configuration des points Xi (voir figure 2).
t t
yW (y − Xi , ρ)p(Xi ) t p(Xi )y = W (y − Xi , ρ) t ( t p(Xi )y)( t p(Xi )y) > 0 pour tout
P P
Preuve : yAy = i i
y 6= 0.

Laboratoire MAS – ECP 7


S. Wolf

xi

x x

xi

Fig. 2: Exemples de configurations des points Xi pour lesquels la matrice A(x) n’est pas inversible

On en déduit que

uρ (x) = t p(x)a(x)
= t p(x)A−1 (x)b(x)
p(x)A−1 (x)W (x − Xi , ρ)p(Xi )uρi
X
t
=
i
!
Xi , ρ)p(Xi )uρi
X
= t p(x)A−1 (x) W (x −
i

Les fonctions de forme en x sont donc :

Φi (x) = t p(x)A−1 (x)W (x − Xi , ρ)p(Xi ) ∀i ∈ {1, . . . , m}

Remarquons que, si la base p contient au moins les fonctions linéaires, alors celles-ci sont ap-
prochées de manière exacte par cette méthode. On a alors la consistance linéaire. Preuve : si u est
engendré par les fonctions de base pi , alors u(x) = t p(x)α ; or Jx ≥ 0 et Jx (α) = 0, donc α minimise Jx .

Exemple de fonctions de base Si la base p est réduite à la fonction constante 1, alors on obtient
les fonctions de forme de Shepard :

W (x − Xi , ρ)
Φi (x) = P
j W (x − Xj , ρ)

Remarque Les calculs permettant


Pn d’identifier les coefficients a(x) sont équivalent à la démarche
suivante : chercher u (x) = i=1 ui Φi (x) avec des fonctions de forme du type Φi (x) = t p(Xi )a(x)W (x−
ρ

8 Laboratoire MAS – ECP


Méthodes sans maillage

Xi , ρ), en imposant de représenter exactement les polynômes de la base (p), c’est-à-dire :


n
X n
X
p(x) = p(Xi )Φi (x) = p(Xi ) t p(Xi )a(x)W (x − Xi , ρ) ⇔ A(x)a(x) = p(x) (4)
i=1 i=1

où la matrice A(x) est inchangée.

3.2 Lien avec les noyaux régularisants corrigés

On peut lier la méthode des moindres carrés mobiles avec celles qui s’appuient sur l’utilisation
d’un noyau régularisant, après l’étape de correction qui permet de respecter les conditions de consis-
tance linéaire (voir section 2.3). On rappelle que la correction consiste à introduire dans le noyau
une fonction C : Z
ρ
u (x) = C(x, y)W (x − y, ρ)u(y)dy

sous la forme suivante :
X
C(x, y) = β0 (x) + β1 (x)y + β2 (x)y 2 + . . . = βj (x)pj (y)

où les pj constituent la base de fonctions qu’on souhaite pouvoir reproduire. Les fonctions de forme
deviennent alors
X
Φi (x) = βj (x)pj (xi )W (x − xi , ρ) = t β(x)p(xi )W (x − xi , ρ)
j

Ainsi, si on veut reproduire exactement les fonctions de base pk (x), alors on doit avoir
X X
t
pk (xi )Φi (x) = pk (x) ∀k ⇔ β(x)p(xi )W (x − xi , ρ)pk (xi ) = pk (x) ∀k
i i
⇔A(x)β(x) = p(x)
où la matrice A est identique à celle de la formulation MLS. Les fonctions de forme deviennent :
Φi (x) = t (A−1 (x)p(x))p(xi )W (x − xi , ρ) = t p(x)A−1 (x)p(xi )W (x − xi , ρ)
On retrouve ainsi exactement les fonctions de forme MLS.
Les méthodes d’approximation particulaires de type kernel ou MLS sont donc deux approches
différentes aboutissant à la même formulation. Les différentes méthodes coexistent cependant tou-
jours parce qu’elles ne sont pas utilisées pour le même type d’applications ni avec le même type de
formulation pour résoudre les EDP. Il est fondamental de remarquer que ces méthodes ne sont pas
des schémas d’interpolation (voir figure 3) :

Φi (Xj )uρi 6= u(Xj )!


X
uρ (Xj ) =
i

Cette particularité a pour conséquence particulière que l’imposition des conditions aux limites de
Dirichlet est beaucoup plus compliquée que dans la méthode des éléments finis, puisqu’il ne suffit
pas d’imposer des valeurs aux degrés de liberté correspondant aux points de la frontière.

Laboratoire MAS – ECP 9


S. Wolf

0.5

0
0 1 2 3 4
(c )
1 1

0.5 0.5

0 0
0 1 2 3 4 0 1 2 3 4
(a ) (d )
4 4

3 3

2 2

1 1

0 0
0 1 2 3 4 0 1 2 3 4
(b ) (e )

Fig. 3: A gauche : fonctions de forme (a) et interpolation d’un nuage de points(b) par la MEF. A droite :
fonctions poids (c), fonctions de forme (d) et interpolation (e) par la méthode des moindres carrés mobiles
(MLS). Les fonctions poids et les fonctions de forme correspondant au point central de la discrétisation sont
mises en valeur (en gras).On remarque que les fonctions de forme MEF sont interpolantes, contrairement
aux fonctions de forme MLS (qui sont aussi plus régulières). D’après [8].

10 Laboratoire MAS – ECP


Méthodes sans maillage

3.3 Méthodes DEM (diffuse element method ) et EFGM (element-free Galerkin


method )

Les fonctions de forme MLS sont utilisées dans deux méthodes de résolution d’EDP : la méthode
des éléments diffus (DEM) [22] et la méthode EFGM (element-free Galerkin method ) [2]. Ces
méthodes sont très proches, à la différence que les dérivées des fonctions de forme sont calculées de
manière approchée dans la première :
∂uρ ∂ tp t ∂a
(x) = (x)a(x) + p(x) (x)
∂xj ∂xj ∂xj
| {z }
négligé dans la méthode DEM

Dérivées des fonctions de forme Les termes en gras sont ignorés dans la méthode des éléments
diffus.
∂Φi ∂ t ∂W
c(x) W (x − Xi , ρ)p(Xi ) + t c(x)

(x) = (x − Xi , ρ)p(Xi ) (5)
∂xj ∂xj ∂xj
∂c ∂(A−1 ) ∂p
(x) = (x)p(x) + A−1 (x) (x)
∂xj ∂xj ∂xj
∂A ∂p
=−A−1 (x) (x)A−1 (x)p(x) + A−1 (x) (x) (6)
∂xj ∂xj
 
−1 ∂A ∂p
=A (x) − (x)c(x) + (x)
∂xj ∂xj
∂A X ∂W
(x) = (x − Xi , ρ)p(Xi ) t p(Xi ) (7)
∂xj ∂xj
i
Algorithme (calcul des Φi et ∇Φi en un point x quelconque par la méthode EFGM). Les p(Xi ) t p(Xi )
sont stockés dès le départ.
1. recherche de l’ensemble I(x) des indices i tels que les points Xi vérifient Wi (x) 6= 0
∂A
2. A(x) = 0, ∂x j
(x) = 0 pour tout j
3. boucle sur i ∈ I(x)
∂W
(a) stockage de Wi = W (x − Xi , ρ) et Wi,j = ∂xj (x − Xi , ρ)
∂A ∂A
(b) A(x) ← A(x) + Wi p(Xi ) t p(Xi ), ∂xj (x) ← ∂x j
(x) + Wi,j p(Xi ) t p(Xi )
4. factorisation (Cholesky) de A(x) (qui est de petite taille et symétrique définie positive)
 
5. calcul de c(x) = A−1 (x)p(x) et des ∂x
∂c
(x) = A−1 (x) − ∂A (x)c(x) + ∂p (x) par substitution
j ∂xj ∂xj
arrière
6. boucle sur i ∈ I(x)
(a) calcul de d(x) = t c(x)p(Xi )
(b) calcul de Φi (x) = d(x)Wi et des ∂Φ ∂ t c(x) W p(X ) + W d(x)

∂xj (x) = ∂xj
i
i i i,j

La résolution de la formulation faible du problème est mise en œuvre de la même manière que
dans la MEF. Seules les fonctions de forme sont différentes.

Laboratoire MAS – ECP 11


S. Wolf

3.4 Exemple : problème du Laplacien

(
∆u(x) = f (x) ∀x ∈ Ω
u(x) = 0 ∀x ∈ Γ = ∂Ω

Formulation variationnelle : on cherche u ∈ V = v ∈ H 1 (Ω); vΓ = 0 tel que




a(u, v) = hf, vi ∀v ∈ V (8)


Z Z
a(u, v) = ∇u∇vdΩ hf, vi = f vdΩ
Ω Ω

La méthode de Galerkin consiste à construire une suite d’espaces Vk ⊂ H 1 (Ω) vérifiant Vk ⊂ Vk+1 et
∪+∞ 1 e
k=0 Vk = H (Ω). Les espaces Vk sont engendrés par les fonctions de forme pour la k discrétisation,
et les discrétisations successives sont imbriquées. En général, les fonctions de forme vérifient ces
conditions.
On cherche alors les coefficients ui tels que uρ = i ui Φi vérifie (8). On trouve alors l’expression
P
matricielle de (8), similaire à la formulation EF :

KU = F

où Kij = a(Φi , Φj ) (matrice de rigidité) et Fj = hf, Φj i.


Les principales différences avec la MEF pour la résolution des EDP sont les suivantes :
1. Les fonctions de forme ne sont pas de vrais interpolants, c’est-à-dire que Φρi (Xj ) 6= δji (où δji
désigne le symbole de Kronecker) ; pour imposer des conditions aux limites de Dirichlet du
type u(Xi ) = βi , on ne peut
 pas poser simplement ui = βi ! En particulier, on ne peut pas
1

contruire une base de V = v ∈ H (Ω); vΓ = 0 aussi simplement qu’avec des éléments finis.
2. La matrice de rigidité K est moins creuse que dans la MEF (chaque point Xi a plus de voisins).
3. On ne peut pas utiliser les schémas d’intégration numériques de la MEF, puisque les fonctions
de forme ne sont pas polynomiales et qu’on ne dispose pas d’un maillage pour placer des points
d’intégration.

4 Avantages des méthodes sans maillage

4.1 Raffinement adaptatif

Les méthodes sans maillage bénéficient d’une grande flexibilité : on peut très facilement ajouter
ou retirer des particules en fonction de l’évolution de la simulation, sans avoir à remettre à jour
une structure de données du type EF (puisque tout est géré de manière dynamique). Mais cette
flexibilité pose le problème de la taille des domaines d’influence, ou de manière équivalent du nombre
de voisins de chaque point (voir section 5.2).

12 Laboratoire MAS – ECP


Méthodes sans maillage

4.2 Grandes déformations

Puisque les fonctions de forme sont moins dépendantes de la disposition des points de discrétisation,
les grandes déformations sont mieux tolérées. Mais ici encore, le nombre de voisins (et donc la sta-
bilité et la précision du calcul) est affecté (voir section 5.2).

4.3 Partition de l’unité, modélisation multi-échelles

Définition (Partition de l’unité). Une partition de l’unité sur un domaine Ω borné est définie par
la donnée d’une partition du domaine (ensemble fini d’ouverts Ωk tels que Ωk ⊂ Ω et ∪k Ωk = Ω) et
de fonctions fk continues sur Ω (en général à valeurs dans [0, 1]) telles que Supp(fk ) ⊂ Ωk et
X
fk (x) = 1 ∀x ∈ Ω
k

Supposons qu’on dispose de fonctions de forme (EF, MLS, SPH ou autre) qui définissent une
partition de l’unité, ce qui est équivalent à imposer la consistance à l’ordre 0. On peut alors enrichir
l’approximation de la manière suivante :
X X
uρ (x) = ui Φi (x) + ũj Ψ(x)Φj (x)
i j

Dans le terme ajouté, on peut n’utiliser qu’un sous-ensemble des points i dans la somme, ou on
peut utiliser une autre partition de l’unité à la place des Φj (ce qui permet de réduire la dépendance
entre les ui et les ũi , en prenant des points différents ou des supports différents). Ce faisant, on a
ajouté la fonction Ψ dans l’ensemble des fonctions approchées de manière exacte (il suffit de prendre
ui = 0 et ũj = 1 pour obtenir uρ ≡ Ψ).
Cette liberté d’ajouter des fonctions de base est particulièrement intéressante si on veut appro-
cher de manière performante des singularités de la solution, sans pour autant devoir raffiner dras-
tiquement la discrétisation. On peut aussi prendre des fonctions Ψ discontinues, pour représenter
une fissure sans avoir à dédoubler localement les points de la discrétisation. On peut ainsi enrichir
l’approximation tout en diminant le nombre de points (à condition toutefois de connaı̂tre certaines
caractéristiques de la solution a priori ).
Les méthodes développées sur ce principe sont les suivantes :
– X-FEM (eXtended Finite Element Method ) : utilise les fonctions de forme EF et des fonctions
de base inspirées par la physique du problème étudié
– PUFEM (Partition of Unity Finite Element Method ) : utilise les fonctions de forme EF et des
fonctions de base polynomiales
– PUM (Partition of Unity Method ) : utilise les fonctions de forme de Shepard et des fonctions
de base polynomiales
– hp-clouds...
On parle de base intrinsèque (p) et de base extrinsèque (Ψ). L’intérêt d’ajouter une fonction
dans la base extrinsèque plutôt que dans la base intrinsèque s’exprime lorsqu’on veut ajouter cette

Laboratoire MAS – ECP 13


S. Wolf

fonction uniquement en certains points, car alors on ne perd pas la continuité globale, grâce aux
propriétés des partitions de l’unité. On parle alors de p-adaptativité.
On peut aussi introduire un paramètre d’échelle dans les fonctions de forme, de manière à prendre
en compte les différentes échelles du problème (en prenant par exemple W (., ρ) pour ρ = a, 2a, 3a,
. . . ). Les différentes fonctions de forme correspondent alors à des supports de taille différentes, et
agissent comme des filtres correspondant à ces différentes échelles (à la manière des window functions
des ondelettes).

4.4 Traitement des discontinuités

Le problème du traitement des discontinuités concerne la restriction de la définition des voisins,


de part et d’autre d’une frontière interne (fissure...). Dans la MEF, ce problème est traité au niveau
du maillage : il suffit d’introduire les frontières internes dans l’ensemble des frontières imposées au
maillage (par exemple en dédoublant les points le long de la fissure et en annulant les connections
entre les nœuds qui n’appartiennent pas au même bord). Dans les méthodes sans maillage, il faut
développer d’autres méthodes.

Critère de visibilité Le critère de visibilité ajoute une contrainte dans la définition des voisins :
le segment de droite reliant les deux points ne doit pas traverser une frontière interne du domaine.
La figure 4 illustre le principe de cette méthode, ainsi que la manière dont les fonctions poids et les
fonctions de forme sont modifiées. On constate que cette méthode donne des résultats satisfaisants
en un point éloigné des bords de la fissure, mais qu’une discontinuité parasite est créée (ainsi qu’un
très fort gradient de la fonction de forme au voisinage de l’extrémité de la fissure) si une pointe de
fissure appartient au domaine d’influence du point.

Méthode de “diffraction” Cette méthode, qui doit son nom à une analogie avec la diffraction
de la lumière par un coin, permet de palier cette difficulté au voisinage des pointes de fissure. Le
principe consiste à remplacer, dans le calcul de Φi (x) la distance s0 (x) = kx − xi k par s(x) défini
comme suit :
s1 + s2 (x) λ
 
s(x) = s0 (x) (9)
s0 (x)
où s1 et s2 (x) sont définis sur la figure 5. Les nouvelles fonctions poids et fonctions de forme
sont aussi illustrées sur la figure 5. On remarquera que les fonctions de forme ne présentent aucune
discontinuité parasite, mais que leur forme complexe pourra poser des problèmes lors de l’intégration
numérique des équations. Le choix du paramètre λ pourra aussi avoir une influence (peut-être difficile
à contrôler) sur la qualité des résultats.

Problème des frontières externes non convexes Les frontières externes non convexes posent
les mêmes problèmes que les frontières internes pour la définition des points voisins (voir figure
6. La méthode de “diffraction” peut aussi être utilisée dans ce cas. On peut remarquer que dans

14 Laboratoire MAS – ECP


Méthodes sans maillage

DOMAIN OF INFLUENCE DOMAIN OF INFLUENCE


FOR NODE J FOR NODE I

J I

C A
B
LINE OF DISCONTINUITY

J I

CRACK CRACK

J I

CRACK CRACK

Fig. 4: Principe du critère de visibilité (en haut) : les points voisins du point J sont ceux qui sont dans
son domaine d’influence et qui sont tels que le segment qui les relie au point J ne traverse pas l’interface de
discontinuité. Les points du disque qui sont dans la zone grise sont donc exclus. La partie basse de la figure
montre les fonctions-poids (a et b) et les fonctions de forme (c et d) correspondant aux points I et J. On
remarque que la fonction de forme ΦI présente une discontinuité parasite due à l’annulation non continue de
la fonction-poids sur le segment AB. Cette discontinuité est associée à un gradient très fort au voisinage du
point A. D’après [1].

Laboratoire MAS – ECP 15


S. Wolf

xI

s1
s 0 (x)
xc
LINE OF
DISCONTINUITY s 2 (x)
x

I I

CRACK CRACK

Fig. 5: Méthode de “diffraction”. Le principe de la méthode (en haut) consiste à remplacer dans le calcul de
l’influence du point XI sur le point x, la distance s0 (x) = kx − Xi k par s(x) défini par (9). La fonction-poids
et la fonctions de forme en XI sont modifiées de telle manière qu’aucun discontinuité ni aucun fort gradient
n’apparaissent. D’après [1].

16 Laboratoire MAS – ECP


Méthodes sans maillage

DOMAIN OF INFLUENCE

J
DOMAIN OF INFLUENCE

LINE OF
DISCONTINUITY

Fig. 6: Problème des frontières externes non convexes. D’après [1].

les problèmes où les points du bord ne sont pas les mêmes à tout instant (problèmes de suivi
dynamique de la fontière d’un fluide, par exemple), il pouvoir déterminer dynamiquement les points
de la frontière à partir du nuage de points. Or, si le domaine n’est pas convexe, on ne peut pas utiliser
d’algorithme simple (enveloppe convexe) ; il existe cependant de nombreux algorithmes efficaces (je
renvoie ici à la littérature qu’on pourra trouver dans le domaine de la reconstruction de surface).

Dérivées discontinues Si on considère par exemple un milieu élastique stratifié, avec deux
couches de matériaux différents, alors le déplacement est continu sur l’interface entre les deux
matériaux, mais ses dérivées spatiales sont discontinues. Dans la MEF, ce problème est traité na-
turellement en imposant un maillage qui suit l’interface (mais pas nécessairement conforme).

Dans une méthode sans maillage, on peut considérer deux approximations découplées de part
et d’autre de l’interface, et imposer la continuité du champ de déplacement par l’intermédiaire
de multiplicateurs de Lagrange. On peut aussi utiliser le concept de base extrinsèque défini dans
la section 4.3, pour introduire un terme de saut dans l’approximation. Par exemple, en 1D, si la
discontinuité est placée en un point xa , on écrit :

X
uρ (x) = ui Φi (x) + bΨ(x − xa )
i

où Ψ est une fonction à support compact dont la dérivée approche la fonction de Heaviside (voir
figure 7).

Laboratoire MAS – ECP 17


S. Wolf

1.0
Jump term 1
0.15
Jump term 2 Jump term 1
Jump term 2
0.5
0.10

0.05 0.0

0.00

-0.5
-0.05

-0.10 -1.0
4.0 4.5 5.0 5.5 6.0 4.0 4.5 5.0 5.5 6.0

Fig. 7: Fonction de base extrinsèque (à gauche) continue mais dont la dérivée (à droite) présente un saut
sur une frontière interne du domaine. D’après [1].

5 Difficultés liées aux méthodes sans maillage

5.1 Recherche des voisins

Dans toutes les méthodes qui viennent d’être évoquées, la recherche des plus proches voisins
(ensemble des points Xi tels que Φi (x) 6= 0) est le processus le plus coûteux dand les calculs,
puisqu’il faut l’effectuer sur tous les points d’intégration lors de l’intégration numérique du problème
variationnel.

La méthode naı̈ve consiste à effectuer une double boucle sur l’ensemble des n points. La com-
plexité algorithmique est alors de l’ordre de O(n2 ) ! Pour accélérer la recherche, on peut utiliser
une partition régulière du domaine, sans recouvrement en rectangle de taille 2h, et on stocke, pour
chaque cellule, l’ensemble des points Xi dont le domaine d’influence (ensemble des points y tels que
W (y − Xi , ρ) 6= 0) intersecte la cellule. Pour trouver les voisins d’un point x quelconque (qui n’ap-
partient qu’à une seule cellule), il suffit de chercher dans le sous-ensemble correspondant. On peut
aussi utiliser une structure plus complexe (quadtree ou quadarbre, c’est-à-dire un arbre dans lequel
chaque père a quatre fils, comme sur la figure 8), et la recherche est alors de l’ordre de O(n log(n) en
trouvant un bon compromis entre la profondeur de l’arbre et la taille de ses feuilles. L’avantage de
cette structure est que la taille de la liste diminue exponentiellement lorsqu’on descend dans l’arbre.
En partant de 1000 points, on peut arriver à une taille de liste de 20 en 5 niveaux.

On peut remarquer que si le nombre de voisins reste raisonnable et si le modèle n’est pas trop
grand (et si la mémoire n’est pas un facteur limitant du calcul), le plus efficace est de sauvegarder
l’ensemble des “relations de voisinage” en mémoire, sous forme de liste chaı̂née. Il existe en effet
des algorithmes très efficaces pour parcourir ce type de structure de données.

18 Laboratoire MAS – ECP


Méthodes sans maillage

Fig. 8: Exemple de quadtree

5.2 Taille des domaines d’influence

Pour de nombreuses applications, il est nécessaire de faire varier ρ dans l’espace et le temps
(fluide compressible, choc), sous peine d’instabilités dans les zones (de détente) où les particules se
raréfient : le nombre de voisins décroı̂t, ce qui provoque une augmentation des erreurs numériques
dans les calculs de dérivées. Par ailleurs, si le nombre de voisins augmente beaucoup, alors la matrice
se remplit et les calculs s’alourdissent. Il existe donc un rayon d’influence idéal en fonction de la
densité de points. En pratique, dans la littérature, on trouve

ρ ' 1.2∆x

où ∆ désigne la distance moyenne (localement) entre les points Xi .

Remarque On n’a plus ∇W (Xi − Xj , ρj ) = ∇W (Xj − Xi , ρi ), donc on perd la conservativité


(SPH ?).

5.3 Imposition des conditions aux limites de Dirichlet

Supposons qu’on veuille imposer des valeurs sur le bord, sous la forme suivante :

u(x) = 0 ∀x ∈ Γ

Laboratoire MAS – ECP 19


S. Wolf

Fig. 9: FONCTIONS DE FORME AVANT ET APRES TRANSFORMATION

Dans la MEF, il suffit d’imposer ui = 0 pour tout Xi ∈ Γ, ce qui revient à ne garder que les
fonctions de forme correspondant à l’espace H01 (Ω). Les fonctions de forme MLS n’étant pas de vrais
interpolants (uρ (Xi ) 6= ui ), il faut utiliser des méthodes plus complexes (on ne dispose pas d’une
base engendrant H01 (Ω) !).

5.3.1 Fonctions de forme MLS interpolantes

Première méthode On veut pouvoir décomposer la solution approchée uρ sur une famille de
fonctions de forme interpolantes, c’est-à-dire
P que les coefficients de la décomposition doivent être
les vraies valeurs nodales ũi = uρ (Xi ) = j uj Φj (Xi ). On peut donc écrire
X
ui = Tij ũj
j

La matrice R est appelée matrice de transformation, et ses coefficients sont Tij = (Φj (Xi ))−1 .
XX X
uρ (x) = Tij ũj Φi (x) = ũj ϕj (x)
i j j
P
Les nouvelles fonctions de base ϕj (x) = i Tij Φi (x) sont interpolantes, puisqu’elles vérifient ϕi (Xj ) =
δji .
On peut de la même manière écrire les fonctions-test sur la même basePde P
fonctions. La forme
matricielle du problème F U = f se réécrit alors K̃ Ũ = ˜, avec K̃ =
f −1 ) K T
k l (T ik kl lj et
f˜ = j (T )ij fj .
−1
P

On a ainsi construit des fonctions de forme MLS interpolantes, mais leur forme (et donc leur
calcul) est considérablement compliquée, ce qui s’avère coûteux en terme de complexité algorith-
mique (voir figure 9). Pour limiter ce problème, on peut se contenter de modifier les fonctions de
forme des points se trouvant dans un voisinage de la frontière Γ.

Seconde méthode Voici une autre manière de transformer les fonctions de forme Φi correspon-
dant aux points Xi ∈ Γ pour qu’elles vérifient la propriété Φi (Xj ) = δij pour tout Xj ∈ Γ. L’idée
est de “retirer” sur les points du bord la contribution des fonctions de forme correspondant à des
points intérieurs. Pour cela, on utilise les indices B et I pour désigner les points du bord et les
points intérieurs, et on écrit
nB
X nI
X
uρ (x) = uB B
i Φi (x) + uIi ΦIi (x) = AB (x)U B + AI (x)U I
i=1 i=1

Si on écrit les conditions aux limites sous la forme uρ (XiB ) = fi pour tout i = 1, . . . , nB , ou encore
DB U B + DI U I = F sous forme matricielle, on obtient
U B = (DB )−1 F − (DB )−1 DI U I

20 Laboratoire MAS – ECP


Méthodes sans maillage

uρ (x) =AB (x) (DB )−1 F − (DB )−1 DI U I + AI (x)U I




=AB (x)(DB )−1 F + AI (x) − AB (x)(DB )−1 DI U I




=ÃB (x)Ũ B + ÃI (x)U I

où Ũ B = F désigne les vraies valeurs nodales de uρ . Les nouvelles fonctions de forme présentes dans
Ã(x) sont interpolantes sur Γ.

Utilisation des voisins naturels [21]

5.3.2 Multiplicateurs de Lagrange

Rappelons que le problème (8) est équivalent à un problème d’optimisation :


 
1
inf a(v, v) − hf, vi
v∈V 2

lui-même équivalent à un problème de point-selle qui consiste à chercher u ∈ H 1 (Ω) mais aussi
λ ∈ L2 (Γ) tels que :
(
a(u, v)+b(v, λ) = hf, vi ∀v ∈ H 1 (Ω)
b(u, µ) = h0, µi = 0 ∀µ ∈ L2 (Γ)
R
où b(v, µ) = Γ vµds.

Le problème (8) est ainsi modifié, en ajoutant des inconnues λj sur le bord, appelées multiplica-
teurs de Lagrange,
P sur lesquelles on reporte les conditions aux limites. On cherche λ (et µ) sous la
forme λ(s) = K k=1 λk Ψk (s) pour tout s ∈ Γ, où les Ψk sont des fonctions de base sur Γ (en général
les traces des Φi sur le bord). Les fonctions-tests sont les Φi et les Ψk . Le système d’équations
ci-dessus devient alors :

 Xn XK Z
ui a(Φi , Φj ) − λk Ψk Ψj = hf, Φj i ∀j = 1, . . . , n




Γ

i=1 k=1
 n
X Z



 − ui Ψi Ψk = 0 ∀k = 1, . . . , K
Γ

i=1

ou, sous forme matricielle :


    
K G u γ
=
G 0 λ 0

On peut remarquer que ce système est (raisonnablement) plus grand que le système original et n’est
plus défini positif.

Laboratoire MAS – ECP 21


S. Wolf

5.3.3 Méthode de pénalisation

On rajoute dans (8) un terme qui force (pénalise) les conditions aux limites :

u ∈ H 1 (Ω)


Z
 a(u, v) + α uv = hf, vi ∀v ∈ H 1 (Ω)
Γ
R
La modification agit sur la matrice de rigidité, qui devient Kij = a(Φi , Φj ) + α Γ Φi Φj .

Il s’agit d’une technique d’optimisation numérique : si on veut minimiser une fonctionnelle J(u),
et que l’annulation de sa différentielle s’écrit a(u) = b, alors, pour minimiser J sous la contrainte
α
u|Γ = 0, on remplace J(u) par J(u) + 2 Γ kuk2 . Il faut bien doser la valeur du paramètre α : s’il
R

est trop grand, le système devient mal conditionné (et on s’éloigne trop du problème de départ) ;
s’il est trop petit, la contrainte est mal respectée.

5.3.4 Couplage avec la MEF

La méthode la plus utilisée pour coupler une dicrétisation MLS avec une dicrétisation EF consiste
à définir une zone de transition sur laquelle les deux domaines se recouvrent. Cette zone se compose
d’une bande d’éléments finis entourant le domaine EFGM. Cette technique est détaillée dans le
cadre plus général du couplage FEM-MLS dans la section 6.
Il faut remarquer que, si on utilise le couplage avec la MEF pour imposer des conditions aux
limites de type Dirichlet, il faut tenir compte du fait que la méthode perd localement son caractère
sans maillage : les inconvénients de la MEF réapparaissent. Il faut donc éviter cette technique si les
bords nécessitent un traitement sans maillage. En revanche, elle est d’un grand intérêt si on veut
utiliser une méthode sans maillage localement (pour modéliser un phénomène local), mais que le
reste du modèle peut être traité par la MEF (qui reste plus performante du point de vue des temps
de calcul). On peut ainsi optimiser le rapport précision / temps de calcul, tout en respectant les
caractéristiques du problème physique.

5.4 Intégration numérique

Une fois que la formulation faible du problème est établie, il faut établir des règles d’intégration
numérique pour assembler la matrice de rigidité K et le second R membreP f de la forme matricielle
KU = f . Ces règles d’intégration s’écrivent sous la forme Ω ϕdΩ = ωg ϕ(xg ), où les points
xg désignent les points d’intégration (souvent appelés points de Gauss en raison des formules de
quadrature de Gauss), et les paramètres ωg sont les poids affectés à chaque point xg .
Dans la résolution d’un problème physique (système d’EDP) par une méthode numérique (avec
ou sans maillage), il existe plusieurs sources d’erreur : l’erreur de discrétisation (due au schéma
d’approximation en espace : EF, MLS..., mais aussi du schéma en temps !) et l’erreur d’intégration.
En effet, même si les fonctions de forme vérifient les conditions de consistance linéaire (les fonctions

22 Laboratoire MAS – ECP


Méthodes sans maillage

linéaires sont donc approchées de manière exacte), la solution du problème KU = f ne sera pas
nécessairement exacte à l’ordre 1 : il faut pour s’en assurer étudier l’erreur d’intégration.

L’avantage de la MEF est qu’il existe des formules d’intégration exactes sur l’espace des fonctions
polynomiales par morceaux ; l’erreur d’intégration est donc nulle. Les points d’intégration sont
placés régulièrement dans chaque élément fini. En revanche, les fonctions de forme MLS ne sont
pas polynomiales, et la notion d’élément n’existe pas dans les méthodes sans maillage. On peut
utiliser les mêmes formules d’intégration, mais elles ne sont pas exactes, et il faudra beaucoup plus
de points d’intégration pour minimiser l’erreur d’intégration.

5.4.1 Intégration sur un maillage sous-jacent

La méthode la plus simple consiste à utiliser des formules d’intégration classiques sur un maillage
sous-jacent (voir figure 10). On peut alors disposer des points d’intégration sur chaque élément/cellule,
comme on le fait dans la MEF. L’avantage de construire le maillage sur le nuage de points (en haut
sur la figure 10) est que les frontières extérieures du domaine sont respectées, ce qui élimine des
erreurs d’intégration. Mais dans tous les cas, le fait que les supports des fonctions de forme ne
coı̈ncident pas avec les éléments/cellules est une source d’erreurs.

On peut remarquer que, si la méthode perd son caractère sans maillage au sens strict, les
inconvénients de la MEF ne réapparaissent pas pour autant. En effet, le maillage sous-jacent ne
doit pas nécessairement suivre les frontières internes du domaine de calcul, et il n’est pas soumis
aux mêmes contraintes : les fonctions de forme ne dégénèrent pas puisque leur support n’est pas
lié au maillage. Ainsi, il n’est pas nécessaire de remailler régulièrement le domaine, et le maillage
est moins coûteux en temps de calcul. Pour résumer, la principale différence avec la MEF est que
le maillage ne sert qu’à l’intégration numérique, et n’intervient en aucune manière dans le schéma
d’approximation.

Le principal problème de cette méthode est le choix des points d’intégration. En effet, le nombre
de points d’intégration est à relier au nombre de nœuds de la discrétisation : s’il n’y en a pas
assez dans la zone d’influence d’un nœud, alors la précision de la méthode est dégradée, et des
modes artificiels peuvent apparaı̂tre ; s’il y a trop de points d’intégration, le calcul devient trop
lourd (les fonctions de forme sont parfois coûteuses à évaluer, or il faut les évaluer en chaque point
d’intégration !). Une mauvaise répartition des points d’intégration peut influencer négativement le
conditionnement de la matrice à inverser.

Choix des points et des formules d’intégration Il s’agit de déterminer les points xg et les
poids ωg qui minimisent les erreurs d’intégration. Pour cela, on considère un problème dont connaı̂t
la solution (constante ou linéaire) et on cherche les conditions sur les points xg et les poids ωg pour
obtenir cette solution de manière exacte en utilisant l’interpolation MLS (avec consistance linéaire)
et cette formule d’intégration.

Laboratoire MAS – ECP 23


S. Wolf

Fig. 10: Exemples de maillages sous-jacents utilisés pour l’intégration numérique : maillage de Delaunay
calculé sur les points de la discrétisation (en haut) et cellules d’intégration indépendantes des points et de la
géométrie (en bas). D’après [1].

24 Laboratoire MAS – ECP


Méthodes sans maillage

On considère le problème du Laplacien, où Γ = ΓD ∪ ΓN , et n désigne la normale à Γ :

∆uρ = 0 dans Ω
uρ = ū sur ΓD
∂uρ
= q̄ sur ΓN
∂n
La formulation variationnelle de ce problème s’écrit :
∂uρ
Z Z
ρ
∇u ∇v − v = 0 ∀v
Ω Γ ∂n

Le système discret associé est :


Z ! Z !
X X ∂Φi
ui ∇Φi ∇Φj − ui Φj = 0 ∀j (10)
Ω Γ ∂n
i i

La question est de savoir si on a le droit de réécrire ce système en utilisant la formule d’intégration.


Pour cela, on va au moins s’assurer que c’est le cas si la solution est linéaire, en étudiant les cas
suivants :
1. ui = 1 pour tout i
2. ui = xi pour tout i
3. ui = yi pour tout i
Puisque l’approximation MLS est consistante linéairement (par hypothèse), on va utiliser les rela-
tions suivantes :
X
Φ(x, y) = 1 ∀(x, y) ∈ Ω (11)
i
X
xi Φ(x, y) = x ∀(x, y) ∈ Ω (12)
i
X
yi Φ(x, y) = y ∀(x, y) ∈ Ω (13)
i

1. Si on prend ui = 1 pour tout i dans (10), on obtient :


Z ! Z !
X X ∂Φi
∇Φi ∇Φj − Φj = 0 ∀j
Ω Γ ∂n
| i {z } | i {z }
=0 d’après (11) =0 d’après (11)

2. Si on prend ui = xi pour tout i dans (10), en réécrivant ∂Φ ∂Φi ∂Φi


∂n = ∂x nx + ∂y ny (où nx , ny
i

désignent les composantes du vecteur n, on obtient :


Z ! Z X ! Z Z
X ∂Φi ∂Φi ∂Φj
xi ∇Φi ∇Φj − xi ( nx + ny ) Φj = − nx Φj
Ω Γ ∂x ∂y Ω ∂x Γ
i i
| {z } | {z }
=~ex d’après (12) =nx +0 d’après (12)

Laboratoire MAS – ECP 25


S. Wolf
R ∂Φ R R
Il faut donc que Ω ∂xj = Γ nx Φj = Γ Φj dy pour tout j (puisque dy = ~ey .~τ dΓ où ~τ =
−ny ~ex + nx~ey est le vecteur tangent à Γ).

R ∂Φ
3. De même, si on prend ui = yi pour tout i dans (10), on trouve qu’il faut que Ω ∂yj =
R
− Γ Φj dx pour tout j.
R R
On trouve un équivalent discret de la formule de Green-Riemann : Ω ∇Φi = Γ ~nΦi pour tout i.
En écrivant ces conditions sur chaque élément/cellule d’intégration Ωk et pour tout xj tel que
Supp(Φj ) ∩ Ωk 6= ∅, et en utilisant la formule d’intégration (avec les points xg ∈ Ωk et les poids ωg ,
on obtient : Z Z
X ∂Φi X ∂Φi
ωg (xg ) = Φi dy, ωg (xg ) = − Φi dx
g
∂x Γk g
∂y Γk

On demande aussi que la formule d’intégration soit exacte pour les premiers monômes, et on obtient
alors un système linéaire à inverser pour obtenir les points xg et les poids ωg de la formule.
Remarquons qu’il est en général difficile de trouver des formules de quadrature performantes,
parce que les éléments/cellules du maillage sous-jacent (en général des rectangles ou des triangles)
ne peuvent pas coı̈ncider avec les supports des fonctions de forme (en général des disques).

5.4.2 Intégration nodale directe

Pour éviter de recourir à un maillage sous-jacent, il faut pouvoir construire des formules d’intégration
faisant intervenir seulement les valeurs nodales ui aux points de la discrétisation Xi , sans introduire
de points supplémentaires. On appelle ces techniques intégration nodale directe. La difficulté est que
ces schémas d’intégration sont en général instables : des modes parasites apparaissent, dus au fait
que le gradient de Φi s’annule en général en Xi .
Des techniques d’intégration nodale stabilisée ont été développées [7]. L’idée est d’utiliser un
voisinage Ωi de Xi , d’aire Ai , et de remplacer ∇uρ (Xi ) par
Z Z
˜ ρ (Xi ) = 1
∇u ρ
∇u (x) =
1
uρ (x).~n.
Ai Ωi Ai ∂Ωi

Cette technique permet d’éviter le calcul des ∇Φ tout en vérifiant une relation locale de conservation
(formule de Green discrète).

6 Couplage / enrichissement de la MEF avec une méthode sans


maillage

Ici, on notera Xi ∈ Rd , i ∈ I ρ , les particules, et Xi ∈ Rd , i ∈ I h , les noeuds du maillage EF.


Les fonctions de forme correspondantes sont notées Φρi et Φhi . Le paramètre h désigne la taille du

26 Laboratoire MAS – ECP


Méthodes sans maillage

maillage EF. On cherchera l’approximation mixte (par couplage ou par enrichissement) de u sous
la forme
uh,ρ (x) = uh (x) + uρ (x).
On notera également Ωh le domaine du modèle EF et Ωρ le domaine du modèle sans maillage, et
Ω = Ωh ∪ Ωρ le domaine sur lequel est défini le modèle hybride. Dans le cas d’un couplage des deux
modèles, on aura Ωh 6= Ω et Ωρ 6= Ω. Au contraire, dans le cas d’un enrichissement du modèle EF
par le modèle sans maillage, on aura Ωh = Ω et Ωρ ⊂ Ω.

6.1 Stratégies de couplage classiques (conditions aux limites de Dirichlet)

Les premières techniques de couplage entre une formulation FEM et une formulation particulaire
ont été développées pour imposer des conditions aux limites de Dirichlet. Dans le cas de la méthode
EFGM, ces premières techniques consistaient à utiliser une fonction rampe [3] ou des multiplicateurs
de Lagrange [13]. La première de ces techniques consiste à définir une zone de transition sur laquelle
les deux domaines se recouvrent. Cette zone se compose d’une bande d’éléments finis entourant le
domaine EFGM (voir figure 11). Le schéma hybride est défini ainsi :
– sur Ωh \Ωρ , les fonctions de forme sont les fonctions EF classiques, notées Φh
– sur Ωρ \Ωh , les fonctions de forme sont les fonctions MLS détaillées dans la section 3.1, notées
Φρ
– sur Ωh ∩Ωρ , les fonctions de forme sont t(x)Φh (x)+(1−t(x))Φρ (x), où t(x) = xi ∈Ωh \Ωρ Φh (x)
P
passe de 1 sur Γ1 à 0 sur Γ2 continûment.
Ainsi, les fonctions de forme hybrides coı̈ncident avec les fonctions de forme Φh sur le domaine EF
et avec les fonctions de forme Φρ sur le domaine EFGM. De plus, elles sont continues sur Ω et
différentiables sur Ω privé des interfaces Γ1 et Γ2 entre les deux domaines. Enfin, les fonctions de
base présentes dans les deux bases MEF et MLS sont approchées de manière exacte par le schéma
hybride ; la consistance linéaire est donc conservée par le couplage.

6.2 Stratégies de couplage/enrichissement basées sur l’imposition du degré de


consistance

La méthode précédente présente plusieurs limitations. En effet, elle se limite à la consistance


linéaire (ordre 1), et surtout elle impose que les particules et les nœuds du maillage EF coı̈ncident
dans la zone de recouvrement des deux modèles.
La première tentative d’enrichissement des éléments finis par une méthode particulaire est due à
[18]. L’idée est de compléter une base EF non complète (c’est-à-dire dont les supports des éléments
ne couvrent le domaine entier) par l’ajout de particules. Ces particules couvrent le domaine entier,
et les contraintes de consistance sont appliquées au schéma particulaire de manière à restaurer la
complétude de l’approximation mixte. On parle d’approximation hiérarchique puisqu’on impose à
la contribution uρ d’appartenir à l’orthogonal de l’espace EF dans l’espace d’approximation (en
utilisant l’opérateur de projection sur l’espace engendré par les fonctions de forme EF). Il est
important que l’approximation soit hiérarchique, notamment lorsque les éléments finis sont utilisés

Laboratoire MAS – ECP 27


S. Wolf
MLS
MEF

Γ1 Γ2

zone de transition

Fig. 11: Couplage d’un modèle MLS avec un modèle MEF. On définit une zone de transition dans laquelle
les deux fonctions de forme MEF et MLS sont définies. Dans cette zone, la fonction de forme couplée est
une combinaison linéaire des deux.

pour imposer des valeurs sur la frontière du domaine : la contribution des particules uρ doit s’annuler
sur les nœuds de la frontière pour éviter de perturber les valeurs nodales imposées.
L’idée de [14] est différente mais très simple : elle consiste à appliquer les contraintes de consis-
tance (voir section 3.1) sur l’approximation mixte

uh,ρ = uh + uρ .

Les calculs mis en œuvre dans la section 3.1 sont équivalents à la démarche suivante : on cherche
La marche à suivre est identique à celle qui est détaillée dans la section 3.1 : la matrice à inverser
A est la même, seul le second membre du système d’équations (4) change. En effet, on impose de
reproduire exactement les polynômes de la base (p) à l’approximation hybride pρ + ph (et non à
l’approximation particulaire pρ ). Le second membre de (4) devient donc
X
p(x) − p(Xih )Φhi (x)
i∈I h

On obtient ainsi des fonctions poids modifiées. Ceci peut être réalisé sous certaines conditions
portant sur le nombre de particules présentes dans la zone de recouvrement des deux modèles. Une
condition nécessaire est que la zone où les particules ont une contribution non nulle (Ωρ ) coı̈ncide
exactement avec celle où la base EF est incomplète (sinon, la contribution des particules s’annule !).
De plus, en chaque point de Ωρ , le nombre de particules ayant une contribution non nulle doit être
supérieur ou égal au nombre de fonctions dans la base de l’approximation MLS (p) (sinon, la matrice
A n’est pas inversible !). Par exemple, la figure 12 représente les fonctions-poids MLS correspondant

28 Laboratoire MAS – ECP


Méthodes sans maillage

Fig. 12: Fonctions-poids MLS (trait plein) et fonctions de forme EF (pointillés) pour une distribution de
particules non admissible. Les nœuds du maillage EF et les particules sont représentés respectivement par les
symboles ‘ž’ et ‘*’. D’après [14].

Fig. 13: Fonctions-poids (à gauche) et fonctions de forme (à droite) MLS pour une distribution de particules
admissible. Les fonctions de forme EF sont représentées en pointillés. Les nœuds du maillage EF et les
particules sont représentés respectivement par les symboles ‘ž’ et ‘*’. D’après [14].

à une distribution de particules non admissible, tandis que la figure 13 représente les fonctions poids
ainsi que les fonctions de forme résultantes pour une configuration admissible.
Cette technique peut être utilisée dans le cadre de l’enrichissement des éléments finis par l’ajout
de particules. Dans ce cas, l’ordre de consistance recherché par le modèle hybride doit être stricte-
ment supérieur à celui des éléments finis. En effet, dans le cas contraire, la recherche des coefficients
ai (voir section 3.1) conduirait à une contribution nulle des particules (puisque uh vérifie déjà les
contraintes de consistance). Les figures 14 et 15 présentent sur un exemple simple les fonctions de
forme hybrides ainsi que l’interpolation d’une fonction par ces fonctions de forme.
Une comparaison [15] montre que cette technique de couplage [14] est plus performante que la
précédente [18] :
– son coût est moindre ;
– les particules ne sont ajoutées que dans les zones où elles sont vraiment nécessaires (i.e. dans les
zones où la base EF est incomplète ; avec la méthode de projection, elles sont systématiquement
ajoutées sur le domaine entier) ;
– sa précision est supérieure si les éléments finis sont utilisés pour imposer des CL de Dirichlet
(dans la méthode de projection [18], les fonctions de forme particulaires s’annulent sur les
nœuds du bord mais pas sur la frontière entière ; de plus, les fonctions-tests ne s’annulent pas
non plus sur la frontière, ce qui dégrade l’ordre de convergence de la méthode) ;
– on peut enrichir une approximation EF même si celle-ci est complète ;
– elle préserve l’ordre de convergence optimal des deux méthodes (MEF et MLS).

On trouvera dans [10, 14], outre la formulation générale du couplage/enrichissement, des résultats
d’estimation d’erreur a priori et des preuves de convergence. Les techniques présentées ci-dessus ont

Laboratoire MAS – ECP 29


S. Wolf

Fig. 14: Fonctions de forme MLS (trait plein) et EF (pointillés) avec couplage et enrichissement (5 nœuds,
6 particules). Les nœuds du maillage EF et les particules sont représentés respectivement par les symboles ‘ž’
et ‘*’. D’après [14].

Figure 16. Approximation functions: 6 particles and 5 nodes.

Fig. 15: Interpolation mixteFigure


MLS 17– .EF
M ixed interpolation
avec couplage etwith 6 particles and 5(5nodes.
enrichissement nœuds, 6 particules) utilisant les
fonctions de forme de la figure 14. Les deux contributions sont séparées sur la partie gauche de la figure. La
partie droite permet de comparer la pertinence de la solution hybride dans chaque zone (zone EF / zone MLS
/ zone de recouvrement où le modèle MLS enrichit le modèle EF). D’après [14].

30 Laboratoire MAS – ECP


Méthodes sans maillage

été appliquées par les auteurs à des formulations particulaires de type MLS (moindres carrés mo-
biles), mais elles peuvent être appliquées à d’autres types de formulation. Par exemple, le couplage
FEM – SPH est réalisé de la même manière (par l’intermédiaire des contraintes de consistance)
dans [9].

Références

[1] Belytschko, T., Krongauz, K., Organ, D., Fleming, M., and Krysl, P. Meshless
methods : An overview and recent developments. Comput. Meth. Appl. Mech. Eng. 139 (1996),
3–47.
[2] Belytschko, T., Lu, Y. Y., and Gu, L. Element-free Galerkin methods. Int. J. Numer.
Meth. Eng. 37 (1994), 229–256.
[3] Belytschko, T., Organ, D., and Krongauz, Y. A coupled finite element – element-free
Galerkin method. Comput. Mech. 17 (1995), 186–195.
[4] Ben Moussa, B., Lanson, N., and Vila, J.-P. Convergence of meshless methods for
conservation laws. Applications to Euler equations. In Hyperbolic problems : theory, numerics,
applications. Seventh international conference in Zürich, February 1998 (1999), M.Fey and
R. Jeltsch, Eds., vol. 129 of International Series of Numerical Mathematics, Birkhaüser, pp. 31–
40.
[5] Bonet, J., and Kulasegaram, S. Correction and stabilization of smooth particle hydro-
dynamics methods with applications in metal forming simulations. Int. J. Numer. Meth. Eng.
47, 6 (2000), 1189–1214.
[6] Bonet, J., and Lok, T.-S. L. Variational and momentum preservation aspects of Smooth
Particle Hydrodynamic formulations. Comput. Meth. Appl. Mech. Eng. 180, 1-2 (1999), 97–115.
[7] Chen, J.-S., Wu, C.-T., Yoon, S., and You, Y. A stabilized conforming nodal integration
for Galerkin mesh-free methods. Int. J. Numer. Meth. Eng. 50 (2001), 435–466.
[8] Duflot, M. Application des méthodes sans maillage en mécanique de la rupture. PhD thesis,
Université de Liège, 2004.
[9] Fernández-Méndez, S., Bonet, J., and Huerta, A. Continuous blending of SPH with
finite elements. Computers and Structures 83, 17-18 (2005), 1448–1458.
[10] Fernández-Méndez, S., Dı́ez, P., and Huerta, A. Convergence of finite elements enriched
with mesh-less methods. Numer. Math. 96 (2003), 43–59.
[11] Fries, T.-P., and Matthies, H.-G. Classification and overview of meshfree methods. In-
formatikbericht 2003-3, Technical University Braunschweig, Brunswick, Germany, 2004.
[12] Gingold, R. A., and Monaghan, J. J. Smoothed particle hydrodynamics : theory and
application to non-spherical stars. Mon. Not. R. Astron. Soc. 181 (1977), 375–389.
[13] Hegen, D. Element free Galerkin methods in combination with finite element approaches.
Comput. Meth. Appl. Mech. Eng. 135, 1-2 (1996), 143–166.
[14] Huerta, A., and Fernández-Méndez, S. Enrichment and coupling of the finite element
and meshless methods. Int. J. Numer. Meth. Eng. 48 (2000), 1615–1636.

Laboratoire MAS – ECP 31


S. Wolf

[15] Huerta, A., Fernández-Méndez, S., and Liu, W. K. A comparison of two formulations
to blend finite elements and mesh-free methods. Comput. Meth. Appl. Mech. Eng. 193, 12-14
(2004), 1105–1117.
[16] Li, S., and Liu, W. K. Meshfree and particle methods and their applications. Appl. Mech.
Rev. 55, 1 (2002), 1–34.
[17] Liu, W. K., Jun, S., and Zhang, Y. F. Reproducing kernel particle methods. Int. J. Numer.
Meth. Fluids 20 (1995), 1081–1106.
[18] Liu, W. K., Uras, R. A., and Chen, Y. Enrichment of the finite element method with
reproducing kernel particle method. J. Appl. Mech. ASME 64 (1997), 861–870.
[19] Lucy, L. B. A numerical approach to the testing of the fission hypothesis. Astron. J. 82, 12
(1977), 1013–1024.
[20] Mas-Gallic, S., and Raviart, P. A. A particle method for first-order symmetric systems.
Numer. Math. 51 (1987), 323–352.
[21] Most, T. A natural neighbour-based moving least-squares approach for the element-free
Galerkin method. Int. J. Numer. Meth. Eng. 71 (2007), 224–252.
[22] Nayroles, B., Touzot, G., and Villon, P. Generalizing the finite element method : diffuse
approximation and diffuse elements. Comput. Mech. 10 (1992), 307–318.
[23] Parés, N., Dı́ez, P., and Huerta, A. Subdomain-based flux-free a posteriori error estima-
tors. Comput. Meth. Appl. Mech. Eng. 195, 4-6 (2006), 297–323.
[24] Rabczuk, T., Belytschko, T., Fernández-Méndez, S., and Huerta, A. Meshfree
methods. In Encyclopedia of computational mechanics. Wiley, 2004, ch. 10.
[25] Rassineux, A., Breitkopf, P., and Villon, P. Simultaneous surface and tetrahedron
mesh adaptation using mesh-free techniques. Int. J. Numer. Meth. Eng. 57, 3 (2003), 371–389.
[26] Vidal, Y., and Huerta, A. Goal oriented error estimation for the Element Free Galerkin
method. In Meshfree methods for partial differential equations III, M. Griebel and M. A.
Schweitzer, Eds. Springer, 2006, pp. 117–135.

32 Laboratoire MAS – ECP


Laboratoire MAS − Ecole Centrale Paris
Grande Voie des Vignes
92290 Chatenay Malabry Cedex (France)
http://www.mas.ecp.fr

Vous aimerez peut-être aussi