Thèse Version Finale (C) PDF

Rpublique Algrienne Dmocratique et Populaire Ministre de lEnseignement Suprieur et de la Recherche Scientifique Universit Mouloud Mammeri de Tizi-Ouzou Facult du Gnie
de la Construction
Pour lobtention du grade de docteur en gnie mcanique
Sujet
IDENTIFICATION DE STRUCTURES MECANIQUES ET METHODES DE CALCULS PREVISIONNELS EN DYNAMIQUE LINEAIRE ET FAIBLEMENT NONLINEAIRE
Par Farid ASMA
Jury compos de Mr BOUAFIA Mr BOUAZZOUNI Mr DJELOUAH Mr MERAGHNI Mr NECIB Mr TAAZOUNT Youcef Amar Hakim Fodil Brahim Mustapha Prof. Prof. Prof. Prof. Prof. M.C. UMMTO (Tizi-Ouzou) UMMTO (Tizi-Ouzou) USTHB (Alger) ENSAM (Metz, France) UMC (Constantine) UBP (Clermont Ferrand, France) Prsident Rapporteur Examinateur Examinateur Examinateur Examinateur
Anne 2007
Remerciements
Jexprime ma profonde gratitude Monsieur Amar BOUAZZOUNI, Professeur lUniversit Mouloud Mammeri de Tizi-Ouzou de mavoir encadr et permis dentreprendre ce travail de recherche ainsi que pour les conseils et les encouragements quil ma donn tout au long de ce travail. Je suis particulirement reconnaissant Monsieur Fodil MERAGHNI, Professeur lEcole Nationale dArts et Mtiers de Metz (France) pour la confiance quil ma accord en maccueillant au Laboratoire de Physique et Mcanique des Matriaux pendant lanne 2006, de mavoir permis de mintgrer dans le laboratoire, ainsi que pour ses conseils et ses encouragements.
Jexprime galement toute ma gratitude Monsieur Youcef BOUAFIA, Professeur lUniversit Mouloud Mammeri de Tizi-Ouzou pour lintrt quil a port ce travail en me faisant lhonneur de prsider le jury de ma thse.
Je tiens remercier Monsieur Hakim DJELOUAH, Professeur lUniversit des Sciences et Technologie Houari Boumediene dAlger, pour lintrt quil a port ce travail en me faisant lhonneur dtre examinateur de cette thse.
Je tiens remercier Monsieur Brahim NECIB, Professeur lUniversit Mentouri de Constantine, pour lintrt quil a port ce travail en me faisant lhonneur dtre examinateur de cette thse.
Je tiens remercier Monsieur Mustapha TAAZOUNT, Matre de Confrences lUniversit Blaise Pascal de Clermont Ferrand (France), pour lintrt quil a port ce travail en me faisant lhonneur dtre examinateur de cette thse.
A la mmoire de ma grand-mre Badjou Dahbia A Saliha, Sofiane et Fatima
Liste des notations ................................................................................................................................................ V Liste des abrviations.......................................................................................................................................VIII Liste des illustrations............................................................................................................................................ X Liste des tableaux .............................................................................................................................................. XII
INTRODUCTION.........................................................................................................1 I
I.1
RECALAGE DE MODELES DE STRUCTURES LINEAIRES ...........................11

TECHNIQUES DE COMPARAISON ET CORRELATION POUR LE RECALAGE DE
MODELES........................................................................................................................................................... 11 I.1.1 Corrlations vectorielles..................................................................................................................... 11 Critre dassurance modal......................................................................................................... 12 Facteur dchelle modal............................................................................................................ 12 Critre dassurance modal par coordonne ............................................................................... 13 Extension du critre dassurance modal par coordonne .......................................................... 13 Fonction du facteur modal par coordonne............................................................................... 14 Critre dassurance modal inverse ............................................................................................ 14 Critre dassurance modal norm ............................................................................................. 15 Nouveau critre dassurance modal .......................................................................................... 15
I.1.1.1 I.1.1.2 I.1.1.3 I.1.1.4 I.1.1.5 I.1.1.6 I.1.1.7 I.1.1.8 I.1.2
Corrlation de lorthogonalit ............................................................................................................ 16 Orthogonalit norme ............................................................................................................... 16 Pseudo contrle de lorthogonalit ........................................................................................... 16 Contrle de lorthogonalit aux coordonnes ........................................................................... 17 Orthogonalit norme utilisant la rduction SEREP................................................................. 17
I.1.2.1 I.1.2.2 I.1.2.3 I.1.2.4 I.1.3
Corrlation sur les fonctions de rponse frquentielle........................................................................ 17 Critre dassurance du domaine frquentiel.............................................................................. 18 Facteur dchelle des rponses frquentielles ........................................................................... 18 Critre dassurance des rponses frquentielles........................................................................ 19 Critre dassurance modal et frquentiel .................................................................................. 19
I.1.3.1 I.1.3.2 I.1.3.3 I.1.3.4 I.2
INCOMPATIBILITE ENTRE LES DONNEES MESUREES ET CELLES DU MODELE
ELEMENTS FINIS ............................................................................................................................................. 20 I.2.1 Techniques de rduction..................................................................................................................... 20 Rduction de systme matriciel ................................................................................................ 20 Mthode de rduction de Guyan ............................................................................................... 21 Technique de rduction amliore de systme.......................................................................... 21 Mthode de rduction dynamique............................................................................................. 22
I.2.1.1 I.2.1.2 I.2.1.3 I.2.1.4
I.2.1.5 I.2.2
Processus de rduction expansion de systme .......................................................................... 23
Expansion des mesures....................................................................................................................... 24 Mthode dexpansion de Guyan ............................................................................................... 24 Expansion IRS .......................................................................................................................... 24 Expansion dynamique............................................................................................................... 25 Expansion dynamique modifie................................................................................................ 25 Expansion SEREP..................................................................................................................... 25 Modle dexpansion par analyse exprimentale ....................................................................... 26
I.2.2.1 I.2.2.2 I.2.2.3 I.2.2.4 I.2.2.5 I.2.2.6 I.3
CHOIX DES POINTS DE MESURE ET DEXCITATION POUR LE RECALAGE DE MODELE
ELEMENTS FINIS ............................................................................................................................................. 27 I.3.1 Slection des points de mesure........................................................................................................... 27 Rduction de modle de Guyan ................................................................................................ 27 Mthode de distribution nergtique......................................................................................... 29 Mthode de la flexibilit ........................................................................................................... 29 Indpendance effective Matrice dinformation de Fisher ...................................................... 30
I.3.1.1 I.3.1.2 I.3.1.3 I.3.1.4 I.3.2
Slection des points dexcitation ........................................................................................................ 36 Point dexcitation optimal Point dexcitation non optimal ..................................................... 36 Dcomposition QR ................................................................................................................... 37
I.3.2.1 I.3.2.2 I.3.3 I.3.4 I.4
Slection des modes propres par approche sensitive .......................................................................... 37 Remarques.......................................................................................................................................... 39
RECALAGE DE MODELES ELEMENTS FINIS................................................................................. 39 I.4.1 Mthodes modales directes................................................................................................................ 40 Mthode du multiplicateur de Lagrange ................................................................................... 40 Mthode de lerreur matricielle ................................................................................................ 40 Affectation de donnes modales ............................................................................................... 40 Autres mthodes directes .......................................................................................................... 41 Remarques ................................................................................................................................ 41
I.4.1.1 I.4.1.2 I.4.1.3 I.4.1.4 I.4.1.5 I.4.2
Mthodes itratives............................................................................................................................. 41 Mthodes fonction cot.......................................................................................................... 42 Mthodes de la variation minimale........................................................................................... 47 Autres mthodes de recalage .................................................................................................... 49 Remarques sur les mthodes de recalage .................................................................................. 50
I.4.2.1 I.4.2.2 I.4.2.3 I.4.2.4
II
II.1
IDENTIFICATION DE STRUCTURES LINEAIRES ...........................................52

METHODE DE CHOIX DES POINTS DE MESURE POUR LE RECALAGE DE MODELES. 52 Enonc de la mthode......................................................................................................................... 52 Rsultats exprimentaux..................................................................................................................... 54 Conclusion.......................................................................................................................................... 59
II.1.1 II.1.2 II.1.3
II
II.2 II.2.1
METHODES DE RECALAGE............................................................................................................ 59 Mthode de recalage avec paramtrisation intrinsque ...................................................................... 59 Position du problme ................................................................................................................ 60 Mthode dapproximation......................................................................................................... 61 Choix des points de mesure ...................................................................................................... 66 Rduction aux paramtres de recalage de raideur..................................................................... 67 Paramtrisation intrinsque....................................................................................................... 67 Cas test numrique.................................................................................................................... 69 Conclusion ................................................................................................................................ 72
II.2.1.1 II.2.1.2 II.2.1.3 II.2.1.4 II.2.1.5 II.2.1.6 II.2.1.7 II.2.2
Mthode de recalage par sparation des variables.............................................................................. 72 Mthode de recalage ................................................................................................................. 73 Fonctions cot........................................................................................................................... 74 Paramtrisation frquentielle .................................................................................................... 74 Mthode de recalage par les moindres carrs ........................................................................... 75 Expressions des premire et seconde drives des erreurs relatives ......................................... 76 Application ............................................................................................................................... 78 Conclusion ................................................................................................................................ 81
II.2.2.1 II.2.2.2 II.2.2.3 II.2.2.4 II.2.2.5 II.2.2.6 II.2.2.7 II.2.3
Stratgie incrmentale de recalage ..................................................................................................... 82 Problmatique ........................................................................................................................... 83 Choix de la fonction de corrlation........................................................................................... 84 Mthode propose..................................................................................................................... 85 Application ............................................................................................................................... 87 Conclusion ................................................................................................................................ 89
II.2.3.1 II.2.3.2 II.2.3.3 II.2.3.4 II.2.3.5
III
III.1
IDENTIFICATION DE STRUCTURES NON LINEAIRES ..................................90

Techniques de recalage de modles non linaires............................................................................... 90 Introduction ................................................................................................................................... 90 Identification du modle mathmatique ........................................................................................ 94 Minimisation de la fonction objective ........................................................................................... 95
III.1.1 III.1.2 III.1.3 III.2
Formulation non linaire par la fonction descriptive ........................................................................ 95 Introduction ................................................................................................................................... 96 Fonction descriptive de la raideur cubique .................................................................................... 98 Fonction descriptive de lamortissement par friction .................................................................. 100 Amortissement par friction dun lment non li (compris entre deux lments) ....................... 103 Vecteur non linaire (VNL) et matrice non linaire (MNL)........................................................ 103 Formulation explicite des rponses frquentielles non linaires de systmes plusieurs ddls.... 106 Introduction............................................................................................................................. 106 Formulation explicite des rponses frquentielles .................................................................. 107 Mthode didentification ............................................................................................................. 109
III.2.1 III.2.2 III.2.3 III.2.4 III.2.5 III.2.6 III.2.6.1 III.2.6.2 III.2.7
III
III.2.7.1 III.2.7.2
Mthode de minimisation ....................................................................................................... 109 Mthode didentification dans le domaine frquentiel............................................................ 110
IV
APPLICATION DES METHODES DE RECALAGE AUX SYSTEMES NON
LINEAIRES .............................................................................................................112
IV.1 IV.2 IV.3 Application la linarisation de systmes faiblement non linaires............................................... 112 Recalage en prsence de non linarits.............................................................................................. 118 Conclusion ........................................................................................................................................... 121
V
V.1 V.2 V.3 V.4
FORMULATION NON LINEAIRE PROPOSEE ...............................................122

Non linarits de raideur .................................................................................................................... 122 Non linarits damortissement ......................................................................................................... 124 Forme gnrale des non linarits dans le domaine temporel......................................................... 125 Mthode didentification propose .................................................................................................... 126 Rsolution de lquation du mouvement par schma numrique ..................................................... 126 Application ....................................................................................................................................... 130 Cas du systme un ddl.......................................................................................................... 130 Cas du systme plusieurs ddls.............................................................................................. 132 Remarques .............................................................................................................................. 134
V.4.1 V.4.2
V.4.2.1 V.4.2.2 V.4.2.3
CONCLUSION ........................................................................................................135
Les conclusions suivantes sont tires des tudes effectues dans cette thse. ............................................... 135 Utilit du travail accompli ................................................................................................................................ 138 Des indications pour dautres tudes possibles sont rcapituls ci-dessous ................................................. 139
BIBLIOGRAPHIE....................................................................................................140
IV
Liste des notations

[ ]+ { }T, [ ]T { }H, [ ]H { }*, [ ]* det([ ]) diag([ ]) sng( ) ( )m, ( )s [I] E i, j, k, l m, k, c pi [M], [K], [C] [M(e)], [K(e)], [C(e)] : Pseudo inverse de la matrice entre crochets : Transpos du vecteur ou de la matrice respectivement : Transpos conjugu du vecteur ou de la matrice respectivement : Conjugu du vecteur ou de la matrice respectivement : Dterminant de la matrice entre parenthses : Diagonale de la matrice entre parenthses : Signe du paramtre entre parenthses : Respectivement matrice ou vecteur pour les degrs de libert mesurs (dits matres) ou non mesurs (dits esclaves) : Matrice identit : Module de Young : Masse volumique : indices de degrs de libert (entiers naturels) : Respectivement masse, raideur et amortissement : Paramtres de recalage qui peuvent tre soit des masses mi ou des raideurs ki : Matrices de masse, raideur et amortissement respectivement : Matrices lmentaires respectivement de masse, raideur et amortissement [MA], [KA], [CA] [MX], [KX], [CX] [MR], [KR] [D] [Z] [ZNL] : Matrices analytiques respectivement de masse, raideur et amortissement : Matrices mesures respectivement de masse, raideur et amortissement : Matrices rduites de masse et de raideur respectivement : Matrice damortissement visqueux : Matrice de raideur dynamique : Matrice compose de raideur dynamique contenant les coefficients linaires et non linaires
{Z }
H f(t)
: Diffrence entre la matrice de raideur dynamique mesure et celle du modle analytique : Fonction de rponse frquentielle : Excitation harmonique du systme V
[F]
y( )
: Matrice des vecteurs force dexcitation : Rponse en dplacement assimile une rponse frquentielle pour systmes une seule force dexcitation. : Rponse frquentielle analytique au degr de libert j, pour la frquence i
les
y Aj (i )
y Xj (i )
: Rponse frquentielle mesure au degr de libert j, pour la frquence i
Y [Y]
: Amplitude des vibrations. : Matrice des rponses en dplacement forme par les colonnes de la rponse y(i)
{q}
: Vecteur dplacement en coordonnes principales : Respectivement vecteurs acclration, vitesse, dplacement et excitation
&} , {y & } , {y} , { f (t )} {& y
{ }j
{ A }i
: jme vecteur propre : ime vecteur propre analytique : jme vecteur propre mesur : jme frquence propre : Matrice des facteurs de pondration : Matrice de pondration permettant de limiter la variation des paramtres {pi}
{ X } j
j [W] [Wp]
[T] [], [] i=i2 [], []
: Matrice de transformation des mthodes de rduction : Respectivement matrices modale et spectrale : ime coefficient de la matrice spectrale : Matrices de valeurs propres et de vecteurs propres correspondants une matrice donne
Ec [] [L]
: Energie cintique : Mode statique flexible : Matrice des coefficients de la combinaison linaire (matrice de passage)
[R] [Q] [S]
: Matrice dintensit du bruit de mesure : Matrice dinformation de Fisher : Matrice de sensitivit VI
{Ed }
[E]
: Vecteur de distribution de lindpendance effective : Matrice de prdiction de lindpendance effective : Matrice des vecteurs singuliers : Ecart entre les paramtres calculs et ceux du modle analytique : Fonction cot ou objectif : Ecart entre les rponses frquentielles mesure et analytique appel rsidu
[U 0 ]
{p}
J(p)
{ }
[Vi ]
[I(pi)] {} r g
: Matrice de variation minimale des paramtres pi : Matrice dinformation : Vecteur tmoin : Reprsente alatoirement la valeur 1 ou -1, : Valeur alatoire entre 0 et 1, : Pourcentage de bruit : Coefficient de proportionnalit de lamortissement : Diffrence entre les rponses analytiques et celles mesures appele aussi erreur
%
, e(t)
: Fonction objective utilise dans le cas de minimisation par la mthode des moindres carrs
[J], [kJ], [mJ]
: Matrices Jacobiennes de la mthode de Newton, les indices k et m indique lapplication aux paramtres de raideur ou de masse respectivement
fNL
: Fonction non linaire : Fonction rsultante de toutes les forces non linaires
& , y) g( y & , y) v( y & , y )} {G( y

&, y) gvi ( y

& , y) : Coefficient linaris de la fonction rsultante g ( y & , y ) du systme : Vecteur contenant toutes les forces reconstitues g ( y
global : Fonction qui reprsente leffet combin de tous les lments non linaires connects au ddl i : on linarit de raideur : Non linarit damortissement
VII
Liste des abrviations

AML COMAC : Analyse modale linaire : Critre dassurance modal par coordonne (Coordinate Modal Assurance Criterion) COMEF : Fonction du facteur modal par coordonne (Coordinate Modal Factor Function) CORTHOG : Critre de contrle de lorthogonalit aux coordonnes (Coordinate Orthogonality Check) CRP ddl DFM ECOMAC : Mthode inverse conditionne (Conditioned Reverse Path) : Degr de libert : Mthode des fonctions descriptives (Describing Function Method) : Extension du critre dassurance modal par coordonne (Extended Coordinate Assurance Criterion) ECP : Produit des lments des vecteurs propres (Eigenvector Component Product) EF EFI ER EVP : Elments Finis : Indpendance effective (EFfective Independence) : Rduction quivalente (Equivalent Reduction) : Produit des lments de vecteur propre (Eigenvector Component Product) FDAC : Critre dassurance du domaine frquentiel (Frequency Domain Assurance Criterion) FRAC : Critre dassurance des rponses frquentielles (Frequency Response Assurance Criterion) FRF FRSF : Fonction de rponse frquentielle (Frequency Response Function) : Facteur dchelle des rponses frquentielles (Frequency Response Scale Factor) HBM : Linarisation harmonique de lquation dquilibre (Harmonic Balance Method) IMAC : Critre dassurance modal inverse (Inverse Modal Assurance Criterion) IRS : Mthode amliore de rduction de systme (Improved Reduction System)
VIII
MAC MDOF MFAC
: Critre dassurance modal (Modal Assurance Criterion) : Plusieurs degrs de libert (Multi Degrees of Freedom) : Critre dassurance modal et frquentiel (Modal FRF Assurance Criterion)
MNL MSF NCO NIFO
: Matrice non linaire : Facteur dchelle modal (Modal Scale Factor) : Facteur dorthogonalit norme (Normalized Cross Orthogonality) : Identification non linaire par rtroactivit de la rponse (Nonlinear Identification Feedback Output)
NMAC NODP ODP POC POD POMs
: Nouveau critre dassurance modal (New MAC) : Point dexcitation non optimal (Non-Optimal Driving Point) : Point dexcitation optimal (Optimal Driving Point) : Pseudo contrle de lorthogonalit (Pseudo Orthogonality Check) : Dcomposition orthogonale (Proper Orthogonal Decomposition) : Modes orthogonaux obtenus partir de la dcomposition orthogonale (Proper Orthogonal Modes)
PSD SCO
: Densit de la puissance spectrale (Power Spectral Density) : Critre dorthogonalit norme utilisant la rduction SEREP (SEREP normalized Cross Orthogonality
SDOF SEREP
: Systmes un degr de libert (Single Degree of Freedom) : Processus de rduction expansion de systme (System equivalent Reduction Expansion Process)
SMAC SVD TAM VNL
: Critre dassurance modal inverse (Scaled Modal Assurance Criterion) : Dcomposition en valeurs singulires (Singular Value Decomposition) : Modle dapproche par analyse exprimentale (Test Analysis Model) : Vecteur non linaire
IX
Liste des illustrations

Figure 1. Organigramme du processus de validation de modle................................................7 Figure 2. Organigramme de la mthode propose....................................................................53 Figure 3. Structure dessai en treillis doublement encastre ....................................................54 Figure 4. Module du vecteur tmoin pour diffrentes positions de la force dexcitation et diffrentes frquences de mesure .............................................................................................56 Figure 5. Histogramme du vecteur tmoin en considrant tous les ddls mesurs ....................57 Figure 6. Vecteur tmoin en considrant que les ddls de rotation et ceux du noeud 15 non mesurs .....................................................................................................................................57 Figure 7. Diffrentes mesures de l'erreur .................................................................................68 Figure 8. Interprtation gomtrique de la paramtrisation intrinsque...................................69 Figure 9. Structure en treillis doublement encastre ................................................................70 Figure 10. Comparaison des rponses frquentielles du 20me ddl ........................................71 Figure 11. Structure exprimentale simule .............................................................................78 Figure 12. Comparaison des rponses frquentielles du ddl 63 ...............................................79 Figure 13. Histogramme des dfauts de raideur dtects .........................................................81 Figure 14. Histogramme des dfauts de masse dtects...........................................................81 Figure 15. a. Organigramme global de la mthode, b.
Boucles d'incrmentation dcrmentation en raideur ou en masse ......................................86 Figure 16. Structure dessai en treillis doublement encastre ..................................................87 Figure 17. Comparaison des rponses frquentielles du ddl 20 ...............................................87 Figure 18. Processus didentification .......................................................................................92 Figure 19. Comportement de llment raideur cubique..........................................................98 Figure 20. Fonction descriptive de premier ordre de llment raideur cubique ...................100 Figure 21. Comportement de llment amortissement par friction.......................................101 Figure 22. Fonction descriptive de premier ordre de llment amortissement par friction ..102 Figure 23. Organigramme de la mthode de formulation explicite........................................107 Figure 24. Structure comportant de faibles non linarits localises aux ddls 4 et 17...........112 Figure 25. Rponses frquentielles des ddls 4, 11, 17 et 20 avant recalage...........................113 Figure 26. Fonctions FRAC avant recalage (FRAC1) ...........................................................114 Figure 27. FRAC aprs recalage des raideurs par la mthode incrmentale (FRAC2)..........114 Figure 28. Comparaison avec FRAC1, DIFF1=(FRAC2-FRAC1)........................................114
Figure 29. Rponses frquentielles des ddls 4, 11, 17 et 20 aprs recalage par la mthode incrmentale ...........................................................................................................................116 Figure 30. FRAC aprs recalage des raideurs par la mthode avec paramtrisation .............116 Figure 31. Comparaison avec FRAC1, DIFF2=(FRAC3-FRAC1)........................................117 Figure 32. Rponses frquentielles des ddls 4, 11, 17 et 20 aprs recalage par la mthode avec paramtrisation .......................................................................................................................117 Figure 33. Rponses frquentielles des structures non linaire et linaire avant recalage.....118 Figure 34. Fonction FRAC avant recalage FRAC4................................................................120 Figure 35. FRAC aprs recalage par la mthode incrmentale ..............................................120 Figure 36. Comparaison des fonctions FRAC aprs recalage................................................120 Figure 37. Rponses frquentielles des ddls 4, 11, 17 et 20 aprs recalage par la stratgie incrmentale ...........................................................................................................................121 Figure 38. Force de rappel de loscillateur duffing ................................................................123 Figure 39. Force de rappel dans le cas de raideurs multilinaires..........................................124 Figure 40. Systme un degr de libert non linarit de raideur.......................................131 Figure 41. Rponse temporelle des systmes linaire et non linaire ....................................131 Figure 42. Systme quatre degrs de libert non linarit de raideur ...............................132 Figure 43. Rponse temporelle du systme 4 ddls ..............................................................133 Figure 44. Reprsentation du dcalage d la non linarit ..................................................133 Figure 45. Comparaison de rponses temporelles aprs correction pour le ddl 4 ..................134
XI
Liste des tableaux

Tableau 1. Diffrents ensembles de frquences de mesure ......................................................56 Tableau 2. Rsultats du recalage pour les deux ensembles de frquences de mesure..............58 Tableau 3. Rsultats numriques de recalage obtenus .............................................................71 Tableau 4. Dfauts simuls et rsultats du recalage .................................................................80 Tableau 5. Rsultats du recalage par la stratgie incrmentale ................................................88 Tableau 6. Rsultats obtenus avec les deux mthodes de recalage ........................................115 Tableau 7. Rsultats obtenus aprs la stratgie incrmentale de recalage..............................119
XII
INTRODUCTION
Introduction
INTRODUCTION
Identification des caractristiques dynamiques de structures
Dans certaines circonstances pratiques, les caractristiques dynamiques des structures ncessitent dtre identifies, pour permettre de concevoir un modle mathmatique avec une grande prcision. Le modle est ncessaire pour prvoir le comportement de la structure sous des sollicitations connues ou prvenir la structure dexcitations nfastes. Il permet aussi de rpondre aux critres danalyse en stabilit, de design, etc. Puisque les structures dynamiques sont des systmes continus plutt que discrets, un nombre infini de coordonnes est ncessaire pour tudier la position de chacun des points de la structure. On peut donc dire que la structure a un nombre infini de degrs de libert (ddl). Ses caractristiques vibratoires comportent donc un nombre infini de modes de vibration qui couvrent une bande frquentielle variant de zro linfini. Nanmoins, pour la plupart des applications pratiques, seulement une certaine bande frquentielle requiert lintrt dtre exploite ainsi que les caractristiques vibratoires qui lui correspondent. Dans ce cas, le nombre limit de modes vibratoires identifier est suffisant pour reprsenter correctement le systme continu. Pour un systme dynamique discret et linaire un degr de libert (avec une masse accroche un ressort), la thorie vibratoire est bien dveloppe. Dans ce cas, lquation diffrentielle du mouvement est dordre un et possde des solutions analytiques qui permettent de dfinir compltement le systme avec une bonne prcision. Ces avantages nexistent pas dans le cas de systmes pratiques continus. Nanmoins, on peut avoir une bonne approximation en discrtisant le systme. La stratgie dtude des caractristiques vibratoires de structures relles est base sur les hypothses considres dans la discrtisation pour permettre daffecter un modle mathmatique au systme discret. Il est vident que plus le nombre de coordonnes discrtises est grand plus le modle sapproche du systme continu. Il existe deux approches pour la conception de modles discrets. Lapproche didentification ou de prdiction thorique et lapproche didentification exprimentale.
Approche didentification thorique

La physique et les mathmatiques sont assez dveloppes de nos jours pour les problmes mcaniques lis certaines structures telle que les poutres et les plaques. Il existe 1
Introduction
donc des solutions analytiques prtes tre exploites pour identifier les caractristiques vibratoires. Les frquences naturelles et les modes propres de vibration pour une poutre uniforme sont aisment calculables. Pour les structures plus complexes, il ny a gnralement aucun modle analytique permettant didentifier ces caractristiques. A laide de la technologie numrique, on utilise lapproche lments finis pour ltude de ces structures. Le principe fondamental de cette mthode est de discrtiser une structure complexe en un ensemble dlments finis. Pour chaque lment, la masse et la raideur obissent une relation simple et linaire. Des matrices de masse et de raideur de llment peuvent tre calcules. Les matrices de masse et raideur globales de toute la structure sont calcules par assemblage des matrices lmentaires en respectant la connectivit et les conditions aux limites. Ces matrices globales constituent le modle analytique de la structure permettant de dcrire le comportement vibratoire de la structure et de dterminer les frquences et modes propres. Les frquences et les modes propres obtenus partir du modle EF sont souvent dits frquences et modes non amortis, puisque le modle EF ninclue pas la matrice damortissement. Nanmoins, une approximation des proprits damortissement peut tre faite en considrant une matrice damortissement de type proportionnel. Dans ce cas, la matrice damortissement est une combinaison linaire des matrices de masse et de raideur et les modes obtenus sont toujours les mmes que dans le cas de la structure non amortie. Les matrices lmentaires ont t dveloppes pour beaucoup de structures simples comme les poutres, plaques et coques. Les logiciels les plus complets dlments finis ont une gamme de choix de types dlments et lutilisateur doit choisir llment appropri pour la discrtisation de la structure considre. La mthode EF est trs utilise dans lindustrie et peut produire une bonne reprsentation des structures relles. Nanmoins, on doit toujours prendre en compte les limitations de cette mthode qui reste une approximation des structures. Dans le cas de structures complexes, les approximations peuvent induire des erreurs dans le modle. Cellesci proviennent : 1. des erreurs dans lestimation des proprits physiques de la structure, 2. des erreurs de discrtisation et de distribution des paramtres induites par de fausses hypothses sur llment, ou un nombre insuffisant dlments, 3. mauvaise approximation des conditions aux limites, 4. modle de jonction entre lments inadquat,
Introduction
5. introduction derreurs durant la phase de calcul provenant de la rduction de grands modles aux petits modles, 6. erreurs de calcul numrique.
Ces approximations peuvent dpendre des logiciels utiliss. Une mme structure analyse par diffrents utilisateurs ou analystes donnera des rsultats diffrents. Cest pour cela que pour les systmes complexes une validation par recalage est ncessaire en se basant sur des donnes exprimentales.
Approche exprimentale
Il existe une autre approche permettant dtablir un modle exprimental en performant des tests modaux et une analyse des mesures. Ce processus incluant lacquisition de donnes et son analyse est connu sous le nom danalyse modale exprimentale. Ces dernires annes, lanalyse modale continue de dvelopper des thories et des mthodologies pratiques ainsi que de nouveaux instruments. Comme lapproche didentification thorique, lanalyse modale considre que les caractristiques vibratoires des systmes discrets ou continus peuvent tre dcrits par un nombre fini de degrs de libert dans une bande frquentielle choisie. Lanalyse modale couvre plusieurs aspects de la mcanique vibratoire quon peut classer en quatre catgories : Lapplication la plus importante est didentifier les caractristiques modales (frquences propres, modes propres, coefficient damortissement) dun systme dynamique pour comparaison avec les donnes modales obtenues thoriquement afin de valider, corriger ou recaler le modle analytique ; En labsence de modle thorique, lanalyse modale exprimentale est utilise pour construire un modle mathmatique du systme dynamique qui sera utilis pour prdire leffet de modifications dans la structure ou lapparition dun dfaut par analyse de sensitivit ; Pour les structures complexes formes de plusieurs composants, lanalyse modale peut tre effectue sur chacun des composants et permet de construire le modle global par sous structuration ou synthse modale. Ceci utilise lanalyse modale et les conditions aux limites de chacun des composants ; En labsence de modle analytique, lanalyse modale peut prdire le comportement dynamique de la structure sous leffet defforts extrieurs. Elle peut inversement identifier les effets extrieurs connaissant la rponse vibratoire du systme. 3
Introduction
En pratique le test modal consiste en une mesure de fonctions de rponse frquentielle ou les rponses temporelles ainsi que leur analyse pour construire un modle modal ou exprimental. Ces dernires sont directement prises sur la structure physique sans aucune hypothse, ce qui les rend plus efficaces que ce que donne la mthode EF. Nanmoins, il existe des erreurs et des limitations pour cette approche exprimentale dues : 1. erreurs exprimentales, ou bruit de mesure ; 2. considration de rponse linaire alors quelle nest pas linaire ; 3. analyse modale pauvre en donnes exprimentales lorsque tous les modes ne sont pas identifis, ou quelquefois errons ; 4. nombre de ddl de mesure limit par les quipements ou linaccessibilit de certains ddls; 5. difficult de mesure des ddl de rotation.
Pour conduire un essai modal, deux techniques dexcitation sont utilises, lexcitation unique en un seul point et lexcitation multiple sur plusieurs points. La mthode dexcitation unique perturbe la structure en un seul ddl et mesure les rponses sur tous les ddls. Thoriquement, pour chaque essai, une ou plusieurs excitation ne sont pas suffisante pour extraire le modle exprimental, nanmoins, lexcitation unique nest pas approprie pour explorer tous les modes vibratoires dsirs. Par consquent, le changement du point dexcitation et la rptition des mesures en plusieurs points sont ncessaires. La mthode par une seule excitation est facile exploiter mais pratiquement inutilisable pour les grandes structures.
Corrlation entre le modle lments finis et lanalyse modale exprimentale

Vus leurs avantages respectifs, ces deux approches sont actuellement largement utilises pour ltude des caractristiques dynamiques des systmes et structures. La mthode EF identifie les caractristiques vibratoires par tude thorique sans avoir recours des techniques exprimentales. Elle peut utiliser un grand nombre dlments finis pour permettre de dcrire ces caractristiques dans le dtail et peut couvrir une plus large bande frquentielle. En plus, elle peut tre utilise aux tapes de conception et design. Nanmoins, vue la complexit de certaines structures relles, spcialement le lien ou les jonctions entre les diffrents composants rendent la modlisation des caractristiques de masse et de raideur
Introduction
incertaines et quelquefois incorrectes, sans parler de lamortissement qui reste actuellement une caractristique artificielle souvent mal modlise. Vu le nombre limit de coordonnes observes et le nombre incomplet de modes exprimentalement identifis, les informations obtenues sont considres incompltes compares au modle EF. Sachant que les rsultats des deux techniques sont assez diffrents, il est important de corrler et dutiliser simultanment ces deux approches. Cette corrlation consiste identifier ou recaler le modle EF considr comme complet en exploitant des informations relles ou correctes de lanalyse modale exprimentale. Ceci fait lobjet de cette thse.
Non linarits
Dans la description prcdente une importante hypothse a t faite. Dans les deux approches didentification, le comportement dynamique de la structure est suppos linaire. En gnral le systme dynamique est dit linaire : si lexcitation est double la rponse double ; si la somme de deux rponses relatives deux excitations distinctes est gale la rponse relative la somme des deux excitations ; si la structure est soumise la somme de deux excitations, la rponse est gale la somme des rponses de la structure obtenue suite lexcitation des forces prises sparment.
Si ces trois relations ne sont pas vrifies, le systme est dit non linaire. Il est connu que toute structure relle a un certain degr de non linarit. Dans certains cas, elles sont considres linaires quand le degr de non linarit est petit et donc insignifiant dans la bande frquentielle considre. Quelquefois, la non linarit peut tre tolre pour manque de moyens efficaces de la prendre en compte. Dans le domaine de lidentification lexistence de non linarits a deux consquences. Dune part, le modle analytique dun systme non linaire est entach derreurs tant que des mesures relles ne sont pas exploites. Dautre part, puisque les fonctions de rponse frquentielle dpendent des forces dexcitation, les paramtres modaux obtenus doivent tre considrs avec grande prcaution. Ltude thorique de non linarits connues comme la raideur cubique peut tre exploite dans un premier temps. Les non linarits connues sont bien exprimes par des quations diffrentielles du mouvement et assez dveloppes dans la littrature. La difficult rside dans lidentification et la localisation des non linarits partir de structures dont on 5
Introduction
ignore le modle de non linarit. Malheureusement, lutilisation des techniques exprimentales pour ltude thorique ou la simulation de donnes avec un type de non linarit connu nous empche de comprendre les non linarits relles. Les types de non linarits les plus rencontres en pratique sont classs par leur effet sur les donnes modales, ce qui permet dexploiter leurs rsultats sur les structures relles. Beaucoup defforts et de moyens sont aujourdhui dploys sur trois chapitres : la dtection et lidentification de non linarits relles et leur quantification. De ces trois volets, la quantification, reste encore ces dbuts. La dtection de lexistence de non linarit est chose assez vidente et facile mettre en uvre quand lexcitation et les mesures sont assez performantes. Par contre, son identification reste le pas le plus important dans le domaine exprimental. Nous avons dans le chapitre V apport notre contribution dans ce domaine.
Stratgie de validation de modle

La stratgie du processus de validation de modle est reprsente sur lorganigramme de la figure 1. On remarque quil y a une srie dtapes distinctes comportant une partie exprimentale et une partie numrique en se basant sur le modle initial. Pour valider le modle lments finis initial des tests exprimentaux doivent tre tablis pour extraire les proprits dynamiques actualises de la structure quon dsire exploiter. Dans la partie exprimentale, on intgre les prdictions du modle initial. Mme si les estimations initiales ne sont pas entirement prcises, les rponses de la procdure exprimentale permet de les trier et donc de guider efficacement les tests. La vrification de la corrlation de modle confronte linformation du modle initial avec la consistance des mesures exprimentales. Ceci est appel validation dans la littrature et reprsente un pas important dans le processus. Il sert ausculter le modle initial et sassurer si une procdure de recalage de modle nest pas ncessaire. Si le modle ne ncessite pas de recalage, il peut ncessiter une modification manuelle consquente non seulement sur les paramtres mais aussi sur sa configuration ou son maillage. Le recalage de modle joue un rle important dans le processus de validation. En construisant et rsolvant les quations de recalage, cette tape recherche un groupe de paramtres qui modifie le modle initial pour rduire lcart entre les mesures exprimentales et les rponses estimes par le modle. La slection des paramtres recaler a un rle primordial dans le processus de recalage. Une bonne technique de slection des paramtres aide la procdure de recalage converger rapidement.
Introduction
Cration du modle initial
Modification manuelle du modle initial
Prparation et planification de la manipulation
Exprimentation par analyse modale
Vrification et corrlation du modle initial
Recalage possible? oui Slection des paramtres de recalage Recalage de modle Vrification du modle recal non
non
Satisfaisant ? oui Modle final
Figure 1. Organigramme du processus de validation de modle Diffrentes mthodes de recalage existent, elles dpendent des paramtres choisis, du type de mesures exploites, et de la fonction cot exploiter ou minimiser. La procdure de validation ne prend fin que lorsque le modle de recalage sera apte donner des rsultats satisfaisants.
Introduction
Plan de la thse
Cette thse est rpartie en cinq chapitres dbutant chacun par une prsentation du contenu et se terminant par une conclusion.
Le chapitre premier prpare les outils mathmatiques et algorithmiques ncessaires lidentification de caractristiques et de dfauts. Pour ce faire, ce chapitre est rparti en quatre parties. La premire partie prsente les techniques de corrlation des modles lments finis, dans le but de mesurer ou quantifier la prcision de ces derniers par comparaison entre les mesures exprimentales et les valeurs prdites par le modle, afin dvaluer les erreurs de modlisation ou linfluence du bruit. La deuxime partie prsente les mthodes de rduction et dexpansion de donnes modales exprimentales, lments ncessaires au processus de comparaison, corrlation, et didentification que ce soit en dtection de dfauts ou recalage de modle. Dans le but de raliser des mesures exprimentales riches en informations spcialement pour lexploitation dans le recalage, les tests modaux doivent tre bien planifis. Pour ce faire, la troisime partie de ce chapitre prsente diffrentes mthodes de slection des points dexcitation et des degrs de libert de mesure. La dernire partie de ce chapitre dveloppe diffrentes techniques de recalage de modles lments finis, en prsentant lintrt de ces techniques, leurs avantages et inconvnients en classifiant ces mthodes en fonction du type de mesures exploites, des outils danalyse et de corrlation utiliss, des mthodes dexpansion ou rduction exploites, et des fonctions cot choisies pour les mthodes de minimisation.
Le chapitre deux est destin aux mthodes dveloppes dans le cadre de cette thse pour les structures linaires. 1. Une mthode de choix des points de mesure utilisant la drive premire de la rponse frquentielle du mouvement a t propose. Elle a t teste dans le cas de la dtection de dfauts dans une structure en treillis doublement encastre dont le comportement dynamique et les dfauts ont t simuls numriquement. Les rsultats des tests effectus en utilisant le recalage de modle montre lefficacit de la mthode propose. Compte tenu de la matrice de sensitivit utilise, cette mthode est adquate pour les applications de dtection de dfauts mcaniques dans les structures.
Introduction
2. Une mthode de recalage de modle lments finis base sur les fonctions de rponse frquentielle a t propose. Celle-ci est une technique itrative base sur lapproximation des moindres carrs en utilisant une paramtrisation frquentielle intrinsque pour lamlioration de la convergence. 3. Une autre mthode de recalage de modle lments finis utilisant lapproximation non linaire des moindres carrs dans le domaine frquentiel a t propose. Celle-ci utilise une minimisation prliminaire qui considre la plus petite distance entre la fonction de rponse frquentielle analytique et celle mesure dans le but daffecter une valeur la frquence analytique correspondant la frquence de mesure choisie. Souvent les paramtres de masse qui sont de second ordre en frquence compensent les erreurs de raideur dans les mthodes de recalage, dans notre cas, la sparation des variables rend possible le choix de mesures diffrentes pour chacune des tapes du recalage, avantage trs utile pour viter le phnomne de compensation. La mthode ainsi prsente aide par la paramtrisation frquentielle montre une simplicit dimplmentation et une bonne stabilit numrique. La sparation des variables utilise dans la mthode de recalage reprsente un outil qui peut tre utilis avantageusement dans le contexte du recalage de modles analytiques. 4. Une mthode de dtection de dfauts dans les structures mcaniques base sur le recalage de modle lments finis a t propose. Celle ci est une stratgie de correction incrmentale qui procde par incrment de correction sur llment dtect grce la fonction de corrlation dans le domaine frquentiel qui matrialise le rapprochement entre les mesures frquentielles prdites et mesures. La mthode ainsi prsente montre une simplicit de mise en uvre et une bonne stabilit numrique.
Le troisime chapitre prsente un aperu des techniques didentification et de recalage de modle non linaires ainsi que la formulation non linaire par la fonction descriptive dans le domaine frquentiel. Ceci nous permet de mettre en uvre la simulation numrique des non linarits localises.
En utilisant la formulation par la fonction descriptive, le quatrime chapitre prsente lapplication des mthodes de recalages proposes pour la linarisation des systmes faiblement non linaires.
Introduction
Le cinquime chapitre, prsente une mthode didentification dans le domaine non linaire, base sur la reprsentation gnrale explicite propose dans le domaine temporel
Une conclusion gnrale clture la thse en prsentant les diffrentes propositions et les rsultats obtenus avec une rcapitulation des conclusions et de lintrt des diffrentes propositions de ce travail de recherche et prsente quelques suggestions pour le travail futur.
10
RECALAGE DE MODELES DE STRUCTURES LINEAIRES

I.1 TECHNIQUES DE COMPARAISON ET CORRELATION POUR LE RECALAGE DE MODELES I.1.1 Corrlations vectorielles I.1.2 Corrlation de lorthogonalit I.1.3 Corrlation sur les fonctions de rponse frquentielle I.2 INCOMPATIBILITE ENTRE LES DONNEES MESUREES ET CELLES DU MODELE LEMENTS FINIS I.2.1 Techniques de rduction I.2.2 Expansion des mesures I.3 CHOIX DES POINTS DE MESURE ET DEXCITATION POUR LE RECALAGE DE MODELE ELEMENTS FINIS I.3.1 Slection des points de mesure I.3.2 Slection des points dexcitation I.3.3 Slection des modes propres par approche sensitive I.3.4 Remarques I.4 RECALAGE DE MODELES ELEMENTS FINIS I.4.1 Mthodes modales directes I.4.2 Mthodes itratives 27 27 36 37 39 39 40 41 20 20 24 11 11 16 17
Chapitre 1 : Recalage de modles de structures linaires
RECALAGE DE MODELES DE STRUCTURES LINEAIRES

Ce chapitre est consacr aux diffrents aspects et techniques requis pour la mise en
uvre du recalage de modle lments finis dans la dynamique de structures. Pour permettre une comparaison fiable des rsultats du recalage de modle, nous prsentons les diffrentes techniques disponibles pour la comparaison ou corrlation des donnes analytiques et exprimentales. Pour permettre une bonne prparation des essais exprimentaux, nous avons dvelopp les techniques de rduction et dexpansion de modle pour permettre un recalage de modle russi. Le choix des points de mesure et dexcitation a t pris en compte en prsentant les dernires mthodes existantes. Enfin, diffrentes techniques et mthodes de recalage ont t discutes dans ce chapitre.
I.1 TECHNIQUES DE COMPARAISON ET CORRELATION POUR LE RECALAGE DE MODELES

Avant de recaler ou de corriger un modle lments finis il est utile davoir une ide sur sa prcision. Pour cela des fonctions de corrlation existent ; elles font une comparaison entre les mesures exprimentales et les valeurs prdites par le modle EF. Une des premires familles de mthodes est base sur la corrlation des modes (Correlated Mode Pairs CMP), pour valuer les erreurs de modlisation ou linfluence du bruit. Quand le bruit de mesure est grand et pour plus de prcision on utilise dautres quantits comme les fonctions de rponse frquentielle FRF. Le critre de corrlation modal le plus utilis est le critre dassurance modal (Modal Assurance Criterion MAC) [1]. Parfois ce critre donne des valeurs qui ne correspondent pas la ralit, il peut donner une mauvaise corrlation pour deux modes qui sont visiblement proches et inversement une bonne corrlation pour des modes trs loigns. Plusieurs travaux ont t dvelopps dans le contexte de la corrlation depuis la prsentation du MAC en 1982. Nanmoins, le problme du meilleur critre de corrlation nest pas dfinitivement rsolu.
I.1.1 Corrlations vectorielles

Les mthodes de corrlation vectorielles permettent de comparer deux vecteurs ou deux ensembles de vecteurs propres.
11
I.1.1.1 Critre dassurance modal Le critre dassurance modal MAC de comparaison de deux modes { A }i et { X } j est donn par [1]
MAC { A }i , { X }j =
N * Aki Xkj k =1
k =1
* Aki Aki
k =1
(1)
* Xkj Xkj
o les modes qui doivent tre compars doivent tre norms de la mme manire. Le MAC a t dcrit comme la cohrence entre deux vecteurs ou comme lcart au sens des moindres carrs entre les coefficients des deux vecteurs. Un rsultat MAC=1 indique une corrlation parfaite et MAC=0 indique une absence de corrlation.
Ce facteur de corrlation a t pendant longtemps trs utilis mais il reprsente quelques dficiences. Lieven et Ewins [2] ont indiqus que le MAC ne donne aucune explication quand la corrlation est mauvaise ; Mitchell [3] explique que le MAC nest pas sensible aux petites variations mais plutt aux grands carts entre les modes ; Blaschke et Ewins [4] indiquent que le MAC ne permet pas de localiser des erreurs de modlisation ; et Brechlin et al [5] crivent que le MAC donne des rsultats incorrects quand des ddls de rotation sont considrs. Vu ces inconvnients plusieurs variantes de ce facteur sont apparues.
I.1.1.2 Facteur dchelle modal
Le facteur dchelle modal (Modal Scale Factor MSF) entre deux modes { A }i et
{ X }i est donn par [1]

MSF ({ A }i , { X }i ) =

k =1 k =1 N
Aki Xkj
(2)
Aki Aki
o les modes comparer sont de mme norme. Le MAC donne une comparaison quantitative entre deux modes, par contre le MSF donne une comparaison plutt qualitative. Il nest donc pas suffisant pour donner un bon degr de corrlation.
12
I.1.1.3 Critre dassurance modal par coordonne
Le critre dassurance modal par coordonne (Coordinate Modal Assurance Criterion COMAC) dun degr de libert k est donn par [2]
m Akj Xkj j =1
2
COMACk =
j =1
Akj Akj
j =1
(3)
Xkj Xkj
Le COMAC est considr comme un MAC avec rarrangement des vecteurs comparer. Le MAC compare deux modes pour un ddl spcifique alors que le COMAC compare linfluence du ddl pour les deux modes corrls. Ce facteur permet didentifier le ddl dune structure qui a relativement une mauvaise corrlation avec les deux modes mesur et analytique ; c'est--dire le ddl qui contribue le moins laugmentation de la valeur du MAC. Lorsque COMAC=1 on dit que le ddl correspond une parfaite corrlation avec les deux modes considrs. Lorsque COMAC=0 on dit le ddl na aucune corrlation avec chacun des deux modes.
I.1.1.4 Extension du critre dassurance modal par coordonne
Hunt [6] indique que le COMAC ne peut pas dtecter les erreurs de mesure comme celles relatives lchelle ou la polarit et propose une extension de ce facteur (Extended Coordinate Assurance Criterion ECOMAC) pour surmonter cet inconvnient. Le ECOMAC est donn par
ECOMACk =
j =1
Akj Xkj
2m
(4)
Comme pour le COMAC les deux modes doivent tre norms. Le COMAC considre les ddls avec la mme importance et ne favorise aucun ddl par rapport aux autres. Le ECOMAC considre par contre une amplitude relative de chaque ddl et donc les modes les plus flexibles (de grande amplitude) vont dominer la valeur de ECOMAC. Linterprtation numrique du ECOMAC est contraire celle du COMAC ; un rsultat ECOMAC=0 dun ddl donn indique quil a une parfaite correspondance avec les modes corrls et quand ECOMAC=1 alors on dit quil ny a aucune corrlation et que le ddl considr ne contribue pas laugmentation de la valeur du MAC. 13
Une autre forme de ECOMAC appele aussi COMAC est dcrite dans [4] et scrit
COMACk = 1
j =1
Akj Xkj
2m
(5)
Ce facteur est identique ECOMAC sauf dans linterprtation des rsultats qui lorsque COMAC=1 donne une bonne corrlation et inversement lorsque COMAC=0.
I.1.1.5 Fonction du facteur modal par coordonne
La fonction du facteur modal par coordonne (Coordinate Modal Factor Function COMEF) dun ddl k est donne par [7]
COMEFk = 1 m (WM kj )( EM kj ) m j =1
m
(6)
avec
WM kj = Akj Akl
l =1
(7)
et
EM kj =
Akj Xkj .100 Akj
(8)
Les modes utiliss doivent tre de mme norme et prdtermins par une corrlation utilisant le MAC. Comme le COMAC, on tente didentifier le ddl de la structure ayant la plus mauvaise corrlation avec les modes, qui contribue donc le moins la valeur du MAC. Le rsultat est en pourcentage de lerreur et peut tre positif ou ngatif. Plus la valeur absolue du COMEF est grande plus lerreur est grande. Le signe reprsente le sens de lerreur par rapport lensemble des modes choisis.
I.1.1.6 Critre dassurance modal inverse
Mitchell [3] a remarqu que la valeur du MAC est domine par les anti-nuds des modes propres et par consquent, il nest pas sensible aux petites modifications des modes. Pour surmonter cet inconvnient il propose le critre inverse du MAC (Inverse Modal Assurance Criterion IMAC) donn par N 1 1 Akj Xkj = N k =1 N 1 1 1 1 Akj Akj Xkj Xkj k =1 k =1
2
IMAC { A }i , { X } j
(9)
14
o comme le MAC les modes comparer doivent tre de mme norme. Ceci permet de quantifier le MAC proche des nuds modaux et loin des anti-nuds (les plus grandes dformations des nuds). Ce facteur est utile pour dtecter les diffrences entre les nuds modaux, par contre, il ne permet pas de corrler correctement. Il peut tre interprt comme une corrlation de la position des nuds modaux.
I.1.1.7 Critre dassurance modal norm
Brechlin et al [5] indiquent que le MAC ne permet pas de manipuler correctement les modes contenant des ddls de translation et de rotation simultanment. Ils ont alors dfinis le critre dassurance modal inverse (Scaled Modal Assurance Criterion SMAC) entre deux modes { A }i et { X } j
SMAC { A }i , { X
({ } [W ]{ } ) } )= ({ } [W ]{ } )({ } [W ]{ } )
T A i 2 X j j T A i A i X T j X j
(10)
Ce facteur permet de faire une mixture des ddls de rotation avec les ddls de translation. Le MAC est souvent domin par un ou plusieurs ddls de rotation puisquils correspondent des fluctuations plus importantes que celles des ddls de translation. Ceci est vit grce la matrice des facteurs de pondration [W]. En pratique les ddls de rotation ne sont pas facilement mesurables. Gnralement on se limite aux ddls de translation. Ceci montre que le SMAC sera utile seulement dans la comparaison des modes analytiques comme le rsultat de deux modles EF par exemple.
I.1.1.8 Nouveau critre dassurance modal
Le nouveau MAC (New MAC NMAC) [4] considre dabord le MAC puis, recherche le ddl qui contribue le moins sa valeur c'est--dire celui qui minimise le MAC. La recherche se fait par suppression successive des ddls.
Le NMAC comme le COMAC et le ECOMAC permet alors de dterminer le ddl qui contribue le moins au MAC. Contrairement ces deux facteurs, le NMAC a lavantage dutiliser les vecteurs propres sans quils soient de mme norme.
15
I.1.2 Corrlation de lorthogonalit

Pour comparer les modes on peut utiliser le critre de lorthogonalit. La base des solutions propres est que les vecteurs propres sont orthogonaux par rapport la matrice de masse
[ A ][ M ][ A ] = [ I ]
(11)
o [I] est la matrice identit. En pratique [I] est lgrement diffrente de lidentit, c'est--dire que les valeurs hors diagonale sont diffrentes de zro mais trs proches. Ces lments hors de la diagonale, donnent une estimation de lorthogonalit quon peut aussi considrer comme critre de convergence. La matrice masse analytique est utilise au lieu de la matrice masse exprimentale. Le nombre de ddls mesurs est souvent trs petit devant le nombre de ddls du modle analytique. Pour cela une mthode dextension des mesures ou de rduction du modle EF est ncessaire. Quelques mthodes de rduction [8] rendent la corrlation de lorthogonalit plus coteuse en terme de calcul que la corrlation en vecteurs.
I.1.2.1 Orthogonalit norme
Le facteur dorthogonalit norme (Normalized Cross Orthogonality NCO) [9] est donn par
({ } [ M ]{ } ) NCO ({ } , { } ) = ({ } [ M ]{ } ) ({ } [ M
T i 2 X A A j X i A j T i T j X A X i A
]{ A} j )
(12)
o [MA] est la matrice de masse analytique. Comme pour le MAC les modes doivent tre de mme norme. NCO=1 indique une corrlation parfaite tandis que NCO=0 indique labsence de corrlation.
I.1.2.2 Pseudo contrle de lorthogonalit
Le Pseudo contrle de lorthogonalit (Pseudo Orthogonality Check POC) est donn par [10], [11], [12]
POCij = Xki mAkl Alj
k =1 l =1 N N
(13)
POC utilise une matrice masse analytique des ddls mesurs ou des ddls analytiques. Dans ce cas une mthode de rduction de la matrice masse ou dexpansion des vecteurs propres est
16
ncessaire. Idalement les lments hors diagonale doivent tre trs proches de zro mais des valeurs comme 0.1 sont acceptables pour quelques applications. En pratique mme si des valeurs hors diagonale sont plus petites que 0.05 la corrlation reste toujours mauvaise.
I.1.2.3 Contrle de lorthogonalit aux coordonnes
Avitabile et Pechinsky [13] ont Dvelopp le critre de contrle de lorthogonalit aux coordonnes (Coordinate Orthogonality Check CORTHOG) pour identifier la contribution individuelle des ddls sur lorthogonalit produite par POC. Ceci se fait en prenant lment par lment la diffrence entre le POC et la valeur obtenue partir de lorthogonalisation analytique. CORTHOG est donn par
kl = CORTHOGij
( m (
Xki N N k =1 l =1
Akl
Alj )( Aki mAkl Alj )
Xki
mAkl Alj )( Aki mAkl Alj )
(14)
o kl sont les indices des deux ddls considrs et ij sont les ceux des deux modes considrs. Lobtention des lments hors diagonale proches de zro nindique pas ncessairement une bonne corrlation.
I.1.2.4 Orthogonalit norme utilisant la rduction SEREP
En utilisant la matrice de masse rduite par la mthode de rduction SEREP (voir I.2.1.5), on dfinit dans [14] le critre dorthogonalit norme utilisant la rduction SEREP (SEREP normalized Cross Orthogonality SCO) par
({ } ([ ] [ ] ){ } ) SCO ({ } , { } ) = ({ } ([ ] [ ] ){ } )({ } ([ ] [ ] ){ } )
X i A j T X i +T A T X i + A +T + 2 A A X i T A j A j +T A + A A j
(15)
o ( )+ reprsente la pseudo inverse. Ce facteur est similaire au NCO avec lexception que la matrice de masse analytique est remplace par la matrice de masse rduite par la mthode SEREP. Le SCO est plus sensible que le MAC.
I.1.3 Corrlation sur les fonctions de rponse frquentielle

Lutilisation des fonctions de rponse frquentielle FRF au lieu des modes propres est plus efficace puisque les FRFs exprimentales sont directement obtenues exprimentalement alors que les modes ncessitent des calculs se basant sur ces mesures. Ce passage des FRFs aux modes fait intervenir donc des erreurs de calcul supplmentaires. 17
I.1.3.1 Critre dassurance du domaine frquentiel
Le critre dassurance du domaine frquentiel (Frequency Domain Assurance Criterion FDAC) est donn par [15]
N * H Ajk ( A ) H Xjk ( X ) j =1 = N N * * H Ajk ( A ) H Ajk ( A ) H Xjk ( X ) H Xjk ( X ) j =1 j =1
2
FDAC ( A , X )k
(16)
o HA(A) est la FRF analytique la frquence analytique A, et HX(X) est la FRF mesure la frquence exprimentale X. k est le ddl dexcitation. Le FDAC est analogue au MAC et donne des valeurs entre 0 et 1. FDAC=1 indique une parfaite corrlation et FDAC=0 indique labsence de corrlation. Pascual et al [16] ont expliqus que le FDAC risque de donner une bonne corrlation pour des FRFs dphass de 180, ce qui na aucune signification physique. Les deux FRFs doivent tre dans le mme plan de phase. Ils proposent un nouveau FDAC vitant cette situation.
FDAC ( A , X ) =
T ( A )H X ( X ) HA T H A ( A )H A ( A )
(17)
Ce nouveau FDAC donne des valeurs entre -1 et 1. Les valeurs ngatives montrent que les deux FRFs sont dans des phases opposes. FDAC=1 donne une parfaite corrlation des FRFs.
I.1.3.2 Facteur dchelle des rponses frquentielles
Le facteur dchelle des rponses frquentielles (Frequency Response Scale Factor FRSF) est donn par [16]
FRSF ( A , X ) =
T ( A )[S ]H X ( X ) HA T H A ( A )[S ]H A ( A )
(18)
o [S] est une matrice de pondration. Le FRSF est analogue au MSF et donne des valeurs entre -1 et 1. Le FDAC donne une comparaison quantitative des FRFs, par contre le FRSF donne une comparaison qualitative. Par consquent le FRSF nest pas suffisant pour valuer le degr de corrlation.
18
I.1.3.3 Critre dassurance des rponses frquentielles
Le critre dassurance des rponses frquentielles (Frequency Response Assurance Criterion FRAC) est donn par [17], [18]
m * H Ajk (i ) H Xjk (i ) i =1 = m m * * H Ajk (i ) H Ajk (i ) H Xjk (i ) H Xjk (i ) i =1 i =1
2
FRAC ( j )k
(19)
j tant le ddl de mesure et k le ddl dexcitation. Le FRAC est analogue au COMAC et donne des valeurs entre 0 et 1. FRAC=1 indique une parfaite corrlation. Heylen et Avitabile [18] trouvent que linterprtation des valeurs de FRAC est trs complexe. Pour les structures faiblement amorties qui donnent des rapports damplitude maximum sur amplitude minimum trs grands, FRAC peut donner de faibles valeurs pour des FRFs visiblement bien corrles. Ils suggrent dutiliser cette formule en valeur absolue ou en logarithme.
I.1.3.4 Critre dassurance modal et frquentiel
En se basant sur le FRAC, Fotsch [14] a propos le critre du MAC dans le domaine frquentiel ou critre dassurance modal et frquentiel (Modal FRF Assurance Criterion MFAC) dfini par [14], [19]
N * Aj ( A ) H Xjk ( X ) j =1 MFAC ( A , X ) = N N * Aj ( A ) Aj ( A ) H Xjk ( X ) H Xjk ( X ) j =1 j =1
2
(20)
o A ( A ) est le mode analytique pour une valeur frquentielle analytique A. Le MFAC est analogue au MAC et donne des valeurs entre 0 et 1. La valeur MFAC=1 indique une parfaite corrlation et MFAC=0 indique labsence de corrlation. Le MFAC et le FDAC reprsents graphiquement en fonction de la frquence sont une extension du graphe de FMAC. Le MFAC nest utile que pour les modes faiblement amortis puisque les modes analytiques sont des quantits relles obtenues partir du modle EF non amortis et les FRFs sont des quantits complexes comportant leffet de lamortissement.
19
I.2 INCOMPATIBILITE
ENTRE
LES
DONNEES MESUREES
ET
CELLES DU MODELE ELEMENTS FINIS

Dans la plupart des cas pratiques, le nombre de degrs de libert du modle EF excde de loin celui des donnes mesures. Le manque de degrs de libert mesurs peut tre rsolus de deux manires, en rduisant le modle EF la taille des ddls exprimentaux en choisissant les degrs de libert mesurs comme matres , ou en augmentant les donnes
exprimentales pour inclure les degrs de libert non mesurs dans Modle EF. Ces mthodes, appeles techniques de rduction et d'expansion de mesure sont brivement dcrites cidessous.
I.2.1 Techniques de rduction

La rduction ou expansion de donnes modales exprimentales est ncessaire au processus de comparaison, corrlation, et didentification que ce soit en dtection de dfauts ou recalage de modle. A cause du grand dcalage entre le nombre de ddls du modle EF et le nombre de ddls mesurs, des efforts ont t entrepris dans le but de rduire les erreurs dues aux modles de rduction. La mthode la plus utilise est la mthode de condensation statique de Guyan [20]. Dautres techniques existent comme la mthode de rduction dynamique, mthode amliore de rduction de systme IRS et le Processus de rduction expansion de systme SEREP.
I.2.1.1 Rduction de systme matriciel
Dans toutes les techniques de rduction il existe une relation entre les ddls mesurs (ddls matres) et les ddls non mesurs (ddls esclaves)
{y } {yN } = m = [T ]{ym } {ys }
{y} reprsente le dplacement, [T] la matrice de transformation et N le nombre total de ddls dans le modle EF. Les matrices de masse et de raideur peuvent tre calcules par
[M m ] = [T ]T [M N ][T ]
[K m ] = [T ]T [K N ][T ]
20
I.2.1.2 Mthode de rduction de Guyan
La mthode de rduction de Guyan [20] a t utilise pendant longtemps comme le meilleur outils de rduction de grands modles analytiques. Soit lquation du mouvement
&} + [K ]{y} = { f } [M ]{& y
(46)
En sub-divisant la matrice en ddls mesurs indice m et non mesurs indice s et en ngligeant les termes dinertie nous obtenons
[K mm ] [K ] sm
[K ms ] {ym } { f m } = [K ss ] {ys } { f s }
(47)
A partir de (47) on peut tirer
{ys } = [K ss ]1 [K sm ]{ym }+ [K ss ]1{ f s }

donne la matrice de transformation suivante
(48)
En supposant quil ny a pas de forces appliques aux ddls esclaves, la rduction de Guyan
[T1 ] =
[I ] 1 [K ss ] [K sm ]
(49)
Cette mthode est aussi appele mthode de rduction statique car elle nglige leffet de linertie. La mthode de rduction de Guyan dpend considrablement de la slection des ddls matres. Une mauvaise slection conduit un modle imprcis.
I.2.1.3 Technique de rduction amliore de systme
La technique amliore de rduction de systme (Improved Reduced System IRS) a t dveloppe par Ocallahan [21] pour compenser les effets de la masse dans la mthode de Guyan, surtout quand la slection des ddls matres nest pas optimale. Cette technique amliore la prcision de la condensation statique en approximant le second terme de lquation (48)
[K ss ]1 { f s } = [[K ss ]1 [M sm ] [K ss ]1 [M ss ][K ss ]1 [K sm ]][M R ]1 [K R ]{xm }

o [MR] et [KR] sont les matrices de masse et de raideur rduite avec la mthode de Guyan
(50)
[M R ] = [T1 ]1 [M ][T1 ]
[K R ] = [T1 ]1 [K ][T1 ]
21
en introduisant (50) dans (48) et en comparant les termes relatifs la matrice de transformation, nous obtenons
[T2 ] = [T1 ] + [T2]

avec et
(51) (52)
[T2] = [S ][M ][T1 ][M R ]1 [K R ]

[0] [0] [S ] = [0] [K ]1 ss
I.2.1.4 Mthode de rduction dynamique
Une extension de la rduction de Guyan est prsente dans [22] en considrant les termes dinertie dans lquation (46). La procdure est semblable celle de Guyan sauf que la transformation est base sur la matrice de raideur dynamique [Z] au lieu de la matrice de raideur [K]. Dans ce cas, la matrice de transformation scrit
[T3 ] =
[K ss ]
[I ] 1 2 [M ss ]) ([K sm ] [M sm ])
(53)
La slection des meilleures valeurs de la frquence est particulirement indispensable. Dans [23] des frquences ont t recommandes. Linversion de la matrice de raideur dynamique est coteuse du point de vue numrique. La procdure ncessite non seulement linversion de [Z ss ] = [K ss ] 2 [M ss ] mais aussi le calcul de la matrice de transformation pour chaque valeur de la frquence ou chaque mode. Plusieurs techniques dapproximation ont t proposes pour le calcul de [Zss]. Kidder [23] utilise une srie gomtrique pour inverser cette matrice
([K ] [M ]) = [K ] [[I ] [M ][K ] ]

2 1 2 ss ss ss ss ss
1 1
([K ] [M ]) = [K ] ([I ] + [M ][K ]

2 1 2
ss
ss
ss
ss
ss
+ 4 [M ss ][K ss ] [M ss ][K ss ] + ...

1 1
(54)
En introduisant cette quation dans (53) on obtient
[I ] [T3 ] = [K ]1 [K ] + 2 [K ]1 [M ] [M ][K ]1 [K ] + ss sm ss sm ss ss sm 4 1 1 1 [K ss ] [M ss ][K ss ] [M sm ] [M ss ][K ss ] [K sm ] + ...
))
))
(55)
22
En ngligeant les termes en 2 et plus, (55) revient lquation (49) qui est la rduction statique de Guyan. Si les termes suprieurs 2 sont introduits le rsultat sera identique la formulation de IRS. Petersman [24] calcule linverse de [Zss] en utilisant les solutions propres du problme associ
[Z ss ]1 = [][ ( ] 2 [I ])1 []T
(56)
o [] et [] sont respectivement les matrices modale et spectrale relatives aux ddls esclaves. Dans lquation (56) il ny a que la matrice diagonale
([] [I ])
2
qui dpend de la
frquence. Donc son inversion est plus simple que linversion de la matrice de raideur dynamique. Il est vident que lorsque i>>2 llment i 2
va tendre vers zro. Le
problme sera plus simplifi en ignorant les lments de la matrice spectrale ayant >>i. Le nombre de termes utiliss dpend des frquences et valeurs propres du systme rduit aux ddls esclaves. Pour amliorer la prcision, il serait utile dintroduire un grand nombre de modes.
I.2.1.5 Processus de rduction expansion de systme
Cette mthode (System Equivalent Reduction Expansion Process SEREP) a t dabord introduite par Ocallahan et al [25] qui ont propos destimer les mesures des ddls de rotation partir des mesures des ddls de translation. SEREP a t juge capable damliorer la prcision de certaines applications comme les corrlations dorthogonalit, ltude des rponses forces linaires et non linaires, et le recalage de modle. La matrice de transformation peut tre dveloppe en utilisant la mthode inverse de la matrice modale
[ mr ] + [T4 ] = [ ][ mr ] sr
o [ ]+ reprsente la pseudo inverse et r les modes utiliss pour former la matrice de transformation. Ce processus utilise la mthode inverse qui permet davoir des informations concernant les modes slectionns aux ddls slectionns. Ceci permet au processus de rduction de prserver le comportement dynamique du systme global dans un systme rduit, chose impossible dans les techniques de rduction de Guyan ou IRS.
23
I.2.2 Expansion des mesures

Une autre approche toute aussi efficace que la rduction de modle EF est lexpansion des modes mesurs en estimant les mesures des ddls non mesurs. En gnral les rsultats des mthodes dexpansion sont plus efficaces quune lgre augmentation du nombre de ddls. Il est noter que nimporte quelle mthode de rduction peut tre utilise pour concevoir le processus dexpansion. Toutes les mthodes dexpansion utilisent une matrice de transformation qui traduit les vecteurs modaux [X] en espace vectoriel complet [].
[ mr ] [ Nr ] = [ ] = [T ]Nm [ X ]mr sr
o N est le nombre de ddls du modle EF et m tant le nombre de ddls mesurs.
I.2.2.1 Mthode dexpansion de Guyan
(58)
Cette technique dexpansion est linverse du processus de condensation dcrit prcdemment. Elle est base sur lquation sub-divise
[K mm ] [K sm ]
[K ms ] [M mm ] [M ms ] {m }i i = {0} [K ss ] [M sm ] [M ss ] { s }i
(59)
En utilisant la mme procdure que la technique de rduction, on obtient la matrice de transformation
[T1 ] =
[I ] 1 [ K ss ] [ K sm ]
(60)
La mthode dexpansion de Guyan peut tre interprte comme la dtermination du mode {}i qui minimise lnergie totale de dformation du ime mode de faon ce que les lments soient identiques ceux mesurs [26].
I.2.2.2 Expansion IRS
Lexpansion IRS est la version modifie de lexpansion de Guyan. Au lieu de minimiser lnergie de dformation seule, la mthode minimise simultanment lnergie de dformation et lnergie des forces extrieures. La matrice de transformation de lexpansion IRS est donne par
[T2 ] = [T1 ] + [ S ][ M ][T1 ][ M R ] [ K R ]

1
(61)
24
I.2.2.3 Expansion dynamique
Le processus dexpansion dynamique est bas sur lquation du mouvement dans le domaine frquentiel crite pour une frquence donne. La matrice de transformation tire de la partie suprieure de lquation (59) scrit
[T3 ] =
[I ] 1 K M K M [ ] [ ] [ ] [ ] ( ) ( ) ss i ss sm i sm
(62)
o i est la ime valeur propre du systme. Une autre approche est de calculer si
{ } en utilisant
la partie suprieure de lquation (59). Puisque le nombre de ddls mesurs est souvent infrieur au nombre de ddls non mesurs, cette dernire approche donne de mauvais rsultats.
I.2.2.4 Expansion dynamique modifie
Gysin [27] a modifi le processus dexpansion dynamique prcdent en incluant tous les ddls dans le processus inverse. En considrant les parties suprieure et infrieure de lquation (59) nous avons
{ }m [ K ms ] i [ M ms ] { }m [ K mm ] i [ M mm ] + = {0} [ K sm ] i [ M sm ] { }s [ K ss ] i [ M ss ] { }s
(63)
En rsolvant linverse de (63) et en comparant ses termes nous obtenons la matrice de transformation suivante
[I ] + [T4 ] = [ K ms ] [ M ms ] [ K mm ] [ M mm ] i i K M K M [ ] [ ] [ ] [ ] ss ss sm sm
I.2.2.5 Expansion SEREP
(64)
Le concept SEREP a t dabord introduit par Ocallahan et al [25] en terme de rduction quivalente (Equivalent Reduction ER). Les modes analytiques utiliss dans le processus SEREP contrleront le processus dexpansion. Contrairement aux autres mthodes le systme matriciel nest pas utilis directement. La mthode SEREP considre les solutions propres compltes du systme
{y N } = [ Nr ]{qr }
(65)
25
{y N } est
le vecteur dplacement entier, [ Nr ] la matrice modale obtenue partir du
modle EF et {qr } le vecteur dplacement modal.
On peut partager lquation (65) en ddls mesurs et esclaves

{ym } [ mr ] = {qr } {ys } [ sr ]
(66)
Lquation suprieure scrit
{ym } = [ mr ]{qr }
La rsolution de ce systme donne
(67)
{qr } = [ mr ]+ {ym }
En remplaant (68) dans (65), nous obtenons la matrice de transformation SEREP
(68)
[ mr ] + [T5 ] = [ ][ mr ] sr
(69)
Nous pouvons avoir une autre matrice de transformation appele SEREPa [28]. Celleci consiste considrer le nombre de modes r dans la transformation, gal au nombre de ddls mesurs m . Ce qui donne la matrice de transformation
[ I mm ] [T6 ] = 1 [ sm ][ mm ]
I.2.2.6 Modle dexpansion par analyse exprimentale
(70)
Lapproche dexpansion par analyse exprimentale (Test Analysis Model Expansion TAM) est similaire SEREP exception faite que la transformation des ddls mesurs est fixe durant le processus dexpansion [29]. La matrice de transformation est donne par
[I ] [T7 ] = mm [ sm ][ mm ] +
(71)
Une autre mthode dite TAM hybride qui est un mlange dexpansion TAM et Guyan combine la prcision de la mthode TAM et la robustesse de la rduction statique [30]. Soit la 26
projection dite oblique obtenue en utilisant la matrice de transformation (71), la matrice de masse et les modes propres
[Q ] = [ ][ ] [T7 ] [ M ][T7 ]
T T
(72)
Cette matrice est utilise pour obtenir la matrice de transformation TAM hybride
[T8 ] = [T1 ] + ([T7 ] [T1 ]) [Q ]
(73)
I.3 CHOIX DES POINTS DE MESURE ET DEXCITATION POUR LE RECALAGE DE MODELE ELEMENTS FINIS
La planification du processus danalyse modale exprimentale est la premire tape de la chane et requiert donc un intrt primordial sur les tapes de vrification et de recalage. Le recalage de modle joue un rle principal et central sans quoi la validation ne peut tre effectue. Cest seulement quand ces deux tapes sont correctement tablies quon puisse dire que le processus de validation est dfini sur une base didentification correcte. Dans le but de raliser des mesures exprimentales riches en informations spcialement pour lexploitation dans le recalage, les tests modaux doivent tre bien planifis. Pour ce faire, on doit considrer la slection des points de suspension, des points dexcitation et principalement les degrs de libert de mesure. Le modle EF initial nest peut tre pas assez prcis pour identifier les caractristiques dynamiques de la structure considre, mais il prsente une estimation trs apprciable de ces proprits. La planification des tests exprimentaux considre ce modle initial sur lequel des calculs seront faits pour permettre de bien choisir les conditions exprimentales qui permettent de respecter les prcisions dsires. Les travaux existant dans ce domaine sont bass sur la slection optimale des ddl de mesure et dexcitation.
I.3.1 Slection des points de mesure

I.3.1.1 Rduction de modle de Guyan
Kammer [31] a utilis le concept de modle par analyse exprimentale (Test-Analysis Model : TAM) pour la slection de la position des acclromtres sur les grandes structures. A partir dun modle EF initial nous avons
([k ] [m]){y} = {0}

2
(74)
27
Un modle exprimental danalyse est ncessaire pour ltude exprimentale. Ce modle possde moins de ddls que le modle initial, mais peut prdire approximativement les proprits dynamiques du modle initial dans la bande des petites frquences. Cet article [31] a utilis le modle de rduction de Guyan. La mthode de rduction de Guyan [20] divise les degrs de libert du modle initial en deux
y parties {y} = m , {ym } reprsente les degrs de libert matres et {ys } les degr de libert ys
esclaves. Lquation (74) devient

K mm K sm K ms M 2 mm K ss M sm M ms ym = {0} M ss ys
(75)
En considrant ngligeable les inerties des ddls esclaves, partir de (75) nous obtenons
[K sm ]{ym } + [K ss ]{ys } = {0}

{ys } = [K ss ]1[K sm ]{ym }
(76)
[I ] y {y} = m = 1 {ym } ys [K ss ] [K sm ]
T
(77)
Les matrices de masse et de raideur rduites peuvent tre calcules par
[I ] [I ] M [M m ] = [ ] 1 [K ]1 [K ] [K ] [K ] ss sm ss sm
T
(78)
[I ] [I ] [K m ] = [K ]1 [K ] [K ] [K ]1 [K ] ss sm ss sm
T
(79)
La mthode de rduction de Guyan est base sur lhypothse que les inerties des ddls esclaves peuvent tre ngliges [32]. En respectant la suppression de ddl ayant le plus grand rapport
k ii m et en rgnrant les matrices de masse et de raideur rduites jusqu ce que le ii
nombre de ddls soit gal au nombre de mesures retenu, le modle rduit final reprsentera les ddls de mesure. Les matrices finales de masse et de raideur rduites peuvent aussi tre utilises pour raliser le contrle de lorthogonalit entre les modes propres exprimentaux et ceux donns par le modle EF.
28
Jarvis [33] a utilis la mthode de rduction de Guyan pour le choix des ddls de
k mesure ayant la valeur du rapport ii m la plus petite par rapport tous les ddls du modle ii
EF et considre que les ddls ainsi choisis amliorent les rsultats du test modal. Dautres modles de rduction existent. Ces mthodes comme la rduction de systme amliore (Improved Reduction System IRS), la mthode de rduction modale, ou encore la mthode TAM hybride ont des formulations diffrentes de celle de Guyan. Quand les deux matrices rduites sont calcules, le principe de suppression de ddls esclaves reste le mme. Puisque les formulations des matrices rduites de masse et de raideur sont diffrentes, les ddls supprims seront diffrents dune mthode une autre.
I.3.1.2 Mthode de distribution nergtique
Lutilisation de lnergie cintique a t discute dans quelques articles [32], [33], [34]. A partir du modle EF et de lquation (74) lexpression de lnergie cintique au ddl j en considrant les m premiers modes scrit
Ec j = m jj

r =1
2 2 r rj
(80)
En plaant les quipements de mesure aux ddls ayant lnergie cintique maximale, nous aurons une plus grande observabilit des paramtres dynamiques de la structure. Ces ddls ayant lnergie cintique maximale pour les modes de la bande frquentielle choisie, doivent tre choisis comme ddls de mesure. Cette mthode de distribution dnergie utilise les modes propres directement. Une autre mthode utilisant directement les modes, appele mthode du produit des lments des vecteurs propres (Eigenvector Component Product ECP) [34] existe. Pour chaque ddl, on calcule le produit des lments du mode propre dans la bande frquentielle considre ; le ddl ayant la valeur maximale de ce produit est retenu comme ddl de mesure. Linconvnient majeur de ces deux mthodes est que le choix des ddls nest pas performant quand le test modal est utilis pour comparer les modes du modle EF et ceux mesurs. Nanmoins, ils peuvent tre associs ceux dautres mthodes pour enrichir lobservabilit.
I.3.1.3 Mthode de la flexibilit
Flanigan et al [35] ont dvelopps un algorithme de recherche de ddls de mesure bas sur le concept TAM. Ils ont utilis la flexibilit statique du modle EF initial pour dfinir un 29
modle rduit optimal. Le mode statique flexible [] du modle EF peut tre obtenu en appliquant une force unit chaque degr de libert
[I ] = [K ][ ]
considr comme une combinaison linaire du mode flexible statique
(81)
Le mode [] prdit par le modle EF dans la bande frquentielle considre peut tre
[ ] = [ ][L]
o [L] reprsente la matrice des coefficients de la combinaison linaire.
(82)
Quand tous les ddls du modle EF sont retenus cette quation est exactement correcte. Sinon, la matrice des coefficients [L] peut tre calcule en utilisant la pseudo inverse de la matrice de flexibilit statique
[L] = ([ ]T [ ]) [ ]T [ ]
1
(83)
Lerreur sera calcule par

Erreur = [ ][L ] [ ]
(84)
Les degrs de libert minimisant cette erreur reprsentent la position optimale des points de mesure [35]. Flanigan et al, et Stabb et al ont dvelopps dautres variantes de cette mthode [35], [36], [37].
I.3.1.4 Indpendance effective Matrice dinformation de Fisher
Lindpendance effective (Effective Independence EFI) est base sur lide que les points de mesure dans un test modal doivent tre choisis de faon ce que les modes propres obtenus soient les plus indpendants possibles les uns des autres. Il y a beaucoup de travaux utilisant ce concept [30], [32], [38], [39]. Chaque article propose une mthode diffrente mais le principe de base reste le mme savoir lutilisation de la matrice de Fisher. La rponse {y}N concernant les m modes considrs est donne par :
{y}N = [ ]N m {q}m + {v}N

mesure. {q}m est la partition des m modes du vecteur propre.
(85)
O N est le nombre de ddls dans le modle initial et {v}N reprsente le vecteur bruit de
30
Dans lhypothse o le bruit de mesure est stationnaire et nul, lestime de dpart du vecteur
{q}m
partir des mesures {y}N est obtenue par

}m = [ ]T {q m N + {y}N
(86)
o [ ]+ reprsente la pseudo inverse. Lerreur estime est

})({q} {q })T ] [P] = E [({q} {q quivalente
1 [P] = [[ ]T ]N m ] m N [R ] [ 1
(87)
= [Q ]
(88)
o [R] est la matrice dintensit du bruit de mesure. La matrice [Q] est appele matrice dinformation de Fisher. La matrice [R] peut tre simplifie par [R ] = 2 [I ] toujours en considrant le bruit de mesure uniformment rparti. La matrice dinformation de Fisher devient alors
[Q]mm =
[ ]T ]N m m N [
(89)
La meilleure estimation de {q}m ncessite la minimisation de la matrice [P] qui rsulte de la maximisation de la matrice [Q] et par consquent, la maximisation de la matrice [A] :
[A]mm = [ ]T ]N m m N [
La matrice [A] peut tre considre comme la somme des contributions de chaque ddl
(90)
[A]mm = Ai = [ ]T ]i i [
i =1 i =1
(91)
o [ ]i est un vecteur ligne correspondant au ddl i .
En ajoutant ou en soustrayant un ddl on ajoute ou on perd des informations dans la matrice de Fisher. Si tous les ddls sont slectionns, alors les modes dans la matrice
[ ]N m sont linairement indpendants et la matrice [A] sera de rang maximal. Si seulement

m<N modes sont considrs, alors il peut y avoir des ddls redondants dont la suppression naffectera pas le rang de la matrice [A]. En fonction du critre de slection choisi, il existe plusieurs mthodes de dtection de ddls redondants.
31
I.3.1.4.1 Mthode de Kammer
Kammer [30] a dvelopp une mthode de suppression des ddls redondants partir des solutions propres de la matrice [A]
([A]mm [ ][I ])[ ] = 0
(92)
o [] et [] sont les matrices de valeurs propres et de vecteurs propres correspondants. Puisque [A] est symtrique dfinie positive, la matrice [] est orthogonale et peut tre considre comme m vecteurs de dimension m.
[ ]T [a][ ] = [ ]
et
(93)
[ ]T [ ] = [I ]
] peut tre considr comme la projection de la matrice des modes propres [] Le produit [ ][
sur lespace m dimensions reprsent par les vecteurs de la matrice []. En considrant le carr de chaque membre du produit [ ][ ] , nous pouvons avoir une matrice o chaque lment reprsente la contribution dun ddl sur le mode. Si lon pondre par linverse de la frquence naturelle correspondant chaque mode, chaque lment de la matrice aura la mme importance dans toutes les directions m. Le vecteur de distribution de lindpendance effective est construit en rcoltant tous les lments correspondant un ddl dans la matrice prcdente. Ce vecteur not {Ed } reprsente la contribution de chaque ddl sur les autres modes. Llment maximal de ce vecteur reprsente le ddl qui contribue le plus au rang de la matrice [A] et doit tre par consquent retenu comme ddl de mesure. Llment minimal de ce vecteur reprsente le ddl qui contribue le moins au rang de la matrice [A] et doit par consquent tre supprim. En respectant le processus de suppression de ddls qui contribuent le moins au rang de la matrice [A], nous obtenons les ddls les plus appropris pour ltude exprimentale. Ces ddls qui ont une importance sur le rang de [A] ont par consquent un intrt sur lindpendance linaire entre les modes slectionns. En examinant le processus de calcul prcdent, {Ed } peut tre calcul autrement. Sachant que
[A]mm = [ ]T ]N m m N [
partir de (93) on a
1 1 [A] ]T ]mm mm = [ mm [ ]mm [
(94)
(95)
32
La matrice de prdiction [E] est calcule par

1 [E ]N N = [ ]N m [A] ]T mm [ m N
[E ]N N = [ ]N m ([ ]T ]N m ) [ ]T m N [ m N
1
(96)
Le vecteur de distribution dindpendance effective peut alors scrire [30], [32], [40], [41]
{Ed } = diag ([E ])
(97)
Kammer a dvelopp cette mthode [30] en lexploitant dans le cas de structures formes dassemblages [40], dans le cas dexistence de bruit de mesure [41] et pour les structures, endommages [42].
I.3.1.4.2 Maximisation du dterminant de la matrice dinformation de Fisher
Le dterminant de la matrice de Fisher indique la qualit dinformation des donnes mesures. Kammer [30], [42] na pas propos de mthode de calcul. Yao et al [38] ont exploit la mthode de Kammer en dveloppant un algorithme bas sur la maximisation du dterminant de la matrice de Fisher. Cette mthode utilise les algorithmes gntiques. Les rsultats prsents dans [38] montrent une lgre amlioration par rapport la mthode EFI mais reste nanmoins non optimale pour donner le dterminant maximal.
Park et al [43] ont dvelopps une mthode de suppression de ddls par une procdure itrative. Plusieurs ddls seront supprims chaque itration, de plus le nombre de ddls supprims est aussi dtermin par la mthode. Soit [A] la matrice utilise dans (90), quand lensemble des ddls sont slectionns, et [Ar] la matrice des ddls retenus
[A] = [0 ]T [0 ]
[Ar ] = [m ]T [m ]
(98) (99)
[0 ]
tant la matrice de tous les vecteurs propres, et [m ] la matrice des vecteurs propres
correspondant aux ddls retenus. La dcomposition en valeurs singulires (Singular Value Decomposition SVD) de la matrice [0 ] peut tre reprsente par
[0 ] = [U 0 ][ 0 ][V0 ]T
33
(100)
La matrice des vecteurs singuliers [U 0 ] peut scrire

[U ] [U 0 ] = 0 m [U 0 ]s
(101)
o [U 0 ]m et [U 0 ]s reprsentent les matrices correspondant aux ddls retenus et ddls supprims respectivement. Aprs suppression des ddls, lerreur relative sur le dterminant peut scrire
N det ([A]) det ([Ar ]) T = 1 det [I ] [U 0 ]s [U 0 ]s = pi det ([ A]) i =1
(102)
pi =
1 trace B i p1trace B i 1 ... pi 1 p1 i

B = [U 0 ]s [U 0 ]s
T
( )
( )
(103)
Lorsque p1<<1 lquation (102) devient

Ns det ([A]) det ([Ar ]) T p1 = trace(B ) = {u 0 }k {u 0 }k det ([ A]) k =1
(104)
Ns tant le nombre de ddls supprims, correspondant au kime ddl supprim.
{u0 }k
est le vecteur ligne de la matrice [U0]
Lquation (102) indique que plus p1 est petit plus le dterminant de [Ar] est grand. Alors les ddls ayant la valeur de
0 k T 0 k
({u } {u } ) la plus petite parmi tous les ddls doivent tre

i
supprims. Lquation (103) devient lorsque pi p1 avec p1<<1

N det ([A]) det ([Ar ]) N p = pi p1 1 det ([ A]) 1 p1 i =1 i =1
(105)
Une valeur est affecte p1 quand la variation du dterminant de [A] est fixe. Ce qui peut donner le nombre de ddls supprimer chaque itration en calculant la trace de la matrice B. Lorsque cette trace est suprieure la valeur de p1, alors le nombre Ns doit diminuer jusqu ce que la trace soit infrieure p1. Avec cette mthode la variation du dterminant de [A] sera trs petite chaque itration, ce qui donne la fin le dterminant de [Ar] le plus grand possible.
34
I.3.1.4.3 Indpendance effective et dcomposition QR
Schedlinski et Link [45], ont dvelopp une mthode de slection de ddls de mesure utilisant la dcomposition QR. Cette mthode est base sur la dcomposition QR de la matrice des vecteurs propres de faon ce que la dpendance entre les modes des ddls mesurs soit minimise. Pour une matrice [A], la dcomposition QR donne
[A][L] = [Q][R] [A] R m, N , [L] R N ,N , [Q] R m,m , et [R] R N ,m
(106)
o [Q] est une matrice orthogonale en colonnes telle que [Q ] [Q ] = [I ], [R] est une matrice
T
triangulaire suprieure avec des lments diagonaux dcroissants, et [L] une matrice de passage ralisant les permutations des colonnes de [A] dans le but davoir des valeurs maximales sur la diagonale de [R]. Compte tenu de la dcomposition QR donnant des lments de la diagonale de [R] dcroissants, la premire colonne de la matrice [A][L] peut tre considre comme le premier vecteur linairement indpendant. Cette caractristique est utilise pour slectionner les ddls de mesure. Les m modes N degrs de libert donns par le modle EF sont arrangs dans une matrice de faon ce que les colonnes de la matrice correspondent aux ddls, et les lignes correspondent aux modes ; ensuite la dcomposition est applique sur cette matrice. Les m premires colonnes de la matrice [L] indiquent les ddls pour lesquels les modes sont les plus linairement indpendants. Si le nombre de ddls slectionner est plus grand que le nombre de modes identifis m, alors les colonnes de la matrice [L] sont remises zro, la dcomposition QR est encore une fois applique de faon obtenir les autres ddls les plus linairement indpendants des ddls restant.
I.3.1.4.4 Comparaison des mthodes EFI
Le but essentiel de cette famille de mthodes est de rendre distinguable les modes propres identifier exprimentalement. Les trois mthodes sont assez performantes dans le cas o le nombre de ddls mesurer est gal au nombre de modes avec un modle EF assez prcis.
35
En pratique le nombre de points de mesure est plus grand que le nombre de modes dans la bande frquentielle considre (n>m). Par consquent les ddls choisis aprs les m premiers doivent tre aussi performants que possible. La premire mthode supprime les ddls qui ont moins de contribution sur les modes de la bande frquentielle considre. Il ny a aucun calcul complexe mais les rsultats ne sont pas garantis lorsque n>m. La seconde mthode maximise le dterminant en supprimant les ddls qui diminuent le moins celui-ci. Puisque la mthode SVD est une approximation, des erreurs sajoutent et donc deux modes peuvent tre considrs indpendants alors quil sont sensiblement dpendants. Pour la dernire mthode utilisant la dcomposition QR, lorsque n>m, la dpendance linaire entre les m premiers modes et les suivants nest pas garantie puisquils sont supprims dans les choix suivants. En conclusion, les deux premires techniques EFI sont les plus efficaces.
I.3.2 Slection des points dexcitation

Le but de la slection des points dexcitation est la dtermination des points dexcitation permettant dexciter tous les modes existant dans la bande frquentielle de mesure de faon donner une grande observabilit au test exprimental.
I.3.2.1 Point dexcitation optimal Point dexcitation non optimal
Cette mthode a t dveloppe par Imamovic (Optimal Driving Point ODP NonOptimal Driving Point NODP) pour guider les ingnieurs choisir les points dexcitation des structures durant lanalyse modale [44]. Lide principale de cette mthode est de choisir les points dont les amplitudes des modes considrs sont les plus grands possibles, tout en vitant les nuds modaux ou les points qui leur sont proches. Le paramtre ODP du ime ddl est dfini par
ODP(i ) = ir
r =1
(107)
o m est le nombre de modes existant dans la bande frquentielle de mesure. Tous les ddls ayant une valeur ODP proche de zro sont proches ou sur un nud modal. Par consquent, il ne serait pas utile dexciter la structure ces positions. Contrairement, les ddls ayant la plus grande valeur ODP seront choisis comme positions dexcitation. Le coefficient ODP est aussi appel produit des lments de vecteur propre (Eigenvector Component Product EVP) dans certaines rfrences comme [33], [34]. 36
Un autre paramtre peut tre dfini comme NODP qui veut dire point dexcitation non optimal. Il dcrit le rapprochement du ddl des nuds de chaque mode choisi. Le paramtre NODP du ime ddl est dfini par
NODP(i ) = min ir
r
(108)
Ce paramtre ne considre pas la moyenne de tous les lments du mode mais slectionne la valeur minimale. Si un ddl a la plus petite valeur du paramtre NODP, il faut viter quil soit un point dexcitation. Mais un ddl ayant un NODP de plus grande valeur, ne peut pas tre considr comme un bon point dexcitation. Le NODP est un paramtre permettant dliminer les mauvais points dexcitation.
Ces deux paramtres peuvent tre associs pour former une base ODP - NODP de choix des points dexcitation en prenant la moyenne de toutes les valeurs. Le point ne doit tre proche daucun nud, non seulement dun mode mais de tous les modes considrs.
I.3.2.2 Dcomposition QR
Schedlinski et al [45], ont non seulement utiliss la dcomposition QR pour slectionner les points de mesure mais aussi les points dexcitation. A partir du modle EF initial, la matrice des vecteurs force dexcitation est obtenue par
[F ]N m = [M ]N N [ ]N m
(109)
o N est le nombre de ddls et m le nombre de modes dans la bande frquentielle considre.
En appliquant la dcomposition QR de lquation (106) sur la transpose de [F], les s premires colonnes de la matrice [L] de correspondent aux ddls qui doivent tre choisis comme points dexcitation. s est le nombre de points choisir.
I.3.3 Slection des modes propres par approche sensitive

La matrice de sensitivit par rapport certains paramtres, est utilise pour slectionner les modes de rfrence et les ddls de mesure. Cette technique a t propose par Gola et al [46]. Elle est destine au recalage dans le domaine modal.
37
La matrice de sensitivit dun modle EF par rapport un ensemble de paramtres {p1, p2, , pn} est
1 p 1 2 p1 M m p1 [S ] = 11 p1 12 p 1 M Nm p1 L L L L L L 1 pi 2 pi M m pi 11 pi 12 pi M Nm pi L L L L L L 1 pn 2 pn M m pn 11 pn 12 pn M Nm pn
(110)
Ces matrices de sensitivit sont trs utilises en recalage de modle. La covariance dpendant de la qualit des mesures et de la matrice [S] est dfinie par
[cov] = [cond ]1 = ([S ]T [W ]2 [S ])

o [W] est une matrice de pondration.
(111)
Dans les meilleures conditions, les lments de la diagonale de la matrice [cov] deviennent plus petits quand beaucoup de modes sont considrs. La mthode de slection des modes est base sur le choix des modes permettant dobtenir diag[cov] le plus proche de la limite infrieure. Les lments de diag[cond] seront donc maximiss. Aprs avoir choisi les modes, les ddls de mesure peuvent tre slectionns en utilisant la slection sensitive. Les lments de la diagonale de la matrice [cond] peuvent tre considrs comme la somme des contributions de chaque mode et chaque ddl dans le modle EF. La contribution du jme ddl sur la valeur du ime lment de la diagonale de [cond] peut tre crit
jr Dj = r =1 pi
m
(112)
Le ddl ayant le plus grand Dj sera slectionn comme ddl de mesure. Aprs avoir choisi ces ddls, la diagonale diag[cov] doit tre recalcule. Si diag[cov] ne peut pas encore tre
38
amliore en ajoutant un autre ddl, alors les ddls slectionns reprsentent lensemble final de ddls de mesure. Cette mthode est base sur le choix des paramtres pi utiliss dans le recalage de modle. Son efficacit est lie au bon choix des paramtres pi.
I.3.4 Remarques
La planification des essais exprimentaux a t dveloppe dans les dernires annes. Elle est actuellement en priode dexpansion. Pour le cas de lidentification par correction ou recalage, ces mthodes deviennent de plus en plus demandes. Dans la mthode de choix des points dexcitation dcrite, nous cherchons exciter tous les modes choisis simultanment. Ceci a un intrt primordial sachant quactuellement, on cherche toujours exciter tous les modes orthogonaux de structures lments poutre dans le cas une excitation en un point unique. Les mthodes de choix de points de mesure prsentes sont ralises dans le but de minimiser le nombre de mesures tout en ayant une bonne observabilit.
I.4 RECALAGE DE MODELES ELEMENTS FINIS

Le but du recalage de modle EF est dajuster ou corriger le modle initial de faon ce quil reproduise fidlement les mesures prises exprimentalement. Ces mthodes peuvent tre divises en deux parties. Les mthodes directes quon appelle aussi mthodes de rfrence de base qui permettent de corriger le modle de faon ce quil reproduise les mesures exprimentales pour quil puisse tre exploites ultrieurement. Les mthodes didentification paramtriques par recalage. Ces mthodes sont plus intressantes puisque non seulement elles corrigent le modle, mais aussi elles expriment ces corrections par des paramtres ayant un sens physique. Elles peuvent donc tre utilises pour lidentification dendommagements.
Les donnes exprimentales exploites par ces deux types de mthodes peuvent tre des mesures modales ou frquentielles. Notre but est de dvelopper des mthodes de recalage du deuxime type, pouvant tre exploites dans la recherche de dfauts dans les structures mcaniques, en se basant sur des mesures frquentielles.
39
I.4.1 Mthodes modales directes

La plupart des mthodes de recalage directes ont t introduites la fin des annes 1970 et dbut des annes 1980. Grce leurs avantages, ces mthodes sont toujours utilises et font tat de dveloppements majeurs. Les nouveaux instruments de mesure actuels ont supprims quelques inconvnients lis ces mthodes
I.4.1.1 Mthode du multiplicateur de Lagrange
Lide de base de cette mthode est de considrer quun ensemble de paramtres parmi les modes mesurs, ainsi que les matrices de masse et de raideur, sont correctes. Les autres ensembles de paramtres seront corrigs sparment en minimisant une fonction cot avec les contraintes des multiplicateurs de Lagrange [47], [48], [49], [50]. Kenigdbuch et Halevi [51], ont considrs deux problmes : recalage des modes et de la raideur, ainsi que le recalage de la masse et de la raideur. Les frquences naturelles mesures sont considres correctes dans les deux cas. Pour le critre doptimisation, les matrices gnrales pondres sont utilises au lieu des matrices de masse. Ces mthodes sinscrivent dans le cadre du recalage avec localisation de dfauts dans les structures.
I.4.1.2 Mthode de lerreur matricielle
Cette mthode estime directement lerreur sur les matrices de masse et de raideur. Dveloppe dans les annes 1980, plusieurs variantes ont t prsentes [52], [53], [54], [55], [56]. Dans [56], les mesures ont t accomplies laide dun vibromtre laser sur plaque en porte faux. Aprs utilisation dune technique de lissage sur les modes propres mesurs, la procdure de recalage utilisant la mthode de lcart matriciel obtient un modle corrig reproduisant les donnes mesures.
I.4.1.3 Affectation de donnes modales
Laffectation de donnes modales est une mthode dveloppe par la thorie du contrle. Dans cette mthode, la matrice recherche est celle qui a les valeurs et vecteurs propres dsirs. Cette matrice retrouve par chemin inverse est alors utilise pour perturber les matrices de masse et damortissement du modle recal. Cette mthode ncessite donc lidentification de tous les modes propres. Les matrices damortissement et de raideur risquent de ne pas tre symtriques, ce qui est physiquement anormal. Dans certains travaux utilisant ce type de mthodes, ces limitations ont t vites.
40
I.4.1.4 Autres mthodes directes
Une mthode inverse base sur les valeurs propres est prsente par Inman et Starek [57], [58], [59], [60]. Celle-ci est assez performante pour les modles faible perturbation de types utiliss sur les structures aussi bien que sur les machines. Il reste nanmoins quelques imperfections exprimentales non rsolues comme le bruit de mesure et le nombre incomplet de donnes. La mthode de la matrice mixte dveloppe dans les annes 1970 combine simultanment les modes propres mesurs et vecteurs propres analytiques pour avoir un ensemble complet de vecteurs propres. Par consquent, la mthode peut reproduire les modes propres grce au modle EF recal. Les matrices de masse et de raideur obtenues par recalage seront des matrices pleines perdant ainsi tout sens physique [61].
I.4.1.5 Remarques
Ces mthodes de recalage permettent dobtenir un modle reproduisant exactement les donnes de rfrence sans itration. Lorsque lcart entre les valeurs mesures et les valeurs initiales du modle EF est assez petit ces mthodes permettent de bien corriger le modle. Ces mthodes ncessitent de mesurer sur tous les ddls. Dans la plupart des cas rels, le nombre de ddls mesurs est trs petit devant le nombre de ddls du modle EF. La mthode utilisant le vibromtre laser peut viter ce cas. Pour surmonter ce problme, des mthodes de rduction ou dexpansion sont utilises mais en ajoutant des erreurs supplmentaires au processus. Les mthodes directes sont trs sensibles au bruit de mesure. Actuellement les frquences naturelles peuvent tre identifies avec une prcision suffisante pour le recalage de modle. Par contre, la prcision des mesures des modes nest pas approprie pour les mthodes directes. Tant que la prcision et le nombre de mesures ne samliorent pas, les mthodes de recalage directes restent limites.
I.4.2 Mthodes itratives

Plusieurs mthodes itratives de recalage de modles existent. Elles utilisent des mesures modales ou frquentielles. Ces mthodes se basent toutes sur la rsolution de systmes dquations non linaires par des mthodes itratives.
41
I.4.2.1 Mthodes fonction cot I.4.2.1.1 Principe de base
Lobjectif des mthodes fonction cot est de faire une corrlation entre les donnes mesures et celles du modle analytique. Lide de base de ces mthodes fonctions cot peut tre dveloppe par ce qui suit Soit {ZX} les proprits dynamiques exprimentales dune structure, qui peuvent tre des frquences propres, modes propres, fonctions de rponses frquentielles, ou une combinaison de ces proprits. Notons {Zi} les mmes proprits prdites par le modle EF la ime itration. {ZX} et {Zi} peuvent tre considres comme fonction des paramtres {p} de la structure. Quand on modifie ces paramtres, le modle EF sera donc recal. On peut crire
{Z X } = {Z ( p )}
{Z i } = {Z ( pi )}
La diffrence entre les donnes mesures et les donnes du modle EF scrit
(113)
{Z } = {Z X Z i } = {Z ( p ) Z ( pi )} = {Z ( pi + pi ) Z ( pi )}
par rapport ces paramtres. La diffrence {Z } peut donc tre approxime par
Z {Z } = {Z ( pi + pi ) Z ( pi )} {pi } = [S ]{pi } p
(114)
o la diffrence entre {p} et {pi} est assez petite pour considrer les proprits de la drive
(115)
o [S] est la matrice de sensitivit de la structure contenant les drives des proprits considres {Z} par rapport aux paramtres {p}. Les lments de la matrice de sensitivit sont gnralement non linaires. Dans le processus de recalage les lments de cette matrice changent chaque itration. Les mthodes fonction cot cherchent dterminer lcart {p} de faon ce que lcart sur les proprits {Z} soit minimis. A partir de lquation (115) une fonction cot peut tre tire
J ( p ) = ({Z } [S ]{pi })
T
({Z } [S ]{pi })
(116)
cette fonction cot quon appelle aussi fonction objectif est la norme de la diffrence entre
{Z } et [S ]{pi }. Le vecteur {pi } est lapproximation de la solution de lquation (114) la
42
ime itration. Pour viter le mauvais conditionnement on affecte au problme de minimisation des coefficients de pondration. La fonction cot devient alors
J ( p ) = ({Z } [S ]{pi }) [W ]({Z } [S ]{pi })
T
(117)
La solution optimale {p} ne peut tre obtenue que par des mthodes itratives. En drivant les quations (116) et (117) par rapport aux paramtres {pi } la solution de (114) peut tre obtenue par
{pi } = ([S ]T [S ]) [S ]T {Z }
1
(118) (119)
ou
{pi } = ([S ]T [W ][S ]) [S ]T [W ]{Z }

1
Quand le nombre de mesures est suprieur au nombre de paramtres, lcart {pi } peut tre calcul. Nanmoins, le conditionnement de la matrice [S ] [S ] est souvent mauvais. Ce qui
T
rend le systme de rsolution inverse instable, mme avec les coefficients de pondration
[W ] . Un problme de rang de la matrice ([S ]T [S ]) risque aussi de se poser.
I.4.2.1.2 Mthodes fonction cot et donnes modales
Il existe plusieurs formes de fonctions cot utilisant des donnes modales. Cobb et al [62] ont utiliss la fonction suivante
2 N m ( A )r J ( p ) = ar ( ) 1 + bir (( A )ir ( X )ir ) r =1 i =1 r =1 X r m 2
(120)
ar et bir tant des coefficients de pondration positifs. Les diffrences entre les frquences
naturelles des donnes exprimentales (valeurs propres relles) et celles prdites par le modle EF sont normalises. Link et al ont utiliss la fonction [63], [64]
J ( p ) = {Z } [W ]{Z }+ {p} [Wp]{p}
T T
(121)
[W] est une matrice de pondration pour la diffrence entre les donnes exprimentales et les valeurs prdites, par contre [Wp] est une matrice de pondration permettant de limiter la variation des paramtres {pi} chaque itration. Cette fonction cot permet de slectionner mme les paramtres pondrer. Si les lments de la ligne et de la colonne qui correspondent un paramtre dans {p} sont remis zro, le paramtre restera inchang
43
cette itration. Quelques articles [63], [64], [65], [66], proposent des mthodes de slection de la matrice [Wp]. Par exemple dans [63], [64] elle scrit
[Wp] = diag [wp].diag ([S ]T [W ][S ])
(122)
La matrice de pondration ajuste les paramtres par rapport la matrice de sensitivit. Lorsque les paramtres de la matrice de sensitivit sont proches de zro, les coefficients de [Wp] correspondants sont proches de zro et le paramtre reste inchang.
Les frquences naturelles mesures sont beaucoup plus prcises que les modes propres. Gnralement la sensitivit aux valeurs propres est plus importante que la sensitivit aux vecteurs propres. Pour cela les facteurs de pondration affects la diffrence entre les frquences propres doivent tre plus grands que ceux affects aux vecteurs propres. Les frquences propres utilises seules ne suffisent pas pour recaler correctement le modle EF. Quelquefois les informations donnes par les modes mesurs permettent de localiser des dfauts. Il est donc ncessaire de considrer ces mesures dans la fonction cot.
I.4.2.1.3 Mthodes de minimisation dans le domaine frquentiel
La sensitivit des fonctions de rponse frquentielles (Frequency Response Functions FRF) aux paramtres choisis doit tre calcule. Cette matrice peut tre obtenue partir de
[H ] [Z ] [H ] = [H ] p p
(123)
[Z ] = [H ( )]1 = 2 [M ] + j[C ] + [K ]
Deux types de fonction cot utilisant les FRFs existent [67], [68], [69]. La premire
est base sur lerreur rsiduelle des paramtres mesurs quon appelle aussi erreur la sortie
{ } = {H A } {H X }
sa fonction cot est
J ( p ) = ({H X }{H A })
T
({H X }{H A })
La seconde fonction est base sur les rsidus de lquilibre des efforts quon appelle aussi quation derreur.
{ } = [Z A ]{H X } {I }
44
sa fonction cot est

J ( p ) = ([Z A ]{H X } {I }) ([Z A ]{H X } {I })
T
En appliquant la sensitivit sur la fonction de transfert par rapport aux paramtres {p} on obtient
[H A ] [H A ]i + [H ]p
p
(124)
En appliquant la sensitivit sur la matrice de raideur dynamique par rapport aux paramtres {p} on obtient
[Z A ] [Z A ]i + [Z ]p
p
(125)
En drivant la fonction cot, deux solutions optimales se dgagent

H T H H T p = ({H X } {H A }i ) p p p
T T Z p = {H X } {H X } p 1
(126)
et
{H X }
Z p
({I } [Z A ]i {H X })
(127)
Lindice i reprsente la ime itration. Ces deux solutions ont leurs avantages et leurs inconvnients. En utilisant le rsidu de la fonction de transfert dans la fonction cot on fait une comparaison directe entre les mesures et les valeurs analytiques. Cependant en minimisant cette fonction on risque de converger vers un minimum local puisque cette fonction nest pas monotone. En plus, la solution risque dtre instable. Par consquent et pour les mmes raisons la solution des quations de recalage ne peut tre garantie. Lutilisation de la matrice de raideur dynamique dans la fonction cot a lavantage dtre monotone pour la plupart des paramtres de recalage. La solution de cette mthode est de loin plus stable que la mthode prcdente. Malheureusement, le calcul de
({I } [Z A ]i {H X })
donnera des valeurs relativement petites par rapport aux valeurs de la
matrice [ZA] et du vecteur {HX}. Celle-ci est trs sensible au bruit exprimental qui risque de rendre le processus divergeant.
45
Lammens et al [70] ont propos une autre mthode utilisant un autre rsidu appel rsidu indirect de la fonction de transfert
{ } = [H A ]([Z A ]{H X } {I })
La fonction cot correspondante est
J ( p ) = ([H A ]i ([Z A ]{H X } {I })) ([H A ]i ([Z A ]{H X } {I }))
T
(128)
(129)
En drivant cette fonction, la solution optimale sera

[Z A ]i p = [H A ]i p {H X }
+
({H A }i {H X })
(130)
o ( )+ reprsente la pseudo inverse. La fonction cot et sa solution donnent les mmes avantages que la mthode utilisant les rsidus de la matrice de raideur dynamique. En remplaant
({I } [Z A ]i {H X }) par ({H A }i {H X }) le systme sera plus stable numriquement.
Lquation prcdente est sensiblement la mme que la solution utilisant le rsidu de la fonction de transfert. En introduisant (123) dans (126) et en comparant avec (130) on peut voir la diffrence entre ces deux quations. Dans lquation (130) les FRF exprimentales {HX} et la matrice analytique [HA] sont toutes les deux utilises pour le calcul de
H p plutt que dutiliser la matrice analytique seule. Comme dans (126), ceci amliore la
convergence du processus de recalage. Lammens et al [70] ont montr que lapplication de cette mthode montre une bonne corrlation avec les mesures exprimentales. Cependant, lunicit de la solution ne peut tre garantie. Lun des principaux avantages de lutilisation des fonctions de rponse frquentielle est que les paramtres damortissement peuvent tre dtermins et corrigs alors que les valeurs et modes propres ne sont pas sensibles lamortissement. Dans le recalage de la matrice damortissement on utilise toujours des mesures FRF [71], [72], [73]. Lutilisation de FRF en slectionnant un nombre suffisant de points de mesure dans la bande frquentielle considre, peut attnuer le problme de mesures incompltes en ddls et nombre de modes. Ceci est d au fait que les FRFs contiennent linfluence de tous les modes et les informations prises pour diffrentes valeurs de la frquence ne sont gnralement pas linairement dpendantes. Ceci est tout fait justifi thoriquement, par contre les rsultats de lapplication des mthodes utilisant ce type de mesures montrent que le nombre de ddls et la slection des valeurs des frquences de mesure ont une influence considrable sur la performance de la mthode de recalage. Les valeurs proches de la rsonance doivent tre 46
vites car les informations pour ces valeurs sont domines par un ou deux modes, et lamortissement aura un effet dominant. Aussi, les valeurs lantirsonance sont viter car le rapport signal sur bruit est trs petit ce qui est invitable puisquune valeur peut tre bonne pour une fonction FRF et reprsenter une antirsonance pour une autre fonction FRF dun autre ddl.
I.4.2.1.4 Remarques sur les mthodes fonction cot
Il y a deux volets importants dans ce type de mthodes, le choix de la fonction cot et le choix de la mthode doptimisation. La fonction cot choisie donne une grande influence sur la performance et la convergence de la mthode de recalage. La mthode doptimisation la plus utilise est la mthode des moindres carrs. On ne peut faire un recalage de tous les paramtres avec un seul essai, il est donc important de choisir les paramtres corriger. Les paramtres recaler peuvent tre la raideur, la masse, lamortissement ou tout autre paramtre physique ou gomtrique. Lavantage de ces mthodes est quelles donnent toujours un sens physique au recalage obtenu contrairement aux mthodes directes. Toutes les fonctions cot sont non linaires par rapport aux paramtres, la solution ne peut tre obtenue que par itrations posant donc un problme de convergence. Lutilisation de matrices de pondration amliore les mthodes mais ne garantie pas la convergence du processus.
I.4.2.2 Mthodes de la variation minimale
Dans toutes les circonstances les donnes exprimentales sont affectes dune quantit de bruit non ngligeable, ainsi que dune modlisation incertaine des caractristiques des structures industrielles. En rptant plusieurs fois la mme manipulation exprimentale sur un chantillon de mmes structures, ou sur la mme structure on peut utiliser des artifices statistiques sur les FRFs mesures pour estimer lerreur de dpart sur les donnes du modle EF. Les mthodes de la variation minimale utilisent ces artifices pour amliorer la prdiction du modle EF. Soient {pi} les paramtres de recalage la ime itration et E pi . piT = [Vi ] la matrice de variation minimale de ces paramtres. Lobjectif des mthodes variation minimale est de minimiser cette variation chaque itration.
47
Si la diffrence entre les prdictions {Zi} la ime itration et les mesures correspondantes {ZX} est assez petite alors
{Z X } {Z i } = [S ]({p} {pi })
paramtres de litration peuvent tre dtermins en utilisant lquation
(131)
[S] tant la matrice de sensitivit des {Z} par rapport aux paramtres de recalage. Les
{pi+1 } {pi } = [T ]({Z X } {Z i })

La variation de {pi+1} la (i+1)me itration est
(132)
[Vi+1 ] = E [pi+1. piT+1 ]
( Di ]T [Vi ][Si ])+ [T ][Vzi ][T ]T [Vi+1 ] = [Vi ] + ([Di ] [Vi ][Si ]T ) [T ]T + [T ][
T
o [Di ] = E pi . T est une corrlation entre les paramtres et le bruit de mesure {} et [Vzi] est lerreur sur la variation des sorties avec
[Vzi ] = E [({Z X } {Z i })({Z X } {Z i })T ]

En minimisant la variation sur les paramtres la (i+1)me itration la matrice [T] peut tre obtenue par
[T ] = ([Vi ][Si ]T [Di ])[Vzi ]1

On peut alors dterminer {pi+1}
(133)
{pi+1 } = {pi }+ ([Vi ][Si ]T [Di ])[Vzi ]1 ({Z X } {Z i })

Quand la corrlation entre lerreur de mesure et les paramtres est nulle alors
(134)
{pi+1 } = {pi }+ ([Vi ][S i ]T )([S i ][Vi ][S i ]T + [V ]) ({Z X } {Z i })

1
(135)
Lavantage principal des mthodes de variation minimale est lutilisation des informations exprimentales et leur qualit value statistiquement, ainsi que la connaissance des paramtres imprcis. Lindholm et al, ont utilis une approche statistique bayesienne dans leur mthode de recalage. La connaissance des paramtres mal prdits et lestimation de lerreur exprimentale aide la stabilit de la solution et amliore la qualit des rsultats [74], [75], [76]. Aprs avoir analys quatre types de mesures exprimentales ils montrent que les FRFs et les rponses sinusodales sont les plus appropries pour les mthodes de recalage statistiques. 48
Friswell et al [77], ont propos une mthode qui considre que les erreurs dapproximation du modle EF, et le bruit de mesure comme tant les limites de lincertitude des paramtres. Les rsultats seront dtermins par la rsolution du problme de mini maximisation suivant min max (S + S ) p (Z + Z ) 2 : S
p
s , Z
})
(136)
I.4.2.3 Autres mthodes de recalage
En plus des mthodes prcdentes, dautres mthodes spcifiques existent. Lune des mthodes les pus populaires actuellement est la mthode utilisant les algorithmes gntiques. Ces algorithmes permettent de trouver des minima ou maxima globaux. Ils peuvent donc tre utilisable pour la minimisation de fonctions cot. Larson et Zimmerman [78] ont dvelopp un programme efficace utilisant les algorithmes gntiques. Ils lon appliqu pour le recalage dun modle EF dune barre six lments avec 25 ddls. Les rsultats montrent une amlioration considrable mme lorsque les modes sont perturbs par du bruit exprimental. Carlin et Garcia [79] ont utilis lalgorithme pour la dtection de dfauts dans les structures mcaniques. Aprs comparaison avec dautres mthodes de dtection de dfauts, ils concluent que les algorithmes gntiques sont plus performants et vitent de signaler des dfauts l o il nexistent pas, chose souvent rencontre dans les autres mthodes. Un autre type de mthode est base sur lutilisation des conditions aux limites perturbes (Perturbed Boundary Condition PBC) dans le test exprimental. Mme si le concept des PBC existait depuis les annes 1980, il na t introduit dans le recalage que dans le dbut des annes 1990 [80], [81], [82], [83]. Lutilit principale des PBC est de surmonter le problme principal des mthodes de recalage qui est linsuffisance dinformation, et amliorer le conditionnement des systmes dquations. Un des problmes de ce type de mthodes est la difficult associer les mesures des diffrents tests en une seule procdure de recalage, car si lon augmente simplement le nombre dquations la rsolution du systme devient plus complexe. Un autre problme rside dans le choix des configurations de PBC qui permettent de donner une quantit dinformations suffisante pour amliorer la mthode de recalage. Yang et Brown [73] ont propos une mthode de slection des configurations de PBC. Au lieu dutiliser plusieurs ensembles de tests comme pour les PBC, Ibrahim et al [84], [85], ont utilis un modle analytique perturbations multiples. Mme si les informations sur le comportement de la structure proviennent dun seul test exprimental, la
49
mthode augmente la quantit dinformation obtenue, et aide par consquent amliorer le conditionnement des quations de recalage. Quelques chercheurs ont utilis les frquences dantirsonance avec les frquences naturelles, modes propres, et les FRFs pour la conception de la mthode de recalage [82], [86], [87], [88], [89]. Les modes propres et les frquences naturelles de quelques modes peuvent donner une bonne information des proprits dynamiques de la structure considre dans la bande frquentielle choisie. Thoriquement, chaque FRF contient linformation sur tous les modes de la structure, mais en pratique le bruit de mesure rend les rsultats du recalage dpendants du choix des valeurs des frquences de mesure. La FRF la frquence dantirsonance est une proprit qui dpend de tous les modes, mais la sensitivit de celle-ci est domine par la valeur propre la plus proche et le vecteur propre qui lui correspond [87]. Ces FRFs aux antirsonances sont diffrentes des autres. Chaque FRF lantirsonance induit une information indpendante dans le modle de recalage. Ceci aide rendre le systme surdtermin.
I.4.2.4 Remarques sur les mthodes de recalage
Mme sil existe une multitude de mthodes de recalage de modle EF, le problme reste toujours pos puisque aucune delles ne peut se suffire et puisse corriger correctement le modle EF de toutes les structures industrielles. Il y a des cas jugs satisfaisants mais leur succs est limit une structure choisie et la solution nest toujours pas unique. Les mesures exprimentales incompltes en terme de bande frquentielle et en nombre de ddls montrent que le recalage ne peut souvent pas sappliquer sur tous les paramtres du systme. Le choix des mesures et des paramtres corriger ainsi que la mthode de rduction ou dexpansion de modle est primordial pour le succs du recalage. En plus lestimation de la qualit des rsultats ncessite aujourdhui le flair et le jugement ainsi que lexprience des ingnieurs. Plusieurs types de mesures peuvent tre utilises (frquences naturelles, modes propres, FRF, ). Elles ont des sensitivits diffrentes sur les paramtres recaler. On peut combiner ces diffrents types de mesures en une seule mthode de recalage pour associer leurs avantages et viter les inconvnients de chaque type quand il est utilis seul. Un bon choix de fonction cot (fonction objectif) influe sur la qualit de la mthode. La fonction cot doit tre monotone et continue par rapport aux paramtres tudier. Quand la fonction cot aura t bien choisie, la mthode doptimisation ou de minimisation joue un rle important. La mthode des moindres carrs est lune des mthodes 50
les plus utilises, mais on peut en utiliser dautres. Quelques mthodes comme celles bases sur les algorithmes gntiques permettent damliorer le recalage du point de vue processus doptimisation.
51
IDENTIFICATION DE STRUCTURES LINEAIRES

II.1 METHODE DE CHOIX DES POINTS DE MESURE POUR LE RECALAGE DE MODELES II.1.1 Enonc de la mthode II.1.2 Rsultats exprimentaux II.1.3 Conclusion II.2 METHODES DE RECALAGE II.2.1 Mthode de recalage avec paramtrisation intrinsque II.2.1.1 Position du problme II.2.1.2 Mthode dapproximation II.2.1.3 Choix des points de mesure II.2.1.4 Rduction aux paramtres de recalage de raideur II.2.1.5 Paramtrisation intrinsque II.2.1.6 Cas test numrique II.2.1.7 Conclusion II.2.2 Mthode de recalage par sparation des variables II.2.2.1 Mthode de recalage II.2.2.2 Fonctions cot II.2.2.3 Paramtrisation frquentielle II.2.2.4 Mthode de recalage par les moindres carrs II.2.2.5 Expressions des premire et seconde drives des erreurs relatives II.2.2.6 Application II.2.2.7 Conclusion II.2.3 Stratgie incrmentale de recalage II.2.3.1 Problmatique II.2.3.2 Choix de la fonction de corrlation II.2.3.3 Mthode propose II.2.3.4 Application II.2.3.5 Conclusion 52 54 59 59 59 60 61 66 67 67 69 72 72 73 74 74 75 76 78 81 82 83 84 85 87 89 52
Chapitre 2 : Identification de structures linaires
II IDENTIFICATION DE STRUCTURES LINEAIRES

II.1 METHODE DE CHOIX DES POINTS DE MESURE POUR LE RECALAGE DE MODELES
II.1.1 Enonc de la mthode
Considrons lquation du mouvement dun systme dynamique n degrs de libert dans la bande frquentielle i{1 2 .., s }
{y (i )} = ( [M ]i2 + ji [B] + [K ])1 { f }
(137)
Soit r le nombre de degrs de libert de mesure optimiser, et considrons que tous les ddls sont mesurs, on obtient alors la matrice [Y] forme par les colonnes de la rponse y(i)
[Y ] = [{y (1 )} {y (2 )}
Calculons maintenant
... ...
{y ( s )}]
(138)
[Y ] ; cette matrice reprsente linfluence dun dfaut de modlisation pi
de masse (quand pi=mi) ou de raideur (quand pi=ki) du ime lment sur les mesures [Y]. La matrice de sensitivit doit tre capable de prendre en compte les effets sur le comportement dynamique de la structure dune variation unitaire du paramtre corriger [90]. Pour notre cas considrons la matrice dinformation [I(pi)] dfinie par [91]
[Y ] [Y ] nn [I ( pi )] = p R p i i
H
(139)
o H reprsente le conjugu transpos. La diagonale de la matrice dinformation reprsente linfluence globale dune variation de masse ou de raideur du ime lment par rapport aux mesures:
{v}i = diag [I ( pi )]
sur llment i . Calculons maintenant le vecteur tmoin {} tel que
(140)
Llment du vecteur {v} ayant la valeur maximale donne le ddl le plus sensible un dfaut
{ } = {v}i
i =1
2n
(141)
52
Donnes : K,B,M
Choisir r
Calculer le vecteur tmoin {} Initialiser [Y]=[ ] ; [Md]=[ ] c=rang [Y] ; num=0 Soit j indice de (j)=Max()
[Y]=[Y]+[y(j)] []=[]-[j] c=d d=rang [Y] num = num +1 non d>c non num=r oui [Md] : degrs de libert mesurer oui [Y]=[Y]-[y(j)] num=num-1
FIN
Figure 2. Organigramme de la mthode propose
Les lments de {} auront une grande valeur lorsque le ddl concern est plus sensible un dfaut existant dans la structure sur nimporte quel lment. Il est donc intressant de mesurer aux ddls ayant les lments correspondants du vecteur {}, les plus grands possibles. Cela permet de slectionner les ddls donnant la meilleure observabilit un un sparment. On doit
53
maintenant supprimer tous les ddls qui donnent des informations de mesures [Y] identiques ou linairement dpendante, c'est--dire ceux qui naugmente pas le rang de la matrice [Y]. Finalement la mthode se slection de points de mesure propose est rsume en ces trois tapes a) Calculer le vecteur tmoin {} en utilisant lquation (141); b) La valeur maximale de {} correspond au premier ddl slectionner; La matrice rponse mesure [Y] est construite par la ligne correspondant au ddl choisi. c) Le ddl suivant slectionner est le ddl correspondant ayant la valeur de llment de {} immdiatement infrieure, qui augmente le rang de la matrice [Y] quand la ligne qui lui correspond est ajoute celle ci. Rpter ltape c jusqu ce que le nombre de points de mesure soit gal au nombre prdfini r . Cet algorithme est matrialis par lorganigramme de la figure 2.
II.1.2 Rsultats exprimentaux

Pour tester la mthode nous avons choisi une technique de recalage efficace (voir chapitre suivant) que nous avons appliqu sur une structure simule.
Figure 3. Structure dessai en treillis doublement encastre
Pour simuler les mesures, du bruit alatoire a t ajout en utilisant le modle suivant [100]
y ( s ) (i, t ) = (1 + .g. %) y ( s ) (i, t )
(142)
54
o reprsente alatoirement la valeur 1 ou -1,

g : valeur alatoire entre 0 et 1,
% : pourcentage de bruit introduit.

La simulation a t ralise avec un bruit de mesure de lordre de 5%. Pour amliorer lefficacit de la mthode de choix des points de mesure en tenant compte de la technique de recalage, considrons la structure en treillis doublement encastre de la figure 3 forme de 30 poutres soudes. La structure est discrtise en 30 lments finis avec 39 degrs de libert. Choix des frquences de mesure et de la position de la force dexcitation Comme indiqu prcdemment, il est intressant de maximiser le vecteur tmoin {}. Alors, dans cette application, la position de la force dexcitation doit tre choisie selon le degr de libert qui maximise ce vecteur. Pour ce faire, nous calculons le vecteur tmoin pour toutes les positions possible de la force et nous comparons le module des vecteurs obtenus ; Les frquences de mesure sont aussi des paramtres qui peuvent induire une grande variation de ce vecteur. Loptimisation doit donc inclure ces paramtres. Considrons que la structure prcdente travail dans la bande frquentielle [0, 520] Hz. Dans le but de choisir les frquences de mesure, divisons cette bande frquentielle en trois parties. La premire partie reprsente les frquences faibles [0, 200], la seconde partie, les frquences moyennes [150, 350], et la troisime reprsente les grandes frquences [330, 520]. Considrons maintenant les cinq ensembles de valeurs de frquences prsentes sur le tableau 1: 1- valeurs proches des frquences de rsonance {1} 2- valeurs couvrant les faibles frquences {2} 3- valeurs couvrant les frquences moyennes {3} 4- valeurs couvrant les grandes frquences {4} 5- valeurs couvrant toute la bande frquentielle {5} Nous devons choisir lensemble qui maximise le module du vecteur tmoin {}. En dautres termes, nous choisirons la position de la force dexcitation et les valeurs des frquences de mesures qui maximisent simultanment le module du vecteur tmoin. La figure 4, reprsente le module de ce vecteur pour chaque ensemble de valeurs des frquences de mesures pour diffrentes positions de la force dexcitation (les degrs de libert de rotation ont t volontairement limins)
55
Tableau 1. Diffrents ensembles de frquences de mesure {1} 12 37 84 111 124 141 170 205 220 248 266 325 340 361 384 405 426 457 466 511 { 2} 14 22 29 39 49 54 62 70 78 94 100 109 120 139 144 152 160 168 186 195 { 3} 160 108 186 195 208 224 232 240 245 257 268 276 284 302 310 318 324 332 339 350 { 4} 339 348 361 370 385 391 396 407 415 426 434 442 450 456 466 474 482 490 498 510 { 5} 14 39 62 94 120 139 160 186 208 232 257 284 318 339 370 391 426 450 474 498
Figure 4. Module du vecteur tmoin pour diffrentes positions de la force dexcitation et diffrentes frquences de mesure
56
Nous constatons que les frquences proches de la rsonance maximisent le module du vecteur tmoin, elles seront par consquent plus utiles pour le recalage de modle. Pour ces valeurs des frquences, la figure 4 montre que pour maximiser le vecteur tmoin, la force dexcitation doit tre choisie selon le degr de libert 38 qui reprsente le dplacement vertical du nud 15. Application de la mthode doptimisation pour le recalage de modle Pour simuler la structure exprimentale, des dfauts de +20%, +30%, et +20% de la raideur sont introduits respectivement dans les lments 2, 14 et 17 avec 5% de bruit alatoire.
Figure 5. Histogramme du vecteur tmoin en considrant tous les ddls mesurs
Figure 6. Vecteur tmoin en considrant que les ddls de rotation et ceux du noeud 15 non mesurs
57
La figure 5 qui reprsente le module du vecteur tmoin, montre que les ddls de rotation sont plus expressifs et utiles que les ddls de translation. En se basant sur cet histogramme les quatre ddls slectionner seront {6, 35, 38, 39} qui reprsentent les dplacement verticaux des noeuds 14, 15 et les ddls de rotation des noeuds 2, 15. Considrant que seulement les ddls de translation seront mesurs et vitant de mesurer au noeud dexcitation 15, lhistogramme sans ces ddls (Figure 6) montre que les ddls slectionner sont {2, 5, 16, 35} qui reprsentent les dplacements verticaux des noeuds 3, 4, 14 et le dplacement horizontal du noeud 6. Pour valider la stratgie propose un algorithme de recalage de modle [101] est utilis pour dtecter les dfauts en considrant que les mesures sont effectues suivant les ddls slectionns {2, 5, 16, 35}. Les rsultats de recalage obtenus seront compars aux rsultats que donnera le mme algorithme en considrant que tous les ddls de dplacement sont mesurs pour les mmes frquences de mesure choisies (lgrement proches des frquences de rsonance, lensemble {1} sur le tableau 1). Le tableau 2 illustre les rsultats obtenus.
Tableau 2. Rsultats du recalage pour les deux ensembles de frquences de mesure

Elts 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 Dfauts 0 20 0 0 0 0 0 0 0 0 0 0 0 30 0 Ens. I Ens. II Elts 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 Dfauts 0 20 0 0 0 0 0 0 0 0 0 0 0 0 0 Ens. I Ens. II
-0,72 19,28 2,26 0,01 1,91 1,03 -2,64 -0,50 2,07 4,15 0,27 0,74 -1,32 31,16 -2,90
0,19 18,89 -0,59 0,50 0,64 0,08 -1,27 1,23 -0,68 0,84 -0,48 -1,19 -0,04 30,76 -0,89
2,34 12,79 3,28 -1,17 0,41 -0,62 -1,27 0,55 -3,15 -0,66 -1,74 -0,71 -1,19 -0,04 0,29
1,27 19,67 1,38 0,47 -1,10 -0,98 0,76 -0,85 0,81 -1,01 -0,28 0,12 1,99 0,64 -0,20
Les rsultats obtenus avec un nombre limit de ddls slectionns {2, 5, 16, 35} (ensemble I sur le tableau 2) sont trs proches des rsultats obtenus quand tous les ddls de dplacement sont mesurs (ensemble II sur le tableau 2). Ceci confirme que la stratgie propose donne un nombre limit de mesures quivalentes la mesure de tous les ddls de translation. Les dfauts de raideur introduits ont t localiss et quantifis.
58
II.1.3 Conclusion
Une mthode de choix des points de mesure utilisant la drive premire de la rponse frquentielle du mouvement a t propose. Teste dans le cas de la dtection de dfauts dans une structure en treillis doublement encastre dont les dfauts et le comportement dynamique ont t simuls numriquement. Les rsultats des tests effectus avec lensemble de points de mesure slectionns en utilisant le recalage de modle montre lefficacit de la mthode propose. Compte tenu de la matrice de sensitivit utilise, cette mthode est adquate pour les applications de dtection de dfauts mcaniques dans les structures. Lefficacit de cette mthode dpend directement des valeurs des frquences choisies {1 2 .., s } dans la bande frquentielle. Le nombre de mesures r est aussi un paramtre optimiser pour rendre la mthode facilement utilisable dans le cas de lidentification en dynamique.
II.2 METHODES DE RECALAGE

II.2.1 Mthode de recalage avec paramtrisation intrinsque
Le recalage de modle thorique consiste corriger ou raffiner un modle obtenu partir de lanalyse dynamique de structures, en utilisant des mesures exprimentales sur la structure tudier. Cette technique est lune des techniques les plus utilises en analyse modale exprimentale [93]. Dans le cas des modles lments finis, plusieurs mthodes existent. Les mthodes de recalage bases sur les mesures modales utilisent les fonctions de rponse frquentielle quils exploitent en analyse modale pour obtenir les mesures, un processus qui introduit des erreurs et imperfections supplmentaires. Lutilisation dun nombre limit de modes est une autre source derreurs. Par consquent les mthodes de recalage utilisant directement les fonctions de rponse frquentielle FRFs [84], [94], [95], [96], [97], [98], [99], [100] sont prfrables. Dans cette partie, une nouvelle mthode de recalage base sur les mesures de fonctions de rponse frquentielle a t propose [101], lutilisation des FRFs nous vite les erreurs de lanalyse modale. La fonction objective de la procdure de minimisation est forme par la diffrence entre les rponses frquentielles analytiques et celles mesures. Les paramtres de recalage sont des coefficients affects aux matrices lmentaires de masse et de raideur. En utilisant un nombre de mesures incompltes pour quelques frquences, nous construisons un systme dquations non linaire dont la linarisation conduit un systme itratif. Pour
59
amliorer la convergence et la stabilit du systme, une paramtrisation intrinsque en frquences est propose.
II.2.1.1 Position du problme
Le comportement dynamique dune structure mcanique linaire est rgi par lquation suivante :
&(t ) + Cy & (t ) + Ky (t ) = f (t ) M& y
(143)
o M, C et K sont des matrices relles symtriques quon discrtise comme suit

M = M
i =1 Ne
(e) i
, C = C
i =1
Ne
(e) i
et K = K i( e )
i =1
Ne
(144)
Pour une excitation harmonique de pulsation , la solution particulire de lquation (143) est
( M (
+ jC + K y = f
partir de laquelle nous pouvons dduire lexpression du vecteur dplacement:

y ( ) = M 2 + jC + K
f , avec {1 2 .., S }
Dans limplmentation de la mthode nous avons utilis une force dexcitation unique. Dans ce qui va suivre la fonction de rponse frquentielle FRF est utilis au lieu et place du vecteur dplacement. La mthode nest bien sr pas limite aux cas de mono excitations, mais peut tre utilise pour les excitations multiples. Lamortissement est considr proportionnel la masse et la raideur
C = M+ K
En introduisant la paramtrisation de la structure, les matrices globales de masse et de raideur peuvent tre exprimes sous la forme [100]
M ( s ) = mi M i( e ) et K ( s ) = ki K i( e )
i =1 i =1 Ne Ne
Le cas o mi = ki = 1 implique que le ime lment est bien modlis et ne comporte pas derreurs ou de dfauts. Soit y (s) (t) un ensemble de s mesures incompltes de fonctions de rponse frquentielle. La diffrence entre les FRFs analytiques et celles mesures scrit [94] e(t)=y(t)-y(s)(t) (145)
60
En pratique, les FRFs ne sont pas compltement mesures. Ce problme de donnes incompltes peut tre rsolu par lextension des donnes exprimentales ou la rduction du modle analytique. Mme si lexpansion prserve la connexion complte de tous les lments de la structure, lexprience a montr que cette dernire nest gnralement pas satisfaisante [90], leffet du nombre de mesures sur la qualit des rsultats a t dvelopp par Balis Crema et Coppotelli [90], ainsi que Pareira et al [102]. Dans la mthode ici prsente, les degrs de libert non mesurs sont approxims par leurs quivalents analytiques.
II.2.1.2 Mthode dapproximation
Lerreur rsiduelle minimiser dans le processus de recalage est le sujet dune recherche tendue ces dernires annes, le taux de russite de ces mthodes est largement dpendant du choix optimal de cette fonction. Lerreur rsiduelle minimise par Dascotte et Strobbe [95] est obtenue partir de la corrlation entre toutes les FRFs analytiques et exprimentales exprimes en terme de corrlation en amplitude et en mode. La fonction objective utilise dans le cas de minimisation par la mthode des moindres carrs est
= Trace ( E H E ) = e H (t ).e(t )
s t =1
(146)
La solution de cette minimisation est donne par

= 0 et = 0 avec (i=1...,Ne) mi ki
(147)
Ceci conduit un systme de 2Ne quations 2Ne inconnues. En utilisant lquation (146), les quations prcdentes deviennent comme suit
= mi mi
e
t =1
(t ).e(t )
s H = e (t ).e(t ) mi t =1 mi
s e H (t ) e(t ) H e e . ( ) ( ). = + t t mi t =1 mi mi H s H e(t ) e(t ) H + = e (t ). e (t ). m mi t =1 mi i
61
De la mme manire, on obtient

H s H e(t ) e(t ) H + = e (t ). e (t ). k ki t =1 ki i
Les quations (147) deviennent

H s H e(t ) H e(t ) = e (t ). m + e (t ). m =0 m t = 1 i i i , i=1...,Ne H s H e(t ) H e(t ) k = e (t ). k + e (t ). k =0 t =1 i i i
En les dveloppant, celles ci donnent e(t ) = Mt2 + jt C + K mi mi
[(
f y ( s ) (t )
e(t ) = Z 1 (t ). f y ( s ) (t ) mi mi
]
(148)
e(t ) Z 1 (t ) = .f mi mi
Sachant que
Z 1 (t ) Z (t ) 1 = Z 1 (t ). .Z (t ) mi mi
(149)
La drive de Z -1 peut tre calcule comme suit

Z (t ) = . Mt2 + jt C + K mi mi
Z (t ) M 2 C K = t + jt + mi mi mi mi Z (t ) M = t2 + jt mi mi
(150)
La drive de la matrice masse M peut tre obtenue par

M Ne = mv .M v( e ) mi mi v=1
62
avec
M = M i( e ) mi
(151)
En substituant lquation (151) dans (150) on obtient

Z (t ) = M i( e ) t2 + jt mi
(152)
Puis, substituant cette dernire quation dans (150), on obtient alors

Z 1 (t ) = t2 + jt .Z 1 (t ).M i( e ) .Z 1 (t ) mi
(153)
Introduisant lquation (153) dans (148) nous obtenons

e(t ) = t2 + jt Z 1 (t ).M i( e ) . y (t ) mi
(154)
En pr multipliant par eH(t) celle-ci devient

e H (t ). e(t ) = (t2 + jt )e(t ) H Z 1 (t ).M i( e ) . y (t ) mi
i.e.
s H = (t2 + jt ) e(t ) H Z 1 (t ).M i( e ) . y (t ) + Z 1 (t ).M i( e ) . y (t ) e(t ) mi t =1
) (
De la mme faon que la drivation de lquation (152), nous pouvons crire le rsultat suivant
Z (t ) = K i( e ) (1 + t ) k i
(155)
En drivant lquation (155), nous avons

Z 1 (t ) = (1 + j t ).Z 1 (t ).K i( e ) .Z 1 (t ) k i
De la mme faon que la drivation de lquation (154) pour le paramtre m, nous obtenons pour le paramtre k
e(t ) = (1 + j t )Z 1 (t ).K i( e ) . y (t ) ki
(156)
63
Pr multipliant lquation (156) par eH(t) nous obtenons

e H (t ). e(t ) = (1 + j t )e(t ) H Z 1 (t ).K i( e ) . y (t ) k i
Ce qui conduit
s H = (1 + j t ) e(t ) H Z 1 (t ).K i( e ) . y (t ) + Z 1 (t ).K i( e ) . y (t ) e(t ) ki t =1
) (
Finalement, le systme dquations suivant est obtenu
H s 2 H 1 (e) 1 (e) (t + jt ) e(t ) Z (t ).M i . y (t ) + Z (t ).M i . y (t ) e(t ) = 0 t =1 (157) s (1 + j ) e( ) H Z 1 ( ).K ( e ) . y ( ) + Z 1 ( ).K ( e ) . y ( ) H e( ) = 0 t t t i t t i t t t =1
[ [
) (
) (
La rsolution par la mthode de Newton Raphson conduit un systme itratif de la forme

m1 m 2 ... 1 m . Ne k1 k 2 ... k Ne
(v)
m1 m1 m2 m2 ... ... mNe mNe (v ) = J k k 1 1 k2 k2 ... ... k k Ne Ne 1 4 24 3 1 4 24 3

p ( v +1) p( v )
( v +1)
(v )
( )
(158)
O (v) reprsente ltape ditration v, p(0) est lestimation initiale et J est la matrice Jacobienne dfinie par
64
(v)
2 2 m1 2 m1m2 .... 2 m m = 1 2 Ne m k 1 1 2 m1k 2 ... 2 m k 1 Ne
2 m2m1 2 2 m2 .... 2 m2mNe 2 m2k1 2 m2k 2 ... 2 m2k Ne
2 ... mNe m1 2 ... mNe m2 .... ... 2 ... 2 mNe 2 ... mNe k1 2 ... mNe k 2 ... ... 2 ... mNe k Ne
2 k1m1 2 k1m2 ... 2 k1mNe 2 k12 2 k1k 2 ... 2 k1k Ne
2 k 2m1 2 k 2m2 ... 2 k 2mNe 2 k 2k1 2 2 k 2 ... 2 k 2k Ne
... ... ... ... ... ... ... ...
2 k Ne m1 2 k Ne m2 ... 2 k Ne mNe (159) 2 k Ne k1 2 k Ne k 2 ... 2 2 k Ne
(v)
Pour lexpression analytique des lments, nous partitionnons celle-ci en quatre parties
A C J = D B
o A, B, C et D sont des matrices dordre CNeNe
Le calcul des lments A, B, C et D de la matrice J donne

Aij =
s 2 = At + AtH m j mi t =1
Bij =
s 2 = Bt + BtH k j k i t =1
Cij =
s 2 = Ct + CtH k j mi t =1
Dij =
s 2 = (Dt + DtH ) m j ki t =1
65
avec
Z 1M ( e ) Z 1M ( e ) y ( ) + Z 1M ( e ) Z 1M ( e ) y ( ) H e( ) + ( j i t ) ( i j t ) t At = (t2 + jt ) 2 H 1 ( e ) 1 (e) Z M y Z M y ( ) . ( ) ( ) ( ) i t j t (Z 1 K ( e ) Z 1K ( e ) y ( ) ) + (Z 1 K ( e ) Z 1K ( e ) y ( ) ) H e( ) + j i t i j t t Bt = (1 + jt ) (Z 1 K ( e ) y ( ) )H .(Z 1 K ( e ) y ( ) ) i t j t
2
(160)
(Z 1 K ( e ) Z 1M ( e ) y ( ) ) + (Z 1M ( e ) Z 1K ( e ) y ( ) ) H e( ) + j i t i j t t Ct = ( + jt )(1 + jt ) H (Z 1M ( e ) y ( ) ) (Z 1 K ( e ) y ( ) ) i t j t
2 t
(Z 1M ( e ) Z 1 K ( e ) y ( ) ) + (Z 1 K ( e ) Z 1M ( e ) y ( ) ) H e( ) + j i t i j t t Dt = ( + jt )(1 + jt ) H (Z 1K ( e ) y ( ) ) (Z 1M ( e ) y ( ) ) i t j t
2 t
Finalement, la matrice Jacobinne est totalement dfinie et son expression est substitue dans le systme itratif (158).
II.2.1.3 Choix des points de mesure
Il est ncessaire de noter que le nombre et la position des points de mesure ont un effet important sur la vitesse de convergence et lexactitude de la solution finale [100]. Un nombre trs important de mesures amliore la convergence du systme, mais ceci peut induire un grand nombre ditrations quand le point de mesure nest pas au voisinage du dfaut (loin de llment mal modlis). Les points de mesure jouent un rle important dans la procdure de recalage. Sils ne contiennent pas suffisamment dinformation sur les paramtres de recalage, la procdure namliorera probablement pas la corrlation du modle [102]. Les frquences de mesure doivent tre choisies loin des frquences de rsonance pour viter un mauvais conditionnement de la matrice Jacobienne ce qui affecte consquemment la convergence du systme. Pour une meilleure fiabilit de recalage, il est ncessaire denvisager plusieurs ensembles de mesures et comparer les rsultats obtenus, pour ne retenir enfin que les rsultats les plus apparents. Trendafilova et Heylen [103] ont considr trois ensembles de points de mesure, et concluent que la prcision des rsultats dpend du nombre de points de mesures ainsi que de leurs distances par rapport au dfaut ( llment mal modlis dans notre cas).
66
II.2.1.4 Rduction aux paramtres de recalage de raideur
Dans le cas de dtection de dfauts dans les structures, seule la matrice de raideur peut comporter des dfauts, la matrice masse ntant pas affecte. Les paramtres inconnus seront rduits aux facteurs de raideur ki. Le systme dquations (157) se rduit
[(1 + j )[e( ) (Z
s H t =1 t t
(t ).K i( e ) . y (t ) + Z 1 (t ).K i( e ) . y (t ) e(t ) = 0 , i=1..., Ne (161)

H
) (
La rsolution par la mthode de Newton Raphson conduit un systme itratif de la forme

k1 1 . k2 , i=1, , Ne M k Ne
(v)
k1 k1 k2 k = 2 J (v) M M k k Ne Ne 1 4 24 3 1 4 2 4 3
k ( v +1) k(v)
( v +1)
(v)
( )
(162)
o J est la matrice Jacobienne rduite J=B et k(0) est lestimation initiale des paramtres de recalage de raideur.
II.2.1.5 Paramtrisation intrinsque
Toutes les mthodes utilisent des rsidus entre les FRFs exprimentales et mesures aux mmes valeurs des frquences [94]. Pascual et al [16], utilisent le concept shift frequency en introduisant le critre de corrlation dj prsent Frequency Domain Assurance Criterion dfini par
({H ( )} {H ( )} ) FDAC ( , , j ) = ({H ( )} {H ( )} )({H ( )} {H ( )} )

a a H j j 2 x x j a x a a H j a a x x H j x x j
correspond la colonne mesure de H ; correspond la frquence laquelle {H a }j a t calcule ; correspond la frquence laquelle la rponse frquentielle a t mesure exprimentalement.
a x
Bass sur le critre FDAC Pascual et al [99] ont propos de mesurer le rapprochement entre la rponse frquentielle mesure et analytique en utilisant la frquence ij pour laquelle FDAC atteint son maximum.
67
Dans tous les cas nous ne minimisons pas la plus petite distance entre le point exprimental mesur et son approximation lments finis. Nous obtenons la situation dcrite dans la figure 7, o A: B: C: D: point mesur la frquence A quivalent analytique du point A la mme valeur frquentielle frquence EF calcule C qui maximise FDAC frquence EF calcule D, intersection de la normale la rponse analytique.
Figure 7. Diffrentes mesures de l'erreur
AD reprsentant lerreur orthogonale est la plus petite distance entre les rponses frquentielles analytique et mesure qui doit tre minimise. Cette distance est approxime par la projection sur la tangente D2 (approximation linaire de y() au voisinage de y(i)), on obtient ainsi une autre valeur 2 (Figure 8), frquence de la perpendiculaire la tangente D1 passant par le point A. Au lieu de considrer la distance entre les courbes mesure et analytique pour la mme valeur de la frquence (points A et B de la figure 8), nous utilisons la diffrence entre ces courbes par rapport la normale la courbe analytique (points A et C de la figure 8); la prcision des rsultats obtenus est meilleure.
68
En effet, lerreur donne par lquation (145) doit tre mesure le long de la normale la courbe frquentielle ; cette normale est approxime par la droite D2 passant par le point A et perpendiculaire la droite D1 reprsentant la tangente la rponse frquentielle analytique passant par le point B.
Figure 8. Interprtation gomtrique de la paramtrisation intrinsque
1 : 2 :
valeur de la frquence de mesure au point A, t valeur de la frquence au point C, intersection de la normale avec la rponse frquentielle de la structure passant par A, 2t
Ainsi, lquation (145) devient e(t)=y(2t)-y(s)(t) (163)
Pendant la paramtrisation, sassurer chaque itration que le point B ne concide pas avec la frquence analytique de rsonance.
II.2.1.6 Cas test numrique
Il est bien connu quen analyse modale exprimentale, la qualit des mesures des fonctions de rponse frquentielle est affecte par le bruit de mesure provenant de lenvironnement ainsi que des instrument lectroniques de mesure [104].
69
Le cas de mesures affectes par le bruit a t considr. Dans notre cas, pour simuler les mesures, du bruit alatoire est ajout selon le modle de lquation (142). La simulation a t mene avec un taux de bruit %=5%. Le taux de bruit dans les mesures conditionne la fiabilit et le succs de lanalyse. Il est donc souhaitable de rduire ou de minimiser linfluence du bruit sur les mesures FRFs avant de les utiliser pour dautres applications [104].
Figure 9. Structure en treillis doublement encastre
Considrons la structure en treillis doublement encastre forme de 29 poutres soudes (Figure 9) soumise une excitation harmonique de force F=1N au nud 14 dans la direction X. On considre que la structure est conue en acier de module de Young E=21011Pa et de densit volumique =7850kg/m3. Les poutres ont une section droite circulaire de 25cm de diamtre. La structure est discrtise en 29 lments finis avec 36 degrs de libert. Pour simuler la structure relle des dfauts de +30%, +20%, +40%, et +20% sont affects la raideur des lments 2, 12, 17 et 25 respectivement en ajoutant 5% de bruit alatoire. Les capteurs de mesure sont disposs selon les degrs de libert 5, 8, 17, 20, 26 et 29 de la structure pour un nombre trs limit de frquences {755, 1225, 1630, 1960, 2810, 2970, 3170}. La figure 10 et le tableau 3 illustrent les rsultats obtenus. La performance de la mthode est mise en valeur par les rsultats obtenus. En effet, on peut voir que la rponse frquentielle obtenue (courbe en tirets) est presque confondue avec la rponse frquentielle mesure (courbe en trait continu) aprs correction du modle analytique (courbe en pointills).
70
Figure 10. Comparaison des rponses frquentielles du 20me ddl Tableau 3. Rsultats numriques de recalage obtenus
Elments
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15
coefficients de perturbation exacts (%) 0 30 0 0 0 0 0 0 0 0 0 20 0 0 0
coefficients de perturbation identifis (%) 0.43 13.25 3.97 -5.63 3.97 -1.80 0.74 -0.47 1.82 -1.70 -0.90 13.48 1.53 3.09 2.75
Elments
16 17 18 19 20 21 22 23 24 25 26 27 28 29
coefficients de perturbation exacts (%) 0 40 0 0 0 0 0 0 0 20 0 0 0 0
coefficients de perturbation identifis (%) -0.21 38.13 0.95 4.10 -4.04 3.97 2.91 2.53 0.3 15.44 0.25 -2.45 0.29 7.83
71
Le tableau 3 montre aussi que les dfauts sont localiss et quantifis sachant que 5% de bruit a t ajout et que le nombre de points de mesure est trs limit (6 ddls de dplacement vertical ont t mesurs).
II.2.1.7 Conclusion
Une mthode de recalage de modle lments finis base sur les fonctions de rponse frquentielle a t propose. La convergence du systme dpend du choix et de la qualit des mesures. Pour amliorer le conditionnement de la matrice Jacobienne, il est essentiel dviter de se rapprocher des pics de rsonance dans le cas de la structure relle et du modle corrig de la structure chaque itration ; Pour cela, il est important de dterminer chaque itration, les frquences de rsonance du systme recal pour liminer les mesures proches de celles-ci. La mthode pourrait tre amliore en utilisant la mthode de choix des points de mesure. Aide par la paramtrisation intrinsque propose qui choisit la plus petite distance minimiser la mthode dveloppe montre de bonnes proprits de convergence. Dans le cas o le nombre de points de mesures est incomplet, la paramtrisation intrinsque propose peut aider le processus de recalage converger. Elle peut aussi rduire linfluence du bruit.
II.2.2 Mthode de recalage par sparation des variables

Une prdiction fiable du comportement dynamique dune structure passe par une qualit du modle lments finis. Un vritable intrt sest manifest pour lamlioration de ce type de prvisions en utilisant les fonctions de rponse frquentielle. A la diffrence des modles de recalage bass sur les donnes modales, les mthodes bases sur les rponses frquentielles ont un succs limit d aux mesures incompltes provoquant des problmes de mauvais conditionnement et le recours la pseudo inverse. Lalgorithme propos dans ce paragraphe est une extension du prcdent destin dtecter des dfauts de masse et de raideur simultanment. La paramtrisation intrinsque a t aussi utilise avec un dveloppement explicite. La mthode propose montre une bonne stabilit. Le recalage de modle lments finis est un processus important dans la validation en dynamique de structures. Plusieurs mthodes existent, les plus utilises sont gnralement les mthodes itratives utilisant la sensibilit ou matrice de sensitivit, car elles offrent un grand choix de paramtres permettant une bonne interprtation des rsultats, Iwaniec et Uhl [105] ont propos une mthode de recalage non linaire base sur lapproximation par les moindres carrs dans le domaine frquentiel en utilisant lalgorithme de Gauss Newton, Marwala et
72
Heyns [106] ont propos une mthode de recalage critres multiples qui minimise la norme euclidienne du vecteur erreur obtenu en ajoutant les quations du problme aux valeurs propres et lquation du mouvement, celle-ci utilise les proprits modales des rponses frquentielles, Zang et al. [107] utilisent une procdure de minimisation dune fonction cot base sur deux fonctions de corrlation simultanment. Steenackers et Guillaume [108], ont propos une mthode de recalage base sur les donnes modales qui sont une prolongation des techniques conventionnelles dlments finis adaptes pour prendre en compte les incertitudes sur lestimation des paramtres modaux. Jaishi et Ren [109], ont employ le rsidu modal de flexibilit dans la fonction cot qui est une combinaison des frquences et des modes normaux. Une mthode de recalage de modles lments finis deux tapes pour la dtection de dfauts est propose par Wu et Li [110]; dans la premire tape, lapproximation des moindres carrs et lestimation bayesienne sont adoptes pour l'identification de la rigidit des joints de raccordement et du module de Young; la dtection des dfauts est effectue dans la deuxime tape par l'intermdiaire du procd de recalage. La stratgie de recalage propose dans ce paragraphe, utilise la notion de sparation des paramtres de masse de ceux de la raideur en se basant sur le processus de minimisation des moindres carrs. Le problme doptimisation est rsolu par la mthode de Newton Raphson qui est un algorithme doptimisation itratif. La mthode est repartie en trois tapes, dans la premire tape, une paramtrisation frquentielle [101] est utilise pour affecter une frquence analytique correspondant la frquence exprimentale en minimisant lerreur euclidienne entre la rponse frquentielle mesure et la rponse analytique ; La deuxime et troisime tapes concernent le processus de recalage des paramtres de raideur et le processus de recalage des paramtres de masse respectivement.
II.2.2.1 Mthode de recalage
La mthode de recalage prsente ici utilise deux types de fonctions cot qui doivent tre minimises simultanment. Les paramtres de masse et de raideur ont une influence diffrente sur le comportement dynamique de la structure; Par consquent, il serait utile de sparer ces deux types de variables durant le processus de recalage. Pour ce faire, une procdure itrative deux tapes et deux fonctions objectives est propose. Cette sparation rend possible le choix de mesures diffrentes, celles relatives au recalage des paramtres de masse et celles relatives au recalage des paramtres de raideur. La paramtrisation intrinsque est utilise comme premire tape.
73
II.2.2.2 Fonctions cot
Le choix de la fonction cot est une question cruciale dans le recalage de modle lments finis. Deux fonctions cot sont formules; la premire est sensible aux changements de la rponse dynamique globale de la structure, alors que la seconde compare les amplitudes correspondantes des fonctions de rponse frquentielle.
Lerreur relative entre les vecteurs dplacements mesur et prdit peut tre crite sous la forme
e1 ( ) =
( y A ( ) y X ( ))H ( y A ( ) y X ( )) H ( ) y X ( ) yX
(164)
Une autre erreur relative entre les mmes vecteurs par analogie au facteur dchelle des rponses frquentielles (Frequency Response Scale Factor FRSF [111], [112]), peut tre crite sous la forme
H ( ) y A ( ) yA e2 ( ) = 1 H y X ( ) y X ( )
(165)
La mthode de recalage par le processus des moindres carrs propose est base sur la minimisation simultane des deux fonctions cot 1 et 2 suivantes
1 = e12 ( i )
i =1 s 2 ( i ) 2 = e2 i =1
(166)
(167)
Ce qui veut dire que le processus de minimisation par les moindres carrs minimisera successivement les erreurs relatives (164) et (165) dans la bande frquentielle considre.
II.2.2.3 Paramtrisation frquentielle
Avant de minimiser les fonctions cot (166) et (167), une paramtrisation est utilise pour assigner des frquences analytiques aux frquences de mesure choisies. Pascual et al. [16] ont utiliss la paramtrisation dite shift frequency qui maximise FDAC. De la mme manire, nous utilisons la paramtrisation intrinsque [101], qui minimise le vecteur erreur (163). Ceci nous conduit au processus de minimisation prliminaire au processus de recalage par les moindres carrs.
74
Ceci conduit
e( A i , X i ) = ( y A ( A i ) y X ( X i ))
H
( y A ( A i ) y X ( X i ))
(168)
A (i k ) = A (i k +1 )
avec
e( A i , X i ) e( A i , X i ) A i
A (i 0 ) = X i
II.2.2.4 Mthode de recalage par les moindres carrs
En prenant en considration la paramtrisation frquentielle prcdente, les erreurs relatives (164) et (165) deviennent:
( y A ( A i ) y X ( X i ))H ( y A ( A i ) y X ( X i )) e1 ( A i , X i ) = y X ( X i )y X ( X i )
e2 ( A i , X i ) =
H H ( X i )y X ( X i ) y A ( A i )y A ( A i ) yX H ( X i )y X ( X i ) yX
(169)
(170)
Finalement les fonctions cot (166) et (167) peuvent tre crites sous la forme
1 = e12 ( A i , X i )
i =1 s 2 ( A i , X i ) 2 = e2 i =1
(171)
(172)
Le processus de minimisation par la mthode des moindres carrs utilis avec le schma numrique de Newton Raphson conduit au systme itratif suivant :
{k }(v+1) = {k }( v ) a.[ k J ]1.{k d }

{m}(v+1) = {m}(v ) b.[ m J ]1.{m d }
avec
e1 ( Ai , X i ) k j
(173) (174)
{k d }j =
i =1 s
e1 ( Ai , X i ) , X i )
(175)
e2 Ai , X i {m d }j =
i =1
m j
) e (
2
Ai
(176)
75
et
e1 ( Ai , X i ) e ( , ) e1 ( Ai , X i ) [ k J ] jl = e1 ( Ai , X i ) + 1 Ai X i
s
i =1
kl k j
k j
kl
(177)
e2 ( Ai , X i ) e ( , ) e2 ( Ai , X i ) [ m J ] jl = e2 ( Ai , X i ) + 2 Ai X i
s
i =1
ml m j
m j
ml
(178)
Les variables a et b des quations (173) et (174) sont utilises pour contrler la variation des paramtres durant les itrations pour viter la compensation de la masse des erreurs de raideur, ou inversement la compensation de la raideur des erreurs de masse.
Les valeurs de a et b peuvent tre choisies les plus grandes possibles comme dans lalgorithme de Levenberg Marquardt [105].
Pour limplmentation de la mthode, nous avons utilis
[ k J ]-1{k d } 1 -1 a = 1 et b = , si [ k J ] {k d } < [ m J ] {m d } 1 [L] {q} [ m J ]-1{m d } a= et b = 1, sinon 1 [ ] { } J d k k

II.2.2.5 Expressions des premire et seconde drives des erreurs relatives
Pour calculer les expressions (175) (178), les expressions explicites des premire et seconde drives partielles de la premire erreur relative (164) sont
e1 1 = H k j y X y X y H y A ( y A y X ) + ( y A y X )H A k k j j
H 2 y H y A y A A (yA yX ) + k k k k 2 e1 1 l j l j = H k l k j y X y X y H y 2 H yA A A ( ) y y + A X k l k j k l k j
76
Lexpression de la deuxime erreur relative (165), est

e2 1 = H m j yX yX
2 e2 1 = H ml m j y X y X 2 y A ml m j
H
y A m j
H H y A yA + yA m j
H y A 2 yA H + y A m ml m j j
y A + y A m j
y A y A + m m l l
Sachant que
y A = Z 1 (1 + j )K (j e ) y A k j y A = Z 1 ( 2 + j )M (j e ) y A m j 2 yA 2 = (1 + j ) Z 1 K l( e ) Z 1 K (j e ) + Z 1 K (j e ) Z 1 K l( e ) y A k l k j 2 yA 2 = ( 2 + j ) Z 1 M l( e ) Z 1 M (j e ) + Z 1 M (j e ) Z 1 M l( e ) y A ml m j
La mthode est finalement divise en trois tapes, chaque itration (a) Dterminer la valeur de la frquence analytique correspondant la frquence exprimentale de mesure en utilisant la paramtrisation intrinsque (168) (b) Recaler les paramtres de raideur en utilisant lquation (173) (c) En considrant les paramtres de raideur corrects, recaler les paramtres de masse en utilisant lquation (174) Pour une meilleure performance du procd de sparation des variables, les mesures utilises pour le recalage de la matrice de raideur doivent tre diffrentes que celles utilises pour le recalage de la matrice de masse. Hanson et al [113], suggrent les frquences d'antirsonance pour dtecter des dfauts de raideur, ainsi, les mesures de rponses frquentielles au voisinage des points d'antirsonance sont adquats pour le recalage de la matrice de raideur. Pour viter la compensation des dfauts de masse par la raideur, il est raisonnable d'employer pour le recalage de la matrice de masse, des valeurs des frquences de mesure moins importantes que celles utilises pour le recalage de la raideur, puisque, dans l'quation du comportement dynamique, les paramtres de masse sont du second ordre de la frquence.
77
II.2.2.6 Application
Pour tester la robustesse de la stratgie propose, considrons la structure 3D encastre ces quatre premiers nuds forme de 36 poutres soudes (Figure 11). Les poutres ont 0,6m de longueur at une section circulaire de diamtre D=0,028m. La structure est discrtise en 36 lments finis et 96 degrs de libert. Le module de Young E, le module de torsion G et la masse volumique sont E=2,2e11 N/m2, G=0,88e11 N/m2, =7800 kg/m3, la section droite A, les moments Iy, Iz et It sont respectivement A=7,06e-8 m2, Iy=Iz=3,98e-8 m4 et It=7,95e-8 m4. Pour simuler la structure relle , un dfaut de 50% de la raideur est introduit dans llment 23 (entre les nuds 13 et 16 sur la figure 11), et -30% de la masse dans llment 18 (entre les nuds 9 et 11 sur la figure 11). Les mesures sont prises dans les trois directions x, y et z aux nuds 10, 11, 14 et 15 correspondant aux ddls 37, 38, 39, 43, 44, 45, 61, 62, 63, 67, 68, et 69 de la structure.
Pour simuler les mesures exprimentales, nous affectons aux rponses frquentielles un cart alatoire dun taux de bruit allant jusqu 5% en utilisant le modle (142).
Figure 11. Structure exprimentale simule
78
Figure 12. Comparaison des rponses frquentielles du ddl 63
Pour viter lincompatibilit de dimension du systme mathmatique qui peut tre cause par le nombre incomplet de mesures, nous pouvons utiliser une des techniques de rduction ou dexpansion. Dans notre cas, nous remplaons les degrs de libert non mesurs par leurs valeurs analytiques correspondantes. Cette technique nous vite lutilisation des techniques de pseudo inverse.
La figure 12 et le tableau 4 illustrent les rsultats obtenus qui mettent en vidence la qualit et les performances de la mthode. Les dfauts introduits ont t dtects et quantifis. En effet, nous constatons que la rponse frquentielle du modle recal est presque confondue avec la rponse frquentielle du modle exprimental simul.
Le tableau 4 montre galement que les dfauts simuls sont localiss et globalement quantifis avec un nombre de points de mesures rduit (12 DOF des dplacements verticaux et horizontaux sont mesurs).
79
Tableau 4. Dfauts simuls et rsultats du recalage Elment Dfauts de raideur simuls (%) 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 50 0 0 0 0 0 0 0 0 0 0 0 0 0 Dfauts de raideur dtects (%) -0.05 -0.52 6.36 1.64 -0.70 0.36 -3.03 -6.34 -5.41 -0.38 1.51 -0.11 -4.74 4.91 -1.64 -0.21 1.60 10.85 -0.60 5.67 0.25 -4.85 44.86 -13.57 8.87 -7.89 -6.24 0.17 -4.40 1.92 -2.00 -0.41 -0.12 0.07 0.23 3.86 Dfauts de masse simuls (%) 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 -30 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 Dfauts de masse dtects (%) 1.73 -0.13 -3.94 -1.75 -13.66 -1.58 0.25 3.81 3.48 1.77 1.81 0.08 -1.15 -2.06 2.10 -4.45 1.86 -24.89 0.81 0.53 1.04 0.91 0.98 -3.82 -5.62 -3.83 -1.05 -3.38 -3.20 1.05 0.98 -0.36 -1.74 3.47 -1.22 1.30
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 31 32 33 34 35 36
Sur la figure 13 et la figure 14, nous constatons que dautres dfauts sont suspects sur quelques lments; ceci est provoqu par le nombre et les positions des mesures.
80
Figure 13. Histogramme des dfauts de raideur dtects
Figure 14. Histogramme des dfauts de masse dtects
II.2.2.7 Conclusion
Une autre mthode de recalage de modle lments finis utilisant lapproximation non linaire des moindres carrs dans le domaine frquentiel a t propose. Celle-ci utilise une minimisation prliminaire qui considre la plus petite distance entre la FRF analytique et celle mesure dans le but daffecter une valeur la frquence analytique correspondant la frquence de mesure choisie. Souvent, les paramtres de masse qui sont de second ordre en frquence compensent les erreurs de raideur dans les mthodes de recalage, dans notre cas, la sparation des variables rend possible le choix de mesures diffrentes pour chacune des tapes du recalage, avantage trs utile pour viter le phnomne de compensation. 81
Comme pour la mthode prcdente, la difficult rside dans le choix des frquences de mesures vitant les divergences brusques du systme itratif. Il faudrait aussi viter les pics de rsonance qui risquent de causer un mauvais conditionnement des matrices Jacobiennes, et donc une instabilit numrique. Aide par la paramtrisation frquentielle, la mthode montre une simplicit dimplmentation et une bonne stabilit numrique. La robustesse, tant sur le plan de la dtection, de la localisation que de la quantification a t valide, tout en vitant les problmes de mauvais conditionnement qui provoquent des divergences brusques des systmes itratifs. La sparation des variables utilise dans la mthode de recalage reprsente un outil qui peut tre utilis avantageusement dans le contexte du recalage de modles analytiques.
II.2.3 Stratgie incrmentale de recalage

Habituellement, pour la dtection de dfauts de modlisation dans les structures, il est ncessaire d'tablir un modle mathmatique pour la structure saine. Les comportements dynamiques du modle de la structure considre sont compars afin de dtecter une prsence de dfauts de masse ou de raideur dans le modle mathmatique. Une mauvaise modlisation a comme consquence une diffrence entre le comportement mesur et celui donn par le modle analytique. L'ampleur des dfauts est obtenue aprs quelques tapes de correction de ce modle analytique. La mthode propose peut reconstruire les matrices de raideur et de masse considrant un amortissement proportionnel. Une fonction de corrlation frquentielle est employe pour valuer la sensibilit de la rponse frquentielle un dfaut prsent successivement dans chaque lment de la structure discrtise. Cette fonction, variable dans l'intervalle [0, 1], nous informe sur l'influence d'un dfaut sur la rponse frquentielle de la structure. Quand celle-ci est proche de l'unit, les dfauts sont localiss. Cette fonction traduit le rapprochement ou lloignement de la solution pour un dfaut de masse ou de raideur suppos dans un lment donn. Le problme consiste alors dterminer les corrections de l'erreur d'un dfaut de raideur ou de masse qui rapproche aussi bien que possible plus troitement la rponse frquentielle du modle celle de la structure exprimentale. La mthode prsente consiste dterminer les corrections de l'erreur en incrmentant ou en dcrmentant d'une tape jusqu rapprocher le plus possible la rponse du modle numrique de celle de la structure relle. La mthode ainsi obtenue, applique aux mesures simules pour une structure en treillis doublement encastre, montre l'efficacit et la prcision de cette stratgie de recalage. 82
Beaucoup de structures mcaniques changent de comportement dynamique en raison de l'ge, l'abus, et quelquefois de manque de rparation ou dentretien. Afin de prvenir les incidents qui risquent de se produire, on se doit dvaluer ces changements et de les quantifier. Les dfauts de modlisation sont considrs comme une variation des caractristiques de la masse et/ou de raideur de la structure qui affecte ngativement son comportement normal. Ils peuvent galement tre dfinis en tant que n'importe quelle
modification des proprits gomtriques de la structure ou matrielles initiales qui peuvent causer des modifications dans le comportement dynamique prdit. L'inspection visuelle a t depuis longtemps lune des mthodes les plus connues utilises pour dtecter des dommages dans les structures. La plus grande taille et la complexit des structures d'aujourd'hui peuvent rduire l'efficacit des inspections visuelles. L'inspection visuelle conventionnelle peut tre trs coteuse en temps et argent, particulirement quand le dmontage est ncessaire pour permettre d'accder aux lments inspecter. Les mthodes d'identification dynamique ont un rle dominant dans la dtection de dfauts dans les structures mcaniques. La rfrence [106] prsente les avantages de ces mthodes en tant que contrle non destructif. Dans ce contexte nous proposons une mthode de recalage dans les structures base sur le principe de linspection visuelle qui utilise dune part la mthode des lments finis pour laquelle les dommages structuraux sexpriment par une variation de la raideur ou de la masse des diffrents lments, dautre part dune fonction de corrlation qui permet de comparer le comportement prdit et mesur (ce qui remplace linspection visuelle). Plusieurs mthodes existent et peuvent tre classes en trois catgories savoir : les mthodes de dtection localisation [106], [114]; les mthodes de calcul inverse ou de correction directe [106], [115], [116]; les mthodes de dtection- correction simultanes.
La mthode que nous proposons ici est du troisime type.

II.2.3.1 Problmatique
Considrons le cas dune structure dissipative en rgime forc dont le comportement dynamique est rgi par le systme dquations diffrentielles :
&(t ) + C A y & (t ) + K A y(t) = f(t) MA & y
(179)
MA CA KA
: Matrice de masse RN,N : Matrice amortissement RN,N : Matrice de raideur RN,N 83
y(t) f(t)
: Vecteur des dplacements CN : Vecteur des forces extrieurs CN
Pour une excitation harmonique de pulsation , la solution particulire de lquation (179) est
[s
2 v
M A + s v C A + K A y v = f , avec v=1,,s
(180)
La solution de cette quation dpend de la prcision des matrices MA, CA et KA. La mthode de correction consiste alors trouver les nouvelles matrices KX, et MX qui dfinissent la structure relle, sachant que C=M+K. Pour cela on considre les hypothses suivantes pour les erreurs possibles K(e)Xi = (1 + ki) K(e)Ai, M(e)Xi = (1 + mi) M(e)Ai avec K X = K (e ) X i
i =1 Ne Ne
(181)
M X = M (e ) X i
i =1
(182)
II.2.3.2 Choix de la fonction de corrlation
Pour mettre en uvre la mthode propose nous devons disposer dune fonction de corrlation entre les mesures prdites et les mesures relles de la structure. Plusieurs fonctions peuvent tre utilises. Liu et al [117] utilisent la matrice de force rsiduelle et la matrice de sensibilit de la structure, Burton et al [118] ont choisit le vecteur endommag de Ritz pour localiser le dfaut combin avec un schma itratif bas sur ces rsidus pour estimer lampleur du dfaut par variation de la raideur dynamique, Dutta et al [119] ont observ les variations des frquences normales entre le modle rel et mesur, et la localisation du dfaut peur tre quantifie en considrant les modes propres eux-mmes ; des fonctions statistiques peuvent aussi tre utilises [119]. Richardson [114] utilise la fonction de corrlation modale MAC (Modal Assurance Criterion) pour quantifier le dfaut, Marwala et Heyns [106] utilisent en plus de ce critre une autre fonction de corrlation COMAC (Coordinate Modal Assurance Criterion) qui est une corrlation entre les modes propres mesurs et analytiques pour le mme degr de libert.
84
Pour la mthode propose, nous utilisons la fonction de corrlation dans le domaine frquentiel FRAC (Frequency Response Assurance Criterion) dfinie par [19] FRAC (i, j ) =
({H
Ajk
{H } {H } } {H } )({H } {H } )
T
2
T
Ajk
Xjk
(183)
Ajk
Xjk
Xjk
Avec HAjk()la rponse frquentielle analytique du degr de libert j selon une excitation au degr de libert k ; HXjk() la rponse frquentielle exprimentale correspondante. Ce qui donne FRAC=1 dans le cas parfait, et 0FRAC1 La valeur de FRAC est dautant plus proche de 1 que la rponse frquentielle est proche de celle de la structure relle, ceci nous donne une influence de rapprochement ou dloignement de la solution. Le problme consiste alors dterminer les valeurs de ki et mi qui rapprochent le plus possible FRAC de 1.
II.2.3.3 Mthode propose
La mthode prsente consiste construire les valeurs de ki et mi par incrmentation ou dcrmentation dune valeur selon le schma suivant : Soit k=[k1,,kNe]T , m=[m1,,mNe]T Affecter une valeur Rpter i=1 Ne ki=ki+, Calculer FRACki =FRAC ki=ki-, Calculer FRACkNe+i =FRAC mi=mi+, Calculer FRACmi =FRAC mi=mi-, Calculer FRACmNe+i =FRAC Dterminer Mfrac1=Max(FRACk) et le ddl jk correspondant Mfrac2=Max(FRACm) et le ddl jm correspondant Si Mfrac1>Mfrac2 Alors kj=kj (+ ou - selon jk) Sinon mj=mj (+ ou - selon jm) Delta= valeur de correction de FRAC Jusqu' ce que Delta< Fin
85
Ce qui est traduit avec plus de dtails par les organigrammes de la figure 15 i=1,Ne Dbut a = ki ou a=mi ki = ki *signe* eps ou mi = mi *signe* eps
ki=0, mi=0, (i=1,Ne)
Eps=0.01 Calculer ya et ym Calculer ya et ym Erreur=Moyenne FRACi Erreur_max = Moyenne FRACi Erreur_min = erreur_max Boucles incrmentation
ki = a ou mi=a
non
Erreur> Erreur_min
Boucles dcrmentation non
oui
Erreur> Erreur_max
kj = kj + signe*eps ou oui mj =mj + signe*eps non j0 oui Fin
oui Erreur_max=Erreur j=i signe = 1 ou -1
1
Figure 15. a. Organigramme global de la mthode, b. Boucles d'incrmentation dcrmentation en raideur ou en masse
Signe=1 pour la boucle dincrmentation et Signe=-1 pour la boucle de dcrmentation.
86
II.2.3.4 Application
Considrons la structure plane en treillis doublement encastre constitue de 30 poutres soudes (Figure 16). La structure est discrtise en 30 lments finis, et comporte donc 39 degrs de libert, avec E=2,1e11N/m2 et =7800kg/m3.
Figure 16. Structure dessai en treillis doublement encastre
Figure 17. Comparaison des rponses frquentielles du ddl 20 Le modle simulant la structure est construit en introduisant des perturbations de +20%, +30%, de la raideur respectivement dans les lments 2, 14, et des perturbation de -15% et -20% de la masse des lments 18 et 26 en ajoutant 5% de bruit alatoire. Les mesures sont prises selon les degrs de libert 8, 14, 20, 26 et 32 de la structure. 87
Les rsultats montrent que la mthode dveloppe dtecte et corrige les dfauts. En effet, nous constatons sur la figure 17 que la rponse frquentielle obtenue (courbe en tirets) est visiblement confondue avec la rponse de la structure exacte (courbe en trait continu) en corrigeant le modle analytique (courbe en pointills).
Tableau 5. Rsultats du recalage par la stratgie incrmentale Elts 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 Dfauts de raideur 0 20 0 0 0 0 0 0 0 0 0 0 0 30 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 Corrections de raideur 0,90 15,00 2,00 -0,70 1,00 0 0,10 -0,10 0 0,20 1,10 0 3,20 20,00 1,00 -0,20 0 0,60 8,10 1,00 -1,60 1,10 0,40 -1,30 0,70 -2,70 0 0,90 0,80 1,20 Dfauts de masse 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 -15 0 0 0 0 0 0 0 -20 0 0 0 0 Corrections de masse 0 0 0,60 0 0 0 0 0,60 0 0,20 3,60 -2,50 0 7,50 3,80 1,90 -1,00 -13,40 -7,20 0 -5,00 0 0 0 1,20 -10,00 0,20 0 1,10 0
Le tableau 5 montre aussi que les dfauts simuls sont localiss et quantifis pour un taux de bruit allant jusqu' 5% et un nombre de mesures trs rduit (6 ddl de dplacement vertical sont mesurs). Un bon choix des points de mesure pourrait rendre la mthode encore plus efficace.
88
II.2.3.5 Conclusion
Une mthode de recalage de modle lments a t propose. Celle ci est une stratgie de correction incrmentale qui procde par incrment de correction sur llment dtect grce la fonction de corrlation dans le domaine frquentiel FRAC (Frequency Response Assurance Criterion) qui matrialise le rapprochement entre les mesures frquentielles prdites et mesures. La mthode ainsi propose montre quelle prsente une simplicit de mise en uvre et une bonne stabilit numrique. Les essais effectus sur une structure en treillis doublement encastre montre des qualits de dtection et de correction trs intressantes en terme de quantification, localisation et rapidit, en vitant le problme de mauvais conditionnement qui pose souvent une divergence brusque dans le cas des systmes itratifs des mthodes de calcul inverse.
89
IDENTIFICATION DE STRUCTURES NON LINEAIRES

III.1 Techniques de recalage de modles non linaires III.1.1 Introduction III.1.2 Identification du modle mathmatique III.1.3 Minimisation de la fonction objective III.2 Formulation non linaire par la fonction descriptive III.2.1 Introduction III.2.2 Fonction descriptive de la raideur cubique III.2.3 Fonction descriptive de lamortissement par friction III.2.4 Amortissement par friction dun lment non li (compris entre deux lments III.2.5 Vecteur non linaire (VNL) et matrice non linaire (MNL III.2.6 Formulation explicite des rponses frquentielles non linaires de systmes plusieurs ddls III.2.6.1 Introduction III.2.6.2 Formulation explicite des rponses frquentielles III.2.7 Mthode didentification III.2.7.1 Mthode de minimisation III.2.7.2 Mthode didentification dans le domaine frquentiel 106 106 107 109 109 110 90 90 94 95 95 96 98 100 103 103
Chapitre 3 : Identification de structures non linaires
III IDENTIFICATION DE STRUCTURES NON LINEAIRES

Dans lintrt dtendre notre travail didentification un plus large nombre de structures, il est indispensable de considrer les structures comportement non linaire. Ce comportement non linaire est prsent dans la plus part des problmes mcaniques et peut tre provoqu par diffrentes raisons. On le retrouve mme dans les structures dites plutt simples comme les plaques et les poutres en raison souvent de grandes dformations. L'quation du mouvement d'une structure vibrante non linaire est donne par l'expression suivante
&(t ) + cy & (t ) + ky (t ) + f NL ( y (t ), y & (t ) ) = f (t ) m& y
(184)
o le vecteur fNL reprsente la fonction non linaire du dplacement et de la vitesse. Si l'effet de la non linarit n'est pas pris en considration, le modle numrique donne dincorrectes prvisions de comportement de la structure. En outre, mme dans le cas des structures linaires simples et en dpit de la sophistication leve des modeleurs mathmatiques, les applications pratiques indiquent souvent des anomalies considrables entre les rsultats analytiques et exprimentaux, principalement dus trois sources derreurs : Modlisations du comportement de la structure : elles incluent les simplifications faites par l'analyste pendant le processus de modlisation (par exemple, approximation des tats de frontire ou lhypothse de lamortissement proportionnel) mais galement les erreurs de discrtisation qui sont lies au nombre d'lments, leur type et leur distribution spatiale. Erreurs de paramtrisation : Elles se rfrent l'insuffisance des paramtres ou des degrs de libert des modles. Erreurs de mesure ou dexprimentation : Le bruit de mesure ou l'influence de l'quipement exprimental sur la structure affectent la qualit des mesures. En adoptant des mthodes d'essai rigoureuses, on peut considrer que les donnes mesures fournissent une bonne reprsentation de la dynamique de la structure. Il est ainsi primordial que les modles mathmatiques soient vrifis, valids ou recals par rapport aux mesures des structures relles avant de les employer.
III.1 Techniques de recalage de modles non linaires III.1.1 Introduction

Le but de l'identification de systme est d'exploiter des mesures effectues sur la structure relle l'aide des dispositifs de mesure de vibration pour estimer les paramtres de
90
lquation du mouvement de la structure. Le procd d'identification pour les systmes linaires a maintenant connu beaucoup de travaux et presque toutes les mthodes donnent des rsultats analytiques acceptables. Comme mentionn prcdemment, le comportement non linaire est souvent produit dans des applications relles, et il y a ainsi un intrt considrable pour l'identification des caractristiques dynamiques des structures non linaires. Ceci est une tche assez complexe pour les raisons suivantes : Les principes de base qui s'appliquent un systme linaire et qui forment la base de l'analyse modale ne sont plus valides. De nouveaux outils d'analyse ont t dvelopps mais ncessitent des applications mathmatiques plus complexes. La dynamique d'un systme non linaire est beaucoup plus riche et beaucoup plus complexe que la dynamique d'un systme linaire. Il y a des phnomnes qui ne se produisent pas dans le cas d'un systme linaire, par exemple, cycles harmoniques ou chaos de limite. Il existe plusieurs sources de non linarit, comme le comportement de matriaux non linaires, contact entre les composants ou le frottement de coulomb et les mcanismes de perte d'nergie. Le procd d'identification implique une progression par trois tapes, savoir caractrisation, valuation et choix de modle, et identification des paramtres (Figure 18). Le systme non linaire est identifi quand tous les paramtres de non linarit sont dtermins. Le but de la deuxime tape, c'est--dire le choix de modle, est de dcrire l'effet non linaire en utilisant un modle mathmatique. Finalement, les paramtres de non linarit doivent tre dtermins. Ceci est habituellement effectu en utilisant le lissage par les moindres carrs linaires. L'identification de systme non linaire a commenc en 1979 par l'introduction de la mthode Restoring Force Surface (RFS) par Masri et Caughey [120]. Depuis, de nombreuses mthodes ont t proposes puisquil est difficile de trouver une mthode simple rpondant toute la grande varit de non linarits. Parmi les techniques les plus connues qui ont t considres ces vingt dernires annes, nous pouvons citer : La premire application de la transforme de Hilbert dans le domaine de lidentification des systmes mcaniques qui a t utilise dans le domaine frquentiel [121] dune part puis, le domaine temporel dautre part pour la rsolution du problme inverse [122], [123]. Les sries de Volterra fournissent sous certaines hypothses un rapport explicite entre l'excitation et la rponse du systme. Le dveloppement de la mthode est prsent dans la 91
rfrence [124]. L'utilisation des sries de Volterra dans le domaine de la dynamique des structures a commenc vers la fin des annes 80 par le travail de Gifford et Tomlinson [125]. Elle a t galement applique par plusieurs chercheurs comprenant Worden et Manson [126], [127], et Kahn et Vyas [128]. Cependant, la mthode est associe des inconvnients tout fait srieux. Par exemple, la convergence de la srie n'est pas toujours garantie, elle exige galement que les fonctions non linaires soient suffisamment diffrentiables. Les modles NARMAX (Non-linear Auto-Regressive Moving Average with eXogenous Inputs) ont t prsents par Leontaritis et Billings [129], [130] et sont bass sur le modle ARMAX. Une amlioration de la mthode originale a t propose dans la rfrence [131] o le nombre de paramtres identifier a t rduit en employant les coordonnes modales. Le nombre de paramtres reste tout de mme important ce qui rend le processus complexe et coteux du point de vue numrique. On peut galement noter que les rponses frquentielles dordre le plus lev peuvent tre calcules par le modle NARMAX [132], [133].
1- Caractrisation a- Dterminer le type de non linarits b- localiser les non linarits
2- Slection de modle non linaire Dterminer la forme de la fonction non linaire &) f NL ( y, y 3- Estimation des paramtres Dterminer les coefficients de non linarit
Identification termine & ) sont Les coefficients et la forme de f NL ( y, y dtermins
Figure 18. Processus didentification Une prsentation plus dtaille de ces mthodes est disponible dans la rfrence [134]. Cependant, ces mthodes sont souvent limites aux systmes avec un nombre de degr de
92
libert relativement limit, en gnral deux ou trois, qui reprsente une limitation importante pour ltude dapplications relles. L'laboration de mthodes didentification de systmes non linaires plus complexes reste toujours une proccupation principale dans la dynamique de structures. Une majeure partie des mthodes proposes ces dix dernires annes concernent les systmes un degr de libert (SDOF). Un progrs significatif est ralis dans l'identification de systmes discrets plusieurs degrs de libert (MDOF). Des travaux d'extension sont aussi faits pour le cas de structures continues simples non linarits localises. Nous pouvons citer les travaux suivants : lapproche de Wright emploie un modle exprim dans lespace modal [135]. Le principe de base de cette mthode vise excuter les tapes didentification sur un seul mode ou un groupe de modes plutt que de considrer tous les modes. parmi les mthodes bases sur les fonctions de rponse frquentielle, la mthode Conditioned Reverse Path (CRP) et lidentification non linaire par rtroactivit de la rponse (Feedback Output NIFO) se basent sur llimination des dformations dans les rponses frquentielles causes par la prsence d'une non linarit. Les deux mthodes identifient le coefficient non linaire par comparaison avec la rponse frquentielle du systme linaire fondamental. la contribution de Bellizzi et Defilippi [136], o l'identification du systme non linaire est base sur l'approximation analytique de la densit de la puissance spectrale (PSD) avec les mesures. L'approximation PSD est reprsente comme une fonction de matrice de rponse de PSD du systme linaire quivalent. la mthode de Gibert et Thouverez [137], o le modle de rponse frquentielle est bas sur le concept de mode normal. Le modle modal non linaire de la structure est obtenu par le lissage des donnes mesures avec la fonction de flexibilit non linaire. Le succs du recalage de modle linaire se fonde principalement sur deux facteurs : les frquences et les modes propres ont la capacit de rduire considrablement la quantit d'information analyser et fournissent une reprsentation suffisante du modle linaire; le modle lments finis initial est assez prcis pour considrer que lapproximation nest pas loin de l'optimum global de la fonction objective. Cette hypothse permet lutilisation des techniques d'optimisation locales comme la mthode du gradient conjugu qui donne une optimisation globale raisonnable. Dautres optimisations globales sont aussi utilises [138].
93
Dans le cas du recalage de modle lment finis de structures non linaires, dautres approches peuvent tre utilises en plus de celles appliques au cas linaire. Nous pouvons citer : L'algorithme destimation de lerreur minimale considr dans la rfrence [139] donne un modle assez prcis pour les systmes non linaires.
-
Le comportement par hystrsis de la force de frottement est frquemment considr dans la pratique, en particulier pour les machines-outils [140], [141], [142]. Contrairement aux mthodes d'identification linaires, des variables internes sont ncessaires pour la description du modle. C'est la raison pour laquelle, dans la rfrence [143], l'identification de systmes non linaires est ralise par la minimisation d'une fonction objective base sur la diffrence entre les rponses mesures et celles prdites. L'optimisation est ralise en utilisant l'algorithme d'volution diffrentiel qui appartient la classe des algorithmes gntiques.
La formulation propose par Meyer et Link [144], constitue une extension des mthodes de recalage de modles linaires. Elle utilise une linarisation de lquation d'quilibre non linaire de la structure en utilisant la mthode Harmonic Balance Method (HBM). Le rsultat de ce procd est une linarisation dans le domaine frquentiel. Un modle linaire initial est alors utilis en combinaison avec les techniques de recalage de modle pour lidentification des paramtres non linaires. La mthode se base sur lerreur entre les rponses en dplacement mesures et celles calcules.
Une mthode de validation et recalage utilisant les outils statistiques est propose dans les rfrences [145], [146]. Loutil statistique est utilis pour contrecarrer les effets exprimentaux et environnementaux. Cette stratgie vise rduire le nombre de paramtres qui ncessitent des simulations coteuses sur ordinateur, tout en maintenant une reprsentation convenable des caractristiques du problme.
Les mthodes de recalage dans le domaine linaire risquent dtre dune utilit limite pour deux raisons principales prsentes ci-dessous.
III.1.2 Identification du modle mathmatique

La validit de l'analyse modale est limite aux structures comportement linaire. En consquence, les frquences et les modes propres ne peuvent plus tre exploits dans le cas de systmes non linaires. Une extension de ce concept aux systmes non linaires conservatifs discrets a t propose par Rosenberg dans les rfrences [147], [148]. Il dfinit le mode normal non 94
linaire (NNM) comme une oscillation priodique synchrone o tous les points traversent la position d'quilibre en mme temps. D'autres mthodes [149], [150] ont t dveloppes pour ltude des systmes non conservatifs, gyroscopiques et continus. Leur calcul demeure toujours difficile pour des applications pratiques. Il est donc trop tt pour dire quils peuvent tre dune aide suffisante dans le contexte de lidentification de modle non linaire. Le progrs dans la dfinition des systmes non linaires a t ralis rcemment avec l'introduction de la dcomposition orthogonale dite Proper Orthogonal Decomposition (POD) dans la dynamique des structures [151], [152], [153]. Les modes extraits partir de la POD quon dsigne par Proper Orthogonal Modes (POMs) ont la proprit optimale pour la reconstruction de la rponse dynamique du systme. Ils permettent galement une reprsentation du comportement spatial du systme. C'est la raison pour laquelle les POMs ont t exploits comme alternative prometteuse aux modes propres dans le recalage de modle [154], [155], [156], [157]. Ainsi, ce modle de recalage se base sur le minimum de la diffrence entre les POMs mesurs et ceux prdits. La transforme en ondelettes est utilise dans la fonction objective. Cependant, on ne doit pas perdre de vue que le recalage utilisant les POMs est une technique linaire.
III.1.3 Minimisation de la fonction objective

A priori, la connaissance du problme non linaire est souvent limite, et le modle initial ne peut gnralement pas tre suppos proche du modle rel. Dans ce cas, loptimisation locale a une grande probabilit de converger vers un optimum local ayant pour rsultat une solution insuffisante ou peu fiable. Des algorithmes d'optimisation globale ont t prsents mais sont loin du dveloppement effectu dans le cas linaire. Le problme demeure dans la formulation ou le choix dune fonction objective considrant toutes les possibilits de non linarit tout en produisant un recalage numriquement stable et convergent. Pour cela la fonction objective doit tre sensible aux paramtres de recalage choisis. Le but de cette partie est de trouver une formulation rpondant au mieux ces besoins, tout en choisissant des paramtres assez prcis pour la reconstitution du comportement non linaire de la structure considre.
III.2 Formulation non linaire par la fonction descriptive

La discrtisation spatiale d'un systme linaire est un procd bien connu : elle est la base des mthodes standard telles que lments finis et analyse modale linaire. Celle-ci peut tre ralise par un certain nombre de techniques (par exemple Ritz, Galerkin, formulations 95
variationnelles), qui fournissent une approche systmatique pour une reprsentation sous forme de systmes dquations diffrentielles ordinaires. L'avantage principal du procd mentionn ci-dessus est la reprsentation compacte d'un grand systme sous une forme matricielle. Les matrices du systme reprsentent les lments locaux de la masse, amortissement ou de raideur, et sont toutes constantes pour un systme linaire. La rpartition de ces lments est explique par leurs indices matriciels. Quand on considre les systmes non linaires, il est normal d'essayer une description matricielle des non linarits. Pour cela, le systme est spar en composants linaires et non linaires, dans le but dobtenir une reprsentation matricielle discrte des non linarits. Cette matrice non linaire est compose des coefficients non linaires locaux (relatifs typiquement la raideur et/ou lamortissement) dpendant de lamplitude. La construction d'une matrice non linaire (MNL) a t dveloppe par quelques auteurs, notamment Ozguven et Budak [158], [159], [160], Kuran et Ozguven [161] et Tanrikulu et Imregun [162], qui ont utilis la thorie de la reprsentation en fonctions (Describing Function Method DFM) pour obtenir les coefficients quivalents des nonlinarits de premier ordre telles que la raideur cubique et l'amortissement par friction. Ces coefficients reprsentent un pas important dans lanalyse non linaire permettant une reprsentation matricielle unique avec les paramtres linaires. Avant de prsenter la formulation mathmatique, il est utile de rappeler la formulation des lments non linaires de premier ordre dcrivant les fonctions pour la raideur cubique et lamortissement par friction. Ces reprsentations sont trs utilises pour la construction dune matrice non linaire (MNL) et son vecteur non linaire associ (VNL), reprsentant la partie non linaire d'un systme plusieurs degrs de libert (MDOF).
III.2.1 Introduction
La thorie de base de la mthode DFM se fonde sur le fait que lorsquun systme non linaire est soumis une excitation harmonique, il donne souvent une rponse en oscillation priodique quon peut assimiler un signal sinusodal pur. La rponse d'un vritable systme non linaire ne montre pas que des rponses harmoniques pour une frquence donne, mais il est galement vrai que les amplitudes sous/super harmoniques sont relativement petites en comparaison avec le principe fondamental. La mthode DFM cherche alors dcrire la relation entre la rponse et l'excitation, et calcule la force de reconstitution moyenne se produisant en un cycle. Il est clair quen raison de la rduction au premier ordre, le comportement multi harmonique ne peut tre ni dtect ni prdit bien que des extensions de la 96
mthode soient proposes par Vaqueiro [163], Kuran et Ozguven [161] et d'autres. L'obtention des coefficients de premier ordre pour la raideur et lamortissement non linaires a t dj tablie dans certaines mthodes bases sur lquilibre harmonique (Harmonic Balance Method HBM) [164], [165]. Considrons lquation du mouvement dun oscillateur simple soumis une excitation harmonique
& + g(y & , y ) = f sin (t ) m& y
(185)
& , y ) reprsente toutes les forces rsultantes, et considre comme une fonction non o g ( y
linaire de la vitesse et du dplacement. Si la rponse y est suffisamment proche d'un signal sinusodal, et condition que la perte d'nergie aux frquences autres que la frquence fondamentale soit minime, alors, il sera
& , y ) soit galement caractre raisonnable de supposer que la fonction non linaire g ( y & , y ) qui fournit la meilleure priodique. Il est possible de trouver un coefficient linaris v( y
moyenne de la force relle reconstitue. Ce coefficient agit sur la rponse harmonique fondamentale non linaire Y1 pour un cycle de chargement, de telle manire que
& , y ) v( y & , y ). y , avec y = Y1 sin(t + ) = Y1 sin g(y
(186)
& , y ) est & , y ) , la force rsultante g ( y Dans le but de trouver le coefficient non linaire v( y
dveloppe en srie de Fourier au voisinage de y en ngligeant les paramtres dordre suprieur un.
& , y ) v( y & , y ). y = 1a y + 1b y + 2c y 2 + 2 d y 2 + L g(y 144 4 2444 3
termes ngligs
(187)
o les fonctions sont donnes par
1a = 1b =
1 Y1 1 Y1
g (Y1 sin ,Y1 cos ) sin .d g (Y1 sin ,Y1 cos ) cos .d
(188)
& , y ) a une solution unique Alors le coefficient non linaire v( y
& , y ) = 1a + 1b v( y
(189)
97
III.2.2 Fonction descriptive de la raideur cubique

Le modle mathmatique de llment raideur cubique sexprime par
& , y ) = ky + y 3 g(y
(190)
O k reprsente le coefficient linaire du ressort et reprsente leffet non linaire en terme cubique y3. La figure 19 reprsente les comportements linaire et non linaire du ressort.
Figure 19. Comportement de llment raideur cubique Notons que mme si la raideur globale du ressort change avec l'amplitude y, les coefficients de raideur k et demeurent constants et ne dpendent pas de la frquence. Autrement, il serait bien plus difficile de rsoudre l'quation (186). En introduisant lquation (190) dans lquation (188) et en supprimant lindice 1 indiquant le premier ordre, nous obtenons
a =
1 Y
(ky + y ) sin .d
2 3 0
b = 2 sin . cos = 0
(191)
Introduisons ces termes dans lquation (189), nous pouvons crire (en utilisant lindice k pour dsigner le coefficient de raideur)
& , y) = vk ( y
1 Y
(kY sin + Y
2 0
sin 3 sin .d
98
Aprs calcul, nous obtenons
& , y) = k + vk ( y
3 Y 2 4 3 Y 2 . 4
(192)
O la partie non linaire est exprime par le terme
& , y ) est illustre par la figure 20 qui montre quil y a La signification du terme non linaire v( y
bien approximation linaire telle que
& , y ) vk ( y & , y ). y g(y
(kY sin + Y
3 sin 3 k + Y 2 Y sin 4
(193)
Ayant pour rsultat le fait que la fonction initiale est forme des deux termes sin et sin3 alors que la fonction linarise na quun terme en sin. Les deux fonctions sont reprsentes sur la figure 20 o lon peut constater que le coefficient linaris donne une bonne approximation de la fonction linaire. Ce dveloppement est appliqu un ressort dont une extrmit est fixe. Dans le cas de systmes non linaires o le ressort est compris entre deux ddls y1 et y2, un changement de variables est ncessaire pour retrouver la mme formulation.
z = y 1 y 2 o y 1 = Y1 sin(t + 1 ) , y2 = Y2 sin (t + 2 ) et z = Z sin(t + z ) = Z sin
o Z = z = y 1 y 2 et z = ( y 1 , y 2 ) et la force reconstitue non linaire devient alors
(194)
& , z ) v k (z & , z ).z g (z

En introduisant ce changement de variables le rsultat final sera
&, z) = k + v k (z 3 Z 2 . 4 3 Z 2 4
(195)
(196)
o le coefficient non linaire est donn par Finalement on revient la forme
(kZ sin + Z
3 sin 3 k + Z 2 Z sin 4
(197)
99
Figure 20. Fonction descriptive de premier ordre de llment raideur cubique
III.2.3 Fonction descriptive de lamortissement par friction

Le modle mathmatique de lamortissement par friction est donn par
& , y ) = cy & + g(y & y , pour y>Ylimit & y
(198)
& est utilis pour sassurer que la force reconstitue soit oppose la direction O le terme y
du mouvement. Ce modle nest valide que dans le cas de ltape de glissement conditionn par un dplacement limit une certaine valeur Ylimit qui exprime la proprit de la surface de contact. A peine au dessous de ce seuil, le phnomne connu sous le nom de stick-slip apparat, caractris par un mouvement intermittent comportement stationnaire. De cette faon, la condition (198) est invalide. Pour les trs petits dplacements, correspondant ltape stick-slip la composante non linaire
& y dans (198) est usuellement remplace par une force lastique proportionnelle & y
lamplitude instantane du mouvement. Les tapes stick et stick-slip ne seront pas incluses ici, car le but est de se focaliser aux descripteurs non linaires. La figure 21 illustre le comportement typique dun lment damortissement par friction.
100
Figure 21. Comportement de llment amortissement par friction
La relation entre la force reconstitue et sa fonction descriptive est :

&, y) c (y & , y ). y g(y
(199)
o lindice c dans c indique que le coefficient est relatif lamortissement. Le dveloppement de Fourier donne
a=0 b =
1 Y
2
& cy +
0
& y y
cosd
(200)
& . Aprs dveloppement, Lintgrale doit se calculer par parties pour manipuler le terme y
nous avons
c &, y) = (y Y
2
(Y cos )d + Y 0
Y cos Y cos 0
cosd
&, y) = (y
c 2 2 cos d + 0 Y
cos 2 cos 0
cosd
3 2 2 c 2 2 2 cosd cosd &, y) = (y cos d + Y 0 0
101
et finalement, on arrive la reprsentation de llment damortissement par friction

& , y ) = i c + i c (y
4 Y
(201)
o le nombre imaginaire i est ajout pour comptabiliser le dphasage introduit par le terme en cosinus dans (200). La partie non linaire est donne par
&, y) = i c (y
4 Y
(202)
Lapproximation est mieux comprise en introduisant (201) dans (200)

cY sin + Y sin Y sin ic + i 4 Y cos Y
(203)
Comme constat dans (203), la force initiale reconstitue contenant les deux termes
sin et
sin sin
a t approxime par lutilisation de coefficients linariss contenant
seulement le terme cos . Ceci est illustr sur la figure 22 montrant bien que la fonction descriptive reprsente une bonne approximation de la variation de la force reconstitue.
Figure 22. Fonction descriptive de premier ordre de llment amortissement par friction
102
III.2.4 Amortissement par friction dun lment non li (compris entre deux lments)
En suivant une approche similaire au dveloppement de la raideur cubique, le changement de variable introduit dans (194), la force non linaire reconstitue devient
&, z ) = c ( z &, z ).z g (z
(204)
&, z ) Aprs application de la formulation de la fonction descriptive, le coefficient linaris c (z
est obtenu sous la forme

&, z ) = ic + i c (z
Lapproximation produite est donc cZ sin + Z sin Z sin ic + i 4 Z cos Z (206) 4 Z (205)
III.2.5 Vecteur non linaire (VNL) et matrice non linaire (MNL)

Lexpansion du systme oscillant introduit dans lquation (185) un systme plusieurs degrs de libert nous donne
&}+ {G ( y & , y )} = {F }e it [M ]{& y

o
(207)
[M ] est la matrice masse &} , {y & } , et {y} sont respectivement les vecteurs acclration, vitesse et dplacement, {& y {F } est le vecteur harmonique dexcitation appliqu la frquence . & , y )} dsign par labrviation VNL, contient toutes les forces Le vecteur {G ( y
reconstitues du systme global, qui est en gnral une fonction de tous les dplacements et vitesses.
&, y) = gc (y & ) + g k ( y ) il est possible dtendre le Pour des non linarits cumules, g ( y
VNL en forces individuelles reconstitues comme suit
&, y) g11 + g12 + g13 + L + g1N gv1 ( y g + g + g +L+ g gv ( y 2 & , y ) 21 22 23 2N & , y )} = gv3 ( y & , y ) = g 31 + g 32 + g 33 + L + g 3 N {G ( y M M & ( ) gv y , y g g g g + + + + L N2 N3 NN N N N N1
(208)
103
o N est la taille du systme en ddl. Chaque fonction non linaire gij reprsente une force reconstitue activant entre les ddls i et j o les termes dindice ii reprsentent la force reconstitue entre le ddl i et la terre. Donc la ime ligne de VNL contenant la fonction
&, y) gvi ( y
reprsente leffet combin de tous les lments connects au ddl i
( g i1 + g i 2 + g i 3 + L + g iN ). Sachant que g ij = g ji .
A ce stade, il est avantageux de remplacer chaque force individuelle reconstitue gij par ces coefficients linariss dvelopps prcdemment. Si le systme a une rponse harmonique {y (t )} = Yeit o {Y } = {Y e it } est un vecteur non linaire complexe ncessitant ladaptation dune phase, alors il est ncessaire de redfinir les coefficients.
Pour les lments fixs (lis la terre) la redfinition est presque triviale
& i , yi ) yi = k ii + ii Yi Yi ii ( y
3 4
(209)
4 & i , yi ) yi = icii + i ii Yi ii ( y Y
i
(210)
o la dpendance du terme Y en fonction du terme harmonique eit est vidente. Pour les lments non fixs (compris entre deux lments), le coefficient non linaire peut tre redfini par emprunt partir du modle lments finis par approche directe de la raideur o llment est formul par une matrice de passage prenant en compte les coordonnes (ddls) de llment. Pour un lment non linaire discret deux nuds (i et j), on peut noter
&i , y & j , yi , y j )( yi y j ) &ij , zij )z ij = ij ( y g ij ij (z

qui conduit
&ij , z ij )z ij = {k ij ij (z
(211)
Yi 3 k ij } + ij Z ij Y j 4
2 Yi 3 ij Z ij 4 Y j
(212)
ou
&ij , z ij )z ij = {icij ij (z
Yi 4 ij icij } + i Y j Z ij i 4 ij Yi Y Z ij j
(213)
104
o, comme on peut le constater, la formulation produit des coefficients symtriques, c'est-dire ij = ji . En introduisant les coefficients non linaires nouvellement redfinis dans (208), une matrice des coefficients non linaires est forme
N 1 j j =1 21 & , y )} = {G ( y 31 M N1
12
13
2j
L L L O L
j =1
23
32
M
j =1
3j
N2
N3
Y 1 Y 2N 2 Y 3 3N M M YN N Nj j =1
1N
(214)
La somme dans la diagonale de la matrice des coefficients est explique par le fait que comme chaque coefficient ij dlment extra diagonal (non fix) introduit des composantes additives (dgale amplitude et de signe oppos) dans les coefficients de la diagonale (lments fixs) ii . A cause de lhypothse de non linarits ajoutes, chaque coefficient ij peut tre de type raideur ou amortissement. Elle est appele matrice carre symtrique des coefficients non linaires MNL (Matrice Non Linaire) dsigne par le symbole .
N 1 j j =1 21 = 31 M N1
12
13
2j
L L L O L
j =1
23
32
M
j =1
3j
N2
N3
2N 3N M N Nj j =1
1N
(215)
Finalement, nous avons
{G} = [ ]{Y }
(216)
] sont dfinis de faon contenir toutes les forces Le VNL {G} et sa matrice MNL [
reconstitues linaires et non linaires.
105
III.2.6 Formulation
explicite
des
rponses
frquentielles
non
linaires de systmes plusieurs ddls

III.2.6.1 Introduction
L'outil de base de n'importe quelle mthode d'analyse modale est un ensemble de mesures FRFs pour le systme tudier. Actuellement, la drivation des modles mathmatiques bass sur les FRFs linaires est un procd bien tabli, et l'analyse modale linaire (AML) est reconnue comme outil d'identification robuste et efficace. Cependant, un modle non linaire formulation gnrale de FRFs disponibles d'un systme non linaire reste inconnu, ce qui est un obstacle principal pour l'tablissement d'une mthode gnrale non linaire. Lessentiel des mthodes existantes traitent de cas particuliers dtaills. Le problme majeur pour l'identification exprimentale non linaire est que relativement peu de FRFs mesures doivent tre compares aux FRFs du systme analytique. Cependant, en raison de la nature couple d'un problme non linaire, une approche thorique, telle que la mthode harmonique HBM, doit calculer toutes les rponses non mesures. Pour de grands systmes, ceci a comme consquence un problme d'optimisation non linaire avec un grand nombre d'inconnues. Il semble plus raisonnable, du moins en traitant des donnes exprimentales de pouvoir formuler des rponses thoriques seulement aux coordonnes mesures. Cette approche donne un nombre rduit d'quations non linaires rsoudre, simplifiant le processus d'identification non linaire. La mthode de Kerschen [166], aborde ce concept en drivant la rponse non linaire des coordonnes choisies, par approche dite Driving Point . La technique prsente, appele formulation explicite fournit une reprsentation discrte des FRFs non linaires pour un ddl choisi. Le terme explicite rsulte du fait que le modle propos est bas sur les coefficients des matrices [M], [K] et [C]. Les non linarits sont reprsentes par une matrice non linaire (MNL) et son vecteur non linaire associ (VNL) permettant le regroupement des composantes linaires et non linaires dans une formulation matricielle simple. Une inversion de matrice, gnralement lie une analyse modale standard, est vite en dfinissant la FRF non linaire comme un rapport de deux dterminants. Bien que pas particulirement efficace en terme dimplmentation, la technique offre une bonne robustesse. Cette mthode peut tre rcapitule selon l'organigramme de la figure 23.
106
Figure 23. Organigramme de la mthode de formulation explicite
III.2.6.2 Formulation explicite des rponses frquentielles
Le mouvement d'un systme non linaire soumis une excitation harmonique peut tre dcrit par l'quation ordinaire non linaire suivante
&} + C{y & }+ iD{y}+ K {y}+ {G ( y & , y )} = {F }eit M {& y
(218)
107
o [M], [C], [D] et [K] sont respectivement les matrices de masse, amortissement visqueux,
&} , {y & } , et {y} sont les y amortissement par hystrsis et raideur du systme fondamental ; {&
vecteurs acclration, vitesse et dplacement, et {F} est un vecteur d'excitation harmonique de pulsation . La composante non linaire du systme est reprsente par le vecteur non linaire {G} qui est dans le cas gnral une fonction de tous les dplacements et vitesses. Considrant une rponse harmonique {y (t )} = {Y }eit o {Y } = {Y ei } est un vecteur complexe non linaire adapt la phase, l'quation du mouvement est rduite
( [M ] + i[C ] + i[D] + [K ]){Y }+ {G( , Y )} = {F }

2
(219)
La receptance est dfinie par
[H ] = ( 2 [M ] + i[C ] + i[D] + [K ])1

et son inverse, [Z ] = [H ] :
1
(220)
[Z ] = 2 [M ] + i[C ] + i[D] + [K ]
(221)
Le vecteur non linaire {G} peut tre exprim en fonction de la matrice non linaire [ ] et du vecteur rponse
{G} = [ ]{Y }
En introduisant (221) et (222) dans (219) nous aurons
(222)
([Z ] + [ ]){Y } = {F }
Ce qui donne la reprsentation compacte finale du systme non linaire
(223)
[Z NL ]{Y } = {F } , avec [Z NL ] = [Z ] + [ ]
[Z NL ],
(224)
est une matrice compose, contenant les coefficients linaires et non linaires, et
& , y, ] . L'obtention des racines du dterminant de [Z NL ] permet de dpendant de ltat [ y
trouver les frquences naturelles non linaires dpendant de la frquence et des constantes d'amortissement.
108
En utilisant (224), la rponse frquentielle n'importe quel ddl donn peut tre dcrite par le rapport de deux dterminants
i colonne (Z NL )11 K M L (Z NL )1N M O M N M det M L F L M M N M O M ( Z ) L M L (Z ) NL NN NL N 1 Yi = det (Z NL )
me
(225)
o N est la taille du systme, et la matrice dans le numrateur est constitue en remplaant la ime colonne de la matrice compose [Z NL ] par le vecteur force {F }. Lexpression (225) est le noyau de la formulation explicite. Dans le cas particulier de structures contenant des non linarits localises (joints, discontinuits gomtriques, amortisseurs, etc.), la matrice non linaire [] est en grande partie creuse, avec juste quelques valeurs non nulles. La notation suivante distingue les coefficients linaires et non linaires de la matrice [Z NL ]
Z ij = 2 mij + icij + id ij + kij
(226) (227)
(Z NL )ij = ( 2 mij + icij + idij + kij + ij )

III.2.7 Mthode didentification
Aprs avoir explicit les formulations gnrales dans le domaine frquentiel, nous pouvons laborer une mthode didentification des dfauts en prsence de non linarits. Pour cela une mthode de minimisation est ncessaire.
III.2.7.1 Mthode de minimisation
La mthode de Newton Raphson est parmi les plus utilises pour la rsolution de systmes dquations non linaires, fournissant un mcanisme simple pour converger itrativement la solution partir dune estime initiale suffisamment proche. Actuellement, il n'y a aucune mthode qui peut garantir la convergence globale dans un problme non linaire, ainsi, il trs important destimer une valeur initiale approprie.
109
Dans le contexte des problmes numriques, une limite rsiduelle est souvent trouve au lieu d'une solution exacte (zro). En comparant diffrentes erreurs rsiduelles dans plusieurs minimum locaux, la solution globale peut tre assign ce point contenant le minimum de lerreur rsiduelle; l'avantage de cette technique est que la convergence est ralise, mme si l'algorithme ne peut pas trouver une solution exacte (en raison des donnes bruyantes ou parce que le systme simplement n'a pas de solution exacte). Le problme de NewtonRaphson peut tre mathmatiquement prsent comme la recherche de la meilleure solution {y}, rsidu minimal de la fonction {f (y)}
{ f ( y )} {0}
Le schma itratif est bas sur lquation
(228)
{y } = {y } [J ] {f (y ( ) )}
( k +1) (k )
1 k
(229)
o le vecteur calcul {y(k+1)} correspondant au (k+1)me itration est obtenu connaissant le vecteur actuel {y(k)} et la matrice Jacobinne [J]. Le problme est rduit trouver la valeur de
qui minimise le rsidu (228).

Pour un problme plusieurs inconnues, la matrice Jacobinne est dfinie par: f1 y 1 f 2 = y1 M f n y1 f1 y2 f 2 y2 M f n y2 f1 yn f 2 L yn O M f n L yn L
(k ) )} [J ] = { f ( y (k )
{ }
(230)
III.2.7.2 Mthode didentification dans le domaine frquentiel
Nous avons jug utile de prsenter la mthode de Kerschen [166] base sur le domaine frquentiel. Cette mthode utilise la reprsentation matricielle explicite prsente dans les paragraphes prcdents, ainsi que la mthode de minimisation de Newton Raphson. Lapplication de lalgorithme de Newton conduit aux tapes suivantes : 1- Etablir le vecteur {Yn} contenant les variables inconnues 2- Construire le systme dquations algbriques non linaires bas sur les quations de la forme (225) formant le vecteur analytique {Ynanalytique}, la fonction objective est
{ f ( y )} = { f (Y1 , Y2 ,L, Yn )}
110
3- Choisir une estime de dpart la plus proche possible. La rponse linaire est la plus utilise pour dsigner {Yninitiale} 4- Sparation des parties imaginaire et relle, ce qui donne le systme spar suivant
Re Yninitiale Ynanalytique f Re ( y ) { f ( y )} = LL = LLLLLL initiale f ( y ) Ynanalytique Im 2 n Im Yn
) )
0 = L 2 n 0 2 n
5- Procdure itrative : Le systme itratif sarrtera quand la fonction objective aura atteint une valeur minimale prdfinie (de 1 2 %) par rapport litration prcdente. Ce qui donne la rponse {Yn} pour la frquence considre. Pour une autre valeur de la frquence refaire la procdure de minimisation et considrer cette rponse comme estime de dpart la place de la solution linaire. 6- Rsolution linaire : Aprs avoir dtermin les solutions aux frquences voulues, le systme est entirement dtermin par ses n rponses frquentielles et plus particulirement transform en un problme linaire.
111
APPLICATION DES METHODES DE RECALAGE AUX SYSTEMES NON LINEAIRES

IV.1 Application la linarisation de systmes faiblement non linaires IV.2 Recalage en prsence de non linarits IV.3 Conclusion 112 118 121
Chapitre 4 : Application des mthodes de recalage aux systmes non linaires
IV APPLICATION DES METHODES DE RECALAGE AUX SYSTEMES NON LINEAIRES

En utilisant la formulation explicite prcdente, nous avons mis en uvre des programmes de simulation des non linarits dans le domaine frquentiel. Examinons ce que les mthodes proposes dans le domaine linaire peuvent apporter pour la linarisation de systmes faiblement non linaires.
IV.1 Application la linarisation de systmes faiblement non linaires

Il sagit de trouver un systme analytique linaire capable de reprendre le comportement dynamique du systme faiblement non linaire, il ne sagit donc pas de dtecter des dfauts ou des non linarits. Par consquent la mthode de recalage par sparation des variables ne sera pas utilise ici. Dans le but de voir la qualit des mthodes proposes dans le domaine linaire au cas de linarisation de systme faiblement non linaire, considrons la structure de la figure 24 comportant une non linarit de raideur cubique au niveau du nud 3 et une non linarit damortissement quadratique au niveau du nud 7. Quelques rponses frquentielles du systme non linaire obtenu sont visualises sur la figure 25.
Figure 24. Structure comportant de faibles non linarits localises aux ddls 4 et 17 112
Pour comparer les rsultats du processus de linarisation, nous utilisons le critre dassurance des rponses frquentielles. Lexpression (19) est reprise sous la forme
s y Aj (i ) y * Xj (i ) i =1 FRAC ( j ) = s s * y Aj (i ) y * Aj (i ) y Xj (i ) y Xj (i ) i =1 i =1
2
j est le degr de libert considr pour la corrlation s est le nombre de frquences de mesures
y Aj (i ) est la rponse frquentielle analytique au ddl j pour la frquence i y Xj (i ) est la rponse frquentielle mesure au ddl j pour la frquence i
Figure 25. Rponses frquentielles des ddls 4, 11, 17 et 20 avant recalage Pour valuer le taux de non linarit, nous calculons les fonctions FRAC des deux modles linaire et non linaire avant recalage. Notons FRAC1 le rsultat obtenu avant recalage. Ceci est illustr sur la figure 26. Nous constatons que la moyenne des valeurs de FRAC est de lordre de 93,84%, ce qui nous permet de le considrer comme un systme faiblement non linaire. 113
Figure 26. Fonctions FRAC avant recalage (FRAC1) Appliquons maintenant une une les deux mthodes de recalage proposes dans le domaine linaire. Les rsultats obtenus sont prsents sur le tableau 6.
Figure 27. FRAC aprs recalage des raideurs par la mthode incrmentale (FRAC2)
Figure 28. Comparaison avec FRAC1, DIFF1=(FRAC2-FRAC1) La figure 27 et la figure 30 montrent que les mthodes de recalage permettent damliorer le coefficient de corrlation FRAC dans les deux cas. La moyenne obtenue des
114
FRACs pour le recalage par la mthode incrmentale est de 95,38%, il est de 95,00% dans le cas du recalage avec paramtrisation. La diffrence entre ces facteurs de corrlation est illustre sur la figure 28 et la figure 31 qui montrent que les coefficients FRAC ont t amliors pour la plupart des degrs de libert de la structure. Tableau 6. Rsultats obtenus avec les deux mthodes de recalage Elments Stratgie incrmentale Recalage avec paramtrisation 1 0 0,23 2 -0,50 -1,02 3 -0,20 0,19 4 -1,50 -1,87 5 0 0,11 6 1,30 5,90 7 -0,90 -5,42 8 0 -2,26 9 0 1,95 10 -0, 50 0,06 11 0, 10 0,50 12 0 -2,62 13 0 8,01 14 0, 20 -2,73 15 0,42 9,75 16 -10,70 -12,98 17 1,20 0,94 18 -2,60 -0,32 19 2,10 5,44 20 0 -6,06 21 -0,70 2,26 22 0 -6,84 23 0,10 6,51 24 0,40 0,03 25 -0,60 -3,64 26 -0,20 0,03 27 -,362 8,90 28 1,70 7,21 29 0 2,00 30 -1,10 0,13
115
Figure 29. Rponses frquentielles des ddls 4, 11, 17 et 20 aprs recalage par la mthode incrmentale Nous constatons sur les rponses frquentielles de la figure 29 que les rponses frquentielles des ddls 4 et 20 ont t amliores, par contre celle des ddls 11 et 17 ont t lgrement perturbes.
Figure 30. FRAC aprs recalage des raideurs par la mthode avec paramtrisation
116
Figure 31. Comparaison avec FRAC1, DIFF2=(FRAC3-FRAC1)
Figure 32. Rponses frquentielles des ddls 4, 11, 17 et 20 aprs recalage par la mthode avec paramtrisation Aussi, nous constatons sur les rponses frquentielles de la figure 32 que les rponses frquentielles des ddls 4 et 11 ont t amliores, par contre celle des ddls 17 et 20 ont t lgrement perturbes.
117
Remarques : Quand le systme est faiblement non linaire, les mthodes de recalage de systmes linaires peuvent tre utilises pour la linarisation du modle. Lapplication des mthodes de recalage avec paramtrisation frquentielle et par stratgie incrmentale montre une amlioration par rapport au systme linaire non recal.
IV.2 Recalage en prsence de non linarits

Pour complter notre tude, nous appliquons le processus de recalage sur une structure faiblement non linaire comportant des dfauts de modlisation en masse et en raideur.
Considrons la structure prcdente comportant des dfauts de raideur de 20% et 30% respectivement aux lments 9 et 13 ainsi quun dfaut de masse de -20% sur llment 18. Les rponses frquentielles de la structure exprimentale et analytique sont reprsentes sur la figure 33.
Figure 33. Rponses frquentielles des structures non linaire et linaire avant recalage
118
Nous constatons que sur la base des seuls ddls reprsents sur la figure 33 que les deux systmes sont trs loigns. Pour valuer lloignement, calculons la fonction de corrlation FRAC. Notons FRAC4 le rsultat avant recalage. La moyenne est de lordre de 38,14%. Pour cette application la mthode de recalage incrmentale est plus approprie puisque elle considre la fonction de corrlation FRAC quelle amliore chaque itration. Lapplication de cette mthode de recalage conduit aux rsultats prsents sur le tableau 7, qui montre que seul le dfaut de llment 13 est dtect. Nanmoins, les deux systmes linaires et non linaires ont une meilleure corrlation (figure 34 et figure 35), FRAC moyen devient 54,78%.
Tableau 7. Rsultats obtenus aprs la stratgie incrmentale de recalage Elments 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 Dfauts de raideur 0 0 0 0 0 0 0 0 20 0 0 0 30 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 Rsultats de recalage 17,00 -1,80 -3,20 -19,60 0 -2,30 -17,30 2,70 -0,90 3,00 -8,50 1,00 18,00 0,10 -4,20 -1,10 1,10 8,30 7,00 -8,40 0 0,70 12,70 1,80 8,70 0 7,60 -6,10 -3,40 -3,10 Dfauts de masse 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 -20 0 0 0 0 0 0 0 0 0 0 0 0 Rsultats de recalage 2,80 11,30 -8,40 -19,20 1,00 0 0 0 0 1,00 -0,60 10,70 0 0 0 0 10,60 0 0 0 1,00 0 0 -9,30 0 0 -0,40 -29,90 4,70 0
119
Figure 34. Fonction FRAC avant recalage FRAC4
Figure 35. FRAC aprs recalage par la mthode incrmentale
Figure 36. Comparaison des fonctions FRAC aprs recalage Nous constatons que le recalage dans ce cas est plus complexe et que beaucoup de rponses frquentielles sont mal corrles (Figure 36). La figure 37 reprsentant les rponses frquentielles des ddls 4, 11, 17 et 20 montre que mme si la corrlation globale sest
120
amliore, les rponses frquentielles des ddls 4, 11 et 17 sont plus loignes quavant le recalage, seule la rponse du ddl 20 sest amliore. Le rsultat global de la technique de recalage est satisfaisant mme sil ne dtecte les dfauts de modlisation. Cette technique de recalage est un outil trs utile pour la linarisation de systmes non linaires qui peuvent comporter des dfauts de modlisation.
Figure 37. Rponses frquentielles des ddls 4, 11, 17 et 20 aprs recalage par la stratgie incrmentale
IV.3 Conclusion
Lapplication des mthodes de recalage linaires la linarisation des systmes non linaires montre une efficacit apprciable lorsque le comportement du systme reste dans lhypothse des petits dplacements et dune non linarit faible. Son application au cas de systmes non linaires comportant des dfauts de modlisation est apprcie en tant que mthode de linarisation mais pas en tant que mthode de recalage non linaire, car la procdure amliore la reprsentation dynamique du systme mais ne localise pas les dfauts. En fin, la mthode la plus approprie pour la linarisation de systmes faiblement non linaires reste la mthode de recalage incrmentale, qui se base sur lamlioration de la moyenne des FRAC entre le modle analytique et les mesures, et ce chaque itration. 121
FORMULATION NON LINEAIRE PROPOSEE

V.1 Non linarits de raideur V.2 Non linarits damortissement V.3 Forme gnrale des non linarits dans le domaine temporel V.4 Mthode didentification propose V.4.1 Rsolution de lquation du mouvement par schma numrique V.4.2 Application V.4.2.1 Cas du systme un ddl V.4.2.2 Cas du systme plusieurs ddls V.4.2.3 Remarques 122 124 125 126 126 130 130 132 134
Chapitre 5 : Formulation non linaire propose
V FORMULATION NON LINEAIRE PROPOSEE

La formulation non linaire prcdente reprsente une approximation du comportement non linaire dans le domaine frquentiel ; La formulation ainsi obtenue permet de regrouper la partie linaire et une approximation de la partie non linaire dans une formulation matricielle MNL et vectorielle VNL. Ceci permet dans le cas de lidentification, corriger simultanment les non linarits et les dfauts mal estims. Examinons maintenant le cas de systmes non linaires dans le domaine temporel.
V.1 Non linarits de raideur

Les non linarits de raideur peuvent provenir de deux causes diffrentes ; soit il existe dans la structure tudie des termes purement non linaires dans la modlisation de la raideur, soit celle-ci reste constante sur des plages donnes de dplacements. De faon gnrale, on crit que le systme vrifie :
&(t ) + cy & (t ) + ( y (t )) = f (t ) m& y
(231)
o dcrit la non linarit de raideur.

Raideurs polynomiales : La non linarit peut provenir du fait que les forces de rappel du
systme sont des fonctions polynomiales du dplacement, de degr 2 au moins. Lexemple le plus couramment tudi est loscillateur Duffing, pour lequel
( y (t )) = ky(t ) + k3 y 3 (t )
o k3 peut tre positif ou ngatif : -
(232)
si k3>0, le systme est dit rigidifiant hardening , car pour des hauts niveaux dexcitation, la force de rappel est plus grande que pour un systme de raideur linaire ; si k3<0, le systme est dit adoucissant softening , mais il faut noter que ce systme na pas de sens physique tel quel, car ladoucissement fait que le signe de la force de rappel change partir dun certain point ; en pratique, le terme cubique est toujours accompagn de termes dordre suprieur avec des coefficients positifs.
On peut voir une reprsentation de la force de rappel en fonction du dplacement pour chacun de ces cas dans la figure 38.
122
Figure 38. Force de rappel de loscillateur duffing Lexemple qui aurait pu paratre a priori le plus simple est celui de la raideur quadratique, qui est tel que
( y (t )) = ky(t ) + k2 y 2 (t )
(233)
Mais comme ce systme devient instable quand le niveau dexcitation est trop lev, on prfre remplacer la raideur quadratique par un terme de la forme k 2 y (t ) y (t ) , et alors ltude est similaire celle de loscillateur duffing, quoique lgrement plus complexe mener.
Raideurs multilinaires : La non linarit peut tre provoque par des forces de rappel qui
sont des fonctions linaires du dplacement, de pentes diffrentes suivant la zone de dplacements dans laquelle la structure volue. Un premier exemple concerne le cas de la
raideur bilinaire : la raideur du systme est diffrente selon quil est sollicit en traction ou
en compression, comme ce qui est observ chez les absorbeurs de chocs
( y (t )) =
k1 y (t ) si y > 0 y (t ) si y < 0 k 1
(234)
Deux autres cas de figures sont ceux dits saturation et dgagement qui vrifient
k1 y (t ) + (k1 k1 )d si y > d ( y (t )) = k1 y (t ) si y < d k y (t ) (k k )d si y < d 1 1 1
(235)
123
avec k1 = 0 pour la saturation.
Figure 39. Force de rappel dans le cas de raideurs multilinaires Il sagit en fait dun systme linaire, sur lequel sajoute ou se soustrait une raideur additionnelle, nulle sur un certain domaine de dplacements [-d, +d]; on rencontre ce comportement dans les assemblages tels que ceux de lindustrie aronautique : avec k1=0 et k2 trs grand , on traduit une condition de type contact. La figure 39 rsume les exemples prcdents.
V.2 Non linarits damortissement

De mme que pour la raideur, les non linarits damortissement relvent de deux causes principales, et lcriture gnrale de lquation dquilibre est
&(t ) + ( y & (t )) + ky (t ) = f (t ) m& y
(236)
o dcrit la non linarit damortissement.

Amortissement polynomial : Lexemple le plus courant est celui du frottement fluide grande
vitesse, qui vrifie

& (t )) = by & (t ) + b2 y & (t ) y & (t ) (y
(237)
terme qui traduit laction dun fluide en coulement rapide autour dun objet solide. 124
Amortissement multilinaire : Le cas de figure essentiel est le frottement de Coulomb, que
lon peut modliser par :

& (t )) = bF sng ( y & (t )) (y
(238)
Gnralement, il est accompagn du phnomne de dgagement propre au contact. Il faut dailleurs noter que, contrairement la plupart des systmes non linaires, les effets du frottement de Coulomb ne sont vraiment sensibles que pour de faibles niveaux dexcitation. Pour des forces importantes, leffet du frottement devient ngligeable, et le systme a un comportement pratiquement linaire.
V.3 Forme gnrale des non linarits dans le domaine temporel

La forme la plus gnrale des non linarits est la combinaison des quations (231) et (232) qui donnent
&(t ) + ( y & (t )) + ( y (t )) = f (t ) m& y
(239)
En comparant cette dernire lquation (184) nous obtenons : & (t )) = by & (t ) + ky (t ) + f NL ( y (t ), y & (t )) = ( y & (t )) + ( y (t )) ( y (t ), y (240)
& (t )) comporte les parties linaires et non linaires damortissement et de Notons que ( y (t ), y
raideur, forme intressante dans le cas de lidentification simultane de dfauts de modlisation linaire et non linaire. Dune manire gnrale nous pouvons crire
& (t )) = (b0 + b1 y & (t ) + b2 y & 2 (t )) + (k0 + k1 y (t ) + k 2 y 2 (t ) + k3 y 3 (t )) ( y (t ), y
(241)
Dans le cas de systmes plusieurs degrs de libert, cette quation doit sappliquer tous les ddls. En considrant les non linarits possibles et gnrales, nous obtenons en gnralisant lquation (241)
1 1 n n 2 1 & (t )) = klij yik (t ) y lj (t ) + klij y & ik (t ) y & lj (t ) , =1, n v ( y (t ), y i =1 j =1 k =0 l =0 k =0 l =0
(242)
avec
&} + { & )} = {F }eit M {& y ( y, y
(243)
Pour le systme 1 ddl : =1, i=1 et j=1
& (t )) = kl y k +l (t ) + kl y & k +l (t ) v( y (t ), y
k =0 l =0 k =0 l =0
(244)
125
Cette formulation nous permet de focaliser les non linarits aux paramtres et qui identifient compltement lamortissement et la raideur du systme avec leurs parties linaire et non linaire. Cette stratgie est la base de la mthode didentification propose dans le domaine non linaire.
V.4 Mthode didentification propose

La mthode propose consiste exploiter la reprsentation gnrale explicite prsente dans le domaine temporel. Pour cela nous utilisons lapproximation au sens des moindres carrs pour la dtection de dfauts et lidentification des paramtres non linaires. Pour ce faire, un ensemble de mesures est ncessaire. Le problme consiste alors minimiser lerreur entre les rponses temporelles mesures et analytiques
{e(t )} = {y ( m) (t )} {y (c ) ( , , t )}
(245)
La rponse analytique y ( c ) ( , , t ) , est dtermine partir de lquation du mouvement (231) en utilisant lalgorithme de Runge-Kutta pour la rsolution des systmes dquations non linaires. La mesure y ( m ) (t ) tant effectue linstant t. Le systme est compltement dtermin lorsque les paramtres {} et {} sont identifis. Lerreur minimiser par la mthode des moindres carrs est
= {e(t )}T {e(t )}

t =t0
tf
(246)
V.4.1 Rsolution de lquation du mouvement par schma numrique

Dans cette partie nous tudions le problme de lintgration numrique de lquation diffrentielle du mouvement.
Une quation diffrentielle dordre n scrit sous la forme gnrale suivante

f x, y, y, y,L, y (n ) = 0 ( n1) y ( x0 ), y( x0 ),L y ( x0 ) valeur initiales
(247)
Il existe une fonction tel que le problme (247) puisse tre quivalent y (m ) = x, y, y,L, y (m1)
(248)
126
En effectuant un changement de variable, lquation (247) et la forme (248) donnent un systme du premier ordre quivalent dy = y1 dx dy1 = y2 dx dy2 = y3 dx M dym2 = ym1 dx dym1 = ( x, y1 , y2 ,L, ym1 ) dx
(249)
Ce qui peut tre crit

y1 y2 dY = F ( x, Y ) , avec Y ( x0 ) = Y0 , valeur initiale et Y = y3 dx M y m1
(250)
Lintervalle de variation de x est divis en un nombre fini de valeurs n par pas h appel pas dintgration numrique, avec xn+1 = xn + h . On note yn une approximation de la solution exacte y ( xn ) et y(i) une approximation de la solution exacte de y (i ) (xn ) = d i y ( xn ) . dx i
Parmi les mthodes de Runge-Kutta quatre approximations qui sont en nombre infini, deux dentre elles sont utilises en pratique Premier schma
1 yn+1 = yn + 8 {K1 + 3K 2 + 3K 3 + K 4 } K1 = hF (xn , yn ) h K K 2 = hF xn + , yn + 1 3 3 K 2h K = hF xn + , y n 1 + K 2 3 3 3 K = hF (x + h, y + K K + K ) 1 2 3 n n 4
(251)
127
Deuxime schma yn+1 = yn + 1 {K1 + 2 K 2 + 2 K 3 + K 4 } 6 K1 = hF (xn , yn ) h K K 2 = hF xn + , yn + 1 2 2 h K K 3 = hF xn + , yn + 2 2 2 K 4 = hF ( xn + h, yn + K 3 )
(252)
Lerreur systmatique au voisinage de xn est gale E (n ) = nombre dapproximations, ici gal 4.
( h) 2h yn +1 yn +1 , r entier naturel gal au 2(2 r 1)
A partir de la quatrime itration, on utilisera les mthodes pas lis de la forme i yn+1 = ai yni + h i yn
i =0 i =0 p p
(253)
Parmi ces mthodes, on distingue les mthodes explicites ou de type ouvert, les prdicteurs et les mthodes implicites ou de type ferm, les correcteurs. Mthode explicite dAdams (prdicteur) p
i yn +1 = yn + h i yn
i =0 p
E(n+1) 1 2 (2 ) h y ( ) 2 5 3 (3 ) h y ( ) 12 2 4 (4 ) h y ( ) 8 251 5 (5 ) h y ( ) 720 95 6 (6 ) h y ( ) 288 19087 7 (7 ) h y ( ) 60480
0 1 2 3 4
yn+1 = yn + hyn yn+1 = yn + yn+1 = yn + yn+1 = yn +

yn+1 = yn + yn+1 = yn +
h y (3 yn n 1 ) 2 h 2 ) (23 yn 16 yn1 + 5 yn 12 h 1 + 37 yn 2 9 yn 3 ) (55 yn 59 yn 24

2774 yn 1 + 2616 yn 2 1274 yn 3 + h 1901 yn 4 720 + 251 yn 7923 yn 1 + 9982 yn 2 7298 yn 3 + h 4277 yn + 2877 y 475 y 1440 n4 n 5
Sachant que
(xn p , xn +1 )
128
Mthode explicite de Milne (prdicteur)
i yn +1 = yn p + h i yn
i =0
E(n+1) 1 2 (2 ) h y ( ) 2 1 3 (3 ) h y ( ) 3 3 4 (4 ) h y ( ) 8 14 5 (5 ) h y ( ) 45 95 6 (6 ) h y ( ) 288 41 7 (7 ) h y ( ) 140
0 1 2 3 4 5
yn+1 = yn + hyn + 0 yn 1 ) yn+1 = yn1 + 2h(3 yn yn+1 = yn2 + yn+1 = yn3 + yn+1 = yn4 + yn+1 = yn5 + h 2 ) (9 yn + 0 yn1 + 3 yn 4 4h yn 1 + 2 yn 2 + 0 yn 3 ) (2 yn 3 h 350 yn 1 + 600 yn 2 50 yn 3 + 95 y (425 yn n4 ) 144 3h 4 + 0 yn 5 ) (11yn 14 yn1 + 26 yn2 14 yn3 + 11yn 10
Mthode implicite dAdams (correcteur)
i yn +1 = yn + h i yn
i =0
E(n+1) 1 3 (3 ) h y ( ) 12 1 4 (4 ) h y ( ) 24
0 1 2 3 4
yn+1 = yn + yn+1 = yn + yn+1 = yn + yn+1 = yn +

yn+1 = yn +
h ) ( yn+1 yn 2 h +1 + 8 yn yn 1 ) (5 yn 12 h +1 + 19 y (9 yn n 5 yn 1 + yn 2 ) 24 h +1 + 646 yn 264 yn 1 + 105 yn 2 19 yn 3 ) (251yn 720

+1 + 1427 yn 798 yn 1 + h 475 yn 2 173 yn 3 + 27 y 1440 n 4 482 yn
9 5 (5 ) h y ( ) 720 3 6 (6 ) h y ( ) 130
863 7 (7 ) h y ( ) 60480
129
Mthode implicite de Milne (correcteur) p

i yn +1 = yn p + h i yn
i =0 p
E(n+1) 1 3 (3 ) h y ( ) 12 1 4 (4 ) h y ( ) 90 3 5 (5 ) h y ( ) 80
0 1 2 3 4
yn+1 = yn +
h ( yn+1 + yn1 ) 2 h + y ( yn+1 + 4 yn n 1 ) 3 3h + 3 yn 1 + yn 2 ) ( yn+1 + 3 yn 8 2h + 12 yn 1 + 32 yn 2 + 7 yn 3 ) (7 yn+1 + 32 yn 45 5h 1 + 50 yn 2 + 75 yn 3 + 19 yn 4 ) (19 yn+1 + 75 yn + 50 yn 288
yn+1 = yn1 + yn+1 = yn2 + yn+1 = yn3 + yn+1 = yn4 +
8 6 (6 ) h y ( ) 945
275 7 (7 ) h y ( ) 12096
Pour les applications, nous avons choisi le deuxime schma de Runge-Kutta quatre approximations suivi du prdicteur correcteur de Milne.
V.4.2 Application
V.4.2.1 Cas du systme un ddl
Considrons le systme non linaire un degr de libert de la figure 40. On dsire identifier le paramtre non linaire de raideur knl. Lquation du mouvement est de la forme
& + cy & + ky + v( y, y & ) = F0 cos(t ) m& y

avec
(254) (255)
& ) = (b2 y & 2 + b1 y & + b0 ) + (k3 y 3 + k 2 y 2 + k1 y + k0 ) ( y, y
Pour cette application, nous nous limitons lidentification de non linarits sans existence de dfauts, ce qui nous limite au cas o b1 = k1 = 0 , la partie non linaire scrit alors
& ) = (b2 y & 2 + b0 ) + (k3 y 3 + k 2 y 2 + k0 ) ( y, y
(256)
Donnes : m=3kg, c=0,3mN/s, k=1kN/m, F0=2,5, =1rad/s, knl=0,05kN/m3, y0=0,04m,
& 0 = 0,55 m/s y
130
Figure 40. Systme un degr de libert non linarit de raideur
Figure 41. Rponse temporelle des systmes linaire et non linaire
La rponse temporelle dans lintervalle temps [0, 10] est reprsente par la figure 41
131
Pour la rsolution du problme, les constantes b0 et k0 qui nont pas de sens physique sont aussi supprimes, aussi nous devons choisir entre une non linarit de raideur cubique ou carre. En fin, la fonction non linaire se limite
& ) = b2 y & 2 + k3 y 3 ( y, y
Le problme se rsume donc rechercher par minimisation de lerreur (246), les coefficients b2 et k3. Les rsultats exploitant des mesures entre t=0s et t=5s, donnent b2=5. 10-6mN/s, et k3=0,0472kN/m3. Nous constatons que la non linarit de raideur cubique a t dtecte avec une prsence dune non linarit quadratique damortissement trs faible.
V.4.2.2 Cas du systme plusieurs ddls
Considrons le systme non linaire quatre degrs de libert ci-dessous. On dsire identifier le paramtre non linaire de raideur knl. Lquation du mouvement est de la forme
& + Cy & + Ky + v( y, y &) = F M& y
(257) (258)
avec
4 4 1 1 2 1 & ) = klij yik y lj + klij y & ik y & lj , =1,4 v ( y, y i =1 j =1 k =0 l =0 k =0 l =0
Pour cette application, nous nous limitons lidentification de non linarits sans existence de dfauts, ce qui nous limite au cas o 01ij = 10ij = 01ij = 10ij = 0 . Donnes : mi=3kg, ci=0,3 mN/s, k1=k4=1kN/m, k2=k3=0,8kN/m et knl= 0,1kN/m3
Figure 42. Systme quatre degrs de libert non linarit de raideur 132
La rponse temporelle dans lintervalle temps [0, 5] est reprsente par la figure 43
Figure 43. Rponse temporelle du systme 4 ddls
Figure 44. Reprsentation du dcalage d la non linarit
133
Pour ce qui est de ce systme, on considre quil existe des non linarits de raideur cubique entre toutes les masses. La fonction non linaire se rduit alors
& (t )) = k nl i yi3 , =1,4 v ( y (t ), y

i =1
Les rsultats obtenus permettent didentifier et de localiser le paramtre non linaire knl1=0,00943kN/m3, knl2=0,0078kN/m3, knl3=0,0111kN/m3, knl4=0,0851kN/m3. ce qui est illustr sur la figure suivante
Figure 45. Comparaison de rponses temporelles aprs correction pour le ddl 4 La figure 45 montre que les non linarits de raideur ont t bien quantifies.
V.4.2.3 Remarques
Une mthode didentification de non linarits de raideur et damortissement a t propose. Celle-ci est base sur la formulation non linaire propose dans le domaine temporel. Cette reprsentation globale permet de rsoudre mathmatiquement un problme non linaire, mais elle risque de donner des rsultats qui donnent une rponse temporelle trs proche des mesures mais physiquement incorrects. Pour remdier cela, on doit changer de configuration initiale suppose, c'est--dire rduire le nombre dinconnues. Quelquefois et quand le vecteur non linaire est choisi sous sa forme gnrale le systme dintgration diverge. Nanmoins, dans le cas de petits dplacements, les rsultats didentification des non linarits pour les systmes discrets sont satisfaisants.
134
CONCLUSION
Conclusion
CONCLUSION
Bas sur la recherche entreprise dans le cadre de cette thse une liste de conclusions est formule et discute, ltude entreprise nous conduit en fin de parcours des suggestion qui peuvent savrer dun intrt pour un travail ultrieur.
Les conclusions suivantes sont tires des tudes effectues dans cette thse.
1-
Les fonctions de corrlations permettent de donner un aperu de la prcision dun modle. Elles font une comparaison entre les mesures exprimentales et les valeurs prdites par le modle EF. Une varit de fonctions existe. Le critre dassurance modal (Modal Assurance Criterion MAC) reste le plus utilis mme si beaucoup de facteurs sont apparus ; mais quand le bruit de mesure est grand et pour plus de prcision on utilise les corrlations dans le domaine frquentiel. Lutilisation des fonctions de rponse frquentielle FRF au lieu des modes propres est plus efficace puisque les FRFs sont directement obtenues exprimentalement alors que les modes ncessitent des calculs se basant sur celles-ci. Ce passage des FRFs aux modes fait intervenir donc des erreurs de calcul supplmentaires. Par consquent le FDAC et le FRAC sont les plus appropris. Nanmoins, le problme du meilleur critre de corrlation nest pas dfinitivement rgl.
2-
Dans le cas des techniques de rduction et dexpansion, la mthode de condensation statique de Guyan prsente en 1965 reste la plus utilise. Nanmoins, compte tenu de ltude effectue nous conseillons lutilisation de la technique amliore de rduction de systme (Improved Reduced System IRS). Cette technique amliore la prcision de la condensation statique en compensant les effets de la masse. Pour lexpansion la mthode IRS est tout aussi efficace.
3-
La planification des tests modaux pour lidentification paramtrique suppose un bon choix de points de mesure et de points dexcitation. Dans ce domaine les mthodes dites indpendance effective bases sur la matrice de Fischer sont particulirement efficaces. Le choix des points dexcitation reste un travail enrichir puisquil nexiste que quelques mthodes bases sur lexcitation du maximum de modes existant dans la bande frquentielle de mesure. Notre contribution dans cette partie de ltude porte sur la proposition dune mthode de choix des points de mesure utilisant la drive premire de la rponse frquentielle du mouvement. Teste dans le cas de la dtection de dfauts dans une structure en treillis doublement encastre 135
Conclusion
dont les dfauts et le comportement dynamique ont t simuls numriquement, la mthode montre de bonnes possibilits. Les rsultats des tests effectus montre lefficacit de la mthode propose. Compte tenu de la matrice de sensitivit utilise, cette mthode est adquate pour les applications de dtection de dfauts mcaniques dans les structures. Lefficacit de cette mthode dpend directement des valeurs des frquences choisies {1 2 .., s} dans la bande frquentielle. Le nombre de mesures est aussi un paramtre optimiser pour rendre la mthode facilement utilisable dans le cas de lidentification en dynamique. 4Une mthode de recalage de modle lments finis base sur les fonctions de rponse frquentielle a t propose. La convergence du systme dpend du choix et de la qualit des mesures. Pour amliorer le conditionnement de la matrice Jacobinne, il est essentiel dviter de rapprocher les mesures trs prs des pics de rsonance dans le cas de la structure relle et du modle corrig de la structure chaque itration ; Pour cela, il est important de dterminer chaque itration, les frquences de rsonance du systme recal pour liminer les mesures proches de celles-ci. Aide par la paramtrisation intrinsque propose qui choisie la plus petite distance minimiser la mthode dveloppe montre de bonnes proprits de convergence. Dans le cas o le nombre de points de mesures est incomplet, la paramtrisation intrinsque propose peut aider le processus de recalage converger. Elle peut aussi rduire linfluence du bruit. 5Une autre mthode de recalage de modle lments finis utilisant lapproximation non linaire des moindres carrs dans le domaine frquentiel a t propose. Celle-ci utilise une minimisation prliminaire qui considre la plus petite distance entre la FRF analytique et celle mesure dans le but daffecter une valeur la frquence analytique correspondant la frquence de mesure choisie. Souvent les paramtres de masse qui sont de second ordre en frquence compensent les erreurs de raideur dans les mthodes de recalage, dans notre cas, la sparation des variables rend possible le choix de mesures diffrentes pour chacune des tapes du recalage, avantage trs utile pour viter le phnomne de compensation. Comme pour la mthode prcdente, la difficult rside dans le choix des frquences de mesures vitant les divergences brusques du systme itratif. Il faudrait aussi viter les pics de rsonance qui risquent de causer un mauvais conditionnement des matrices Jacobinne et donc une instabilit numrique. La mthode ainsi prsente aide par la paramtrisation frquentielle montre une simplicit dimplmentation et une 136
Conclusion
bonne stabilit numrique. La mthode teste sur des structures en treillis montre de bonnes qualits de dtection, localisation et quantification de dfauts, tout en vitant les problmes de mauvais conditionnement qui provoquent des divergences brusques des systmes itratifs. La sparation des variables utilise dans la mthode de recalage amliore reprsente un outil qui peut tre utilis avantageusement dans le contexte du recalage de modles analytiques. 6Une mthode de dtection de dfauts dans les structures mcaniques base sur la correction de modle lments finis a t propose. Celle ci est une stratgie de correction incrmentale qui procde par incrment de correction sur llment dtect grce la fonction de corrlation dans le domaine frquentiel FRAC (Frequency Response Assurance Criterion) qui matrialise le rapprochement entre les mesures frquentielles prdites et mesures. La mthode ainsi prsente montre quelle prsente une simplicit de mise en uvre et une bonne stabilit numrique. Les essais effectus sur une structure en treillis doublement encastre montre des qualits de dtection et de correction trs intressantes en terme de quantification, localisation et rapidit en vitant le problme de mauvais conditionnement qui pose souvent une divergence brusque dans le cas des systmes itratifs des mthodes de calcul inverse. 7Lapplication des mthodes de recalage linaire au cas de structures faiblement non linaire montre une efficacit dans le contexte de la linarisation de systme non linaire. Par contre, elles ne peuvent servir lidentification de dfauts de modlisation. Une formulation de nouvelles techniques de recalage ddies aux systmes non linaires est indispensable. 8Une formulation mathmatique est propose dans le domaine non linaire. Cette formulation nous permet didentifier compltement lamortissement et la raideur des systmes avec leurs parties linaire et non linaire. La fonction gnrale comporte les parties linaires et non linaires damortissement et de raideur, forme intressante dans le cas de lidentification simultane de dfauts de modlisation linaires et non linaires. Cette stratgie est la base de la mthode didentification propose dans le domaine non linaire. 9Aprs avoir explicit les formulations gnrales dans le domaine temporaire, nous avons labor une mthode didentification de dfauts en prsence de non linarits. Base sur la formulation gnrale propose, celle-ci utilise la mthode de minimisation de Newton, et le schma dintgration de systme dquation non 137
Conclusion
linaires de Runge-Kutta. En rsum cette mthode est semblable celle propose dans le domaine linaire par approximation au sens des moindres carrs. Le problme consiste alors minimiser lerreur entre les rponses temporelles mesures et analytiques. Lefficacit de la mthode est dmontre par les applications sur des exemples un et plusieurs degrs de libert.
Utilit du travail accompli

Lidentification par recalage de modle lments finis est une technique dun potentiel thorique et exprimental significatif. Les accomplissements et les contributions suivants montrent loriginalit et lapport de notre recherche ltat actuel dans ce domaine.
1- Cette recherche propose trois mthodes de recalage de modle lments finis dans le domaine linaire. La premire propose le concept de mesure selon la direction donnant lcart minimal minimiser ; la seconde mthode propose le concept de sparation des variables qui est une technique qui pourrait tre utilise dans toutes les applications physiques utilisant le processus de minimisation dont les variables risquent de se compenser les unes les autres. La troisime mthode est une stratgie algorithmique de recalage est propose, venant ainsi enrichir la diversit des mthodes didentification en dynamique de structure. En effet, cette mthode qui ne peut rentrer dans la classification actuelle, ouvre un nouveau volet. Lefficacit de cette technique est trs remarquable, mais risque de converger vers un minimum local. 2- Lamlioration du comportement numrique des mthodes existantes passe par un choix des points de mesure et dexcitation. La technique du vecteur tmoin propose apporte des solutions nouvelles. 3- Le domaine des systmes non linaires, reste encore explorer, les mthodes didentification existantes sont souvent limites des applications spcifiques. Pour cela, notre contribution se veut plus gnrale en explicitant une formulation globale dans le domaine temporel sans limitation. La mthode didentification de dfauts de modlisation et de non linarits propose apporte une solution pour le cas discret et ouvre une possibilit au cas de structures continues.
138
Conclusion
Des indications pour dautres tudes possibles sont rcapituls cidessous

Durant notre travail des logiciels de simulation et doptimisation ont t exploits. Matlab toolbox ainsi que le logiciel ABAQUS exploits durant mon passage au Laboratoire de Physique et Mcanique des Matriaux (LPPM) de lEcole Nationale dArts et Mtiers de Metz (France), proposent des solutions dans le domaine de lidentification. Nous proposons limplmentation sous ces logiciels des diffrents apports de cette thse pour enrichir ces deux outils numriques. Le domaine non linaire est provoqu assez souvent par les grands dplacements. Lextension de ces mthodes ce cas est envisageable. Le dveloppement actuel du matriel de calcul numrique permet de supprimer le critre temps de calcul pour les mthodes de simulation, par consquent, la stratgie de dtection de dfauts peut sappliquer au cas de grandes structures et suscite donc un intrt tre tendue. Le recalage de modles non linaires reste ltat analytique et numrique. Un dveloppement de nouvelles techniques est ncessaire.
139
BIBLIOGRAPHIE
Bibliographie
BIBLIOGRAPHIE
[1] Allemang R. J., Brown D. L., A Correlation Coefficient for Modal Vector Analysis. Proceedings of the 1st International Modal Analysis Conference, pp. 110 119, 1982 [2] Lieven N. A., Ewins D. J., Spatial Correlation of Mode Shapes, the Coordinate Modal Assurance Criterion (COMAC). Proceedings of the 6th International Modal Analysis Conference, pp. 690 695, 1988 [3] Mitchell L. D., Increasing the Sensitivity of the Modal Assurance Criteria (MAC) to Small Mode Shape Changes., Proceedings of the 16th International Modal Analysis Conference, pp. 64 69, 1998 [4] Blaschke P. G., Ewins D. J., The MAC Revisited and Updated. Proceedings of the 15th International Modal Analysis Conference, pp. 147 154, 1997 [5] Brechlin E., Bendel K., Keiper W., A New Scaled Modal Assurance Criterion for Eigenmodes Containing Rotational Degrees of Freedom., 23rd International Seminar on Modal Analysis, Leuven Belgium, 1998 [6] Hunt D. L., Application of an Enhanced Coordinate Modal Assurance Criteria. Proceedings of the 10th International Modal Analysis Conference, pp. 66 71, 1992 [7] Catbas F. N., Aktan A. E., Allemang R. J., Brown D. L. A Correlation Function for Spatial Locations of Scaled Mode Shapes (COMEF)., Proceedings of the 16th International Modal Analysis Conference, pp. 1550 1555, 1998 [8] OCallahan J., Avitabile P., Riemer R. System Equivalent Reduction Expansion Process (SEREP)., Proceedings of the 7th International Modal Analysis Conference, pp. 29 37, 1989 [9] Lieven N. A. J., Waters T. P., Error Location Using Normalised Orthogonality. Proceedings of the 12th International Modal Analysis Conference, pp. 761 764, 1994 [10] Avitabile P., OCallahan J., Milani J., Model Correlation and Orthogonality Criteria. Proceedings of the 6th International Modal Analysis Conference, pp. 1039 1047, 1988 [11] Avitabile P., OCallahan J., Mass and Stiffness Orthogonality Checks Without a Mass or Stiffness Matrix. Proceedings of the 13th International Modal Analysis Conference, pp. 1515 1519, 1995 [12] OCallahan J., Correlation Considerations Part 4 (Modal Vector Correlation Techniques). Proceedings of the 16th International Modal Analysis Conference, pp. 197 206, 1998
140
Bibliographie
[13] Avitabile P., Pechinsky F., Coordinate Orthogonality Check (CORTHOG). Proceedings of the 12th International Modal Analysis Conference, pp. 753 760, 1994 [14] Fotsch D. W., Development of Valid Finite Element Models for Structural Dynamic Design. PhD Thesis, Imperial College of Science, Technology and Medicine London, April 2001. [15] Pascual R., Golinval J. C., Razeto M., Testing of FRF Based Model Updating Methods Using a General Finite Elements Program. International Conference on Noise and Vibration Engineering, 21st International Seminar on Modal Analysis, Leuven Belgium, 1996 [16] Pascual R., Golinval J. C., Razeto M., A Frequency Domain Correlation Technique for Model Correlation and Updating. Proceedings of the 15th International Modal Analysis Conference, pp. 587 592, 1997 [17] Nefske D. J., Sung S. H., Correlation of a Coarse-Mesh Finite Element Model Using Structural System Identification and a Frequency Response Assurance Criterion. Proceedings of the 14th International Modal Analysis Conference, pp. 597 602, 1996 [18] Heylen W., Avitabile P., Correlation Consideration Part 5 (Degree of Freedom Correlation Techniques). Proceedings of the 16th International Modal Analysis Conference, pp. 207 214, 1998 [19] Fotsch D. W., Ewins D. J., Application of the MAC in the Frequency Domain. Proceedings of the 18th International Modal Analysis Conference, pp. 1225 1231, 2000 [20] R. Guyan., Reduction of stiffness and mass matrices. American Institute of Aeronautics and Astronautics Journal, Vol. 3(2), pp. 380, 1965. [21] O'Callahan J. C., A procedure for an improved reduced system (IRS). Proceedings of the 7th International Modal Analysis Conference, pp. 17 21, Las Vegas, Nevada, 1989 [22] Paz M., Dynamic condensation. American Institute of Aeronautics and Astronautics Journal, Vol. 22(22), pp. 724 727, 1984. [23] Kidder R. L., Reduction of structural frequency equations. American Institute of Aeronautics and Astronautics Journal, Vol.11(6), p 892, 1973. [24] Petersman N., Calculation of eigenvalues using sub-structures and dynamic condensation. Proceedings of the Second International Conference on Recent Advances in Structural Dynamics, pp. 211 219, 1984. [25] O'Callahan J. C., Avitabile P., Madden, Lieu. An efficient method of determining rotational degrees of freedom from analytical and experimental data. Proceedings of the 4th International Modal Analysis Conference, Los Angeles, California, 1986. 141
Bibliographie
[26] Levine-West M., Kissil A., Evaluation of mode shape expansion techniques on the micro-precision interferometer truss. Proceedings of the 12th International Modal Analysis Conference, Honolulu, Hawaii, pp. 212 218, 1994. [27] Gysin H. P., Comparison of expansion method for FE modelling error localisation. Proceedings of the 8th International Modal Analysis Conference, Kissimmee, Florida, pp. 195 204, 1990. [28] O'Callahan J. C., Li P., A non smoothing SEREP process for modal expansion. Proceedings of the 8th International Modal Analysis Conference, Kissimmee, Florida, pp. 232 238, 1990. [29] Kammer D. C., Test-analysis-model development using an exact model reduction. The International Journal of Analytical and Experimental Modal Analysis, pp. 174 179, 1987. [30] Kammer D. C., Sensor placement for on-orbit modal identification and correlation of large space structures. Journal of Guidance, Control and Dynamics, Vol. 15(2) pp. 251259, 1991. [31] D. C. Kammer, Christopher C., Falnigan, and Wes Dreyer. A super-element approach to test-analysis model development. Proceedings of the 4th International Modal Analysis Conference, pp. 663 673, 1986. [32] Penny J. E. T., Friswell M. I., Garvey S. D., Automatic choice of measurement locations for dynamic testing. American Institute of Aeronautics and Astronautics Journal, Vol. 32(2), p. 407, 1994. [33] Jarvis B., Enhancement to modal testing using finite elements. Proceedings of the 9th International Modal Analysis Conference, pp. 402 408, 1991. [34] Larson C. B., Zimmerman D. C., Mark E. L., A comparison of modal test planning techniques: Excitation and sensor placement using the NASA 8-bay truss. Proceedings of the 12th International Modal Analysis Conference, pp. 205 211, 1994. [35] Flanigan C. C., Botos C. D., Automatic selection of accelerometer locations for modal survey tests. Proceedings of the 10th International Modal Analysis Conference, p. 1205. 1992. [36] Flanigan C. C., Hunt D. L., Integration on pre-test analysis and modal correlation methods for modal survey. Proceedings of the 11th International Modal Analysis Conference, p. 444. 1993.
142
Bibliographie
[37] Stabb M., Blelloch P., A generic algorithm for optimally selecting accelerometer locations. Proceedings of the 13th International Modal Analysis Conference, pp. 1530 1534, 1995. [38] Yao L., Sethares W. A., Kammer D. C., Sensor placement for on-orbit modal identification via a genetic algorithm. American Institute of Aeronautics and Astronautics Journal, Vol. 31(10) p. 1922, 1993. [39] Garvey S. D., Friswell M. I., Penny J. E., Evaluation of a method for automatic selection of measurement locations based subspace-matching. Proceedings of the 14th International Modal Analysis Conference, p 1546, 1996. [40] Kammer D. C., Effect of model error on sensor placement for on-orbit modal identification of large space structures. Journal of Guidance, Control and Dynamics, Vol. 15(2) pp. 334 341, 1992. [41] Kammer D. C., Effects of noise on sensor placement for on-orbit modal identification of large space structures. Transactions of the ASME, Vol. 114 pp. 436 443, 1992. [42] Kammer D. C., Triller M. J., Effective sensor placement for on-orbit modal identification of sequentially assembled large space structures. Proceedings of the 10th International Modal Analysis Conference, pp. 954 964, 1992. [43] Park Y. S., Hong-Bae Kim. Sensor placement guide for model comparison and improvement. Proceedings of the 14th International Modal Analysis Conference, pp. 404 409, 1996. [44] Imamovic N., Methods for selection of measurement points for modal testing average driving point residue (ADPR) method. Report of the centre of vibration engineering VUTC/E2/95007. 1995 [45] Schedlinski C., Link M., An approach to optimal pick-up and exciter placement. Proceedings of the 14th International Modal Analysis Conference, pp. 376 382, 1996. [46] Gola M. M., Soma A., Selective sensitivity for model updating with modal data. ASME Design Engineering Technical Conferences, Vol. 3 - C, pp. 1271 1278, 1995. [47] Baruch M., Optimisation procedure to correct stiffness and flexibility matrices using vibration data. American Institute of Aeronautics and Astronautics Journal, Vol. 16(11) pp. 1208 1210, 1978. [48] Berman A., Comment on optimal weighted orthogonalisation of measured modes. American Institute of Aeronautics and Astronautics Journal, Vol. 17(8) pp. 927 928, 1079.
143
Bibliographie
[49] Berman A., Nagy E. J., Improvement of large analytical model using test data. American Institute of Aeronautics and Astronautics Journal, Vol. 21(8) pp. 1169 2273, 1983. [50] Wei F. S., Analytical dynamic model improvement using vibration test data. American Institute of Aeronautics and Astronautics Journal, Vol. 28 pp. 175 177, 1990. [51] Kenigsbuch R., Halevi Y., Generalised reference basis model updating in structural dynamics. Proceedings of the ASME Design Engineering Technical Conference, pp. 1 9, 1997. [52] Sidhu J., Ewins D. J., Correlation of finite element and modal test studies of a practical structure. Proceedings of the 2nd International Modal Analysis Conference, pp. 756 762, 1984. [53] Gysin H. P., Critical application of the error matrix method for localisation of finite element modelling inaccuracies. Proceedings of the 4th International Modal Analysis Conference, pp. 1339 1351, 1986. [54] He J., Ewins D.J., Analytical stiffness matrix correction using measured vibration modes. International Journal of Analytical and Experimental Modal Analysis, Vol. 1(3) pp. 9 14, 1986 [55] Lieven N. A. J., Ewins D. J., Expansion of modal data for correlation. Proceedings of the 8th International Modal Analysis Conference, pp. 605 609, 1990. [56] Lieven N. A. J., Waters T. P., The application of high density measurements to dynamic finite element reconciliation. Proceedings of the 13th International Modal Analysis Conference, pp. 185 192, 1995. [57] Starek L., Ewins D. J., A symmetric inverse vibration problem with over damped modes. Journal of Sound and Vibration, Vol. 181(5) pp. 893 903, 1995. [58] Starek L., Inman D. J., On the inverse vibration problem with rigid body modes. ASME Journal of Applied Mechanics, Vol. 58(4) pp. 1101 1104, 1991. [59] Starek L., Inman D. J., Kress A., A symetric inverse vibration problem. ASME Journal of Vibration and Acoustics, Vol. 114(4) pp. 564 568, 1992. [60] Starek L., Musil M., Inman D.J., Updating of non-conservative systems using inverse methods. Proccedings of the ASME 1995 Design Engineering Technical Conferences, pp. 41 58, 1997. [61] Link M., Weiland M., Barragan J. M., Direct physical matrix identification as compared to phase resonance testing - an assessment based on practical application. Proceedings of the 5th International Modal Analysis Conference, pp. 804 811, 1987.
144
Bibliographie
[62] Cobb R. G., Canfield R. A., Liebst B. S., Finite Element Model Tuning Using Automated Structural Optimisation System Software. American Institute of Aeronautics and Astronautics Journal Vol. 34(2) pp. 392 399, 1996. [63] Link M., Zhang L., Experience with different procedures for updating structural parameters of analytical models using test data. Proceedings of the 10th International Modal Analysis Conference, pp. 730 738, 1992. [64] Link M., Rohrmann R. G., Pietrzko S., Experience with automated procedures for adjusting the finite element model of a complex highway bridge to experimental modal data. Proceedings of the 14th International Modal Analysis Conference, pp. 218 225, 1996. [65] Natke H. G., On regularisation methods applied to the error localisation of mathematical models. Proceedings of the 9th International Modal Analysis Conference, pp. 70 73, 1991. [66] Mottershead J. E., Foster C. D., On the treatment of ill-conditioning in spatial parameter estimation from measured vibration data. Mechanical Systems and Signal Processing, Vol. 5(2), pp. 139 154, 1991. [67] Visser W. J., Imregun M., A technique to update finite element models using frequency response data. Proceedings of the 9th International Modal Analysis Conference, pp. 462 468, 1991. [68] Friswell M. I., Mottershead J. E., Finite element model updating in structural dynamics. New York: Kluwer Academic Publisher, 1995. [69] Imregun M., Visser W. J., Ewins D. J., Finite element model updating using frequency response function data I. theory and initial investigation. Mechanical Systems and Signal Processing, Vol. 9(2), pp. 187 202, 1995. [70] Lammens S., Brughmans M., Leuridan J., Updating of dynamic finite element model based on experimental receptances and the reduced analytical dynamic stiffness matrix. Proceedings of the ASME 1995 Design Engineering Technical Conferences, Vol. 3-C, pp. 1191 1200, 1995. [71] Reix C., Gerard A., Tombini C., Updating the damping matrix using frequency response data. Proceedings of the ASME 1995 Design Engineering Technical Conferences, p. 803 808, 1995. [72] Lammens S., Heylen W., Sas P., The selection of updating frequencies and the choice of a damping approach for model updating procedures using experimental frequency
145
Bibliographie
response functions. Proceedings of the 12th International Modal Analysis Conference, p. 1383, 1994 [73] Yang M., Brown, D., Model updating techniques using perturbed boundary condition (PBC) testing data. Proceedings of the 14th International Modal Analysis Conference, pp. 776 782, 1996. [74] Lindholm B. E., West R. L., Finite element model reconciliation with dynamic response data using a statistics-based parameter-update approach. Proceedings of the 13th International Modal Analysis Conference, pp. 1540 1546, 1995. [75] Lindholm B.E., West R.L., A Bayesian statistics approach to updating finite element models with frequency response data (part 1: Theory). Proceedings of the 14th International Modal Analysis Conference, pp. 1451 1457, 1996. [76] Lindholm B. E., A Bayesian statistics approach to updating finite element models with frequency response data (part 2: Application). Proceedings of the 14th International Modal Analysis Conference, pp. 1458 1464, 1996. [77] Friswell M. I., Mottershead J. E., Shenton T., Robust model updating. Proceedings of the 18th International Modal Analysis Conference, pp. 987 991, 2000. [78] Larson C. B., Zimmerman D. C., Structural model refinement using a genetic algorithm approach. Proceedings of the 11th International Modal Analysis Conference, pp. 1095 1101, 1993. [79] Carlin R. A., Garcia E., Parameter optimisation of a genetic algorithm for structural damage detection. Proceedings of the 14th International Modal Analysis Conference, pp. 1292 1298, 1996. [80] Barney P., St. Pierre M., Brown D., Identification of a modal model utilising a perturbed boundary condition test method. Proceedings of 10th International Modal Analysis Conference, pp. 1221 1231, 1992. [81] Chen K. N., Brown D., Nicolas V. T., Perturbed boundary condition model updating. Proceedings of the 11th International Modal Analysis Conference, pp. 661 667, 1993. [82] DAmbrogio W., Fregolent A., Robust dynamic model updating using point antiresonances. Proceedings of the 18th International Modal Analysis Conference, pp. 1503 1512, 2000. [83] Li S., Shelley S., Brown D., Perturbed boundary condition testing concepts. In The Proceedings of the 13th International Modal Analysis Conference, pp. 902 911, 1995.
146
Bibliographie
[84] Ibrahim S. R., Teichert W., Brunner O., Frequency Response Function F.E. Model Updating Using Multi-perturbed Analytical Models and Information Density Matrix. Proceedings of the 16th International Modal Analysis Conference, pp. 1068 1074, 1998. [85] Ibrahim S. R., Natural Frequency Based Finite Element Model Updating Using Multiple Analytical Models. Proceedings of the 18th International Modal Analysis Conference, pp. 1018 1027, 2000. [86] DAmbrogio W., Fregolent A., Promises and pitfalls of antiresonance based dynamic model updating. Proceedings of the second international conference of Identification in Engineering Systems, pp. 112 121, 1999. [87] Mottershead J. E., On the zeros of structural frequency response functions and their sensitivities. Mechanical Systems and Signal Processing, Vol. 12(5), pp. 591 597, 1998. [88] Mottershead J. E., On the natural frequencies and antiresonances of modified structures. Proceedings of the 17th International Modal Analysis Conference, pp. 648 653, 1999. [89] Rade D. A., Lallement G., A strategy for the enrichment of experimental data as applied to an inverse eigen-sensitivity-based FE model updating method. Mechanical Systems and Signal Processing. Vol. 12(2), pp. 293 307, 1998. [90] Balis Crema L., Coppotelli G., Effect of Limited DOFs and Noise in Structural updating. Proceedings of the 20th International Modal Analysis Conference, pp. 1091 1097. 2002 [91] Asma F, Bouazzouni A. Choice of the measurement points to update models. Euromech 466 Colloqium, Computational and Experimental Mechanics of Advanced Materials, Loughborough University U.K., 2005. [92] Asma F., Bouazzouni A., Finite element model updating using variable separation. European Journal of Mechanics A/solids, paraitre, 2007. [93] Ewins D.J., Adjustment or updating of models. Sadhana, Vol 25(3), pp. 235 245, 2000. [94] DAmbrogio W., Fregolent A., The use of antiresonances for robust model updating, Journal of Sound and Vibration, Vol. 236 (2), pp. 227 243, 2000. [95] Dascotte E., Strobbe J., Updating finite element models using FRF correlation functions. Proceedings of the 17th International Modal Analysis Conference, pp. 1169 1174, 1999. [96] Grafe H., Model updating of large structural dynamics models using measured response functions. Ph.D. Thesis, Imperial College of Science, Technology & Medicine, Department of Mechanical Engineering, London, UK, October 1998. [97] Imregun M., Visser W. J., A review of model updating techniques. The Shock and Vibration Digest, Vol. 23(1), pp. 9 20, 1991. 147
Bibliographie
[98] Lin R.M., Ewins D. J., Model updating using FRF data. Proceeding of the International Seminar on Modal Analysis, pp. 141 162, 1990. [99] Pascual R., Razeto M., Golinval J. C., Schalchli R., A robust FRF-based technique for model updating. Proceedings of the International Seminar on Modal Analysis, pp. 1037 1046, 2002 [100] Visser W. J., Updating Structural Dynamics Models Using Frequency Response Data. Ph.D. Thesis, Imperial College of Science, Technology & Medicine, Department of Mechanical Engineering, London, UK, September 1992. [101] Asma F, Bouazzouni A., Finite element model updating using FRF measurements. Shock and Vibration Journal. Vol. 12(5), pp. 377 388, 2005. [102] Pereira J. A., Heylen W., Lammens S., Sas P., Influence of the number of frequency points and resonance frequencies on model updating techniques for health condition monitoring and damage detection of flexible structure. Proceedings of the 13th International Modal Analysis Conference, pp. 1273 1281, 1995. [103] Trendafilova I., Heylen W., Fault localization in structures from remote FRF measurements. Influence of the measurement points. Proceedings of the International Seminar on Modal Analysis, pp. 149 156, 1998 [104] Sanliturk K. Y., Cakar O., A new method for noise elimination from measured frequency response functions. Mechanical Systems and Signal Processing, Vol. 19(3), pp. 615 631, 2005 [105] Iwaniec, J., Uhl, T., The Application of the Nonlinear Least Squares Frequency Domain Method to Estimate the Modal Model Parameters. Machine Dynamics Problems, Vol. 27(2), pp. 37 53, 2003 [106] Marwala T., Heyns P.S., A multiple-criterion method for determining structural damage, American Institute of Aeronautics and Astronautics Journal, Vol. 36(8), pp. 1494 1501, 1998 [107] Zang, C., Grafe, H., Imregun, M., Frequency Domain Criteria for Correlating and Updating Finite Element Models. Mechanical Systems and Signal Processing, Vol. 15(1), pp. 139 155, 2001 [108] Steenackers, G., Guillaume, P., Finite element model updating taking into account the uncertainty on the modal parameters estimates, Journal of Sound and Vibration, Vol. 296(4-5), 919 934, 2006 [109] Jaishi, B., Ren, W.X., Damage detection by finite element model updating using modal flexibility residual. Journal of Sound and Vibration, Vol. 290, 369387, 2006 148
Bibliographie
[110] Wu, J.R., Li, Q.S., Structural parameter identification and damage detection for a steel structure using a two-stage finite element model updating method. Journal of Constructional Steel Research, Vol. 62( 3), 231239, 2006 [111] Pascual, R., Golinval, J.C., Berthillier, M., Desprs, T., Updating Industrial Models under a General Optimisation Environment. Proceedings of the 16th International Modal Analysis Conference, pp. 1326 1332, 1998 [112] Bouazzouni, A., Lallement, G., Cogan, S., 1997. Selecting a Ritz basis for the reanalysis of the frequency response functions of modified structures. Journal of Sound and Vibrations, Vol. 199 (2), 309322. [113] Hanson, D., Waters, T.P., Thompson, D.J., Randall, R.B. Ford, R.A.J., The role of anti-resonance frequencies from operational modal analysis in finite element model updating. Mechanical Systems and Signal Processing, Vol. 21(1), 74-97, 2007 [114] Richardson M. H., Mannan M. A., Detection and location of structural cracks using FRF measurements, Proceedings of the 8th International Modal Analysis Conference, pp. 512 518, 1990. [115] Marwala T., Hunt H.E.M., fault localization using finite elements models and neural networks, Mechanical System and Signal Processing, Vol. 13(3), pp. 475 490, 1999. [116] Ren W.X., De Roeck G., Structural damage identification using modal data: Simulation verification, ASCE Journal of Structural Engineering, Vol. 128 (1) pp. 87 95, 2002. [117] Liu X., Li J., Xu Y., Peng Z., Location and modification of errors in structural dynamics models, Proceedings of the 13th International Modal Analysis Conference, pp. 1763 1769, 1995. [118] Burton T. D., Farrar C. R. and Doebling S. W., Two methods for model updating using damage Ritz vectors. Proceedings of the 16th International Modal Analysis Conference, pp. 973 979, 1998 [119] Dutta A., Talukdar S., Damage detection in bridges using accurate modal parameters. Finite Elements in Modal Analysis and Design Vol. 40 pp. 287-304, 2004 [120] Masri S.F., Caughey T.K., A nonparametric identification technique for nonlinear dynamic problems. Journal of Applied Mechanics Vol. 46, 433 447, 1979. [121] Simon M., Tomlinson G.R., Use of the Hilbert transform in modal analysis of linear and non-linear structures. Journal of Sound and Vibration Vol. 96, 421 436, 1984.
149
Bibliographie
[122] Feldman M., Nonlinear system vibration analysis using the Hilbert transform - I. Free vibration analysis method 'FREEVIB'. Mechanical Systems and Signal Processing Vol. 8, 119 127, 1994. [123] Feldman M., Nonlinear system vibration analysis using the Hilbert transform - II. Forced vibration analysis method 'FORCEVIB'. Mechanical Systems and Signal Processing . Vol. 8, pp. 309 318, 1994. [124] Schetzen M., The Volterra and Wiener Theories of Nonlinear Systems. New York, U.S.A.: John Wiley & Sons. 1980. [125] Gifford S. J., Tomlinson G. R., Recent advances in the application of functional series to non-linear structures. Journal of Sound and Vibration, Vol. 135, pp. 289 317, 1989. [126] Worden K., Manson G., Random vibrations of a duffinng oscillator using the Volterra series. Journal of Sound and Vibration Vol. 217, pp. 781 789, 1998. [127] Worden K., Manson G., Random vibrations of a multi-degree-of-freedom non-linear system using the Volterra series. Journal of Sound and Vibration 226, pp. 397 405, 1999. [128] Khan A. A., Vyas N. S. Non-linear parameter estimation using Volterra and Wiener theories. Journal of Sound and Vibration Vol. 221, pp. 805 821, 1999. [129] Leontaritis I. J., Billings S. A., Input-output parametric models for nonlinear systems, part I: deterministic nonlinear systems. International Journal of Control, Vol. 41, pp. 303 328, 1985. [130] Leontaritis I. J., Billings S. A., Input-output parametric models for nonlinear systems, part II: stochastic nonlinear systems. International Journal of Control Vol. 41, pp. 329 344, 1985. [131] Thouverez F., Jezequel L., Identification of NARMAX models on a modal base. Journal of Sound and Vibration Vol. 189, pp. 193 213, 1996. [132] Billings S. A., Tsang K. M., Spectral analysis for non-linear systems, Part I: Parametric non-linear spectral analysis. Mechanical Systems and Signal Processing Vol. 3, pp. 319 339, 1989. [133] Billings S. A., Tsang K. M., Spectral analysis for non-linear systems, Part II: Interpretation of nonlinear frequency response functions. Mechanical Systems and Signal Processing, Vol. 3, pp. 341 359, 1989. [134] Worden K., Tomlinson G. R., Detection, Identification and Modelling. Bristol, U.K.; Philadelphia, U.S.A.: Institute of Physics Publishing. Dynamics 2001 150 Nonlinearity in Structural
Bibliographie
[135] Wright J. R., Platten M. F., Cooper J. E., Sarmast M., Identification of multi-degreeof-freedom weakly non-linear systems using a model based in modal space. Proceedings of the International Conference on Structural System Identification, Kassel, Germany, pp. 49 68, 2001. [136] Bellizzi S., Defilippi M., Nonlinear mechanical systems identification using linear system with random parameters. Proceedings of the International Conference on Structural System Identification, Kassel, Germany, pp. 377 386, 2001. [137] Gibert C., Thouverez F., Identification of the non-linear modes applied to a structure including a non-linear component. Proceedings of the International Conference on Structural System Identification, Kassel, Germany, pp. 183 192, 2001. [138] Levin R. I., Lieven N. A. J., Dynamic finite element model updating using simulated annealing and genetic algorithms. Mechanical Systems and Signal Processing Vol. 12, pp. 91 120, 1998. [139] Dippery K. D., Smith S.W., An optimal control approach to nonlinear system identification. Proceedings of the 16th International Modal Analysis Conference, pp. 637 643, 1998. [140] Armstrong-Helouvry B., Dupont P., Canudas de Wit C., A survey of models, analysis tools and compensation methods for the control of machines with friction. Automatica Vol. 30, pp. 1083 1138, 1994. [141] Prajogo T., Al-Bender F., Van Brussel H., Identification of prerolling friction dynamics of rolling element bearings: modelling and application to precise positioning systems. Proceedings of the 8th International Precision Engineering Seminar, Compigne, France, pp. 229 232, 1995. [142] Swevers J., Al-Bender F., Ganseman C., Prajogo T., An integrated friction model structure with improved presliding behavior for accurate friction compensation. IEEE Transactions on Automatic Control Vol. 45, 675 686, 2000. [143] Kyprianou A., Non-linear parameter estimation of dynamic models using differential evolution: application to hysteretic systems and hydraulic engine mounts. Ph.D. Thesis, University of Sheffield, 1999. [144] Meyer S., Weiland M., Link M., Modelling and updating of local nonlinearities using frequency response residuals. Proceedings of the International Conference on Structural System Identification, Kassel, Germany, pp. 151 160, 2001. [145] Doebling S. W., Hemez F. M., Rhee W., Statistical model updating and validation applied to nonlinear transient structural dynamics. Proceedings of the European COST 151
Bibliographie
F3 Conference on System Identification and Structural Health Monitoring, Madrid, Spain, pp. 409 418, 2000. [146] Schultze J. F., Hemez F. M., Doebling S. W., Sohn H., Application of nonlinear system model updating using feature extraction and parameter effect analysis. Shock and Vibration Journal. Vol. 8, pp. 325 337, 2001. [147] Rosenberg R.M., The normal modes of nonlinear n-degree-of-freedom systems. Journal of Applied Mechanics Vol. 29, pp. 7 14, 1962. [148] Rosenberg R.M., On nonlinear vibrations of systems with many degrees of freedom. Advances in Applied Mechanics Vol. 9, pp. 155 242, 1966. [149] Shaw S. W., Pierre C., Normal modes for non-linear vibratory systems. Journal of Sound and Vibration Vol. 164, pp. 85 124, 1993. [150] Shaw S. W., Pierre C., Normal modes of vibration for non-linear continuous systems. Journal of Sound and Vibration Vol. 169, pp. 319 347, 1994. [151] Cusumano J. P., Bai B.Y., Period infinity periodic motions, chaos and spatial coherence in a 10-degree-of-freedom impact oscillator. Chaos, Solitons and Fractals Vol. 3, pp. 515 535, 1993. [152] Fitzsimons P. M., Rui C., Determining low dimensional models of distributed systems. Advances in Robust and Nonlinear Control Systems, ASME DSC Vol. 53, pp. 9 15, 1993 [153] Ma X., Azeez M. F. A., Vakakis A. F., Nonparametric nonlinear system identification of a nonlinear exible system using proper orthogonal decomposition. Proceedings of the 7th Conference on Nonlinear Vibration, Stability and Dynamics of Structures, Blacksburg, U.S.A, 1998 [154] Hasselman T. K., Anderson M. C., Gan W. G., Principal component analysis for nonlinear model correlation, updating and uncertainty evaluation. Proceedings of the 16th International Modal Analysis Conference, pp. 644 651, 1998. [155] Hemez F. M., Doebling S. W., Test analysis correlation and finite element model updating for nonlinear transient dynamics. Proceedings of the 17th International Modal Analysis Conference, Kissimmee, U.S.A., 1501 1510, 1999. [156] Lenaerts V., Kerschen G., Golinval J.C., Proper orthogonal decomposition for model updating of non-linear mechanical systems. .Mechanical Systems and Signal Processing Vol. 15, pp. 31 43, 2001. [157] Lenaerts V., Identification et recalage de modles structuraux en dynamique non linaire. Ph.D. Thesis, Universit de Lige. 2003 152
Bibliographie
[158] Budak E., Ozguven H. N., A method for harmonic response of structures with symmetrical non-linearities. Proceedings of the 15th International Seminar on Modal Analysis, Leuven, pp. 901 915, 1990. [159] Budak E., Ozguven H. N., Harmonic vibration analysis of structures with local nonlinearities and validity assessment of some linearization techniques. Proceedings of the 4th International Conference on Recent Advances in Structural Dynamics, pp. 680799, 1991. [160] Budak E., Ozguven H. N., Iterative receptance method for determining harmonic response of structures with symmetrical nonlinearities. Mechanical Systems and Signal Processing, Vol. 7, pp. 75 87, 1993. [161] Kuran B., Ozguven H. N., A modal superposition method for non-linear structures. Journal of Sound and Vibration, Vol. 189(3), pp. 315 339, 1996. [162] Tanrikulu O., Kuran B., Ozguven H. N., Imregun M.. Forced harmonic response analysis of non-linear structures. American Institute of Aeronautics and Astronautics Journal, Vol. 31, pp. 1313 1320, 1993. [163] Vaqueiro J., Dynamic response analysis of structures with non-linear components. PhD thesis, Imperial College London, Department of Mechanical Engineering, Dynamics Section, 1998. [164] Sanliturk K. Y., Imregun M., Ewins D. J., Harmonic balance vibration analysis of turbine blades with friction dampers. ASME Journal of Vibrations and Acoustics, Vol. 119, pp. 96 103, 1997. [165] Sanliturk K. Y., Imregun M., Ewins D. J., Friction damper optimization for turbine blades: experimental and theoretical predictions. IMechE- Sixth International Conference in Vibrations in Rotating Machinery, C500/019/96, pp. 171 186, 1996. [166] Kerschen G., and Golinval J. C., Frequency domain approaches for the identification of an experimental beam with a local non-linearity. Proceedings of the 20th International Modal Analysis Conference, Los Angeles, U.S.A., 331-337, 2002.
153

Thèse Version Finale (C) PDF

Încărcat de

Informații document

Titlu original

Drepturi de autor

Formate disponibile

Partajați acest document

Partajați sau inserați document

Opțiuni de partajare

Vi se pare util acest document?

Este necorespunzător acest conținut?

Drepturi de autor:

Formate disponibile

Thèse Version Finale (C) PDF

Încărcat de

Drepturi de autor:

Formate disponibile

Rpublique Algrienne Dmocratique et Populaire Ministre de lEnseignement Suprieur et de la Recherche Scientifique Universit Mouloud Mammeri de Tizi-Ouzou Facult du Gnie

Pour lobtention du grade de docteur en gnie mcanique

A la mmoire de ma grand-mre Badjou Dahbia A Saliha, Sofiane et Fatima

RECALAGE DE MODELES DE STRUCTURES LINEAIRES ...........................11

I.1.1.1 I.1.1.2 I.1.1.3 I.1.1.4 I.1.1.5 I.1.1.6 I.1.1.7 I.1.1.8 I.1.2

I.1.2.1 I.1.2.2 I.1.2.3 I.1.2.4 I.1.3

I.1.3.1 I.1.3.2 I.1.3.3 I.1.3.4 I.2

INCOMPATIBILITE ENTRE LES DONNEES MESUREES ET CELLES DU MODELE

I.2.1.1 I.2.1.2 I.2.1.3 I.2.1.4

Processus de rduction expansion de systme .......................................................................... 23

I.2.2.1 I.2.2.2 I.2.2.3 I.2.2.4 I.2.2.5 I.2.2.6 I.3

CHOIX DES POINTS DE MESURE ET DEXCITATION POUR LE RECALAGE DE MODELE

I.3.1.1 I.3.1.2 I.3.1.3 I.3.1.4 I.3.2

I.3.2.1 I.3.2.2 I.3.3 I.3.4 I.4

Slection des modes propres par approche sensitive .......................................................................... 37 Remarques.......................................................................................................................................... 39

I.4.1.1 I.4.1.2 I.4.1.3 I.4.1.4 I.4.1.5 I.4.2

I.4.2.1 I.4.2.2 I.4.2.3 I.4.2.4

IDENTIFICATION DE STRUCTURES LINEAIRES ...........................................52

II.1.1 II.1.2 II.1.3

II.2.1.1 II.2.1.2 II.2.1.3 II.2.1.4 II.2.1.5 II.2.1.6 II.2.1.7 II.2.2

II.2.2.1 II.2.2.2 II.2.2.3 II.2.2.4 II.2.2.5 II.2.2.6 II.2.2.7 II.2.3

II.2.3.1 II.2.3.2 II.2.3.3 II.2.3.4 II.2.3.5

IDENTIFICATION DE STRUCTURES NON LINEAIRES ..................................90

III.1.1 III.1.2 III.1.3 III.2

III.2.1 III.2.2 III.2.3 III.2.4 III.2.5 III.2.6 III.2.6.1 III.2.6.2 III.2.7

APPLICATION DES METHODES DE RECALAGE AUX SYSTEMES NON

FORMULATION NON LINEAIRE PROPOSEE ...............................................122

V.4.2.1 V.4.2.2 V.4.2.3

Liste des notations

: Rponse frquentielle mesure au degr de libert j, pour la frquence i

&} , {y & } , {y} , { f (t )} {& y

[T] [], [] i=i2 [], []

[R] [Q] [S]

: Matrice dintensit du bruit de mesure : Matrice dinformation de Fisher : Matrice de sensitivit VI

[J], [kJ], [mJ]

& , y) g( y & , y) v( y & , y )} {G( y

Liste des abrviations

MAC MDOF MFAC

MNL MSF NCO NIFO

NMAC NODP ODP POC POD POMs

SMAC SVD TAM VNL

Liste des illustrations

Liste des tableaux

Approche didentification thorique

Corrlation entre le modle lments finis et lanalyse modale exprimentale

Stratgie de validation de modle

Cration du modle initial

Modification manuelle du modle initial

Prparation et planification de la manipulation

Exprimentation par analyse modale

Vrification et corrlation du modle initial

Satisfaisant ? oui Modle final

RECALAGE DE MODELES DE STRUCTURES LINEAIRES

Chapitre 1 : Recalage de modles de structures linaires

RECALAGE DE MODELES DE STRUCTURES LINEAIRES

I.1 TECHNIQUES DE COMPARAISON ET CORRELATION POUR LE RECALAGE DE MODELES

I.1.1 Corrlations vectorielles

Chapitre 1 : Recalage de modles de structures linaires

{ X }i est donn par [1]

Chapitre 1 : Recalage de modles de structures linaires

I.1.1.3 Critre dassurance modal par coordonne

Chapitre 1 : Recalage de modles de structures linaires

Akj Xkj .100 Akj