Contribution à l'analyse des structures comportant des paramètres incertains par les méthodes de synthèse modale
Institution:
INSA de RouenDisciplines:
Directors:
Abstract EN:
Pas de résumé disponible.
Abstract FR:
Les méthodes de synthèse modale (sous-structuration dynamique) sont très utilisées pour l'analyse de grandes structures. L'un des problèmes posé par les méthodes classiques est que l'on conserve tous les d. D. L. De jonction entre les sous-structures pour réaliser l'assemblage, ce qui augmente considérablement la taille du modèle condensé. Nous proposons une méthode de réduction de ces d. D. L. Cette méthode exploite les modes de l'interface. Une des principales hypothèses faites dans l'utilisation de ces méthodes est que le modèle est déterministe, c'est-à-dire que les paramètres utilisés dans le modèle ont une valeur définie et invariante. Par ailleurs, dans un processus de conception globale, la connaissance su domaine de variation des réponses d'une structure dues aux incertitudes qui découle de tolérances de fabrications, des conditions aux limites ou des excitations est essentielle. Pour cela, nous faisons l'extension des méthodes de sous-structuration de l'analyse stochastique des systèmes dynamiques. On distingue dans cette étude le cas de paramètres aléatoires à loi de probabilité connue ou le cas de variables dont l'information sur les dispersions est limitée, les modèles d'incertitude "info-gap" sont bien adaptés à ce type de problème. Pour cela, dans la première partie, on s'applique à décrire les réponses dynamiques, aussi bien les modes propres que la réponse transitoire et la fonction de réponse en fréquence, de structures comportant des paramètres modélisés par des variables aléatoires. Pour ce faire, nous utilisons la simulation de Monte-Carlo, la méthode de perturbation et la méthode de projection sur un chaos polynomial. Dans la seconde partie, nous décrivons une approche liée à la modélisation de l'incertitude par les modèles "info-gap". Cette méthode est basée sur la fonction robustesse. Elle évalue le niveau maximal d'incertitude qui peut être toléré tout en satisfaisant aux critères de performance donnés.