Analyse robuste et optimisation de problèmes vibroacoustiques avec interfaces absorbantes
Institution:
BesançonDisciplines:
Directors:
Abstract EN:
In transport industry, viscoelastic and poroelastic materials are largely introduced in order to reduce vibrations and sound levels. In presence of these materials, vibroacoustic model becomes very complex and it is necessary to study their uncertainties. In general, FE models of industrial vibroacoustic problems are very large and time-consuming. The first object of this thesis consists in proposing an efficient reduction method for coupled problems. This method bases on the enrichment of decoupled bases and it is adapted to Craig-Bampton dynamic sub-structuring when treatments are realized by zones. During a strategy of multi-objective optimization or uncertainty propagation, model parameters are modified. A method of model reduction using robust basis to reduce the CPU time is proposed. Genetic algorithm NSGA is chosen to solve this kind of optimization.
Abstract FR:
Dans le domaine de transport, la réduction des niveaux vibratoire et acoustique demeure encore un enjeu majeur. Une des solutions consiste à utiliser des matériaux viscoélastiques et poroélastiques. L'intégration de ces composants dans le système mécanique aboutit à un modèle très complexe et pose des incertitudes qui sont nécessaires à étudier. Les modèles EF des problèmes vibroacoustiques industriels sont généralement de grandes tailles et très coûteuses en terme de temps de calcul. Le premier but de cette thèse est de proposer une méthode de réduction efficace pour des problèmes couplés (faibles et forts). Cette méthode utilisée des bases découplées enrichies est ensuite adaptée à la sous-structuration dynamique de type Craig-Bampton où les traitements sont réalisés en zones. Dans l'objectif de réduction des systèmes modifiés, la réanalyse approchée utilisant des bases robustes sont envisagée. Ces outils permettent de réduire drastiquement le temps de calcul dans une stratégie d'optimisation multi-objectif ou de propagation des incertitudes utilisé l'approche paramétrique. Pour ce type d'optimisation, l'algorithme génétique NSGA est choisi.