Vous êtes ici : Version française
-
Partager cette page
Soutenance de thèse : Alice Dinsenmeyer
Le 12 octobre 2020
à 14h00
Insavalor, salle C13
participation en visio ou en présentiel
Si vous souhaitez participer en présentiel, le nombre de places étant limité, l'inscription est obligatoire par mail auprès de : Alice Dinsenmeyer
participation en visio ou en présentiel
Si vous souhaitez participer en présentiel, le nombre de places étant limité, l'inscription est obligatoire par mail auprès de : Alice Dinsenmeyer
Approche probabiliste pour la séparation des composantes acoustique et aérodynamique dans les champs de pression pariétale
RESUME :
Avec l'apparition des MEMS et la diminution globale du coût des capteurs, les acquisitions multivoies se généralisent, notamment dans le domaine de l'identification de sources acoustiques.
La qualité de la localisation et de la quantification des sources peut être dégradée par la présence de bruit de mesure ambiant ou induit par le système d'acquisition. En particulier, dans le cas de mesures en présence d'un écoulement, la couche limite turbulente qui se développe sur le système de mesure peut induire des fluctuations de pression de niveau bien supérieur à celles des sources acoustiques. Il devient alors nécessaire de traiter les acquisitions pour extraire chaque composante du champ mesuré.
Pour cela, on propose de décomposer la matrice spectrale mesurée en la somme d'une matrice associée à la contribution acoustique et d'une matrice pour le bruit aérodynamique. Cette décomposition exploite les propriétés statistiques de chaque champ de pression. En supposant que la contribution acoustique est fortement corrélée sur les capteurs, le rang de la matrice interspectrale associée se limite au nombre de sources décorrélées équivalentes. Concernant la matrice du bruit aérodynamique, deux modèles statistiques sont proposés. Un premier modèle fait l'hypothèse d'un champ totalement décorrélé sur les capteurs, et un second repose sur un modèle physique préexistant. Ce problème de séparation est résolu par une approche d'optimisation bayésienne, qui permet de prendre en compte les incertitudes sur chaque composantes du modèle.
Les performances de cette méthode sont d'abord évaluées sur des mesures en soufflerie puis sur des données industrielles particulièrement bruitées, provenant de mesures microphoniques effectuées sur le fuselage d'un avion de ligne en vol.
Pézerat, Charles Professeur, Le Mans Université Rapporteur
Lopez Arteaga, Ines Professeur, Eindhoven University of Technology Examinatrice
Piot, Estelle HdR, ONERA Examinatrice
Gabart, Gwénaël Professeur, Le Mans Université Examinateur
Antoni, Jérôme Professeur, INSA Lyon Directeur de thèse
Bailly, Christophe Professeur, École Centrale de Lyon Co-encadrant
Leclère, Quentin Maître de Conférences HdR, INSA Lyon Co-encadrant
Julliard, Emmanuel Docteur, Airbus Invité
Sijtsma, Pieter Docteur, PSA3 Invité
Picard, Christophe Docteur, MicrodB Invité
Avec l'apparition des MEMS et la diminution globale du coût des capteurs, les acquisitions multivoies se généralisent, notamment dans le domaine de l'identification de sources acoustiques.
La qualité de la localisation et de la quantification des sources peut être dégradée par la présence de bruit de mesure ambiant ou induit par le système d'acquisition. En particulier, dans le cas de mesures en présence d'un écoulement, la couche limite turbulente qui se développe sur le système de mesure peut induire des fluctuations de pression de niveau bien supérieur à celles des sources acoustiques. Il devient alors nécessaire de traiter les acquisitions pour extraire chaque composante du champ mesuré.
Pour cela, on propose de décomposer la matrice spectrale mesurée en la somme d'une matrice associée à la contribution acoustique et d'une matrice pour le bruit aérodynamique. Cette décomposition exploite les propriétés statistiques de chaque champ de pression. En supposant que la contribution acoustique est fortement corrélée sur les capteurs, le rang de la matrice interspectrale associée se limite au nombre de sources décorrélées équivalentes. Concernant la matrice du bruit aérodynamique, deux modèles statistiques sont proposés. Un premier modèle fait l'hypothèse d'un champ totalement décorrélé sur les capteurs, et un second repose sur un modèle physique préexistant. Ce problème de séparation est résolu par une approche d'optimisation bayésienne, qui permet de prendre en compte les incertitudes sur chaque composantes du modèle.
Les performances de cette méthode sont d'abord évaluées sur des mesures en soufflerie puis sur des données industrielles particulièrement bruitées, provenant de mesures microphoniques effectuées sur le fuselage d'un avion de ligne en vol.
Composition du Jury :
Valeau, Vincent Maître de Conférences HdR, Université de Poitiers RapporteurPézerat, Charles Professeur, Le Mans Université Rapporteur
Lopez Arteaga, Ines Professeur, Eindhoven University of Technology Examinatrice
Piot, Estelle HdR, ONERA Examinatrice
Gabart, Gwénaël Professeur, Le Mans Université Examinateur
Antoni, Jérôme Professeur, INSA Lyon Directeur de thèse
Bailly, Christophe Professeur, École Centrale de Lyon Co-encadrant
Leclère, Quentin Maître de Conférences HdR, INSA Lyon Co-encadrant
Julliard, Emmanuel Docteur, Airbus Invité
Sijtsma, Pieter Docteur, PSA3 Invité
Picard, Christophe Docteur, MicrodB Invité
