Evènements

21 Oct
From 21/10/2021 13:00
to 21/10/2021 14:00

Seminar by Matthieu Decaux

Comparaison de méthodes pour la prédiction du rayonnement d'une structure à partir de données accélérométriques

/!\ Presentation will be in French

La maitrise du bruit rayonné des navires est aujourd’hui un enjeu majeur. Dans le domaine civil, l’activité humaine s’intensifie et a un fort impact sur l’environnement marin. Dans le domaine militaire, la connaissance du bruit rayonné représente un avantage stratégique significatif. Il est donc nécessaire de pouvoir prédire en temps réel le niveau d’indiscrétion ainsi que la directivité associée, sur une bande de fréquence très large, de quelques Hz à quelques dizaines de kHz. Pour cela, nous disposons d’un réseau d’accéléromètres sur les structures. Plusieurs méthodes de reconstruction utilisant ces signaux ont été identifiées, chacune adaptée à une plage de fréquence et ayant des contraintes différentes. L’objectif de ces travaux est d’explorer ces méthodes afin de définir leur domaine de validité et de déterminer le maillage d’accéléromètres optimal minimisant l’erreur de reconstruction. Dans ce cadre, deux méthodes sont étudiées. La première méthode est l’OTPA (Operational Transfer Path Analysis). Elle est basée sur des mesures expérimentales. Elle permet de construire une matrice de transmissibilité entre les pressions mesurées et les accélérations. Cette approche nécessite néanmoins un maximum de mesures linéairement indépendantes, difficiles à obtenir pour des structures industrielles complexes. La deuxième méthode est la DRE (Directional Radiation Efficiency), une méthode énergétique. C’est une approche empirique et le calcul de la directivité du champ acoustique émis par la structure vibrante par cette méthode manque de bases théoriques solides. On présente dans cet exposé le formalisme de ces approches avant de les appliquer au rayonnement d’une plaque simplement supportée et d’en présenter les avantages et les limites d’application.

 

Lien Zoom:

https://zoom.us/j/93461387933?pwd=a1hxYzllTW4yd0V6S1c2NkRXUXNaZz09
Password : DJ3ctn

Keywords (tags)