Les modèles numériques, de plus en plus utilisés en tant que prototypes virtuels, requièrent la connaissance de paramètres d'entrée comme les dimensions géométriques, les caractéristiques physiques des matériaux et les sollicitations externes. Les modèles numériques disponibles actuellement sont très proches de la physique qu'il représente et les écarts que l'on constate avec la réalité peuvent maintenant incomber en partie à une méconnaissance des paramètres d'entrée. L'approche probabiliste qui consiste à modéliser les quantités incertaines par des variables ou champs aléatoires est la solution qui a été retenue dans cette thèse pour prendre en compte les incertitudes d'origine géométrique. Pour résoudre le problème, la méthode de transformation, permettant de ramener un problème aux incertitudes portées par la géométrie à un problème aux incertitudes portées par les lois de comportement, a été choisie. Comme il existe une infinité de transformations possibles, différentes méthodes de détermination de la transformation ont été mises en œuvre et comparées. En particulier, un estimateur d'erreur a-priori a été proposé de manière à dégager des critères de choix. Il a été aussi montré que la méthode de transformation peut prendre en compte naturellement des discontinuités au niveau stochastique des grandeurs locales. Enfin, la méthode étudiée a été employée pour étudier l'influence des incertitudes géométriques d'un stator sur les performances d'une machine électrique. Cette étude s'appuie sur un ensemble de mesures faites sur un lot de stators.

Ce travail porte sur la construction d'un modèle réduit en hydraulique fluviale avec une méthode de décomposition en polynôme du chaos. Ce modèle réduit remplace le modèle direct afin de réduire le coût de calcul lié aux méthodes ensemblistes en quantification d'incertitudes et assimilation de données. Le contexte de l'étude est la prévision des crues et la gestion de la ressource en eau. Ce manuscrit est composé de cinq parties, chacune divisée en chapitres. La première partie présente un état de l'art des travaux en quantification des incertitudes et en assimilation de données dans le domaine de l'hydraulique ainsi que les objectifs de la thèse. On présente le cadre de la prévision des crues, ses enjeux et les outils dont on dispose pour prévoir la dynamique des rivières. On présente notamment la future mission SWOT qui a pour but de mesurer les hauteurs d'eau dans les rivières avec un couverture globale à haute résolution. On précise notamment l'apport de ces mesures et leur complémentarité avec les mesures in-situ. La deuxième partie présente les équations de Saint-Venant, qui décrivent les écoulements dans les rivières, ainsi qu'une discrétisation numérique de ces équations, telle qu'implémentée dans le logiciel Mascaret-1D. Le dernier chapitre de cette partie propose des simplifications des équations de Saint-Venant. La troisième partie de ce manuscrit présente les méthodes de quantification et de réduction des incertitudes. On présente notamment le contexte probabiliste de la quantification d'incertitudes et d'analyse de sensibilité. On propose ensuite de réduire la dimension d'un problème stochastique quand on traite de champs aléatoires. Les méthodes de décomposition en polynômes du chaos sont ensuite présentées. Cette partie dédiée à la méthodologie s'achève par un chapitre consacré à l'assimilation de données ensemblistes et à l'utilisation des modèles réduits dans ce cadre. La quatrième partie de ce manuscrit est dédiée aux résultats. On commence par identifier les sources d'incertitudes en hydraulique que l'on s'attache à quantifier et réduire par la suite. Un article en cours de révision détaille la validation d'un modèle réduit pour les équations de Saint-Venant en régime stationnaire lorsque l'incertitude est majoritairement portée par les coefficients de frottement et le débit à l'amont. On montre que les moments statistiques, la densité de probabilité et la matrice de covariances spatiales pour la hauteur d'eau sont efficacement et précisément estimés à l'aide du modèle réduit dont la construction ne nécessite que quelques dizaines d'intégrations du modèle direct. On met à profit l'utilisation du modèle réduit pour réduire le coût de calcul du filtre de Kalman d'Ensemble dans le cadre d'un exercice d'assimilation de données synthétiques de type SWOT. On s'intéresse précisément à la représentation spatiale de la donnée telle que vue par SWOT: couverture globale du réseau, moyennage spatial entre les pixels observés. On montre notamment qu'à budget de calcul donné les résultats de l'analyse d'assimilation de données qui repose sur l'utilisation du modèle réduit sont meilleurs que ceux obtenus avec le filtre classique. On s'intéresse enfin à la construction du modèle réduit en régime instationnaire. On suppose ici que l'incertitude est liée aux coefficients de frottement. Il s'agit à présent de juger de la nécessité du recalcul des coefficients polynomiaux au fil du temps et des cycles d'assimilation de données. Pour ce travail seul des données in-situ ont été considérées. On suppose dans un deuxième temps que l'incertitude est portée par le débit en amont du réseau, qui est un vecteur temporel. On procède à une décomposition de type Karhunen-Loève pour réduire la taille de l'espace incertain aux trois premiers modes. Nous sommes ainsi en mesure de mener à bien un exercice d'assimilation de données. Pour finir, les conclusions et les perspectives de ce travail sont présentées en cinquième partie. / This work deals with the formulation of a surrogate model for the shallow water equations in fluvial hydraulics with a chaos polynomial expansion. This reduced model is used instead of the direct model to reduce the computational cost of the ensemble methods in uncertainty quantification and data assimilation. The context of the study is the flood forecasting and the management of water resources. This manuscript is composed of five parts, each divided into chapters. The first part presents a state of art of uncertainty quantification and data assimilation in the field of hydraulics as well as the objectives of this thesis. We present the framework of flood forecasting, its stakes and the tools available (numerical and observation) to predict the dynamics of rivers. In particular, we present the SWOT2 mission, which aims to measure the height of water in rivers with global coverage at high resolution. We highlight particularty their contribution and their complementarity with the in-situ measurements. The second part presents the shallow water equations, which describe the flows in the rivers. We are particularly interested in a 1D representation of the equations.We formulate a numerical discretization of these equations, as implemented in the Mascaret software. The last chapter of this part proposes some simplifications of the shallow-water equations. The third part of this manuscript presents the uncertainty quantification and reduced order methods. We present particularly the probabilistic context which makes it possible to define well-defined problem of uncertainty quantification and sensitivity analysis. It is then proposed to reduce the size of a stochastic problem when dealing with random fields in the context of geophysical models. The methods of chaos polynomial expansion are then presented ; we present in particular the different strategies for the computation of the polynomial coefficients. This section devoted to methodology concludes with a chapter devoted to Ensemble based data assimilation (specially the Ensemble Kalman filter) and the use of surrogate models in this framework. The fourth part of this manuscript is dedicated to the results. The first step is to identify the sources of uncertainty in hydraulics that should be quantified and subsequently reduced. An article, in the review state, details the method and the validation of a polynomial surrogate model for shallow water equations in steady state when the uncertainty is mainly carried by the friction coefficients and upstream inflow. The study is conducted on the river Garonne. It is shown that the statistical moments, the probability density and the spatial covariance matrice for the water height are efficiently and precisely estimated using the reduced model whose construction requires only a few tens of integrations of the direct model. The use of the surrogate model is used to reduce the computational cost of the Ensemble Kalman filter in the context of a synthetic SWOT like data assimilation exercise. The aim is to reconstruct the spatialized friction coefficients and the upstream inflow. We are interested precisely in the spatial representation of the data as seen by SWOT : global coverage of the network, spatial averaging between the observed pixels. We show in particular that at the given calculation budget (2500 simulations of the direct model) the results of the data assimilation analysis based on the use of the polynomial surrogate model are better than those obtained with the classical Ensemble Kalman filter. We are then interested in the construction of the reduced model in unsteady conditions. It is assumed initially that the uncertainty is carried with the friction coefficients. It is now necessary to judge the need for the recalculation of polynomial coefficients over time and data assimilation cycles. For this work only ponctual and in-situ data were considered. It is assumed in a second step that the uncertainty is carried by the upstr

La simulation de systèmes d'ingénierie non linéaire complexes tels que les écoulements de fluide compressibles peut être ciblée pour rendre plus efficace et précise l'approximation d'une quantité spécifique (scalaire) d'intérêt du système. En mettant de côté l'erreur de modélisation et l'incertitude paramétrique, on peut y parvenir en combinant des estimations d'erreurs axées sur des objectifs et des raffinements adaptatifs de maillage spatial anisotrope. A cette fin, un cadre élégant et efficace est celui de l'adaptation dite basé-métrique où une estimation d'erreur a priori est utilisée comme indicateur d’adaptation de maillage. Dans cette thèse on propose une nouvelle extension de cette approche au cas des approximations de système portant une composante stochastique. Dans ce cas, un problème d'optimisation est formulé et résolu pour un meilleur contrôle des sources d'erreurs. Ce problème est posé dans le cadre continu de l'espace de métrique riemannien. Des développements algorithmiques sont également proposés afin de déterminer les sources dominates d’erreur et effectuer l’adaptation dans les espaces physique ou des paramètres incertains. L’approche proposé est testée sur divers problèmes comprenant une entrée de scramjet supersonique soumise à des incertitudes paramétriques géométriques et opérationnelles. Il est démontré que cette approche est capable de bien capturé les singularités dans l’escape stochastique, tout en équilibrant le budget de calcul et les raffinements de maillage dans les deux espaces. / The simulation of complex nonlinear engineering systems such as compressible fluid flows may be targeted to make more efficient and accurate the approximation of a specific (scalar) quantity of interest of the system. Putting aside modeling error and parametric uncertainty, this may be achieved by combining goal-oriented error estimates and adaptive anisotropic spatial mesh refinements. To this end, an elegant and efficient framework is the one of (Riemannian) metric-based adaptation where a goal-based a priori error estimation is used as indicator for adaptivity. This thesis proposes a novel extension of this approach to the case of aforementioned system approximations bearing a stochastic component. In this case, an optimisation problem leading to the best control of the distinct sources of errors is formulated in the continuous framework of the Riemannian metric space. Algorithmic developments are also presented in order to quantify and adaptively adjust the error components in the deterministic and stochastic approximation spaces. The capability of the proposed method is tested on various problems including a supersonic scramjet inlet subject to geometrical and operational parametric uncertainties. It is demonstrated to accurately capture discontinuous features of stochastic compressible flows impacting pressure-related quantities of interest, while balancing computational budget and refinements in both spaces.

Cette thèse a pour objectif l"établissement de méthodes numériques pour l'optimisation multi-objectif de structures soumises à des facteurs incertains. Au cœur de ce travail, nous nous sommes focalisés sur l'adaptation du chaos polynomial pour l'évaluation non intrusive de la part de l'incertain. Pour atteindre l'objectif fixé, nous sommes confrontés à deux verrous : l'un concerne les coûts élevés de calcul d'une simulation unitaire par éléments finis, l'autre sa précision limitée. Afin de limiter la charge de calcul pour la construction du chaos polynomial, nous nous sommes concentrés sur la construction d'un chaos polynomial creux. Nous avons également développé un programme d’échantillonnage basé sur l’hypercube latin personnalisé prenant en compte la précision limitée de la simulation. Du point de vue de la modélisation nous avons proposé une approche multi-fidèle impliquant une hiérarchie de modèles allant des simulations par éléments finis complètes jusqu'aux surfaces de réponses en passant par la réduction de modèles basés sur la physique. Enfin, nous avons étudié l'optimisation multi-objectif de structures sous incertitudes. Nous avons étendu le modèle PCE des fonctions objectif à la prise en compte des variables déterministes de conception. Nous avons illustré notre travail sur des exemples d'emboutissage et sur la conception optimale des structures en treillis. / This thesis aims at Multi-Objective Optimization under Uncertainty in structural design. We investigate Polynomial Chaos Expansion (PCE) surrogates which require extensive training sets. We then face two issues: high computational costs of an individual Finite Element simulation and its limited precision. From numerical point of view and in order to limit the computational expense of the PCE construction we particularly focus on sparse PCE schemes. We also develop a custom Latin Hypercube Sampling scheme taking into account the finite precision of the simulation. From the modeling point of view,we propose a multifidelity approach involving a hierarchy of models ranging from full scale simulations through reduced order physics up to response surfaces. Finally, we investigate multiobjective optimization of structures under uncertainty. We extend the PCE model of design objectives by taking into account the design variables. We illustrate our work with examples in sheet metal forming and optimal design of truss structures.

L'objectif de cette thèse est de traiter la problématique de la caractérisation et du traitement de la variabilité de l'exposition humaine aux ondes radio à travers l'utilisation de la dosimétrie numérique. En effet, si les progrès dans le domaine du calcul hautes performances ont contribué à significativement réduire les temps de simulation pour l'évaluation de l'exposition humaine, ce calcul du débit d'absorption spécifique reste un processus coûteux en temps. Avec la grande variabilité des usages, cette contrainte fait que la prise en compte de l'influence de paramètres d'entrée aléatoires sur l'exposition ne peut se faire par des méthodes classiques telles que les simulations de Monte Carlo. Nous proposons dans ces travaux deux approches pour répondre à cette problématique. La première s'appuie sur l'utilisation et l'hybridation de méthodes de construction de modèles de substitution afin d'étudier l'influence globale des paramètres d'entrée. La deuxième vise à l'évaluation efficace et parcimonieuse des quantiles à 95% des distributions de sortie et s'appuie sur le développement d'une méthode de planification d'expériences adaptative et orientée couplée à la construction de modèles de substitution. Les méthodes proposées dans ce manuscrit sont comparées et testées sur des exemples analytiques et ensuite appliquées à des problèmes concrets issus de la dosimétrie numérique / The purpose of this thesis is to deal with the problem of the management and the characterization of the variability of the human exposure to radio frequency waves through the use of the numerical dosimetry. As a matter of fact, if the recent advances in the high performance computing domain led to reduce significantly the simulation duration for the evaluation of the human exposure, this computation of the specific absorption rate remains a time-consuming process. With the variability of the usage, this constraint does not allow the analysis of the influence of random input parameters on the exposure to be achieved with classical approaches such as Monte Carlo simulations. In this work, two approaches are proposed to address this problem. The first one is based on the use and the hybridization of construction methods of surrogate models in order to study the global influence of the input parameters. The second one aims at assessing efficiently the 95th-percentiles of the output distributions in a parcimonous way. It is based on the development of an adaptive and oriented methodology of design of experiments combined with the construction of surrogate models. In this manuscript, the proposed methods are compared and tested on analytical examples and then applicated to full-scale problems from the numerical dosimetry

Ce travail de thèse porte sur l’analyse robuste et l’optimisation fiabiliste des problèmes vibro-acoustiques (ou en interaction fluide-structure) en tenant en compte des incertitudes des paramètres d’entrée. En phase de conception et de dimensionnement, il parait intéressant de modéliser les systèmes vibro-acoustiques ainsi que leurs variabilités qui peuvent être essentiellement liées à l’imperfection de la géométrie ainsi qu’aux caractéristiques des matériaux. Il est ainsi important, voire indispensable, de tenir compte de la dispersion des lois de ces paramètres incertains afin d’en assurer une conception robuste. Par conséquent, l’objectif est de déterminer les capacités et les limites, en termes de précision et de coûts de calcul, des méthodes basées sur les développements en chaos polynomiaux en comparaison avec la technique référentielle de Monte Carlo pour étudier le comportement mécanique des problèmes vibro-acoustique comportant des paramètres incertains. L’étude de la propagation de ces incertitudes permet leur intégration dans la phase de conception. Le but de l’optimisation fiabiliste Reliability-Based Design Optimization (RBDO) consiste à trouver un compromis entre un coût minimum et une fiabilité accrue. Par conséquent, plusieurs méthodes, telles que la méthode hybride (HM) et la méthode Optimum Safety Factor (OSF), ont été développées pour atteindre cet objectif. Pour remédier à la complexité des systèmes vibro-acoustiques comportant des paramètres incertains, nous avons développé des méthodologies spécifiques à cette problématique, via des méthodes de méta-modèlisation, qui nous ont permis de bâtir un modèle de substitution vibro-acoustique, qui satisfait en même temps l’efficacité et la précision du modèle. L’objectif de cette thèse, est de déterminer la meilleure méthodologie à suivre pour l’optimisation fiabiliste des systèmes vibro-acoustiques comportant des paramètres incertains. / This PhD thesis deals with the robust analysis and reliability optimization of vibro-acoustic problems (or fluid-structure interaction) taking into account the uncertainties of the input parameters. In the design and dimensioning phase, it seems interesting to model the vibro-acoustic systems and their variability, which can be mainly related to the imperfection of the geometry as well as the characteristics of the materials. It is therefore important, if not essential, to take into account the dispersion of the laws of these uncertain parameters in order to ensure a robust design. Therefore, the purpose is to determine the capabilities and limitations, in terms of precision and computational costs, of methods based on polynomial chaos developments in comparison with the Monte Carlo referential technique for studying the mechanical behavior of vibro-acoustic problems with uncertain parameters. The study of the propagation of these uncertainties allows their integration into the design phase. The goal of the reliability-Based Design Optimization (RBDO) is to find a compromise between minimum cost and a target reliability. As a result, several methods, such as the hybrid method (HM) and the Optimum Safety Factor (OSF) method, have been developed to achieve this goal. To overcome the complexity of vibro-acoustic systems with uncertain parameters, we have developed methodologies specific to this problem, via meta-modeling methods, which allowed us to build a vibro-acoustic surrogate model, which at the same time satisfies the efficiency and accuracy of the model. The objective of this thesis is to determine the best methodology to follow for the reliability optimization of vibro-acoustic systems with uncertain parameters.

En conception de produits ou de systèmes, les approches d'optimisation déterministe sont de nos jours largement utilisées. Toutefois, ces approches ne tiennent pas compte des incertitudes inhérentes aux modèles utilises, ce qui peut parfois aboutir à des solutions non fiables. Il convient alors de s'intéresser aux approches d'optimisation stochastiques. Les approches de conception robuste à base d'optimisation stochastique (Reliablity Based Robust Design Optimization, RBRDO) tiennent compte des incertitudes lors de l'optimisation au travers d'une boucle supplémentaire d'analyse des incertitudes(Uncertainty Anlysis, UA). Pour la plupart des applications pratiques, l'UA est réalisée par une simulation de type Monte Carlo (Monte Carlo Simulation, MCS) combinée avec l’analyse structurale. L'inconvénient majeur de ce type d'approche réside dans le coût de calcul qui se révèle être prohibitif. Par conséquent, nous nous sommes intéressés dans nos travaux aux développements de méthodologies efficaces pour la mise en place de RBRDO s'appuyant sur une analyse MCS. Nous présentons une méthode d'UA s'appuyant sur une analyse MCS dans laquelle la réponse aléatoire est approximée sur une base du chaos polynomial (Polynomial Chaos Expansion, PCE). Ainsi, l'efficacité de l'UA est grandement améliorée en évitant une trop grande répétition des analyses structurales. Malheureusement, cette approche n'est pas pertinente dans le cadre de problèmes en grande dimension, par exemple pour des applications en dynamique. Nous proposons ainsi d'approximer la réponse dynamique en ne tenant compte que de la résolution aux valeurs propres aléatoires. De cette façon, seuls les paramètres structuraux aléatoires apparaissent dans le PCE. Pour traiter le problème du mélange des modes dans notre approche, nous nous sommes appuyés sur le facteur MAC qui permet de le quantifier. Nous avons développé une méthode univariable permettant de verifier quelle variable générait un mélange de modes de manière à le réduire ou le supprimer. Par la suite, nous présentons une approche de RBRDO séquentielle pour améliorer l'efficacité et éviter les problèmes de non-convergence présents dans les approches de RBRDO. Dans notre approche, nous avons étendu la stratégie séquentielle classique, visant principalement à découpler l'analyse de fiabilité de la procédure d'optimisation, en séparant l'évaluation des moments de la boucle d'optimisation. Nous avons utilisé une approximation exponentielle locale autour du point de conception courant pour construire des objectifs déterministes équivalents ainsi que des contraintes stochastiques. De manière à obtenir les différents coefficients pour notre approximation, nous avons développé une analyse de sensibilité de la robustesse basée sur une distribution auxiliaire ainsi qu'une analyse de sensibilité des moments basée sur l'approche PCE. Nous montrons la pertinence ainsi que l'efficacité des approches proposées au travers de différents exemples numériques. Nous appliquons ensuite notre approche de RBRDO pour la conception d'un amortisseur dans le domaine du contrôle passif vibratoire d'une structure présentant des grandeurs aléatoires. Les résultats obtenus par notre approche permettent non seulement de réduire la variabilité de la réponse, mais aussi de mieux contrôler l'amplitude de la réponse au travers d'un seuil choisi par avance. / Deterministic design optimization is widely used to design products or systems. However, due to the inherent uncertainties involved in different model parameters or operation processes, deterministic design optimization without considering uncertainties may result in unreliable designs. In this case, it is necessary to develop and implement optimization under uncertainties. One way to deal with this problem is reliability-based robust design optimization (RBRDO), in which additional uncertainty analysis (UA, including both of reliability analysis and moment evaluations) is required. For most practical applications however, UA is realized by Monte Carlo Simulation (MCS) combined with structural analyses that renders RBRDO computationally prohibitive. Therefore, this work focuses on development of efficient and robust methodologies for RBRDO in the context of MCS. We presented a polynomial chaos expansion (PCE) based MCS method for UA, in which the random response is approximated with the PCE. The efficiency is mainly improved by avoiding repeated structural analyses. Unfortunately, this method is not well suited for high dimensional problems, such as dynamic problems. To tackle this issue, we applied the convolution form to compute the dynamic response, in which the PCE is used to approximate the modal properties (i.e. to solve random eigenvalue problem) so that the dimension of uncertainties is reduced since only structural random parameters are considered in the PCE model. Moreover, to avoid the modal intermixing problem when using MCS to solve the random eigenvalue problem, we adopted the MAC factor to quantify the intermixing, and developed a univariable method to check which variable results in such a problem and thereafter to remove or reduce this issue. We proposed a sequential RBRDO to improve efficiency and to overcome the nonconvergence problem encountered in the framework of nested MCS based RBRDO. In this sequential RBRDO, we extended the conventional sequential strategy, which mainly aims to decouple the reliability analysis from the optimization procedure, to make the moment evaluations independent from the optimization procedure. Locally "first-torder" exponential approximation around the current design was utilized to construct the equivalently deterministic objective functions and probabilistic constraints. In order to efficiently calculate the coefficients, we developed the auxiliary distribution based reliability sensitivity analysis and the PCE based moment sensitivity analysis. We investigated and demonstrated the effectiveness of the proposed methods for UA as well as RBRDO by several numerical examples. At last, RBRDO was applied to design the tuned mass damper (TMD) in the context of passive vibration control, for both deterministic and uncertain structures. The associated optimal designs obtained by RBRDO cannot only reduce the variability of the response, but also control the amplitude by the prescribed threshold.

Ce travail de recherche a été réalisé au sein du Laboratoire de Tribologie et Dynamique des Systèmes de l’École Centrale de Lyon (FRANCE) en cotutelle avec l’Unité de Mécanique, Modélisation et Productique (U2MP) à l’École Nationale d’Ingénieurs de Sfax (TUNISIE) dans le cadre du projet européen "Mid-Frequency". La prédiction du comportement dynamique des structures est une tâche importante dans la phase de conception de tout produit mécanique. Le choix de l’outil ou de la méthode utilisée dépend de plusieurs facteurs. Pour un système dynamique, la bande de fréquence d’étude est l’un des paramètres essentiels étant donné qu’il existe des approches appropriées pour chaque domaine fréquentiel. Ces derniers seront rapidement inapplicables en changeant le domaine d’application. Par exemple, les méthodes dites hautes fréquences ou globales sont très limitées dans la partie basse du spectre. De même, les méthodes dites basses fréquences deviennent, numériquement, très lourdes et peu performantes si l’on monte en fréquence. Les moyennes fréquences représentent alors les hautes fréquences pour les méthodes globales et les basses fréquences pour les méthodes locales. Comme les incertitudes jouent un rôle important dans les comportements vibratoires en moyennes fréquences, le travail présenté de ce mémoire est une contribution à la recherche d’une approche peu coûteuse en temps de calcul permettant l’extension d’une méthode locale : la méthode des éléments finis ondulatoires, à cette bande de fréquence pour les systèmes à caractère non déterministe. Cette contribution consiste à tenir compte des incertitudes présentes dans le système étudié pour évaluer la dispersion des différents paramètres (spectraux, de diffusion, dynamiques, etc.) et leurs effets sur la réponse globale (cinématique et énergétique) de la structure. Le travail présenté peut être partagé en deux parties. La première concerne le développement des formulations explicites et directes des dispersions des différents paramètres. Cette partie se base sur l’utilisation de la méthode de perturbation à l’ordre un. La deuxième partie est une généralisation de la première. En effet, l’utilisant de la projection des variables aléatoires sur la base des polynômes de chaos permet une évaluation plus générale des effets des incertitudes sur la dynamique des structures périodiques en moyennes fréquences. / The prediction of dynamic behavior of structures is an important task in the design step of any mechanical product. There are many factors affecting the choice of the used methods. For a dynamic system, the frequency band under study is one of the important parameters since for each frequency range exists its appropriate approach which can be quickly inapplicable in other domains. For example, the high frequency methods are very limited in the lower part of the spectrum. Similarly, the so-called low-frequency methods become numerically inefficient if it goes up in frequency range. The mid-frequencies then represent the high-frequencies for global and low frequencies for local methods. Knowing that uncertainties play an important role on the vibro-acoustics behavior in mid-frequencies, the presented work is a contribution to the research approach, with inexpensive computing time, allowing the extension of a local method, called ’the wave finite element method’, in this frequency band. These contributions consist in taking into account uncertainties in the studied system to evaluate the dispersion of all parameters (spectral, diffusion, dynamics, etc.) and their effects on the global response (kinematic and energetic) of the structure. The presented work can be divided into two main parts. The first one involves the development of an explicit and direct formulation describing the dispersion of different parameters; this part is based on the first-order perturbation method. The second part is a generalization of the first one; indeed, using the chaos polynomial projection of all random variables allows a more general assessment of the effects of uncertainties on the dynamics of periodic structure in mid-frequency range.

Le véhicule est un système dynamique complexe, composé de différents sous-systèmes de nature différente (moteur, système de freinage, suspension ...). Chaque sous-système est décrit par un modèle mathématique dépendant d’un nombre important de paramètres, très souvent incertains (méconnaissance, manque de mesures,…). L’incertitude sur les paramètres se propage à travers le modèle et se retrouve sur la sortie. Cette dernière représente les forces et moments mis en jeu dans le véhicule. L’incertitude sur la sortie n’est pas toujours tolérable pour des raisons de sécurité, précision,…Situé dans ce contexte, les travaux de la thèse consistent à proposer des méthodes d’analyse de sensibilité permettant de déterminer les paramètres dont les incertitudes ont un effet significatif sur le comportement d’un système donné, en particulier le véhicule. Dans une première partie, le cas des modèles à paramètres dépendants et suivant une distribution arbitraire est étudié. Une méthode, basée sur la décorrélation des paramètres par la décomposition de Cholesky, a été proposée. Pour résoudre le problème de la distribution arbitraire, l’approximation par polynôme du chaos arbitraire est adoptée, en construisant une base orthonormale en termes de moments statistiques non centrés des paramètres. Les indices de sensibilité, permettant de quantifier la contribution de chaque paramètre à la variance de la sortie, sont obtenus directement à partir des coefficients des polynômes du chaos ainsi obtenus. La méthode proposée est appliquée et validée sur un modèle de pneumatique. Dans la deuxième partie, le cas des modèles dynamiques est traité. Une méthode basée sur les dérivées partielles est explorée, puis une approche alternative est proposée. Elle utilise de façon originale des outils de l’Automatique, les grammiens d’atteignabilité et d’observabilité. L’influence des paramètres sur l’énergie consommée en entrée et restituée par le système en sortie est ainsi déterminée. L’avantage de cette technique est que les paramètres peuvent être classifiés selon leurs influences sur l’énergie consommée ou restituée, tout au long de la dynamique du système. D’autre part, l’étude de la sensibilité des paramètres sur les échanges de l’énergie, permet de déterminer un placement optimal des paramètres pour une optimisation de l’énergie consommée et restituée en sortie. Les deux méthodes proposées sont appliquées et validées sur un modèle bicyclette décrivant le comportement dynamique d’un véhicule. Dans la dernière partie, des tests sur véhicule d’essais ont été réalisés sur circuit. Les différentes approches d’analyse de sensibilité ont été appliquées sur les résultats d’essais, afin de recaler des modèles de pneumatique. / The vehicle is a complex dynamic system, composed of various subsystems of different kind (engine, braking system, suspension, etc.). Each subsystem is described by a mathematical model depending on a significant number of parameters, very often uncertain (unknown, lack of measures, etc.). The uncertainty on the parameters is propagated through the model and takes place on the model output. The model output represents the forces and moments involved in the vehicle. The uncertainty on the model output is not always tolerable for safety reasons, precision, etc. In this context, the aim of the thesis is to propose sensitivity analysis methods allowing to determine parameters whose uncertainties have a significant effect on the behavior of a given system. In the first part, the case of models with dependent parameters which follow an arbitrary distribution is studied. A method based on the decorrelation of the parameters using the decomposition of Cholesky, is proposed. To solve the problem of the arbitrary distribution, an approximation using arbitrary polynomial chaos is adopted and an orthonormal data basis is constructed in terms of non central statistical moments of parameters. Sensitivity indices, allowing to quantify the contribution of every parameter to the model output variance, is directly obtained from the polynomial chaos coefficients.The proposed method is applied and validated on a tyre model. In the second part, the case of the dynamic models is studied. A method based on partial derivative is explored. Then a new alternative approach is proposed. This method uses in an original way the control theory tools, the reachability and observability Gramians. The influence of the parameters is formulated in terms the energy consumed and restored by the system. The advantage of this technique is that the parameters can be classified according to their influences on the consumed or restored energy throughout the system dynamics. On the other hand, the study of the parameters sensitivity based on ratio energy exchanged, allows to determine an optimal placement of the parameters for an optimization of consumed and/or restored energy. Both proposed methods are applied and validated using bicycle model describing vehicle dynamic behavior. Finally, the various sensitivity approaches are applied to adjust tyre model parameters using vehicle measurements acquired during a steady-state maneuver.

Les conceptions récentes de turbomachines ont tendance à évoluer vers des liaisons entre étages de plus en plus souples et des niveaux d'amortissement faibles, donnant lieu à des configurations où les modes sont susceptibles de présenter des niveaux de couplages inter-étages forts. En général, les ensembles disques aubes multi-étagés n'ont aucune propriété de symétrie cyclique d'ensemble et l'analyse doit porter sur un modèle de la structure complète donnant lieu à des calculs très coûteux. Pour palier ce problème, une méthode récente appelée symétrie cyclique multi-étages peut être utilisée pour réduire le coût des calculs des rotors composés de plusieurs étages, même lorsque les étages ont un nombre différent de secteurs. Cette approche profite de la symétrie cyclique inhérente à chaque étage et utilise une hypothèse spécifique qui aboutit à des sous-problèmes découplés pour chaque ordre de Fourier spatial. La méthodologie proposée vise à étudier l'effet des incertitudes sur le comportement dynamique des rotors en utilisant l'approche de symétrie cyclique multi-étages et l'expansion en Chaos Polynomial. Les incertitudes peuvent découler de l'usure des aubes, des changements de température ou des tolérances de fabrication. En première approche, seules les incertitudes provenant de l'usure uniforme de l'ensemble des aubes sont étudiées. Celles-ci peuvent être modélisées en considérant une variation globale des propriétés du matériau de l'ensemble des aubes d'un étage particulier. L'approche de symétrie cyclique multi-étages peut alors être utilisée car l'hypothèse de secteurs identiques est respectée. La positivité des matrices aléatoires concernées est assurée par l'utilisation d'une loi gamma très adaptée à la physique du problème impliquant le choix des polynômes de Laguerre comme base pour le chaos polynomial. Dans un premier temps des exemples numériques représentatifs de différents types de turbomachines sont introduits dans le but d'évaluer la robustesse de la méthode de symétrie cyclique multi-étages. Ensuite, les résultats de l'analyse modale aléatoire et de la réponse aléatoire obtenus par le chaos polynomial sont validés par comparaison avec des simulations de Monte-Carlo. En plus des résultats classiquement rencontrés pour les fréquences et réponses forcées, les incertitudes considérées mettent en évidence des variations sur les déformées modales qui évoluent entre différentes familles de modes dans les zones de forte densité modale. Ces variations entraînent des modifications sensibles sur la dynamique globale de la structure analysée et doivent être considérées dans le cadre des conceptions robustes.