La réponse dynamique d’un train roulant sur une voie réelle dépend de plusieurs paramètres. Certains d’entre eux ne peuvent pas être correctement identifiés et doivent être considérés comme incertains. L’objectif de cette thèse est la construction d’un modèle probabiliste de la fatigue du rail, en considérant la géométrie de la voie et l’usure des rails comme champs aléatoires modélisés en utilisant le développement de Karhunen-Loève. Ce dernier requiert le calcul des fonctions et des valeurs propres de l’opérateur de covariance pour la représentation modale du champ. Cette étape peut devenir très coûteuse si le domaine est beaucoup plus grand que la longueur de corrélation. Pour résoudre ce problème, une adaptation de la technique est proposée. Les distributions multivariées des coefficients de projection sont identifiées à l’aide d’un développement en Chaos Polynomiaux, qui est calibré sur des données de mesures. Le rayon de courbure, l’âge du rail et la vitesse opérationnelle du train induisent des effets non stationnaires qui doivent être pris en compte dans le modèle. La validation du modèle probabiliste des quantités d’entrée est faite en comparant des données de mesure des efforts de contact roue-rail avec les résultats des simulations. Une analyse de sensibilité globale est menée sur des quantités d’intérêts dynamiques pour quantifier l’impact des irrégularités aléatoires sur la dynamique du véhicule et l’initiation à fatigue du rail. / The dynamical response of a train rolling on a real track depends on several parameters. Most of them cannot be accurately identified and have to be considered as uncertain. The aim of this thesis is the construction of a probabilistic model of the rail fatigue life considering the track geometry and the rail wear as random fields modelled with the Karhunen-Loève expansion. This latter requires the modal decomposition of the covariance operator. This step can be very expensive if the domain if much larger than the correlation length. To deal with this issue, an adaptation of the KLE, consisting in splitting the domain in sub-domains where this modal decomposition and the sample generation can be comfortably computed, is proposed. A correlation between the KLE coefficients of each sub-domain is imposed to ensure the desired correlation structure. The multivariate distributions of the random projection coefficients are characterized using a Polynomial Chaos Expansion (PCE) calibrated on measurements data of the track irregularities. The curve radius, the rail age and the train operational velocity introduce nonstationary effects that have to be taken into account to model the track. A validation of the random models is therefore performed using a set of measurements of the wheel-rail contact forces.A global sensitivity analysis is performed on some dynamical quantities of interest in order to quantify the impact of the random fields on the vehicle dynamics and the rail fatigue initiation. Since this step is computationally expensive, a PCE-based meta-modelling technique is employed to estimate the fatigue index.

Ce travail étudie l’applicabilité des méthodes d’identification aux paramètres de la suspension d’un modèle multi-corps du TGV. L’objectif est de caler le modèle par rapport au système réel par une estimation des paramètres de la suspension en utilisant la réponse du véhicule mesuré. A cause du comportement nonlinéaire du système la méthode temporelle de recalage a été choisie. Elle nécessite la définition et minimisation d’une fonction coût qui décrit la distance entre le modèle et la mesure. La convergence la plus rapide est obtenue avec des méthodes gradient qui demandent le calcul des dérivés de la fonction coût par rapport á chaque paramètre de la suspension. Comme le calcul par des différences finis est coûteux et moins précis la méthode adjoint a été implémentée. L’application à un modèle simplifié d’un bogie avec une description mathématique connue permet d’identifier les paramètres de la suspension. La présence des minima locaux dans la fonction coût du modèle TGV nécessite l’utilisation des méthodes globales. Le recuit simulé et l’algorithme génétique donnent des réductions importantes de la fonction coût et des estimations pour les paramètres du modèle TGV. Dans des travaux ultérieurs, ces informations pourraient être utilisées pour d’autre application comme le « condition monitoring ». / This work investigates the applicability of identification methods to the suspension parameters of a TGV multi-body model. The aim is to adjust the model to the real system by estimating the suspension parameters from measured vehicle response data. Due to the nonlinear behavior of the system the time-domain based model updating has been chosen. It requires the definition and minimization of a misfit function in the time domain describing the distance between model and measurement. The fastest convergence is obtained by the use of gradient methods requiring the calculation of the derivatives of the misfit function relative to every parameter. Since the calculation from finite differences is time consuming and less accurate the gradients are calculated from the adjoint method. The application to a simplified bogie model with known mathematical description allows the identification of its suspension parameters. The presence of local minima in the misfit function of the TGV model requires the use of global optimization methods. The simulated annealing and the genetic algorithm method give important reductions of the misfit function and improved parameter estimations. In following work this information could be used for further applications like the condition monitoring.

Les nouvelles attentes vis-à-vis des nouveaux trains à grande vitesse sont nombreuses: on les voudrait plus rapides, plus confortables, plus stables, tout en étant moins consommateur d'énergie, moins agressif vis-à-vis des voies, moins bruyants... Afin d'optimiser la conception de ces trains du futur, il est alors nécessaire de pouvoir se baser sur une connaissance précise de l'ensemble des conditions de circulations qu'ils sont susceptibles de rencontrer au cours de leur cycle de vie. Afin de relever ces défis, la simulation a un très grand rôle à jouer. Pour que la simulation puisse être utilisée dans des perspectives de conception, de certification et d'optimisation de la maintenance, elle doit alors être tout à fait représentative de l'ensemble des comportements physiques mis en jeu. Le modèle du train, du contact entre les roues et le rail, doivent ainsi être validés avec attention, et les simulations doivent être lancées sur des ensembles d'excitations qui sont réalistes et représentatifs de ces défauts de géométrie. En ce qui concerne la dynamique, la géométrie de la voie, et plus particulièrement les défauts de géométrie, représentent une des principales sources d'excitation du train, qui est un système mécanique fortement non linéaire. A partir de mesures de la géométrie d'un réseau ferroviaire, un paramétrage complet de la géométrie de la voie et de sa variabilité semblent alors nécessaires, afin d'analyser au mieux le lien entre la réponse dynamique du train et les propriétés physiques et statistiques de la géométrie de la voie. Dans ce contexte, une approche pertinente pour modéliser cette géométrie de la voie, est de la considérer comme un champ aléatoire multivarié, dont les propriétés sont a priori inconnues. En raison des interactions spécifiques entre le train et la voie, il s'avère que ce champ aléatoire n'est ni Gaussien ni stationnaire. Ce travail de thèse s'est alors particulièrement concentré sur le développement de méthodes numériques permettant l'identification en inverse, à partir de mesures expérimentales, de champs aléatoires non Gaussiens et non stationnaires. Le comportement du train étant très non linéaire, ainsi que très sensible vis-à-vis de la géométrie de la voie, la caractérisation du champ aléatoire correspondant aux défauts de géométrie doit être extrêmement fine, tant du point de vue fréquentiel que statistique. La dimension des espaces statistiques considérés est alors très importante. De ce fait, une attention toute particulière a été portée dans ces travaux aux méthodes de réduction statistique, ainsi qu'aux méthodes pouvant être généralisées à la très grande dimension. Une fois la variabilité de la géométrie de la voie caractérisée à partir de données expérimentales, elle doit ensuite être propagée au sein du modèle numérique ferroviaire. A cette fin, les propriétés mécaniques d'un modèle numérique de train à grande vitesse ont été identifiées à partir de mesures expérimentales. La réponse dynamique stochastique de ce train, soumis à un très grand nombre de conditions de circulation réalistes et représentatives générées à partir du modèle stochastique de la voie ferrée, a été ainsi évaluée. Enfin, afin d'illustrer les possibilités apportées par un tel couplage entre la variabilité de la géométrie de la voie et la réponse dynamique du train, ce travail de thèse aborde trois applications

Cette thèse étudie le comportement de remblais en sol renforcé lors du passage de trains par simulation numérique. Il s'agit de déterminer si les trains à grande vitesse ont un impact particulier sur ce type d'ouvrage. Après un état de l'art des remblais en sol renforcé et de la modélisation numérique de problèmes ferroviaires, les résultats du chargement harmonique d'un remblai expérimental en Terre Armée sont analysés. Ils montrent que les valeurs des tractions dans les armatures, des contraintes et déplacements dans le massif dépendent de la fréquence de la sollicitation, c'est-à-dire de la vitesse de passage du train. On construit un modèle 3D aux éléments finis pour reproduire cette expérience. Il permet de retrouver les valeurs expérimentales avec une bonne précision, en mettant en avant l'importance du choix des lois de comportement du sol, du parement et des armatures. Ce modèle avec ses paramètres est alors utilisé pour discuter du comportement local de l'interface armature/remblai au cours d'un chargement harmonique en régime établi. Le confinement varie beaucoup le long des armatures supérieures au cours du chargement dynamique, tandis que les tractions sont peu affectées par le chargement dynamique. Cependant, malgré ces variations au cours du temps, la stabilité de l'interface reste peu affectée par rapport au cas d'un chargement statique. Un second modèle a été développé pour représenter un remblai de taille plus importante, en utilisant la modélisation multiphasique et en utilisant un repère mobile pour prendre en compte le déplacement du train. Les aspects théoriques et l'implémentation de ce modèle dans le code CESAR-LCPC sont détaillés. On l'utilise pour effectuer une étude tri-dimensionnelle d'un remblai renforcé. Elle met en évidence la faible influence de la vitesse de la charge sur la réponse de l'ouvrage, dans le cas d'un remblai rigide ayant des caractéristiques tirées du remblai expérimental. Dans le cas d'un remblai moins rigide, la vitesse d'un TGV peut s'approcher de la vitesse des ondes de cisaillement dans le massif avec des conséquences significatives au sein de la structure. Finalement, les valeurs expérimentales et les deux modèles numériques développés présentent les mêmes tendances : l'effet dynamique du passage du train a pour conséquence une augmentation des déplacements et une variation du confinement des armatures, tandis que les niveaux de traction sont peu affectés par la charge, ce qui nous incite à conclure que la vitesse du train n'est pas significativement pénalisante sur la stabilité des remblais pour les paramètres issus de l'analyse du remblai expérimental. Toutefois, ces résultats dépendent fortement de la géométrie de la structure, de la façon de modéliser le train, des lois de comportement et des valeurs des paramètres retenus pour le sol, le parement et l'interface sol/armature / This study focuses on the numerical modeling of the Mechanically Stabilized Earth (MSE) walls behavior under High Speed Train (HST) loading. First, the state of the art in reinforced earth as well as in railway dynamics modeling is analyzed. Then we present results coming from the testing of a one-scale reinforced embankment submitted to harmonic loading. They indicate that tensile forces in reinforcements, stresses and displacements depend on loading frequency which is related to train speed. One proposes a 3D Finite Element Model (FEM) in order to numerically reproduce this experimentation. The numerical results fit reasonably well with the experimental ones, highlighting the great importance of the choice of the constitutive law for the soil, reinforcement and facing. The same model is used to locally investigate the soil/reinforcement interface behaviour during a harmonic loading in steady-state. The confining pressure presents significant variations along the reinforcement strip during the dynamic loading while tensile forces are less affected by the load. Nevertheless, the global interface stability remains acceptable compared to a static load. A second numerical model is proposed, which represents a bigger embankment. The multiphase model is used to represent the reinforced soil and moving coordinates are used to take into account the moving train. Theoretical developments of this model and its implementation into CESAR-LCPC FEM code are detailed. The results indicate that the train speed does not play a big role in the overall response of the structure, in the case of a stiff reinforcement comparable to the experimental one. If the embankment is weaker, the HST speed may be close to shear waves speed within the soil, which has significant consequences into the structure, particularly on the stability of the soil/reinforcement interface. Globally the experimental results and those coming from both numerical models present the same trends: the dynamic effect coming from the train passing leads to the in-crease of displacements and confining pressure close to the highest strips, while tensile forces are less affected by the load. This leads us to the conclusion that the train speed does not have a significant effect on the stability of MSE walls, at least for embankments having similar parameters than the experimental one. However these results strongly depend on the embankment geometry, the way to model the train and the parameters and constitutive laws chosen for the soil, the soil/reinforcement interface and the facing

Les nouvelles attentes vis-à-vis des nouveaux trains à grande vitesse sont nombreuses: on les voudrait plus rapides, plus confortables, plus stables, tout en étant moins consommateur d'énergie, moins agressif vis-à-vis des voies, moins bruyants… Afin d'optimiser la conception de ces trains du futur, il est alors nécessaire de pouvoir se baser sur une connaissance précise de l'ensemble des conditions de circulations qu'ils sont susceptibles de rencontrer au cours de leur cycle de vie. Afin de relever ces défis, la simulation a un très grand rôle à jouer. Pour que la simulation puisse être utilisée dans des perspectives de conception, de certification et d'optimisation de la maintenance, elle doit alors être tout à fait représentative de l'ensemble des comportements physiques mis en jeu. Le modèle du train, du contact entre les roues et le rail, doivent ainsi être validés avec attention, et les simulations doivent être lancées sur des ensembles d'excitations qui sont réalistes et représentatifs de ces défauts de géométrie. En ce qui concerne la dynamique, la géométrie de la voie, et plus particulièrement les défauts de géométrie, représentent une des principales sources d'excitation du train, qui est un système mécanique fortement non linéaire. A partir de mesures de la géométrie d'un réseau ferroviaire, un paramétrage complet de la géométrie de la voie et de sa variabilité semblent alors nécessaires, afin d'analyser au mieux le lien entre la réponse dynamique du train et les propriétés physiques et statistiques de la géométrie de la voie. Dans ce contexte, une approche pertinente pour modéliser cette géométrie de la voie, est de la considérer comme un champ aléatoire multivarié, dont les propriétés sont a priori inconnues. En raison des interactions spécifiques entre le train et la voie, il s'avère que ce champ aléatoire n'est ni Gaussien ni stationnaire. Ce travail de thèse s'est alors particulièrement concentré sur le développement de méthodes numériques permettant l'identification en inverse, à partir de mesures expérimentales, de champs aléatoires non Gaussiens et non stationnaires. Le comportement du train étant très non linéaire, ainsi que très sensible vis-à-vis de la géométrie de la voie, la caractérisation du champ aléatoire correspondant aux défauts de géométrie doit être extrêmement fine, tant du point de vue fréquentiel que statistique. La dimension des espaces statistiques considérés est alors très importante. De ce fait, une attention toute particulière a été portée dans ces travaux aux méthodes de réduction statistique, ainsi qu'aux méthodes pouvant être généralisées à la très grande dimension. Une fois la variabilité de la géométrie de la voie caractérisée à partir de données expérimentales, elle doit ensuite être propagée au sein du modèle numérique ferroviaire. A cette fin, les propriétés mécaniques d'un modèle numérique de train à grande vitesse ont été identifiées à partir de mesures expérimentales. La réponse dynamique stochastique de ce train, soumis à un très grand nombre de conditions de circulation réalistes et représentatives générées à partir du modèle stochastique de la voie ferrée, a été ainsi évaluée. Enfin, afin d'illustrer les possibilités apportées par un tel couplage entre la variabilité de la géométrie de la voie et la réponse dynamique du train, ce travail de thèse aborde trois applications / High speed trains are currently meant to run faster and to carry heavier loads, while being less energy consuming and still ensuring the safety and comfort certification criteria. In order to optimize the conception of such innovative trains, a precise knowledge of the realm of possibilities of track conditions that the train is likely to be confronted to during its life cycle is necessary. Simulation has therefore a big to play in this context. However, to face these challenges, it has to be very representative of the physical behavior of the system. From a general point of view, a railway simulation can be seen as the dynamic response of a non-linear mechanical system, the train, which is excited by a complex multivariate spatial function, the track geometry. Therefore, the models of the train, of the wheel/rail contact forces have thus to be fully validated and the simulations have to be raised on sets of excitations that are realistic and representative of the track geometry. Based on experimental measurements, a complete parametrization of the track geometry and of its variability would be of great concern to analyze the complex link between the train dynamics and the physical and statistical properties of the track geometry. A good approach to characterize this variability is to model the track geometry as a multivariate random field, for which statistical properties are only known through a set of independent realizations. Due to the specific interactions between the train and the track, this random field is neither stationary nor Gaussian. In order to propagate the track geometry variability to the train response, methods to identify in inverse, from a finite set of experimental data, the statistical properties of non-stationary and non-Gaussian random fields were analyzed in this thesis. The train behavior being very non-linear and very sensitive to the track geometry, the random field has to be described very precisely from frequency and statistical points of view. As a result, the statistical dimension of this random field is very high. Hence, a particular attention is paid in this thesis to statistical reduction methods and to statistical identification methods that can be numerically applied to the high dimensional case. Once the track geometry variability has been characterized from experimental data, it has to be propagated through the model. To this end, a normalized multibody model of a high speed train, whose mechanical parameters have been carefully identified from experimental measurements, has been made run on sets of realistic and representative running conditions. The commercial software Vampire was used to solve these dynamic equations. At last, three applications are proposed to illustrate to what extent such a railway stochastic modeling opens new possibilities in terms of virtual certification, predictive maintenance and optimization of the railway system

Ce travail de thèse traite du développement d'une méthode de télédiagnostique de l'état de santé des suspensions des trains à grande vitesse à partir de mesures de la réponse dynamique du train en circulation par des accéléromètres embarqués. Un train en circulation est un système dynamique dont l'excitation provient des irrégularités de la géométrie de la voie ferrée. Ses éléments de suspension jouent un rôle fondamental de sécurité et de confort. La réponse dynamique du train étant dépendante des caractéristiques mécaniques des éléments de suspension, il est possible d'obtenir en inverse des informations sur l'état de ces éléments à partir de mesures accélérométriques embarquées. Connaître l'état de santé réel des suspensions permettrait d'améliorer la maintenance des trains. D’un point de vue mathématique, la méthode de télédiagnostique proposée consiste à résoudre un problème statistique inverse. Elle s'appuie sur un modèle numérique de dynamique ferroviaire et prend en compte l'incertitude de modèle ainsi que les erreurs de mesures. Les paramètres mécaniques associés aux éléments de suspension sont identifiés par calibration Bayésienne à partir de mesures simultanées des entrées (les irrégularités de la géométrie de la voie) et sorties (la réponse dynamique du train) du système. La calibration Bayésienne classique implique le calcul de la fonction de vraisemblance à partir du modèle stochastique de réponse et des données expérimentales. Le modèle numérique étant numériquement coûteux d'une part, ses entrées et sorties étant fonctionnelles d'autre part, une méthode de calibration Bayésienne originale est proposée. Elle utilise un métamodèle par processus Gaussien de la fonction de vraisemblance. Cette thèse présente comment un métamodèle aléatoire peut être utilisé pour estimer la loi de probabilité des paramètres du modèle. La méthode proposée permet la prise en compte du nouveau type d'incertitude induit par l'utilisation d'un métamodèle. Cette prise en compte est nécessaire pour une estimation correcte de la précision de la calibration. La nouvelle méthode de calibration Bayésienne a été testée sur le cas applicatif ferroviaire, et a produit des résultats concluants. La validation a été faite par expériences numériques. Par ailleurs, l'évolution à long terme des paramètres mécaniques de suspensions a été étudiée à partir de mesures réelles de la réponse dynamique du train / The work presented here deals with the development of a health-state monitoring method for high-speed train suspensions using in-service measurements of the train dynamical response by embedded acceleration sensors. A rolling train is a dynamical system excited by the track-geometry irregularities. The suspension elements play a key role for the ride safety and comfort. The train dynamical response being dependent on the suspensions mechanical characteristics, information about the suspensions state can be inferred from acceleration measurements in the train by embedded sensors. This information about the actual suspensions state would allow for providing a more efficient train maintenance. Mathematically, the proposed monitoring solution consists in solving a statistical inverse problem. It is based on a train-dynamics computational model, and takes into account the model uncertainty and the measurement errors. A Bayesian calibration approach is adopted to identify the probability distribution of the mechanical parameters of the suspension elements from joint measurements of the system input (the track-geometry irregularities) and output (the train dynamical response).Classical Bayesian calibration implies the computation of the likelihood function using the stochastic model of the system output and experimental data. To cope with the fact that each run of the computational model is numerically expensive, and because of the functional nature of the system input and output, a novel Bayesian calibration method using a Gaussian-process surrogate model of the likelihood function is proposed. This thesis presents how such a random surrogate model can be used to estimate the probability distribution of the model parameters. The proposed method allows for taking into account the new type of uncertainty induced by the use of a surrogate model, which is necessary to correctly assess the calibration accuracy. The novel Bayesian calibration method has been tested on the railway application and has achieved conclusive results. Numerical experiments were used for validation. The long-term evolution of the suspension mechanical parameters has been studied using actual measurements of the train dynamical response

Les phénomènes dynamiques observés lors de la circulation des trains provoquent des nuisances, notamment sonores et vibratoires, qui sont amplifiées par la présence de défauts sur la roue et sur le rail. Pour les analyser, il est nécessaire de prédire avec robustesse le comportement dynamique des composants impliqués dans l’interaction véhicule-voie et donc de simuler les efforts de contact générés pour des interfaces non idéalisées.L’objectif de cette thèse est donc de proposer un modèle semi-analytique global compatible avec l’intégration de multiples défauts géométriques sur les surfaces en contact. Afin de simuler l’interaction véhicule-voie dans le domaine temporel et garantir une applicabilité en phase de dimensionnement, une attention particulière est portée sur le compromis entre la précision des résultats et les temps de calcul associés.Le modèle ainsi proposé est composé d’un demi-bogie, dont le comportement vertical est représenté par un ensemble de masses-ressorts-amortisseurs, circulant sur une voie ballastée. Cette dernière est assimilée à une poutre bi-appuyée, supportée périodiquement à l’emplacement des traverses. Ces deux systèmes sont couplés en contact grâce à une procédure Distributed Point Reacting Spring (DPRS) sous forme discrétisée.Une validation du modèle est, d’une part, proposée en considérant des travaux antérieurs dans le cas de géométries parfaites. D’autre part, de multiples combinaisons de défauts, localisés comme le méplat ou répartis comme l’usure ondulatoire, sont introduites dans la simulation. La variabilité spatiale, particulière au cas de l’écaillage, est modélisée par des champs aléatoires. / The appearance of dynamic phenomena during the running of train on track leads to issues such as noise and vibration pollution, which can be further amplified by the presence of defects on the treads. In order to analyze them, it is necessary to predict with reliability the dynamic behavior of the vehicle-track interaction components, in particular the contact forces produced by non perfect treads.The aim of this PhD thesis is to provide a semi-analytical vehicle-track interaction model able to take into account multiple defects on the surfaces in contact. In order to conduct simulations in the time-domain and ensure applicability in the sizing phase, a special attention is given on the compromise between the accuracy of the results and the simulation times.The proposed model is therefore composed of half a bogie running on a ballasted track. This latter is modeled by a pinned-pinned beam with periodic supports located at the sleepers while the vertical behavior of the bogie is given by masses, springs and dampers. These two models are coupled in contact by a discretized Distributed Point Reacting Spring (DPRS) procedure.A validation of the model, based on previous work, is firstly proposed for perfect treads. Then, multiple combinations of defects, either localised as wheelflat or spread as corrugation, are introduced in the simulation. The spatial variability, specific to shelling, is modeled by random fields.