Les réseaux de distribution d’eau consistent en de grandes infrastructures réparties dans l’espace qui assurent la distribution d’eau potable en quantité et en qualité suffisantes. Les modèles mathématiques de ces systèmes sont caractérisés par un grand nombre de variables d’état et de paramètres dont la plupart sont incertains. Les temps de calcul peuvent s’avérer conséquents pour les réseaux de taille importante et la propagation d’incertitude par des méthodes de Monte Carlo. Par conséquent, les deux principaux objectifs de cette thèse sont l’étude des techniques de modélisation à ordre réduit par projection ainsi que la propagation spectrale des incertitudes des paramètres. La thèse donne tout d’abord un aperçu des méthodes mathématiques utilisées. Ensuite, les équations permanentes des réseaux hydrauliques sont présentées et une nouvelle méthode de calcul des sensibilités est dérivée sur la base de la méthode adjointe. Les objectifs spécifiques du développement de modèles d’ordre réduit sont l’application de méthodes basées sur la projection, le développement de stratégies d’échantillonnage adaptatives plus efficaces et l’utilisation de méthodes d’hyper-réduction pour l’évaluation rapide des termes résiduels non linéaires. Pour la propagation des incertitudes, des méthodes spectrales sont introduites dans le modèle hydraulique et un modèle hydraulique intrusif est formulé. Dans le but d’une analyse plus efficace des incertitudes des paramètres, la propagation spectrale est ensuite évaluée sur la base du modèle réduit. Les résultats montrent que les modèles d’ordre réduit basés sur des projections offrent un avantage considérable par rapport à l’effort de calcul. Bien que l’utilisation de l’échantillonnage adaptatif permette une utilisation plus efficace des états système pré-calculés, l’utilisation de méthodes d’hyper-réduction n’a pas permis d’améliorer la charge de calcul. La propagation des incertitudes des paramètres sur la base des méthodes spectrales est comparable aux simulations de Monte Carlo en termes de précision, tout en réduisant considérablement l’effort de calcul. / Water distribution systems are large, spatially distributed infrastructures that ensure the distribution of potable water of sufficient quantity and quality. Mathematical models of these systems are characterized by a large number of state variables and parameter. Two major challenges are given by the time constraints for the solution and the uncertain character of the model parameters. The main objectives of this thesis are thus the investigation of projection based reduced order modelling techniques for the time efficient solution of the hydraulic system as well as the spectral propagation of parameter uncertainties for the improved quantification of uncertainties. The thesis gives an overview of the mathematical methods that are being used. This is followed by the definition and discussion of the hydraulic network model, for which a new method for the derivation of the sensitivities is presented based on the adjoint method. The specific objectives for the development of reduced order models are the application of projection based methods, the development of more efficient adaptive sampling strategies and the use of hyper-reduction methods for the fast evaluation of non-linear residual terms. For the propagation of uncertainties spectral methods are introduced to the hydraulic model and an intrusive hydraulic model is formulated. With the objective of a more efficient analysis of the parameter uncertainties, the spectral propagation is then evaluated on the basis of the reduced model. The results show that projection based reduced order models give a considerable benefit with respect to the computational effort. While the use of adaptive sampling resulted in a more efficient use of pre-calculated system states, the use of hyper-reduction methods could not improve the computational burden and has to be explored further. The propagation of the parameter uncertainties on the basis of the spectral methods is shown to be comparable to Monte Carlo simulations in accuracy, while significantly reducing the computational effort.

Response of flexible structures — such as cable-supported bridges and aircraft wings — is associated with a number of uncertainties in structural and flow parameters. This thesis is aimed at efficient uncertainty quantification in a few such flow and flow-induced structural response problems. First, the uncertainty quantification in the lift force exerted on a submerged body in a potential flow is considered. To this end, a new method — termed here as semi-intrusive stochastic perturbation (SISP) — is proposed. A sensitivity analysis is also performed, where for the global sensitivity analysis (GSA) the Sobol’ indices are used. The polynomial chaos expansion (PCE) is used for estimating these indices. Next, two stability problems —divergence and flutter — in the aeroelasticity are studied in the context of reliability based design optimization (RBDO). Two modifications are proposed to an existing PCE-based metamodel to reduce the computational cost, where the chaos coefficients are estimated using Gauss quadrature to gain computational speed and GSA is used to create nonuniform grid to reduce the cost even further. The proposed method is applied on a rectangular unswept cantilever wing model. Next, reliability computation in limit cycle oscillations (LCOs) is considered. While the metamodel performs poorly in this case due to bimodality in the distribution, a new simulation-based scheme proposed to this end. Accordingly, first a reduced-order model (ROM) is used to identify the critical region in the random parameter space. Then the full-scale expensive model is run only over a this critical region. This is applied to the rectangular unswept cantilever wing with cubic and fifth order stiffness terms in its equation of motion. Next, the wind speed is modeled as a spatio-temporal process, and accordingly new representations of spatio-temporal random processes are proposed based on tensor decompositions of the covariance kernel. These are applied to three problems: a heat equation, a vibration, and a readily available covariance model for wind speed. Finally, to assimilate available field measurement data on wind speed and to predict based on this assimilation, a new framework based on the tensor decompositions is proposed. The framework is successfully applied to a set of measured data on wind speed in Ireland, where the prediction based on simulation is found to be consistent with the observed data.

Afin d'estimer les forces statiques équivalentes du vent, qui produisent les réponses quasi-statiques et dynamiques extrêmes dans les structures soumises au champ de pression instationnaire induit par les effets du vent, une nouvelle méthode probabiliste est proposée. Cette méthode permet de calculer les forces statiques équivalentes du vent pour les structures avec des écoulements aérodynamiques complexes telles que les toitures de stade, pour lesquelles le champ de pression n'est pas gaussien et pour lesquelles la réponse dynamique de la structure ne peut être simplement décrite en utilisant uniquement les premiers modes élastiques (mais nécessitent une bonne représentation des réponses quasi-statiques). Généralement, les mesures en soufflerie du champ de pression instationnaire appliqué à une structure dont la géométrie est complexe ne suffisent pas pour construire une estimation statistiquement convergée des valeurs extrêmes des réponses dynamiques de la structure. Une telle convergence est nécessaire pour l'estimation des forces statiques équivalentes afin de reproduire les réponses dynamiques extrêmes induites par les effets du vent en tenant compte de la non-gaussianité du champ de pression aléatoire instationnaire. Dans ce travail, (1) un générateur de réalisation du champ de pression instationnaire non gaussien est construit en utilisant les réalisations qui sont mesurées dans la soufflerie à couche limite turbulente; ce générateur basé sur une représentation en chaos polynomiaux permet de construire un grand nombre de réalisations indépendantes afin d'obtenir la convergence des statistiques des valeurs extrêmes des réponses dynamiques, (2) un modèle d'ordre réduit avec des termes d'accélération quasi-statique est construit et permet d'accélérer la convergence des réponses dynamiques de la structure en n'utilisant qu'un petit nombre de modes élastiques, (3) une nouvelle méthode probabiliste est proposée pour estimer les forces statiques équivalentes induites par les effets du vent sur des structures complexes décrites par des modèles éléments finis, en préservant le caractère non gaussien et sans introduire le concept d'enveloppes des réponses. L'approche proposée est validée expérimentalement avec une application relativement simple et elle est ensuite appliquée à une structure de toiture de stade pour laquelle des mesures expérimentales de pressions instationnaires ont été effectuées dans la soufflerie à couche limite turbulente / In order to estimate the equivalent static wind loads, which produce the extreme quasi-static and dynamical responses of structures submitted to random unsteady pressure field induced by the wind effects, a new probabilistic method is proposed. This method allows for computing the equivalent static wind loads for structures with complex aerodynamic flows such as stadium roofs, for which the pressure field is non-Gaussian, and for which the dynamical response of the structure cannot simply be described by using only the first elastic modes (but require a good representation of the quasi-static responses). Usually, the wind tunnel measurements of the unsteady pressure field applied to a structure with complex geometry are not sufficient for constructing a statistically converged estimation of the extreme values of the dynamical responses. Such a convergence is necessary for the estimation of the equivalent static loads in order to reproduce the extreme dynamical responses induced by the wind effects taking into account the non-Gaussianity of the random unsteady pressure field. In this work, (1) a generator of realizations of the non-Gaussian unsteady pressure field is constructed by using the realizations that are measured in the boundary layer wind tunnel; this generator based on a polynomial chaos representation allows for generating a large number of independent realizations in order to obtain the convergence of the extreme value statistics of the dynamical responses, (2) a reduced-order model with quasi-static acceleration terms is constructed, which allows for accelerating the convergence of the structural dynamical responses by using only a small number of elastic modes of the structure, (3) a novel probabilistic method is proposed for estimating the equivalent static wind loads induced by the wind effects on complex structures that are described by finite element models, preserving the non-Gaussian property and without introducing the concept of responses envelopes. The proposed approach is experimentally validated with a relatively simple application and is then applied to a stadium roof structure for which experimental measurements of unsteady pressures have been performed in boundary layer wind tunnel

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. / Recent designs in turbomachinery tend to have more flexible inter-stage rims and to be more lightly damped, resulting in configurations where modes might not be confined to only one stage. In general, multi-stage rotors have no particular axial symmetry property and the computationally costly analysis of the whole structure becomes mandatory. However, a multi-stage cyclic symmetry approach can be used for reducing the cost of modeling rotors composed of several stages even when the stages have different numbers of sectors. This approach takes advantage of the inherent cyclic symmetry of each stage and uses a specific assumption that results in decoupled subproblems for each spatial Fourier harmonic. The methodology proposed in this work allows including uncertainties in the analysis of multi-stage rotors using the multi-stage cyclic symmetry approach and the Polynomial Chaos Expansion. Uncertainties in rotors may arise from in-use wear of blades, temperature changes or manufacturing tolerances. As a first approach, only uncertainties arising from uniform in-use wear of the set of blades are included. These may be modeled by considering a global variation of the material properties of the set of blades of a particular stage. The multi-stage cyclic symmetry approach can then be used since the underlying assumption of identical sectors is respected. The positiveness of the random matrices involved is reached by using gamma-distributed random variables which imply the use of Laguerre's polynomials as basis for the polynomial chaos. Numerical examples representative of various types of turbomachinery are introduced in order to assess the robustness of the method of multi-stage cyclic symmetry. Uncertainties results for the free and forced response analyses obtained by the polynomial chaos are validated by comparison with Monte Carlo simulations. The considered uncertainties induce variations on the mode shapes that evolve between different families of modes in areas of high modal density. These variations result in significant changes in the global dynamics of the structure and must be considered in the context of robust designs.

De nos jours, la plupart des analyses CEM d’équipements et systèmes électroniques sont basées sur des approches quasi-déterministes dans lesquelles les paramètres internes et externes des modèles sont supposés parfaitement connus et où les incertitudes les affectant sont prises en compte sur les réponses par le biais de marges de sécurité importantes. Or, l’inconvénient de telles approches est qu’elles sont non seulement trop conservatives, mais en outre totalement inadaptées à certaines situations, notamment lorsque l’objectif de l’étude impose de prendre en compte le caractère aléatoire de ces paramètres via des modélisations stochastiques appropriées de type variables, processus ou champs aléatoires. Cette approche probabiliste a fait l’objet ces dernières années d’un certain nombre de recherches en CEM, tant au plan national qu’au plan international. Le travail présenté dans cette thèse est une contribution à ces recherches et a un double objectif : (1) développer et mettre en œuvre une méthodologie probabiliste et ses outils numériques d’accompagnement pour l’évaluation de la fiabilité et l’analyse sensibilité des équipements et systèmes électroniques en se limitant à des modélisations stochastiques par variables aléatoires ; (2) étendre cette étude au cas des modélisations stochastiques par processus et champs aléatoires dans le cadre d’une analyse prospective basée sur la résolution de l’équation aux dérivées partielles des télégraphistes à coefficients aléatoires.L’approche probabiliste mentionnée au point (1) consiste à évaluer la probabilité de défaillance d’un équipement ou d’un système électronique vis-à-vis d’un critère de défaillance donné et à déterminer l’importance relative de chacun des paramètres aléatoires en présence. Les différentes méthodes retenues à cette fin sont des adaptations à la CEM de méthodes développées dans le domaine de la mécanique aléatoire pour les études de propagation d’incertitudes. Pour le calcul des probabilités de défaillance, deux grandes catégories de méthodes sont proposées : celles basées sur une approximation de la fonction d’état-limite relative au critère de défaillance et les méthodes de Monte-Carlo basées sur la simulation numérique des variables aléatoires du modèle et l’estimation statistique des probabilités cibles. Pour l’analyse de sensibilité, une approche locale et une approche globale sont retenues. Ces différentes méthodes sont d’abord testées sur des applications académiques afin de mettre en lumière leur intérêt dans le domaine de la CEM. Elles sont ensuite appliquées à des problèmes de lignes de transmission et d’antennes plus représentatifs de la réalité.Dans l’analyse prospective, des méthodes de résolution avancées sont proposées, basées sur des techniques spectrales requérant les développements en chaos polynomiaux et de Karhunen-Loève des processus et champs aléatoires présents dans les modèles. Ces méthodes ont fait l’objet de tests numériques encourageant, mais qui ne sont pas présentés dans le rapport de thèse, faute de temps pour leur analyse complète. / Nowadays, most EMC analyzes of electronic or electrical devices are based on deterministic approaches for which the internal and external models’ parameters are supposed to be known and the uncertainties on models’ parameters are taken into account on the outputs by defining very large security margins. But, the disadvantage of such approaches is their conservative character and their limitation when dealing with the parameters’ uncertainties using appropriate stochastic modeling (via random variables, processes or fields) is required in agreement with the goal of the study. In the recent years, this probabilistic approach has been the subject of several researches in the EMC community. The work presented here is a contribution to these researches and has a dual purpose : (1) develop a probabilistic methodology and implement the associated numerical tools for the reliability and sensitivity analyzes of the electronic devices and systems, assuming stochastic modeling via random variables; (2) extend this study to stochastic modeling using random processes and random fields through a prospective analysis based on the resolution of the telegrapher equations (partial derivative equations) with random coefficients. The first mentioned probabilistic approach consists in computing the failure probability of an electronic device or system according to a given criteria and in determining the relative importance of each considered random parameter. The methods chosen for this purpose are adaptations to the EMC framework of methods developed in the structural mechanics community for uncertainty propagation studies. The failure probabilities computation is performed using two type of methods: the ones based on an approximation of the limit state function associated to the failure criteria, and the Monte Carlo methods based on the simulation of the model’s random variables and the statistical estimation of the target failure probabilities. In the case of the sensitivity analysis, a local approach and a global approach are retained. All these methods are firstly applied to academic EMC problems in order to illustrate their interest in the EMC field. Next, they are applied to transmission lines problems and antennas problems closer to reality. In the prospective analysis, more advanced resolution methods are proposed. They are based on spectral approaches requiring the polynomial chaos expansions and the Karhunen-Loève expansions of random processes and random fields considered in the models. Although the first numerical tests of these methods have been hopeful, they are not presented here because of lack of time for a complete analysis.

Diploma thesis is focused on advanced reliability analysis of structures solved by non--linear finite element analysis. Specifically, semi--probabilistic methods for determination of design value of resistance, sensitivity analysis and surrogate model created by polynomial chaos expansion are described in the diploma thesis. Described methods are applied on prestressed reinforced concrete roof girder.

No description available.

This research effort develops a comprehensive computational framework to support the parametric optimal design of uncertain dynamical systems. Uncertainty comes from various sources, such as: system parameters, initial conditions, sensor and actuator noise, and external forcing. Treatment of uncertainty in design is of paramount practical importance because all real-life systems are affected by it; not accounting for uncertainty may result in poor robustness, sub-optimal performance and higher manufacturing costs. Contemporary methods for the quantification of uncertainty in dynamical systems are computationally intensive which, so far, have made a robust design optimization methodology prohibitive. Some existing algorithms address uncertainty in sensors and actuators during an optimal design; however, a comprehensive design framework that can treat all kinds of uncertainty with diverse distribution characteristics in a unified way is currently unavailable. The computational framework uses Generalized Polynomial Chaos methodology to quantify the effects of various sources of uncertainty found in dynamical systems; a Least-Squares Collocation Method is used to solve the corresponding uncertain differential equations. This technique is significantly faster computationally than traditional sampling methods and makes the construction of a parametric optimal design framework for uncertain systems feasible. The novel framework allows to directly treat uncertainty in the parametric optimal design process. Specifically, the following design problems are addressed: motion planning of fully-actuated and under-actuated systems; multi-objective robust design optimization; and optimal uncertainty apportionment concurrently with robust design optimization. The framework advances the state-of-the-art and enables engineers to produce more robust and optimally performing designs at an optimal manufacturing cost. / Ph. D.

[EN] This thesis concerns the analysis of differential equations with uncertain input parameters, in the form of random variables or stochastic processes with any type of probability distributions. In modeling, the input coefficients are set from experimental data, which often involve uncertainties from measurement errors. Moreover, the behavior of the physical phenomenon under study does not follow strict deterministic laws. It is thus more realistic to consider mathematical models with randomness in their formulation. The solution, considered in the sample-path or the mean square sense, is a smooth stochastic process, whose uncertainty has to be quantified. Uncertainty quantification is usually performed by computing the main statistics (expectation and variance) and, if possible, the probability density function. In this dissertation, we study random linear models, based on ordinary differential equations with and without delay and on partial differential equations. The linear structure of the models makes it possible to seek for certain probabilistic solutions and even approximate their probability density functions, which is a difficult goal in general. A very important part of the dissertation is devoted to random second-order linear differential equations, where the coefficients of the equation are stochastic processes and the initial conditions are random variables. The study of this class of differential equations in the random setting is mainly motivated because of their important role in Mathematical Physics. We start by solving the randomized Legendre differential equation in the mean square sense, which allows the approximation of the expectation and the variance of the stochastic solution. The methodology is extended to general random second-order linear differential equations with analytic (expressible as random power series) coefficients, by means of the so-called Fröbenius method. A comparative case study is performed with spectral methods based on polynomial chaos expansions. On the other hand, the Fröbenius method together with Monte Carlo simulation are used to approximate the probability density function of the solution. Several variance reduction methods based on quadrature rules and multilevel strategies are proposed to speed up the Monte Carlo procedure. The last part on random second-order linear differential equations is devoted to a random diffusion-reaction Poisson-type problem, where the probability density function is approximated using a finite difference numerical scheme. The thesis also studies random ordinary differential equations with discrete constant delay. We study the linear autonomous case, when the coefficient of the non-delay component and the parameter of the delay term are both random variables while the initial condition is a stochastic process. It is proved that the deterministic solution constructed with the method of steps that involves the delayed exponential function is a probabilistic solution in the Lebesgue sense. Finally, the last chapter is devoted to the linear advection partial differential equation, subject to stochastic velocity field and initial condition. We solve the equation in the mean square sense and provide new expressions for the probability density function of the solution, even in the non-Gaussian velocity case. / [ES] Esta tesis trata el análisis de ecuaciones diferenciales con parámetros de entrada aleatorios, en la forma de variables aleatorias o procesos estocásticos con cualquier tipo de distribución de probabilidad. En modelización, los coeficientes de entrada se fijan a partir de datos experimentales, los cuales suelen acarrear incertidumbre por los errores de medición. Además, el comportamiento del fenómeno físico bajo estudio no sigue patrones estrictamente deterministas. Es por tanto más realista trabajar con modelos matemáticos con aleatoriedad en su formulación. La solución, considerada en el sentido de caminos aleatorios o en el sentido de media cuadrática, es un proceso estocástico suave, cuya incertidumbre se tiene que cuantificar. La cuantificación de la incertidumbre es a menudo llevada a cabo calculando los principales estadísticos (esperanza y varianza) y, si es posible, la función de densidad de probabilidad. En este trabajo, estudiamos modelos aleatorios lineales, basados en ecuaciones diferenciales ordinarias con y sin retardo, y en ecuaciones en derivadas parciales. La estructura lineal de los modelos nos permite buscar ciertas soluciones probabilísticas e incluso aproximar su función de densidad de probabilidad, lo cual es un objetivo complicado en general. Una parte muy importante de la disertación se dedica a las ecuaciones diferenciales lineales de segundo orden aleatorias, donde los coeficientes de la ecuación son procesos estocásticos y las condiciones iniciales son variables aleatorias. El estudio de esta clase de ecuaciones diferenciales en el contexto aleatorio está motivado principalmente por su importante papel en la Física Matemática. Empezamos resolviendo la ecuación diferencial de Legendre aleatorizada en el sentido de media cuadrática, lo que permite la aproximación de la esperanza y la varianza de la solución estocástica. La metodología se extiende al caso general de ecuaciones diferenciales lineales de segundo orden aleatorias con coeficientes analíticos (expresables como series de potencias), mediante el conocido método de Fröbenius. Se lleva a cabo un estudio comparativo con métodos espectrales basados en expansiones de caos polinomial. Por otro lado, el método de Fröbenius junto con la simulación de Monte Carlo se utilizan para aproximar la función de densidad de probabilidad de la solución. Para acelerar el procedimiento de Monte Carlo, se proponen varios métodos de reducción de la varianza basados en reglas de cuadratura y estrategias multinivel. La última parte sobre ecuaciones diferenciales lineales de segundo orden aleatorias estudia un problema aleatorio de tipo Poisson de difusión-reacción, en el que la función de densidad de probabilidad es aproximada mediante un esquema numérico de diferencias finitas. En la tesis también se tratan ecuaciones diferenciales ordinarias aleatorias con retardo discreto y constante. Estudiamos el caso lineal y autónomo, cuando el coeficiente de la componente no retardada i el parámetro del término retardado son ambos variables aleatorias mientras que la condición inicial es un proceso estocástico. Se demuestra que la solución determinista construida con el método de los pasos y que involucra la función exponencial retardada es una solución probabilística en el sentido de Lebesgue. Finalmente, el último capítulo lo dedicamos a la ecuación en derivadas parciales lineal de advección, sujeta a velocidad y condición inicial estocásticas. Resolvemos la ecuación en el sentido de media cuadrática y damos nuevas expresiones para la función de densidad de probabilidad de la solución, incluso en el caso de velocidad no Gaussiana. / [CA] Aquesta tesi tracta l'anàlisi d'equacions diferencials amb paràmetres d'entrada aleatoris, en la forma de variables aleatòries o processos estocàstics amb qualsevol mena de distribució de probabilitat. En modelització, els coeficients d'entrada són fixats a partir de dades experimentals, les quals solen comportar incertesa pels errors de mesurament. A més a més, el comportament del fenomen físic sota estudi no segueix patrons estrictament deterministes. És per tant més realista treballar amb models matemàtics amb aleatorietat en la seua formulació. La solució, considerada en el sentit de camins aleatoris o en el sentit de mitjana quadràtica, és un procés estocàstic suau, la incertesa del qual s'ha de quantificar. La quantificació de la incertesa és sovint duta a terme calculant els principals estadístics (esperança i variància) i, si es pot, la funció de densitat de probabilitat. En aquest treball, estudiem models aleatoris lineals, basats en equacions diferencials ordinàries amb retard i sense, i en equacions en derivades parcials. L'estructura lineal dels models ens fa possible cercar certes solucions probabilístiques i inclús aproximar la seua funció de densitat de probabilitat, el qual és un objectiu complicat en general. Una part molt important de la dissertació es dedica a les equacions diferencials lineals de segon ordre aleatòries, on els coeficients de l'equació són processos estocàstics i les condicions inicials són variables aleatòries. L'estudi d'aquesta classe d'equacions diferencials en el context aleatori està motivat principalment pel seu important paper en Física Matemàtica. Comencem resolent l'equació diferencial de Legendre aleatoritzada en el sentit de mitjana quadràtica, el que permet l'aproximació de l'esperança i la variància de la solució estocàstica. La metodologia s'estén al cas general d'equacions diferencials lineals de segon ordre aleatòries amb coeficients analítics (expressables com a sèries de potències), per mitjà del conegut mètode de Fröbenius. Es duu a terme un estudi comparatiu amb mètodes espectrals basats en expansions de caos polinomial. Per altra banda, el mètode de Fröbenius juntament amb la simulació de Monte Carlo són emprats per a aproximar la funció de densitat de probabilitat de la solució. Per a accelerar el procediment de Monte Carlo, es proposen diversos mètodes de reducció de la variància basats en regles de quadratura i estratègies multinivell. L'última part sobre equacions diferencials lineals de segon ordre aleatòries estudia un problema aleatori de tipus Poisson de difusió-reacció, en què la funció de densitat de probabilitat és aproximada mitjançant un esquema numèric de diferències finites. En la tesi també es tracten equacions diferencials ordinàries aleatòries amb retard discret i constant. Estudiem el cas lineal i autònom, quan el coeficient del component no retardat i el paràmetre del terme retardat són ambdós variables aleatòries mentre que la condició inicial és un procés estocàstic. Es prova que la solució determinista construïda amb el mètode dels passos i que involucra la funció exponencial retardada és una solució probabilística en el sentit de Lebesgue. Finalment, el darrer capítol el dediquem a l'equació en derivades parcials lineal d'advecció, subjecta a velocitat i condició inicial estocàstiques. Resolem l'equació en el sentit de mitjana quadràtica i donem noves expressions per a la funció de densitat de probabilitat de la solució, inclús en el cas de velocitat no Gaussiana. / This work has been supported by the Spanish Ministerio de Economía y Competitividad grant MTM2017–89664–P. I acknowledge the doctorate scholarship granted by Programa de Ayudas de Investigación y Desarrollo (PAID), Universitat Politècnica de València. / Jornet Sanz, M. (2020). Mean square solutions of random linear models and computation of their probability density function [Tesis doctoral]. Universitat Politècnica de València. https://doi.org/10.4995/Thesis/10251/138394

L’analyse dynamique des structures de grandes dimensions incluant de nombreux paramètres incertains et des non-linéarités localisées ou réparties peut être numériquement prohibitive. Afin de surmonter ce problème, des modèles d’approximation peuvent être développés pour reproduire avec précision et à faible coût de calcul la réponse de la structure.L’objectif de la première partie de ce mémoire est de développer des modèles numériques robustes vis-à-vis des modifications structurales (non-linéarités localisées, perturbations ou incertitudes paramétriques) et « légers » au sens de la réduction de la taille. Ces modèles sont construits, selon les approches de condensation directe et par synthèse modale, en enrichissant des bases de réduction tronquées, modale et de Craig-Bampton respectivement, avec des résidus statiques prenant compte des modifications structurales. Pour propager les incertitudes, l’accent est mis particulièrement sur la méthode du chaos polynomial généralisé. Sa combinaison avec les modèles réduits ainsi obtenus permet de créer des métamodèles mono et bi-niveaux, respectivement. Les deux métamodèles proposés sont comparés à d’autres métamodèles basés sur les méthodes du chaos polynomial généralisé et du Latin Hypercube appliquées sur des modèles complets et réduits. Les métamodèles proposés permettent d’approximer les comportements structuraux avec un coût de calcul raisonnable et sans perte significative de précision.La deuxième partie de ce mémoire est consacrée à l’analyse dynamique des structures périodiques non-linéaires en présence des imperfections : perturbations des paramètres structuraux ou incertitudes paramétriques. Deux études : déterministe ou stochastique, respectivement, sont donc menées. Pour ces deux configurations, un modèle analytique discret générique est proposé. Il consiste à appliquer la méthode des échelles multiples et la méthode de perturbation pour résoudre l’équation de mouvement et de projecter la solution obtenue sur des modes d’ondes stationnaires. Le modèle proposé conduit à un ensemble d’équations algébriques complexes couplées, fonctions du nombre et des positions des imperfections dans la structure. La propagation des incertitudes à travers le modèle ainsi construit est finalement assurée par les méthodes du Latin Hypercube et du chaos polynomial généralisé. La robustesse de la dynamique collective vis-à-vis des imperfections est étudiée à travers l’analyse statistique de la dispersion des réponses fréquentielles et des bassins d’attraction dans le domaine de multistabilité. L’étude numérique montre que la présence des imperfections dans une structure périodique renforce sa non-linéarité, élargit son domaine de multistabilité et génère une multiplicité de branches multimodale. / Dynamic analysis of large scale structures including several uncertain parameters and localized or distributed nonlinearities may be computationally unaffordable. In order to overcome this issue, approximation models can be developed to reproduce accurately the structural response at a low computational cost.The purpose of the first part of this thesis is to develop numerical models which must be robust against structural modifications (localized nonlinearities, parametric uncertainties or perturbations) and reduce the size of the initial problem. These models are created, according to the direct condensation and the component mode synthesis, by enriching truncated reduction modal bases and Craig-Bampton transformations, respectively, with static residual vectors accounting for the structural modifications. To propagate uncertainties through these first-level and second-level reduced order models, respectively, we focus particularly on the generalized polynomial chaos method. This methods combination allows creating first-level and second-level metamodels, respectively. The two proposed metamodels are compared to other metamodels based on the polynomial chaos method and Latin Hypercube method applied on reduced and full models. The proposed metamodels allow approximating the structural behavior at a low computational cost without a significant loss of accuracy.The second part of this thesis is devoted to the dynamic analysis of nonlinear periodic structures in presence of imperfections: parametric perturbations or uncertainties. Deterministic or stochastic analyses, respectively, are therefore carried out. For both configurations, a generic discrete analytical model is proposed. It consists in applying the multiple scales method and the perturbation theory to solve the equation of motion and then on projecting the resulting solution on standing wave modes. The proposed model leads to a set of coupled complex algebraic equations, depending on the number and positions of imperfections in the structure. Uncertainty propagation through the proposed model is finally done using the Latin Hypercube method and the generalized polynomial chaos expansion. The robustness the collective dynamics against imperfections is studied through statistical analysis of the frequency responses and the basins of attraction dispersions in the multistability domain. Numerical results show that the presence of imperfections in a periodic structure strengthens its nonlinearity, expands its multistability domain and generates a multiplicity of multimodal branches.