La localisation de dégâts basée sur les mesures de vibrations est devenue un axe de recherche important pour la surveillance de la santé structurale (SHM). En particulier, la Stochastic Dynamic Damage Locating Vector (SDDLV) est une méthode de localisation des dégâts basée sur le couplage entre un modèle aux éléments finis (FE) de la structure et des paramètres modaux estimés à partir des mesures dynamiques en excitation ambiante dans les états structuraux sain et endommagé, interrogeant les changements dans la matrice de transfert. Dans la première contribution, la méthode SDDLV est étendue avec une approche statistique conjointe utilisant plusieurs ensembles de modes, surmontant la limitation théorique sur le nombre minimal de paramètres. Un autre problème traité est la performance de la méthode en fonction du choix de la variable de Laplace où la fonction de transfert est évaluée. Une attention particulière est accordée à ce choix et à son optimisation. Dans la deuxième contribution, l'approche Influence Line Damage Location (ILDL), complémentaire à l’approche SDDLV est étendue avec un cadre statistique. Dans la dernière contribution, une approche de sensibilité pour les petits dommages est développée en fonction de la différence des matrices de transfert, permettant la localisation des dommages par des tests statistiques dans un cadre gaussien, et en plus la quantification des dommages dans une deuxième étape. Enfin, les méthodes proposées sont validées sur des simulations numériques et leurs performances sont testées dans de nombreuses études de cas sur des expériences de laboratoire. / Vibration-based damage localization has become an important issue for Structural Health Monitoring (SHM). Particularly, the Stochastic Dynamic Damage Locating Vector (SDDLV) method is an output-only damage localization method based on both a Finite Element (FE) model of the structure and modal parameters estimated from output-only measurements in the reference and damaged states of the system, interrogating changes in the transfer matrix. Firstly, the SDDLV method has been extended with a joint statistical approach for multiple mode sets, overcoming the theoretical limitation on the number of modes in previous works. Another problem is that the performance of the method can change considerably depending on the Laplace variable where the transfer function is evaluated. Particular attention is given to this choice and how to optimize it. Secondly, the Influence Line Damage Location (ILDL) approach which is complementary to the SDDLV approach has been extended with a statistical framework. Thirdly, a sensitivity approach for small damages has been developed based on the transfer matrix difference, allowing damage localization through statistical tests in a Gaussian framework, and in addition the quantification of the damage in a second step. Finally, the proposed methods are validated on numerical simulations and their performances are tested extensively in numerous case studies on lab experiments.

The electrical motors parameters identification is solved in this master’s thesis using subspace based methods. Electrical motors are simulated in Matlab/Simulink interactive environment, specifically permanent magnet DC motor and permanent magnet synchronous motor. Identification is developed in Matlab interactive environment. Different types of subspace algorithms are used for the estimation of parameters. Results of subspace parameters estimation are compared with least squares parameters estimation. The thesis describes subspace method, types of subspace algorithms, used electrical motors, nonlinear approach of identification and comparation of parameters identification.