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.
Identifer | oai:union.ndltd.org:theses.fr/2018SACLC016 |
Date | 16 March 2018 |
Creators | Panunzio, Alfonso |
Contributors | Paris Saclay, Puel, Guillaume, Cottereau, Régis |
Source Sets | Dépôt national des thèses électroniques françaises |
Language | French, English |
Detected Language | French |
Type | Electronic Thesis or Dissertation, Text |
Page generated in 0.0019 seconds