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.
| Identifer | oai:union.ndltd.org:CCSD/oai:pastel.archives-ouvertes.fr:pastel-00685277 |
| Date | 15 March 2012 |
| Creators | Mac, Duy Hung |
| Source Sets | CCSD theses-EN-ligne, France |
| Language | French |
| Detected Language | French |
| Type | PhD thesis |
Page generated in 0.0016 seconds