Pour limiter la pollution sonore et répondre aux exigences des clients, le secteur automobile est contraint pour la prochaine décennie à diminuer drastiquement les émissions sonores de ses véhicules. Le Groupe Moto Propulseur (GMP) constitue l’une des principales sources de bruit et les solutions palliatives couteuses ne permettront plus à terme le passage des normes acoustiques. L’optimisation du comportement vibro-acoustique de telles structures par un travail détaillé de la conception reste le meilleur levier. Dans ce contexte, les ingénieurs sont à la recherche de méthodes expérimentales d’identification et de caractérisation de sources acoustiques particulièrement efficaces et pertinentes. En ce sens, la principale attente est la reconstruction précise des champs acoustiques sur des structures à géométrie complexe en présence d’un environnement industriel contraignant et non contrôlé. Dans la continuité de la méthode u-iPTF (inverse Patch Transfer Functions) précédemment développée, la première partie de ce travail de doctorat s’est attachée à uniformiser le principe du volume acoustique virtuel sur lequel elle repose afin de proposer la formulation d’une méthode alternative, dénommée m-iPTF, dont le principe théorique permet de répondre intégralement au cahier des charges du partenaire industriel. En effet, contrairement à la méthode u-iPTF, la méthode m-iPTF s’affranchit de la mesure des vitesses de particules d’air, encore peu robuste et coûteuse, et utilise uniquement des pressions acoustiques. Une première étude numérique a cadré le domaine de validité et de mise en application de la méthode. Elle a été suivie par trois campagnes expérimentales de complexité croissante dont une application en conditions industrielles standards, celle d’un GMP complet fonctionnant sur banc moteur. L’ensemble de ces études a permis de démontrer l’adéquation de la méthode à un milieu industriel et d’illustrer toutes les potentialités offertes par la reconstruction 3D de champs pariétaux pour l’optimisation de structures complexes (discrimination et hiérarchisation de sources, corrélation et couplage à la simulation numérique...). / To limit the sound pollution and to meet customer requirements, the automotive sector is constrained for the next decade to drastically reduce the noise emissions of its vehicles. The powertrain is one of the main sources of noise and expensive workaround will not be sufficient in the future to meet acoustic standards. The optimization of the vibro-acoustic behavior of such structures by a detailed design work remains the best way. In this context, engineers are looking for an efficient and relevant experimental noise source identification and characterization method. In this sense, the main expectation is the precise reconstruction of all the acoustic source fields on geometrically complex structures and in the presence of a restrictive and uncontrolled industrial environment. In the continuity of the u-iPTF method (inverse Patch Transfer Functions) previously developed, the first part of this PhD work was to standardize the principle of the virtual acoustic volume on which it relies and to propose the development of an alternative method, called m-iPTF, whose theoretical principle allows reaching all the specifications of the industrial partner. Indeed, contrary to the u-IPTF method, the m-iPTF method overcomes the measurement of air particles velocity, expensive and not yet robust, and uses acoustic pressure only. A first numerical study framed the scope of validity and application of the method. It was followed by three experimental campaigns of increasing complexity with a final application in industrial standard conditions, i.e. a powertrain running on a test bench. All these studies have demonstrated the suitability of the method in an industrial environment and illustrated the potential of the 3D reconstruction of parietal fields for the optimization of complex structures (discrimination and ranking of noise sources, correlation and coupling with numerical simulations...).
| Identifer | oai:union.ndltd.org:theses.fr/2016LYSEI122 |
| Date | 26 September 2016 |
| Creators | Forget, Sandra |
| Contributors | Lyon, Guyader, Jean-Louis, Totaro, Nicolas |
| Source Sets | Dépôt national des thèses électroniques françaises |
| Language | French |
| Detected Language | French |
| Type | Electronic Thesis or Dissertation, Text |
Page generated in 0.0024 seconds