Essais & Simulations n°127

More documents

Recommendations

Info

essais et modélisation La détection de rupture de modèle liée l’apparition d’une perturbation peut donc être faite de façon simple en comparant, à chaque pas d’échantillonnage, la mesure yk+1 avec son estimée ŷk+1 . Cette dernière est obtenue simplement en utilisant un filtre de Kalman dont la covariance d’erreur de mesure R et la matrice de covariance d’erreur de modélisation Q est l’identité : R = 1 et Q = [10 01]. Dans ces conditions, le filtre de Kalman s’écrit : Figure 1: Exemples de distorsions importantes du signal fois cet écart type. En conséquence de cela, cette mesure erronée devient prépondérante dans le voisinage considéré et l’estimation des paramètres s’en trouve fortement affectée. Compte tenu de ces éléments, l’identification doit donc être précédée d’un filtrage qui conserve strictement les mesures non perturbées mais qui substitue des données cohérentes aux zones dégradées. Pour cela, le modèle étant linéaire, une reconstruction du premier harmonique sans déphasage semblait la meilleure solution pour traiter des problèmes très localisés. Algorithme de fILTrage Lorsque les perturbations n’apparaissent qu’exceptionnellement comme dans le cas qui nous intéresse, des considérations simples en traitement du signal montrent qu’il faut éviter de filtrer le signal inutilement et que seules les zones dégradées doivent être traitées. Pour détecter ces zones à l’instant exact où survient la perturbation, nous procédons à une détection de rupture de modèle : la fréquence fondamentale du signal étant quasiment constante dans chaque voisinage, c’est-à-dire, sur un intervalle d’échantillons correspondant à une période, nous pouvons considérer le modèle localement stationnaire et correctement modélisé par oscillateur simple. Autrement dit, dans une représentation dans l’espace des états, le signal y k peut s’écrire : ω k désignant la pulsation en cours, T s la période d’échantillonnage et k l’instant échantillonné. La détection d’une perturbation se manifeste lorsque le critère ⎪ŷ k+1 − y k+1 ⎪> C est satisfait, C étant une fonction de la variance de l’erreur liée au bruit et aux mesures du signal étudié. Lorsqu’une perturbation est détectée, c’est la période entière contenant le défaut qui est remplacée par une sinusoïde de même phase. On suppose alors que, sur une période entière de signal, les mesures perturbées résultent de l’addition d’un offset au signal vrai à évaluer, bruité avec un bruit blanc v(t) : y(t) = A sin(ω.t + ) + offset + v(t) Un tel exercice se résout facilement en considérant la décomposition de la réponse : y(t) = A [sin(ω. T s ) cos() + cos (ω. T s ) sin ()] + offset + v(t) L’estimée ^θ du vecteur [Acos() A sin () offset] T , par la technique des moindres carrés, permet de reconstruire simplement la période de signal la plus vraisemblable : ŷ(t) = ^θ(1) cos(ω t)+ ^θ(2) sin(ω t) RéSULTATS Ce filtre a été appliqué aux mesures d’un essai en vibration bas niveau d’un satellite. Si à titre d’exemple nous appliquons ce type de filtre au signal localement dégradé présenté sur le graphique en page suivante, nous constatons que le critère de détection de rupture de modèle décèle la perturbation au moment même où 18 IESSAIS & SIMULATIONS • N° 127 • Janvier-Février 2017
essais et modélisation Signal à traiter (en bleu) et signal filtré (en rouge) elle apparaît. Le signal localement reconstruit présente les caractéristiques de moyenne nulle recherchée. dIScUSSION Il paraît légitime de s’interroger sur la pertinence de substituer une période complète filtrée au signal réel, indépendamment de la qualité des autres mesures de l’horizon traité car ce qui apparaît comme du bruit contient aussi des harmoniques et des informations relatives aux modes situés à d’autres fréquences que celle unique relative à l’excitation. En réalité, ce filtre présente deux avantages. D’une part, il ne change pas la totalité du signal mais seulement les zones ponctuellement endommagées. D’autre part, à ce que lesdites substitutions sont telles qu’elles correspondent à la fois aux estimées les plus vraisemblables pour le premier harmonique (si l’on tient compte du rapport signal à bruit) et qu’elles évitent au critère d’erreur quadratique inhérent à l’identification des modèles d’être trop influencé par les plus fortes dégradations du signal, en particulier lorsqu’il s’agit d’un offset largement plus important que l’amplitude de la fréquence fondamentale. Enfin, la suppression d’un profil « de décharge » tel que celui (en bleu), du graphique ci-contre évite l’estimation d’un mode qui n’appartient qu’au phénomène parasite et absolument pas au modèle mécanique recherché.. ● Bettacchioli A. 1 , Monsallier F. 2 1 Spécialiste Thales Alenia Space Simulation et Contrôle <strong>Essais</strong> F-06156 Cannes-la-Bocca Cedex, France 2 Elève ingénieur ENSEIRB-MATMECA – Bordeaux INP F-33400 Talence, France Congrès Simulation La simulation numérique au cœur de l’innovation automobile 15 & 16 mars 2017 // esTaCa // Campus paris-saClay Aveclaparticipationde: Karim Mikkiche, Directeur DEA-T testing &CAE | Renault Laurent Declerck, Directeur architecture physique et fonctionnelle | Groupe PSA 40 conférences techniques de Renault, Groupe PSA, Faurecia, Valeo, Continental, AVL, SiemensPLM, ESI… et un espace d’exposition et de discussions entre experts. www.sia.fr // contact : marie-claude.buraux@sia.fr
Page 1 and 2: dOSSIEr 42 46 spécial jec World pr
Page 3: éditorial Faire des essais et de l
Page 7 and 8: nos dossiers en 1 Clin d’Œil sPa
Page 9 and 10: Réalisez vos rêves avec l’ingé
Page 11 and 12: LE SALON DES TECHNOLOGIES POUR LES
Page 14 and 15: essais et modélisation panorama qu
Page 16 and 17: essais et modélisation Sopemea et
Page 18 and 19: essais et modélisation développem
Page 22 and 23: essais et modélisation tendances L
Page 24 and 25: essais et modélisation événement
Page 26 and 27: essais et modélisation L’entrepr
Page 28 and 29: essais et modélisation méthode Le
Page 30 and 31: essais et modélisation application
Page 32 and 33: sur la modélisation et la simulati
Page 34 and 35: mesures entretien vers plus de capt
Page 36 and 37: mesures • La prédiction, selon l
Page 38 and 39: mesures innovation capteur de mesur
Page 40 and 41: mesures case Study Simulated and Ex
Page 42 and 43: mesures Transparent 3D view of our
Page 44 and 45: mesures événement Microwave rf, l
Page 46 and 47: mesures présente une grande sensib
Page 48 and 49: dossier événement Le grand rendez
Page 50 and 51: dossier entretien Transférer le sa
Page 52 and 53: dossier laboratoires Une grande ava
Page 54 and 55: dossier L’acquisition d’images
Page 56 and 57: dossier Pour Ben Ainslie, responsab
Page 58 and 59: dossier « Nous rationalisons en pe
Page 60 and 61: dossier entretien plateforme qSp :
Page 62 and 63: vie de l’aste compte rendu Bonne
Page 64 and 65: Formation formations PROGRAMME DES
Page 66 and 67: index Au sommaire du prochain numé
Page 68: LA MULTIPHYSIQUE POUR TOUS L’évo

Essais & Simulations n°127

Create successful ePaper yourself

Delete template?

Save as template?