Identification des paramètres d’un modèle TGV

Parameter identification for a TGV model

• Auteur / Autrice : Sönke Kraft
• Direction : Denis Aubry
• Type : Thèse de doctorat
• Discipline(s) : Mécanique
• Date : Soutenance le 30/03/2012
• Etablissement(s) : Châtenay-Malabry, Ecole centrale de Paris
• Ecole(s) doctorale(s) : École doctorale Sciences pour l'Ingénieur (Châtenay-Malabry, Hauts de Seine)
• Partenaire(s) de recherche : Laboratoire : Laboratoire de mécanique des sols, structures et matériaux (Gif-sur-Yvette, Essonne ; 1998-2021)
• Jury : Président / Présidente : Louis Jézéquel
• Jury : Examinateurs / Examinatrices : Denis Aubry, Simon Iwnicky, Guy Bonnet, Guillaume Puel, Christine Punfschilling
• Jury : Rapporteurs / Rapporteuses : Simon Iwnicky, Guy Bonnet

Mots clés

Mots clés contrôlés

Ressorts et suspension

Trains à grande vitesse

Mots clés libres

Identification

Simulation multi-corps

Dynamique ferroviaire

Identification

Multi-body simulation

Railway dynamics

Résumé

Ce travail étudie l’applicabilité des méthodes d’identification aux paramètres de la suspension d’un modèle multi-corps du TGV. L’objectif est de caler le modèle par rapport au système réel par une estimation des paramètres de la suspension en utilisant la réponse du véhicule mesuré. A cause du comportement nonlinéaire du système la méthode temporelle de recalage a été choisie. Elle nécessite la définition et minimisation d’une fonction coût qui décrit la distance entre le modèle et la mesure. La convergence la plus rapide est obtenue avec des méthodes gradient qui demandent le calcul des dérivés de la fonction coût par rapport á chaque paramètre de la suspension. Comme le calcul par des différences finis est coûteux et moins précis la méthode adjoint a été implémentée. L’application à un modèle simplifié d’un bogie avec une description mathématique connue permet d’identifier les paramètres de la suspension. La présence des minima locaux dans la fonction coût du modèle TGV nécessite l’utilisation des méthodes globales. Le recuit simulé et l’algorithme génétique donnent des réductions importantes de la fonction coût et des estimations pour les paramètres du modèle TGV. Dans des travaux ultérieurs, ces informations pourraient être utilisées pour d’autre application comme le « condition monitoring ».

This work investigates the applicability of identification methods to the suspension parameters of a TGV multi-body model. The aim is to adjust the model to the real system by estimating the suspension parameters from measured vehicle response data. Due to the nonlinear behavior of the system the time-domain based model updating has been chosen. It requires the definition and minimization of a misfit function in the time domain describing the distance between model and measurement. The fastest convergence is obtained by the use of gradient methods requiring the calculation of the derivatives of the misfit function relative to every parameter. Since the calculation from finite differences is time consuming and less accurate the gradients are calculated from the adjoint method. The application to a simplified bogie model with known mathematical description allows the identification of its suspension parameters. The presence of local minima in the misfit function of the TGV model requires the use of global optimization methods. The simulated annealing and the genetic algorithm method give important reductions of the misfit function and improved parameter estimations. In following work this information could be used for further applications like the condition monitoring.