Thèse soutenue

Étude de la transmission acoustique de métaplaques localement résonantes

FR  |  
EN
Auteur / Autrice : Abdoulaye Sidiki Ba
Direction : Christophe AristéguiThomas Brunet
Type : Thèse de doctorat
Discipline(s) : Mécanique
Date : Soutenance le 06/12/2016
Etablissement(s) : Bordeaux
Ecole(s) doctorale(s) : École doctorale des sciences physiques et de l’ingénieur (Talence, Gironde ; 1995-....)
Partenaire(s) de recherche : Laboratoire : Institut de mécanique et d'ingénierie de Bordeaux
Jury : Président / Présidente : Olivier Mondain-Monval
Examinateurs / Examinatrices : Christophe Aristégui, Thomas Brunet, Olivier Mondain-Monval, Bruno Morvan, Christian Audoly, Tony Valier-Brasier, Tony Valier-Brasier
Rapporteur / Rapporteuse : Bruno Morvan, Christian Audoly

Mots clés

FR  |  
EN

Résumé

FR  |  
EN

Les matériaux acoustiques super absorbants, sub-longueur d’ondes et large bande, ouvrent de nouvelles perspectives prometteuses pour l’isolation sonore. Dans ce contexte, nous avons conçu et synthétisé des structures hétérogènes comportant des microbilles sphériques de silicone poreux « ultra-lentes », distribuées dans des matrices aqueuses ou élastomériques. Dans un premier temps, nous avons démontré pourquoi la vitesse du son est aussi basse dans les silicones poreux (<100 m/s) comparativement à celle de milieux homogènes (~1000 m/s). Ce fort contraste de propriétés acoustiques entre phases étant susceptible d’induire des propriétés extrêmement diffusantes des microbilles, nous avons étudié l’impact de la nature de la matrice et de l’arrangement (aléatoire ou périodique) des microbilles sur les propriétés acoustiques d’échantillons se présentant sous forme de plaques sub-longueurs d’ondes à faces parallèles. Nous avons montré que la présence de minima prononcés dans le coefficient de transmission de ces métaplaques était pilotée par la résonance monopolaire des microbilles, et était fortement conditionnée par la nature de la matrice environnante. Enfin, toutes les mesures ultrasonores de l’étude ont été confrontées avec succès à des prédictions issues de modèles de diffusion multiple.