Approche probabiliste pour la séparation des composantes acoustique et aérodynamique dans les champs de pression pariétale

Probabilistic approach for the separation of the acoustic and aerodynamic wall pressure fluctuations

• Auteur / Autrice : Alice Dinsenmeyer
• Direction : Jérôme Antoni
• Type : Thèse de doctorat
• Discipline(s) : Acoustique
• Date : Soutenance le 12/10/2020
• Etablissement(s) : Lyon
• Ecole(s) doctorale(s) : Ecole doctorale Mécanique, Energétique, Génie Civil, Acoustique (Villeurbanne ; 2011-....)
• Partenaire(s) de recherche : établissement opérateur d'inscription : Institut national des sciences appliquées (Lyon ; 1957-....)
• Partenaire(s) de recherche : Laboratoire : LVA - Laboratoire Vibrations Acoustique (Lyon, INSA) - Laboratoire Vibrations Acoustique / LVA
• Jury : Président / Présidente : Gwénaël Gabart
• Jury : Examinateurs / Examinatrices : Jérôme Antoni, Gwénaël Gabart, Vincent Valeau, Charles Pézerat, Ines Lopez Arteaga, Estelle Piot, Christophe Bailly, Quentin Leclère
• Jury : Rapporteurs / Rapporteuses : Vincent Valeau, Charles Pézerat

Mots clés

Mots clés contrôlés

Couche limite turbulente

Vibrations

Acoustique

Mots clés libres

Acoustique

Problème inverse

Couche limite turbulente

Inférence bayésienne

Méthode de Monte Carlo

Chaine de Markov

Décomposition matricielle

Matrice spectrale

Algorithme d'optimisation

Couche limite turbulente

Sources de bruit

Sources aérodynamiques

Emission acoustique

Acoustic

Inverse problem

Turbulent Boundary Layer

Bayesian inference

Monte Carlo method

Markov chain

Matrix decomposition

Spectral matrix

Optimization Algorithm

Turbulent boundary layer

Sound sources

Aerodynamic sources

Acoustic emission

Résumé

Avec l'apparition des MEMS et la diminution globale du coût des capteurs, les acquisitions multivoies se généralisent, notamment dans le domaine de l'identification de sources acoustiques. La qualité de la localisation et de la quantification des sources peut être dégradée par la présence de bruit de mesure ambiant ou induit par le système d'acquisition. En particulier, dans le cas de mesures en présence d'un écoulement, la couche limite turbulente qui se développe sur le système de mesure peut induire des fluctuations de pression de niveau bien supérieur à celles des sources acoustiques. Il devient alors nécessaire de traiter les acquisitions pour extraire chaque composante du champ mesuré. Pour cela, on propose de décomposer la matrice spectrale mesurée en la somme d'une matrice associée à la contribution acoustique et d'une matrice pour le bruit aérodynamique. Cette décomposition exploite les propriétés statistiques de chaque champ de pression. En supposant que la contribution acoustique est fortement corrélée sur les capteurs, le rang de la matrice interspectrale associée se limite au nombre de sources décorrélées équivalentes. Concernant la matrice du bruit aérodynamique, deux modèles statistiques sont proposés. Un premier modèle fait l'hypothèse d'un champ totalement décorrélé sur les capteurs, et un second repose sur un modèle physique préexistant. Ce problème de séparation est résolu par une approche d'optimisation bayésienne, qui permet de prendre en compte les incertitudes sur chaque composante du modèle.Les performances de cette méthode sont d'abord évaluées sur des mesures en soufflerie puis sur des données industrielles particulièrement bruitées, provenant de mesures microphoniques effectuées sur le fuselage d'un avion de ligne en vol.

With the emergence of MEMS and the overall decrease in the cost of sensors, the acquisitions multichannel are becoming more widespread, particularly in the field of acoustic source identification. The quality of source localization and quantification can be degraded by the presence of ambient or electronic noise. In particular, in the case of in flow measurements, the turbulent boundary layer that develops over the measuring system can induce pressure fluctuations that are much greater than those of acoustic sources. It then becomes necessary to process the acquisitions to extract each component of the measured field. For this purpose, it is proposed in this thesis to decompose the measured spectral matrix into the sum of a matrix associated with the acoustic contribution and a matrix for aerodynamic noise. This decomposition exploits the statistical properties of each pressure field. Assuming that the acoustic contribution is highly correlated on the sensors, the rank of the corresponding cross-spectral matrix is limited to the number of equivalent uncorrelated sources. Concerning the aerodynamic noise matrix, two statistical models are proposed. A first model assumes a totally uncorrelated field on the sensors, and a second is based on a pre-existing physical model. This separation problem is solved by a Bayesian optimization approach, which takes into account the uncertainties on each component of the model. The performance of this method is first evaluated on wind tunnel measurements and then on particularly noisy industrial measurement, coming from microphones flushmounted on the fuselage of an inflight large aircraft.