Thèse soutenue

Analyse modale opérationnelle des roues de turbines hydroélectriques par l'étude des régimes transitoires
FR  |  
EN
Accès à la thèse
Auteur / Autrice : Quentin Dollon
Direction : Quentin DollonAntoine Tahan
Type : Thèse de doctorat
Discipline(s) : Génie mécanique
Date : Soutenance le 10/12/2021
Etablissement(s) : Lyon en cotutelle avec École de technologie supérieure (Montréal, Canada)
Ecole(s) doctorale(s) : Ecole Doctorale Mecanique, Energetique, Genie Civil, Acoustique (MEGA) (Villeurbanne)
Partenaire(s) de recherche : établissement opérateur d'inscription : Institut national des sciences appliquées (Lyon ; 1957-....)
Laboratoire : LVA - Laboratoire Vibrations Acoustique (Lyon, INSA) - Laboratoire Vibrations Acoustique / LVA
Jury : Président / Présidente : Thomas Dupont
Examinateurs / Examinatrices : Quentin Dollon, Antoine Tahan, Thomas Dupont, Georges Kouroussis, Roger Serra, Béatrice Faverjon, Emeline Sadoulet-Reboul, Yves Saint Amant
Rapporteurs / Rapporteuses : Georges Kouroussis, Roger Serra

Résumé

FR  |  
EN

Dans une première phase de travail, l’analyse modale théorique d’une turbine soumise à un débalancement a permis de montrer que les turbines présentent un riche contenu harmonique, et que ces harmoniques sont sélectives, c’est-à-dire qu’elles n’excitent qu’un mode structural de diamètre nodal prédéfini. Il est démontré que ces harmoniques génèrent effectivement des résonances en opération. Dans un deuxième temps, un algorithme d’identification est proposé. La méthode utilise un schéma combiné de suivi d’ordres synchrones pour extraire les résonances harmoniques, et d’un modèle d’analyse modale opérationnel bayésien pour réaliser l’inférence. Enfin, une dernière phase de travail a consisté à améliorer le modèle bayésien existant, qui présente de nombreuses approximations asymptotiques, non raisonnable dans notre cadre où l’on dispose de peu de données. En ce sens, un modèle statistique d’échantillonnage numérique a été développé, basé sur un algorithme de Gibbs avancé. L’outil obtenu est plus fiable pour caractériser des données réduites, et montre d’excellentes propriétés de convergence le rendant compétitif avec les approches existantes.