Modélisation de la propagation des incertitudes des mesures sur l'aube d'une turbine hydraulique par Krigeage et simulations stochastiques

Ben Salah, Firas (2014). Modélisation de la propagation des incertitudes des mesures sur l'aube d'une turbine hydraulique par Krigeage et simulations stochastiques. Mémoire de maîtrise électronique, Montréal, École de technologie supérieure.

Prévisualisation	PDF Télécharger (3MB) | Prévisualisation
Prévisualisation	PDF Télécharger (2MB) | Prévisualisation

Résumé

Ce projet de recherche est une contribution pour estimer la propagation des incertitudes des mesures expérimentales. Le krigeage, une méthode d’interpolation spatiale utilisée en géostatistique, a été exploité pour prédire les mesures manquantes d’une part et pour conditionner les simulations stochastiques d’autre part. Les simulations stochastiques conditionnelles ont réussi à franchir l’effet de lissage causé par le krigeage et ont abouti à une cartographie des estimations des mesures manquantes et des incertitudes de mesure qui y sont associées.

L’interpolation spatiale des mesures expérimentales a pour but d’ajuster (calibrer) les calculs réalisés suite à des simulations par des éléments finis ÉFs. Les codes actuels permettent une simple estimation de la charge statique appliquée sur l’aube de la turbine, mais ils sont incapables de quantifier la charge dynamique. L’objectif est de prédire à partir de quelques mesures localisées spatialement le reste des contraintes ainsi que la propagation spatiale des incertitudes. Le travail repose sur une analyse variographique, à partir des résultats des simulations par des ÉFs. L’hypothèse majeure du présent projet stipule que la « vraie » mesure aura la même structure (morphologie) de variabilité spatiale que les résultats des simulations par des ÉFs.

On a réussi à estimer adéquatement l’incertitude spatiale sur une éprouvette à encoches, puis sur une zone de l’aube d’une turbine hydraulique. On est parvenu à prédire la totalité des mesures manquantes à partir d’un échantillon de l’ordre de 1% du domaine d’étude. Les tests statistiques ont confirmé la validité de nos résultats avec des coefficients de corrélation ajustés qui dépassent les 90% pour les deux cas d’études. Finalement, l’approche utilisée a démontré sa capacité pour des domaines d’étude 2D ainsi que 3D. Dans une perspective de recherche ultérieure, on pourra procéder, d’une part, à une optimisation d’échantillonnage en analysant le nombre optimal ainsi que les localisations idéales des mesures et d’autre part à l’approche bayésienne qui utilisera nos résultats comme des données primaires à priori.

Résumé traduit

This project aims to estimate the propagation on uncertainties for experimental measurements. Kriging, as spatial interpolation method used in geostatistics, has been used to predict missing measurements and to condition stochastic simulations. Conditional stochastic simulations have succeeded in crossing the smoothing caused by kriging and give as a result mapping estimates of missing measurement point.

Spatial interpolation of the experimental measurements goal is to adjust the result of calculations performed by the finite elements simulations (ÉFs1). In fact, the code of these simulations is used just to calculate the static load on the turbine blade; it is unable to quantify the dynamic loads. The objective is to predict the experimental measurements (static & dynamic) and the spatial propagation of uncertainties. The work is based on variogram analysis, from simulations results by ÉFs. The major hypothesis stipulates that the real measure has the same structure of spatial variability in the results of simulations ÉFs.

We have succeeded to quantify the spatial uncertainty on the notched specimen and an area of a blade hydraulic turbine. We have succeeded also to predict all missing measurements from a sample of about 1% of field of study measures. Statistical tests confirm the validity of our results with adjusted correlation coefficients exceeding 90% compliance for both case studies. Finally, this approach has shown the capacity to study 2D and 3D areas. In order to pursue this research, sampling optimization could be done by analysing the number and locations of measurements and in another part; the Bayesian approach may be useful with that uses our results as primary data.

Type de document:	Mémoire ou thèse (Mémoire de maîtrise électronique)
Renseignements supplémentaires:	"Mémoire présenté à l'École de technologie supérieure comme exigence partielle à l'obtention de la maîtrise avec mémoire en génie mécanique". Bibliographie : pages 127-133.
Mots-clés libres:	Turbines hydrauliques. Turbines Aubes Détérioration. Incertitude de mesure. Analyse spatiale (Statistique) Krigeage. Analyse stochastique. simulations stochastiques, propagation spatiale des incertitudes, paramétrisation surfacique
Directeur de mémoire/thèse:	Directeur de mémoire/thèse Tahan, Souheil-Antoine
Codirecteur:	Codirecteur Gagnon, Martin
Programme:	Maîtrise en ingénierie > Génie mécanique
Date de dépôt:	13 févr. 2015 21:13
Dernière modification:	13 mars 2017 21:35
URI:	https://espace.etsmtl.ca/id/eprint/1418

Gestion Actions (Identification requise)

Dernière vérification avant le dépôt