Rapport Mastere Mariam

Ecole Doctorale
Sciences et Technologies

Mmoire de MASTERE

Mcanique et Ingnierie

Ndordre: 2010 07
Rpublique Tunisienne
Ministre de lEnseignement Suprieur,
De la Recherche Scientifique

Universit de Sfax
cole Nationale dIngnieurs de Sfax

MEMOIRE
Prsent

Lc ol e Nat i onal e dI ngni eur s de Sf ax

en vue de lobtention du

MASTERE

Dans la discipline Mcanique et Ingnierie

Par

Mariam MILADI pouse CHAABENE

Caractrisation vibratoire des
structures par analyse modale
oprationnelle

Soutenu le 24 Avril 2010, devant le jury compos de :

Mr. Mohamed HADDAR (Professeur, ENIS) Prsident
Mr. Fakher CHAARI (Matre Assistant Habilit, ENIS) examinateur
Mr. Tahar FAKHFAKH (Matre de Confrences, ENIS) Encadreur
Mr. Mohamed Slim ABBES (Matre Assistant, ENIS) Encadreur

Caractrisation vibratoire des structures par analyse modale oprationnelle Mariam MILADI

Ddicace

DE PLUS PROFOND DE MON CUR

A MON MARI,
A MES PARENTS,
A MES FRERES,
A TOUTE LA FAMILLE,
ET AU MINI NOUS QUI ARRIVERA BIENTT.

Remerciement
Remerciements
Ce travail de recherche a t dirig au sein de lUnit de Mcanique, Modlisation et Produc-

tion (U2MP) du dpartement de gnie mcanique de lEcole Nationale dIngnieur de Sfax
par Monsieur Tahar FAKHFAKH, Matre de Confrences lENIS et Monsieur Mohamed
Slim ABBES, Matre Assistant lENIS.
En premier lieu, Je tiens exprimer ma respectueuse gratitude Monsieur Tahar FAKH-
FAKH et Monsieur Mohamed Slim ABBES pour leurs nombreux conseils, leur bonne hu-
meur, leur disponibilit et leurs encouragements le long du droulement de ce mmoire.
Mes remerciements vont aussi Monsieur Ali AKROUT pour laide quil a prsent pour le
dveloppement de ce travail de recherche.
Je suis particulirement honore que Monsieur Mohamed HADDAR, Professeur lENIS,
soit le prsident du jury de ce mmoire et je tiens bien le remercier pour son accueil au sein
de lU2MP et pour les discussions fructueuses quon a eu ensemble et qui ont t intressants
pour le dveloppement de ce travail de recherche.
Jadresse galement mes remerciements Monsieur Fakher CHAARI, Matre Assistant Habi-
lit, pour avoir accept de rapporter ce mmoire.
Enfin, pour finir, jexprime ma profonde et sincre amiti tous les chercheurs de lU2MP et
je remercie tous ceux qui ont contribu de loin ou de prs l'achvement de ce travail.


Sommaire 1

Sommaire

Introduction gnrale ..................................................................................................................... 6
Chapitre I.Etude bibliographique : Sparation aveugle de sources
1. Bref historique ....................................................................................................................... 10

2. Modlisation du problme .................................................................................................... 10
2.1. Mlange linaire instantan.......................................................................................................11
2.1.1. Modle du mlange.............................................................................................................11
2.1.2. Hypothses...........................................................................................................................12
2.1.3. Indterminations..................................................................................................................13
2.1.4. La sparation.......................................................................................................................13
2.2. Mlange linaire convolutif.......................................................................................................14
2.2.1. Modle du mlange.............................................................................................................14
2.2.2. Hypothses...........................................................................................................................14
2.2.3. La sparation.......................................................................................................................14
2.2.4. Indtermination...................................................................................................................15
3. Etat de lart ............................................................................................................................ 15
3.1. Introduction................................................................................................................................15
3.2. Mlange instantan....................................................................................................................15
3.2.1. Critres bases sur les moments o les cumulants..............................................................16
3.2.2. Fonctions de contraste........................................................................................................16
3.2.3. Dflation..............................................................................................................................17
3.2.4. Sparation avec un estimateur de Maximum d'Informations Mutuelles..............................17
3.2.5. Sparation avec un estimateur de Maximum de Vraisemblance.........................................18
3.2.6. Statistique du second ordre.................................................................................................18
3.2.7. Approche Gomtrique........................................................................................................19
3.3. Mlange convolutif.....................................................................................................................19

Sommaire 2

3.3.1. Statistique d'ordre leve....................................................................................................19
3.3.3. Approches frquentielles.....................................................................................................20
3.4. Applications................................................................................................................................21
4. Conclusion ............................................................................................................................. 22

Chapitre II. Application de lACI en analyse modale oprationnelle
1. Introduction ........................................................................................................................... 24
2. Analyse en composantes indpendantes (ACI) .................................................................. 24
2.1. Motivation...................................................................................................................................24
2.2. Dfinition....................................................................................................................................27
2.3. Ambiguts de lAnalyse en Composantes indpendantes........................................................29
2.4. Illustration de lAnalyse en composantes indpendantes.........................................................29
3. Concept de lindpendance des signaux .............................................................................. 32
3.1. Dfinition et proprits fondamentales......................................................................................32
3.2. Les variables dcorrlatives sont seulement partiellement indpendantes...............................33
3.3. Pourquoi on interdit les variables gaussiennes ?......................................................................33
4. Critres de lACI ................................................................................................................... 34
4.1. Maximisation de la non-gaussianit..........................................................................................35
4.2. Mesure de la non-gaussianit....................................................................................................36
4.2.1. Kurtosis...............................................................................................................................36
4.2.2. Nguentropie.......................................................................................................................40
4.3. ACI par estimation du maximum de vraisemblance.................................................................42
4.4. ACI base sur la minimisation de linformation mutuelle........................................................43
5. Traitement pour ACI ............................................................................................................ 44
5.1. Centrage......................................................................................................................................44
5.2. Blanchiment................................................................................................................................44
6. Analyse modale oprationnelle ............................................................................................ 46
6.1. Dfinition....................................................................................................................................46
6.2. Avantages....................................................................................................................................47
7. Identification des paramtres modaux par la mthode dACI ......................................... 47
8. Conclusion ............................................................................................................................. 50


Sommaire 3

Chapitre III. Mise en uvre numrique de lapproche
1. Introduction ........................................................................................................................... 53
2. Prsentation de lalgorithme RobustICA ........................................................................... 53
2.1 Extraction dune composante indpendante.............................................................................54
2.2 Dflation.....................................................................................................................................55
3. Validation de la mthode ...................................................................................................... 57
3.1. systme libre sans amortissement............................................................................................58
3.1.1. Mthodes classiques : Mthode de superposition modale...................................................58
3.1.2. Description de lexemple.....................................................................................................59
3.1.3. Rsultats numriques...........................................................................................................60
3.2. Systme libre avec amortissement...........................................................................................69
3.2.1. Mthode classique : mthode de superposition modale......................................................69
3.2.3. Dtermination des paramtres structuraux.........................................................................72
4. Conclusion ............................................................................................................................. 82
Chapitre IV. Dtermination des caractristiques modales des
structures par analyse modale oprationnelle
1. Introduction ........................................................................................................................... 85
2. Structure unidimensionnelle: Poutre en flexion ................................................................ 85
2.1. Poutre encastre-libre................................................................................................................86
2.1.1. Validation du modle de llment fini................................................................................86
2.1.2. Mthode de superposition modale.......................................................................................87
2.1.3. Signaux observs.................................................................................................................91
2.1.4. Mthode danalyse modale oprationnelle..........................................................................93
2.1.5. Les critres de performances...............................................................................................97
2.2. Poutre encastre-encastre.........................................................................................................97
2.2.2. Rsultats thoriques par la mthode de superposition modale...........................................99
2.2.3. Signaux observs...............................................................................................................102
2.2.4. Rsultats de la sparation par analyse modale oprationnelle.........................................104

Sommaire 4

2.2.5. Les critres de performances.............................................................................................108
3. Structure bidimensionnelle : Plaque encastre ces quatre bords ................................ 108
3.1. Validation du modle de llment fini......................................................................................108
3.2. Mthode de superposition modale.............................................................................................110
3.2.1. Les frquences propres thoriques....................................................................................110
3.2.2. Les dformes modales thoriques....................................................................................112
3.3. Signaux observs.......................................................................................................................114
3.4. Rsultats de la sparation par analyse modale oprationnelle.................................................116
3.4.1. Les frquences propres estimes.......................................................................................116
3.4.2. Les dformes modales estimes.......................................................................................118
4. Structure tridimensionnelle: Systmes double parois .................................................... 121
4.1. Description de lexemple..........................................................................................................121
4.2. Equation du mouvement du systme double parois................................................................121
4.2.1. Formulation variationnelle du systme coupl.................................................................121
4.2.2. Discrtisation par lment finis de la fonctionnelle dnergie..........................................123
4.2.3. Energie de dformation de la plaque i..............................................................................124
4.2.4. Energie cintique de la plaque i........................................................................................126
4.2.5. Energie de dformation du joint viscolastique de rigidit linique ku..........................126
4.2.6. Energie de dformation du joint viscolastique de rigidit linique ki (i=1,2)...............128
4.2.7. Equation matricielle..........................................................................................................128
4.3. Validation du modle de llment fini....................................................................................129
4.4. Rsultats thoriques par la mthode de superposition modale...............................................131
4.5. Signaux observs......................................................................................................................135
4.6. Rsultats de la sparation par lanalyse modale oprationnelle.............................................137
5. Conclusion ........................................................................................................................... 142

Sommaire 5

Conclusion gnrale ................................................................................................................... 143
Rfrences bibliographiques ..................................................................................................... 145
Annexes ....................................................................................................................................... 150
Annexe A : Drivation du polynme du pas optimal .............................................................. 151

Annexe B : Expressions des frquences analytiques ............................................................... 153
Chapitre 1. Etude bibliographique : Sparation aveugle de sources 6

Introduction gnrale

Lanalyse modale permet la dtermination, partir de lexprimentation, des caractristiques
dynamiques des structures tels que : les frquences de rsonance, lamortissement et les
dformes modales. La connaissance de ces paramtres structuraux est essentielle la rsolution
de plusieurs problmes de vibration. La technique danalyse modale a t dveloppe dabord
dans lindustrie aronautique dans les annes 1940 et est devenue trs populaire dans beaucoup
de domaines technologiques partir des annes 1970. Lanalyse modale est trs largement
applique nos jours.

La ralisation dun essai danalyse modale classique, mene en laboratoire, ncessite
gnralement la mesure de la rponse vibratoire de la structure ainsi que de la force dexcitation
en diffrents points permettant ainsi le calcul de la Fonction de Rponse en Frquence (FRF).
Cependant, pour des grandes structures encombrantes, comme par exemple un pont, un avion ou
un train, il est difficile de faire un tel type danalyse. Une autre mthode danalyse modale dite
oprationnelle (AMO) constitue une alternative dans ce type de cas et permet des mesures en
environnement oprationnel. Cest une analyse modale o la structure est tudie in situ et en
conditions de fonctionnements relles. Ainsi, pour un pont, on pourra dterminer les modes du
pont excits par le vent et/ou par le passage de vhicules sur le tablier. Lanalyse modale
oprationnelle permet alors de dterminer les paramtres modaux dune structure partir de sa
rponse lexcitation laquelle cette structure est habituellement soumise.

Ce manuscrit prsente une approche numrique base sur lapplication de la procdure de
sparation aveugle de sources en analyse modale oprationnelle. La mise en uvre dune
mthode danalyse en composantes indpendantes (ACI) et le dveloppement des techniques
danalyse modale dans le domaine temporel ont permis lidentification des paramtres
dynamiques des structure sans connaissance a priori les sources excitatrices. Dans le but de
montrer lefficacit de la mthode dveloppe dans ce travail de recherche ltude est ralise sur

trois diffrents types de structures : unidimensionnelle, bidimensionnelle et tridimensionnelle.
Dans une premire tape, nous avons tudi le comportement dynamique de chaque type de
structure. Les rponses temporelles simules aux diffrents nuds sont ensuite utilise pour
extraire par analyse modale oprationnelle les paramtres modaux (frquence, amortissement et
dforme) des structures.
Ce manuscrit est donc dcompos comme suit :
Le premier chapitre est consacr la prsentation gnrale du problme de sparation de sources
en donnant son modle mathmatique dans le cas dun mlange linaire instantan et dans le cas
dun mlange linaire convolutif, en faisant un tat de lart sur quelques mthodes de sparation
de sources et en citant quelques exemples dapplications de la sparation de sources.
Le second chapitre concerne la prsentation de lune des voies majeures de la sparation aveugle
de sources qui est lanalyse en composantes indpendantes (ACI) en montrant comment elle peut
tre utiliser en analyse modale oprationnelle.
Le troisime chapitre pour objet le dveloppement et la mise en uvre dune mthode
numrique permettant dextraire les paramtres modaux (frquence, amortissement et dforme)
des structures en utilisant lalgorithme RobustICA comme approche numrique permettant
lapplication de lanalyse en composantes indpendantes en analyse modale oprationnelle. Un
exemple de systme masse ressort trois degrs de libert est retenu pour la validation du modle
numrique dvelopp.
Le dernier chapitre est consacr lanalyse modale oprationnelle de trois diffrents types de
structures :
- structure unidimensionnelle : poutre encastre-libre, poutre encastre-encastre,
- structure bidimensionnelle : plaque encastre ces quatre bords,
- structure tridimensionnelle : systme double parois.
Lidentification des caractristiques modales et lanalyse des rsultats sont effectues pour
chaque exemple de structure.

Chapitre I

Etude bibliographique : Sparation aveugle de
sources

1. Bref historique ....................................................................................................................... 10
2. Modlisation du problme .................................................................................................... 10
2.1. Mlange linaire instantan.......................................................................................................11
2.1.1. Modle du mlange.............................................................................................................11
2.1.2. Hypothses...........................................................................................................................12
2.1.3. Indterminations..................................................................................................................13
2.1.4. La sparation.......................................................................................................................13
2.2. Mlange linaire convolutif.......................................................................................................14
2.2.1. Modle du mlange.............................................................................................................14
2.2.2. Hypothses...........................................................................................................................14
2.2.3. La sparation.......................................................................................................................14
2.2.4. Indtermination...................................................................................................................15
3. Etat de lart ............................................................................................................................ 15
3.1. Introduction................................................................................................................................15
3.2. Mlange instantan....................................................................................................................15
3.2.1. Critres bases sur les moments o les cumulants..............................................................16
3.2.2. Fonctions de contraste........................................................................................................16
3.2.3. Dflation..............................................................................................................................17
3.2.4. Sparation avec un estimateur de Maximum d'Informations Mutuelles..............................17
3.2.5. Sparation avec un estimateur de Maximum de Vraisemblance.........................................18
3.2.7. Approche Gomtrique........................................................................................................19
3.3. Mlange convolutif.....................................................................................................................19
3.3.1. Statistique d'ordre leve....................................................................................................19

3.3.3. Approches frquentielles.....................................................................................................20
3.4. Applications................................................................................................................................21
4. Conclusion ............................................................................................................................. 22

1. Bref historique
La sparation de sources est un problme rcent en traitement du signal. Il a t tout dabord
dvelopp en 1984 par les travaux dHrault et Ans [31] et Jutten [32]. Malgr son importance et
ses nombreuses applications en traitement de signal, son origine est lie la modlisation d'un
phnomne biologique [11,31] pour modliser biologiquement le codage du mouvement (tudier
les rponses musculaires mises lissue de diffrentes sortes dexcitations). L'algorithme
dvelopp en 1984 tait robuste mais les explications thoriques de ses proprits taient
incompltes.
Un premier formalisme du problme de sparation aveugle de sources, ainsi qu'un algorithme
permettant d'en obtenir une solution, a t propos par C. Jutten et J. Hrault en 1991. Ensuite les
travaux de Comon en 1994 [33] ont permis la formalisation mathmatique dans le cas le plus
simple dun mlange linaire instantan aboutissant au concept de lanalyse en composantes
indpendantes.
Depuis les annes 90 et partir de ces travaux, la recherche dans ce domaine devint trs active
et des chercheurs du monde entier s'intressent au problme de sparation de sources. C'est
maintenant, un problme trs gnral qui se manifeste dans plusieurs domaines et dans plusieures
applications.
2. Modlisation du problme
Le problme de la sparation de sources est modlis dune manire gnrale indpendamment
du domaine dapplication comme suit : des signaux (sources) mis par un nombre fini N
s

dmetteurs indpendants, traversant un mlange de dimension N
c
N
s
(environnement de
propagation), sont reus par un nombre fini N
c
de capteurs.
En se plaant au niveau des capteurs, on a accs seulement aux signaux reus (mlangs), les
signaux mis ainsi que le mlange sont tous inconnus. Lobjectif est alors de restituer les signaux
mis en utilisant uniquement les signaux reus. Pour se faire plusieurs hypothses sur les sources
et le mlange sont ncessaires. Les chercheurs se basent essentiellement sur lhypothse de
lindpendance mutuelle des signaux sources, cest dire que, la densit de probabilit des
signaux sources est gale au produit de ses densits de probabilits marginales afin de dterminer
les signaux estims. Dans ce cas le problme est connu aussi sous le nom de lanalyse en

composantes indpendantes. Le mlange peut tre linaire ou non linaire, instantan ou
convolutif. Aussi, il peut tre variant ou invariant dans le temps. En gnral, cest le modle
linaire invariant dans le temps qui est considr dans la plupart des algorithmes proposs. La
sparation consiste chercher un systme de sparation qui permet de retrouver les signaux
sources estims.
Afin de modliser le problme de sparation des sources dans le cas o le mlange est linaire, on
considre la version discrte dans laquelle les signaux sont variable de temps discrte n
(chantillons temporels).
Dans ce qui suit, on utilise la notation suivante :
- les signaux mlangs : x
(n) (pour i = 1, . . . , N
c
)
- les signaux sources : s
]
(n) (pour ] = 1, . . . , N
s
)
- Les signaux estims :y
(n)
- H(n) matrice des filtres o matrice des mlanges
- W(n) matrice de sparation
Le phnomne se prsente comme suit :

Figure 1-1. Structure gnrale de la sparation de sources
2.1. Mlange linaire instantan
2.1.1. Modle du mlange
Dans le cas instantan, les rponses impulsionnelles des filtres de propagation, exprimes par la
matrice H(n) sont toujours nulles sauf linstant dindice n = u, les signaux mlangs seront
alors instantanment tablis et H(n) est une matrice de scalaires not H.
Donc, dans le cas dun mlange instantan et pour un systme avec N
s
metteurs et N
c
capteurs,
N
s
signaux sources sont mis travers un systme de mlange instantan (sans mmoire).

Chacun des N
c
signaux reus, reprsente un mlange linaire des signaux sources mis. Le
modle se traduit par lquation suivante :

x
(n) = b
]
s
]
(n) + b
(n), i = 1, , N
c
N
s
]=1
(1.1)

ou bien sous forme matricielle par :

x(n) = Hx(n) + h(n) (1.2)

o x(n) = |x
1
(n), , x
N
c
(n)]
1
est le vecteur des N
c
observations, x(n) = |s
1
(n), , s
N
s
(n)]
1
est
le vecteur contenant les N
s
signaux sources, tandis que H = |h
1
, , h
N
s
] est la matrice de
mlange de dimension N
c
N
s
(h
]
= |b
1]
, , b
N
c
]
]
1
,] = 1, . . . , N
s
est le jme vecteur colonne
de H), elle reprsente un mlange instantan et h(n) est un possible bruit additif.
2.1.2. Hypothses
En gnral afin daccomplir la sparation des signaux sources, quelques hypothses sur lesquelles
la sparation des sources est base sont ncessaires. On distingue des hypothses sur les sources
et dautres sur lenvironnement de propagation et les mlanges.
Dans le cas dun mlange instantan, on a les hypothses suivantes :
Hypothses sur les sources :
Hypothse1 : Presque tous les algorithmes de sparation aveugle des sources supposent que les
signaux sources sont indpendants et identiquement distribus et mutuellement indpendants.
Hypothse2 : Les sources sont non gaussiennes sauf au plus une.
Hypothses sur lenvironnement de propagation et les mlanges
Hypothse3 : En gnral, on suppose que le nombre des capteurs est gal au nombre
dmetteurs (N
c
= N
s
). Certaines mthodes traitent le cas particulier (N
c
N
s
)
Hypothse4 : La matrice de mlange H est de rang complet N
s
.
Hypothse5 : Le bruit h(n) est additif indpendant des signaux sources.

On peut avoir dautres hypothses sur les signaux sources, le bruit et/ou la matrice de mlange ce
qui permet la conception de nouveaux algorithmes.
2.1.3. Indterminations
Dans le cas o les signaux sources et la matrice de mlange sont tous des inconnus, la sparation
peut tre obtenus avec une infinit de vecteurs x(n). On remarque que le mme vecteur x(n) peut
tre gnr partir dune infinit de vecteurs x(n). En effet, lordre des signaux est arbitraire car
toute permutation applique sur les signaux sources et sur les lignes de la matrice H
correspondantes donne le mme vecteur x(n). Donc les signaux sources ne peuvent tre
rcuprs qu une permutation prs (Ambigut de permutation). En plus, la multiplication d'une
colonne de la matrice de mlange H et la division d'un signal source par le mme scalaire ne
changera pas le vecteur mlang (Ambigut d'chelle). Ceci peut tre montr facilement
travers lquation suivante :

x(n) = Hx(n) +h(n) =
h
N
s
=1
o
(n) +h(n) (1.S)

Donc, les signaux sources sont estims une permutation et un facteur dchelle prs. Ceci est d
au fait que les signaux sources et la matrice de mlange sont tous des inconnus.
2.1.4. La sparation
L'ide de sparation aveugle de sources consiste trouver une matrice W permettant dobtenir
des signaux sources qui sont mutuellement indpendants, ou encore de calculer linverse de la
matrice de mlange H. Alors, on a :

y(n) = x(n) = W
1
x(n) (1.4)

avec W est la matrice de sparation de dimension N
c
N
s
permettant de rcuprer les signaux
sources partir des signaux reus qui sont mesurs par les capteurs un facteur dchelle et une
permutation prs.

2.2. Mlange linaire convolutif
2.2.1. Modle du mlange
Dans le cas dun mlange linaire convolutif le signal reu se modlise comme suit :

x(n) = H(k)x(n - k) + h(n) = (H- x)
L
k=0
(n) +h(n) (1.S)

Avec x(n) = |x
1
(n), , x
N
c
(n)]
1
est le vecteur des N
c
observations, x(n) =
|s
1
(n), , s
N
s
(n)]
1
est le vecteur contenant les N
s
signaux sources, h(n) le vecteur bruit et H(k),
k = u, . . . , I, la suite des I +1 matrices de dimension N
c
N
s
de la rponse impulsionnelle
(des filtres de propagation) du canal.
2.2.2. Hypothses
Afin de raliser la sparation, des hypothses sur les signaux sources et le mlange sont
ncessaires. Dans le cas convolutif, en plus des hypothses H1, H2 et H5, on considre les
hypothses suivantes:
Hypothse6 : N
c
> N
s
, cest dire que le nombre des capteurs est strictement suprieur au
nombre dmetteurs.
Hypothse7 : La matrice de transfert H(z) est une matrice irrductible, c'est--
dire: rong(H(z)) = N
s
, vz
Hypothse8 : La matrice de transfert H(z) est une matrice colonnes rduites, cest dire :
rong(|b
1,L
1
, , b
M,L
M
]) = N
s

2.2.3. La sparation
En considrant les hypothses dj cites, il existe un filtre inverse du mlange. Lobjectif de la
sparation de sources est de calculer un filtre sparateur W(n) qui permet dinverser la matrice du
mlange. La sortie du filtre sparateur scrit alors :

y(n) = W(k)
1
x(n - k)
P
k=0
(1.6)

2.2.4. Indtermination
Comme dans le cas dun mlange instantan, la sparation ne peut se faire qu un facteur
dchelle et une permutation prs. En plus, la sparation ne peut tre accomplie qu un filtrage
prs. En effet, le plus souvent la sparation des mlanges convolutifs de sources est ramene un
ensemble de sparations instantanes. Ceci est ralis par le passage dans le domaine frquentiel
en utilisant la transforme de Fourier, o on obtient un modle de mlange instantan chaque
frquence. Ainsi, des ambiguts peuvent se produire chaque frquence ce qui implique un
filtrage des signaux dans le temps.

x = H- x
1P
--(H()F())(F()
-1
x())
1PI
--x = (H- F) - (F
-1
- x) (1.7)
3. Etat de lart
3.1. Introduction
Selon ce que lon trouve dans la littrature [25, 6, 7, 51, 12,26,], le problme de sparation de
sources a t formul initialement par Ans, Hrault [31] et Jutten [32], qui publiaient en 1985 le
premier algorithme de sparation de sources dans le cas dun mlange linaire instantan. Les
premiers travaux concernant le problme de sparation des mlanges convolutifs de sources ont
t initis au dbut des annes 90. Ainsi, le premier travail qui traite le mlange convolutif est
celui de Jutten et L. Nguyen [15,27]. On remarque que par rapport au mlange instantan, le
mlange convolutif a t moins tudi.
Dans ce qui suit, on va essayer de classer les diffrentes mthodes de sparation de sources pour
chaque type de mlange instantan ou convolutif suivant leur aspect le plus remarquable.
3.2. Mlange instantan
Plusieurs algorithmes bass sur diffrents critres existent dans la littrature par exemple :
approches bases sur le maximum de vraisemblance, approches bases sur l'information
mutuelle, approches bases sur la dflation, approches gomtrique, approches bases sur le
maximum d'entropie .
Dans ce qui suit, quelques exemples de critres sont prsents.

3.2.1. Critres bases sur les moments o les cumulants
Pour une architecture rcursive, Jutten et J. Hrault dans [14,13] cherchent une matrice C
telque W = (I + C)
-1
et c
||
= . Donc le problme se rduit estimer les autres
coefficients c
|j
suivant la rgle :

c
]
(t +1) = c
]
(t) + o|y
(t)]g|y
]
(t)] (1.8)

o et g sont deux fonctions impaires si les sources sont densit de probabilit symtrique, de
sorte que les moments d'ordre impair sont nuls [43] et o un scalaire appel pas dadaptation.
Afin de gnraliser leur application toutes les sources indpendamment de leur loi de
probabilit, Jutten et al. [16] ont suggr d'ajuster les coefficients de C par annulation des
cumulants croiss Cum
31
(y
, y
]
).
3.2.2. Fonctions de contraste
Une fonction de contraste pour la sparation de sources est une fonction dvaluation de la
distribution dun vecteur alatoire qui se rduit au minimum quand la sparation de sources est
ralise.
La premire fonction de contraste introduite par Comon [44,45] tait la somme au carre des
auto cumulants d'ordre quatre des signaux estims :

[(y) = |Cum
4
(y
)|
2
(1.9)

La minimisation de cette fonction de contraste est difficile. Cest pour cette raison quune autre
fonction qui est la somme en valeur absolue des cumulants de quatrime ordre est propose par
Moreau et Macchi [21]:

[(y) = |Cum
4
(y
)|
(1.1u)


Cette fonction de contraste est valable pour des sources de mme signe de kurtosis et ncessite
une tape de blanchiment (voir chapitre 2 : paragraphe 5.2).
Dans [42,22], Macchi et Moreau proposent une autre fonction de contraste (dans le cas o [
1, y u ) qui ne ncessite pas une tape de blanchiment.

[(y) =
|Cum
4
(y
)|
(Ey
2
)
2
- [
N
s
|Cum(y
2
y
]
2
)|
Ey
2
Ey
]
2
N
s
<]=1
- y
|Cum(x
x
]
3
)|
_
Ex
2
(Ex
]
2
)
3
(1.11)
N
s
<]=1

3.2.3. Dflation
Pour les signaux de mme signe de kurtosis, Delfosse et Loubaton [38] proposent une mthode
de dflation (c'est--dire restituer un signal chaque tape).
Aprs blanchiment, ils minimisent une fonction de contraste, par rapport un vecteur
sparateur g . Soit K cette fonction de contraste dfinie par :
K(g) =
E(gx(n))
4
4
(1.12)
Si g(n) correspond au minimum de K, alors le signal y(n) = g(n)x(n) est l'une des sources
estimes. Et ainsi, on spare une source chaque tape et on diminue le nombre des sources
d'une unit la fois. Pour avoir la sparation totale, il faut appliquer leur algorithme N
s
-1 fois.
Cest la seule mthode qui ne prsente pas des solutions parasites et qui peut tre tendue au cas
o les signes de kurtosis sont quelconques [39]. Pour cela, il suffit de remplacer la fonction K par
la fonction J dfinie par :

J(g) =
]E(gx(n))
4
- S(E(gx(n))
2
)
2
2
4
(1.1S)
3.2.4. Sparation avec un estimateur de Maximum d'Informations Mutuelles
Linformation mutuelle dpend des densits des variables alatoires et elle est dfinie par :

i(p
) = _p
(u)log
p
(u)
p
i
(u
)
N
=1
Ju (1.14)


Comon et Lacoume ont montr [47] que l'information mutuelle est une fonction de contraste. Par
consquent, des algorithmes de sparations peuvent tre conus en se basant sur sa maximisation.
3.2.5. Sparation avec un estimateur de Maximum de Vraisemblance
La sparation avec un estimateur de maximum de Vraisemblance est considre parmi les
mthodes les plus utilises dans la sparation des sources.
Gaeta et Lacoume [36] proposent une approche fonde sur le maximum de vraisemblance. Pour
approximer la densit de probabilit des sources, ils utilisent le dveloppement de Gram-Charlier.
Dautre part Pham et al. [19] proposent eux aussi une approche fonde sur le maximum de
vraisemblance en supposant que les sources sont identiquement distribues avec des densits de
probabilits connues.
Dans le cas de communications numriques les distributions des sources tant connues,
Belouchrani [4,5] propose deux algorithmes MLS (Maximum Likelihood Sparation) et SMLS
(Stochastic Maximum Likelihood Separation) en se servant de lalgorithme EM [57,37].
3.2.6. Statistique du second ordre
Les algorithmes bass sur les statistiques du second ordre utilisent le fait que dans de nombreux
cas les signaux ont des chantillons temporellement corrls. Ils utilisent des matrices de
covariance des signaux diffrents instants et ncessitent que les densits spectrales de sources
sont distinctes [20].
Pour des sources mutuellement indpendantes mais temporellement corrles, il existe = u, tel
que :

E{x(t)x(t - )] = C() (1.1S)

o E est l'esprance mathmatique et la matrice C()est une matrice diagonale non nulle.
Fty [34] propose de diagonaliser plusieurs matrices de covariance des signaux observs jusqu'
la sparation souhaitable:

I() = HC()H
1
(1.16)


Cette ide a t amliore par les travaux de Tong [35] et Comon [46]. L'algorithme propos par
Comon est dtaill dans [47].
3.2.7. Approche Gomtrique
Une autre mthode pour la sparation de sources est lalgorithme gomtrique de sparation de
source. Cette approche est base sur linterpolation gomtrique de lindpendance des variables
indpendantes et elle est essentiellement restreint au cas de deux sources par exemple dans [24],
on trouve un algorithme de ce type.
3.3. Mlange convolutif
Dans le cas des mlanges linaires instantans, on a estim le milieu de propagation des signaux
sources par une matrice de mlange coefficient scalaire. Cependant, dans plusieurs applications
ce nest pas le cas, car il faut tenir compte de la propagation dans le milieu. Par consquent,
chaque source traverse diffrentes fonctions de transfert pour arriver aux diffrents capteurs.
Les algorithmes existants pour rsoudre ce problme peuvent tre principalement diviss dans
deux catgories diffrentes : les algorithmes dans le domaine de temps (statistique dordre leve
et statistique du second ordre) et les algorithmes dans le domaine de frquence.
3.3.1. Statistique d'ordre leve
Parmi les premiers algorithmes, on trouve lalgorithme propos par Jutten et L. Nguyen [17] qui
est une gnralisation de leur mthode dj dveloppe pour le mlange instantan. Dans cet
algorithme, ils proposent une faon adaptative pour annuler les moments croiss dordre impair
des sources estimes prises diffrents instants.

E|(y
(n))g(s
]
(n))| = u (1.17)

o f et g sont deux fonctions non linaires et impaires.

3.3.2. Statistique du second ordre
Ces algorithmes emploient une approche du second ordre pour convertir le mlange, qui sera
spar par une approche dordre suprieur.
Les algorithmes apparus pour le mlange convolutif sont gnralement des mthodes de sous-
espace et supposent que le nombre de capteurs est plus grand que celui de sources Ns > Nc.
Par exemple Delfosse et Loubaton ont montr que la sparation dun mlange convolutif peut se
faire en trois tapes [40] : prdiction linaire, sparation instantan et mise en uvre de linverse
du filtre prdicateur en supposant que le filtre de mlange H(z) est causal et rationnel et de rang
plein N
c
v z (en plus que le nombre de capteurs est suprieur celui de sources).
3.3.3. Approches frquentielles
La transforme de Fourier, de lquation 1.5 (en ne tenant pas compte du bruit additif), donne :

x() = H()x() (1.18)

La matrice H() est constante pour une frquence donne, ce qui permet dobtenir un mlange
linaire instantan dans chaque bande de frquence considre. En sparant les sources dans
chacune de ces bandes, il est alors possible de remonter aux signaux dorigine par transforme de
Fourier inverse et sommation des sorties associes chaque bande. Ce type de problme peut
alors tre rsolu par les mthodes de sparation de source classiques, c--d applicables des
mlanges linaires instantans.
Il apparait alors que le problme semble trs simple : il suffit dappliquer les mthodes utilises
pour les mlanges instantans et de reconstruire chaque source (mais avec une matrice de
mlange variable).
Cependant les indterminations sur le facteur dchelle et la permutation sont autant dobstacles
majeurs ces approches. En effet, cause des permutations rien ne garantit a priori que les
contributions frquentielles extraites sur une sortie pour les diffrentes bandes proviennent de la
mme source. De plus lindtermination sur lamplitude amene par les mthodes normalisant les
signaux de sortie va galement perturber la reconstruction des diffrentes bandes de frquences :
avec ce type de mthode aucune information nest disponible sur la vraie amplitude du signal
dans une bande par rapport une autre.

Quelques travaux ont ainsi t raliss en bande troite. Dautres tudes portent toutefois sur le
problme en large bande.
Il faut noter en outre que la transforme de Fourier a tendance gaussianiser les signaux, ce qui
ne facilite pas leur sparation par les mthodes habituelles hormis pour des cas bien particuliers.
Ainsi lapproche frquentielle possde un rel problme dindtermination pouvant amener une
reconstruction errone des sources.
3.4. Applications
Le problme de sparation de sources attire l'attention d'un grand nombre de chercheurs. Dans ce
paragraphe, on essaie d'numrer quelques applications de sparation de sources:

La sparation de sources sert au rehaussement de parole. : Dans [28], Le principe de la
sparation de sources permet de rehausser la parole quelle que soit la nature de
perturbation, en plus il est capable de restituer tous les signaux primitifs dans un mlange
de prise de son.
En sismique: Thirion, Mars et Lacoume exploitent certains concepts de la sparation de
sources afin dadopter des rponses la question de la sparation aveugle donde
acoustique [41].
Un domaine nouveau dans lequel la sparation aveugle de sources intervient est
linterface machine/homme : plusieurs travaux de recherche traitent la sparation des
sources vibratoires des machines tournantes pour le diagnostic de ltat de sant de la
machine [56].
La sparation de sources a t employe par Nuzillard en astronomie et en traitement
d'images astronomiques [18].
En biomdecine, Yannick Deville [57] prsente un panorama des applications
biomdicales des mthodes de sparation aveugle de sources des signaux
ElectroCardiographiques (ECG), MagntoEncphaloGraphiques (MEG) et
ElectroEncphaloGraphiques (EEG). Par exemple la sparation de source est utilise
pour lextraction de battements cardiaques ftaux partir dun ensemble de signaux
ECG enregistrs laide dlectrodes cutanes places sur la peau de la mre.

4. Conclusion
Dans ce premier chapitre, on a donn un aperu gnral sur le problme de sparation de
sources : modlisation du problme dans le cas dun mlange linaire instantan et convolutif, les
hypothses utilises, les ambiguts de la sparation, un tat de lart sur les diffrents critres
utiliss et quelque exemple dapplications.
On retient que la solution fournie par les mthodes de sparation aveugle nest pas unique mais
les sources sont dtermines une permutation et un facteur dchelle (dans le cas instantan) et
un filtrage prs (dans le cas convolutif).
Dans le deuxime chapitre, on va sintresser lune des mthodes les plus utilises dans la
sparation aveugle de sources qui est lanalyse en composantes indpendantes en montrant
comment elle peut tre applique en analyse modale oprationnelle.

Chapitre 2. Application de lACI en analyse modale oprationnelle 23

Chapitre II
Application de lACI en analyse modale

oprationnelle

1. Introduction ........................................................................................................................... 24
2. Analyse en composantes indpendantes (ACI) .................................................................. 24
2.1. Motivation...................................................................................................................................24
2.2. Dfinition....................................................................................................................................27
2.3. Ambiguts de lAnalyse en Composantes indpendantes........................................................29
2.4. Illustration de lAnalyse en composantes indpendantes.........................................................29
3. Concept de lindpendance des signaux .............................................................................. 32
3.1. Dfinition et proprits fondamentales......................................................................................32
3.2. Les variables dcorrlatives sont seulement partiellement indpendantes...............................33
3.3. Pourquoi on interdit les variables gaussiennes ?......................................................................33
4. Critres de lACI ................................................................................................................... 34
4.1. Maximisation de la non-gaussianit..........................................................................................35
4.2. Mesure de la non-gaussianit....................................................................................................36
4.2.1. Kurtosis...............................................................................................................................36
4.2.2. Nguentropie.......................................................................................................................40
4.3. ACI par estimation du maximum de vraisemblance.................................................................42
4.4. ACI base sur la minimisation de linformation mutuelle........................................................43
5. Traitement pour ACI ............................................................................................................ 44
5.1. Centrage......................................................................................................................................44
5.2. Blanchiment................................................................................................................................44
6. Analyse modale oprationnelle ............................................................................................ 46
6.1. Dfinition....................................................................................................................................46
6.2. Avantages....................................................................................................................................47
7. Identification des paramtres modaux par la mthode dACI ......................................... 47
8. Conclusion ............................................................................................................................. 50

1. Introduction
La connaissance des paramtres structuraux est essentielle la rsolution de plusieurs problmes
de vibration. Ceci ncessite gnralement la mesure de la rponse vibratoire de la structure ainsi
que de la force dexcitation en diffrents points. Or dans presque toutes les structures relles,
comme les structures de gnie civil et de gnie mcanique, il est parfois trs difficile de connaitre
les forces dexcitation puisquils sont exercs par des phnomnes naturels (le vent, les
vagues,) o par des forces dopration (les vibrations, les surcharges, ). Cest pourquoi
lanalyse modale oprationnelle des structures est base sur les conditions dopration naturelle.
Il consiste caractriser les modes propres de structure en fonctionnement sans connaitre ni la
source dexcitation ni la structure. La mthode doit donc se baser uniquement sur la rponse de la
structure.
Dans ce chapitre, on prsente lune des mthodes les plus utilises dans la sparation aveugle de
sources qui est lanalyse en composantes indpendantes et on montre comment elle peut tre
utilise en analyse modale oprationnelle [29, 53, 30,54].
2. Analyse en composantes indpendantes (ACI)
2.1. Motivation
Considrant une chambre o deux personnes parlent simultanment. On dispose de deux
microphones placs dans des endroits diffrents. Chaque microphone enregistre la superposition
des discours des deux personnes ses alentours en fonction de temps, quon peut noter par x
1
(t)
et x
2
(t) avec x
1
et x
2
les amplitudes, et t l'indice de temps. Chacun de ces signaux enregistrs est
un mlange des discours mis par les deux personnes, quon note par s
1
(t) et s
2
(t) (figure2-1).


Figure 2-1. Schmatisation du problme
Ce problme peut sexprimer sous la forme suivante:

x
1
(t) = b
11
s
1
+b
12
s
2
(2.1)

x
2
(t) = b
21
s
1
+b
22
s
2
(2.2)

o b
11
, b
12
, b
21
et b
22
sont des paramtres qui dpendent des distances entre chaque
microphone et les deux personnes (on omet quil nexiste aucun retard ou facteurs influant sur le
mlange). Il serait trs utile si on peut maintenant estimer les deux discours originaux s
1
(t)
et s
2
(t), en utilisant seulement les deux signaux enregistrs x
1
(t) et x
2
(t). Ceci s'appelle le
problme de la soire cocktail cocktail-party .
Comme illustration, on considre les formes d'ondes prsentes dans la figure 2-2 et la figure 2-3.
Ces formes donde ne prsentent pas des sons rels, mais elles suffisent pour cette illustration.
Les discours originaux pourraient ressembler ceux reprsents dans la figure 2-2 et les discours
mlangs pourraient ressembler ceux dans la figure 2-3.


Figure.2-2. les signaux originaux

Figure 2-3. Le mlange observ des signaux originaux de la figure 2-2

Le problme consiste alors rcuprer les signaux originaux dans la figure 2-2 en utilisant
seulement le mlange observ dans la figure 2-3.
Si les paramtres b
]
sont connus, on pourra rsoudre les quations linaires (2.1) et (2.2) par des
mthodes classiques. Ceci nest pas toujours le cas : le problme est trs complexe.
-1
-0.5
0
0.5
1
0 10 20 30 40 50 60 70 80 90 100
-1
-0.5
0
0.5
1
-0.4
-0.2
0
0.2
0.4
0 10 20 30 40 50 60 70 80 90 100
-2
-1
0
1
2

Une approche pour rsoudre ce problme serait d'employer les informations sur les proprits
statistiques des signaux s
(t)pour estimer les b

]
. En fait, il suffi de supposer que s
1
(t) et s
2
(t)
chaque instant t sont statistiquement indpendants.
La technique rcemment dveloppe de l'analyse en composantes indpendantes (ACI), peut tre
employe pour estimer les b
]
en se basant sur l'information de leur indpendance, ce qui permet
la sparation des deux signaux originaux s
1
(t) et s
2
(t) de leurs mlanges x
1
(t) et x
2
(t). La
figure 2-4 donne les deux signaux estims par la mthode d'ACI.

Figure. 2-4. Les signaux estims en utilisant seulement les signaux observs dans la figure 2-2
2.2. Dfinition
LACI est lune des voies majeures de la sparation aveugle de sources (Une " source " signifie
ici un signal original, c.--d. composant indpendant, " aveugle " signifie quon ne connait rien
sur la matrice de mlange). Elle permet dobtenir des signaux de sorties statistiquement
indpendants, gaux aux signaux sources aux indterminations dchelle et de permutation prs
dans le cas de mlanges linaires instantans. On va tudier le cas o le nombre des signaux
observs est gal au nombre des signaux sources N
c
= N
s
= N.
On suppose quon observe N mlanges linaires x
1
, , x
N
de N composantes indpendantes.

-2
-1
0
1
2
0 10 20 30 40 50 60 70 80 90 100
-1
-0.5
0
0.5
1

x
]
= b
]1
s
1
+ b
]2
s
2
+ + b
]N
s
N
; ] = 1, N (2.S)

On suppose que chaque mlange x
]
aussi bien que chaque composante indpendante s
k
est une
variable alatoire. Les valeurs observes x
]
(t) sont alors un chantillon de cette variable
alatoire. Sans perte de gnralit, on peut supposer que les variables mlanges et les
composantes indpendantes sont centres (leur moyenne est nulle): mme si ce n'est pas vrai, les
variables observes x
]
peuvent toujours tre centres en soustrayant leur valeur moyenne.
Il est recommand d'employer la notation matricielle. On note par x le vecteur alatoire dont les
lments sont les mlanges x
1
, , x
N
et de mme par x le vecteur alatoire avec des
lments s
1
, , s
N
. On note par H la matrice avec les lments b
]
. En utilisant cette notation
matricielle, le modle de mlange scrit :

x = Hx (2.4)

Parfois on a besoin des colonnes de la matrice H ; quon note par b
]
. Le modle peut tre crit
sous la forme suivante :
x = h
N
=1
s
(2.S)
Les composantes indpendantes sont des variables latentes, signifiant qu'elles ne peuvent pas tre
directement observes. Aussi, on assume que la matrice de mlange est inconnue. Tout ce quon
observe est le vecteur alatoire x et nous devons estimer H et x en lutilisant.
Le point de dpart pour lACI est lhypothse trs simple que les composantes s
sont
statistiquement indpendantes.
L'indpendance statistique sera rigoureusement dfinie dans le paragraphe 3 et on montre ensuite
quon doit galement supposer que les composantes indpendantes doivent avoir des
distributions non gaussiennes. Pour la simplicit, on suppose que la matrice de mlange est
carre. Ensuite, aprs avoir estim la matrice H on peut calculer son inverse, not W et obtenir
les composantes indpendantes simplement par:

x = Wx (2.6)

Dans beaucoup d'applications, il serait plus raliste de supposer qu'il y a un certain bruit dans les
mesures, qui signifierait dajouter un terme de bruit dans le modle. Mais pour la simplicit, on
omet tous les termes de bruit, puisque l'valuation du modle sans les termes de bruit semble tre
suffisante pour beaucoup d'applications.
2.3. Ambiguts de lAnalyse en Composantes indpendantes
Dans le modle de lACI dcrit par lquation 2.5, il est facile de voir les ambiguts suivantes :
1. On ne peut pas dterminer les variances (nergies) des composantes indpendantes.
La raison est que, x et H tant inconnus, n'importe quel multiplicateur scalaire dans une des
sources s
pourrait toujours tre simplifis en divisant la colonne correspondante h
de H par la
mme grandeur scalaire; voir l'quation 2.5. Par consquent, on peut fixer les importances des
composantes indpendantes; puisquils sont des variables alatoires, on suppose que chacune a
une variance gale lunit: E {s
2
] = 1. Alors la matrice H sera adapte dans les mthodes
d'ACI pour tenir compte de cette restriction.

2. on ne peut pas dterminer l'ordre des composantes indpendantes.
La raison est que, x et H tant encore inconnus, on peut librement changer l'ordre des termes
dans la somme de lquation 1.5, et appeler n'importe quelle composante indpendante la
premire. Formellement, une matrice P de permutation et son inverse peuvent tre substitus
dans le modle pour donner x = HP
-1
Px. Les lments de Px sont les variables indpendantes
originales s
]
mais dans un autre ordre. La matrice HP
-1
est une nouvelle matrice de mlange
inconnue, qui va tre rsolue par les algorithmes d'ACI.

2.4. Illustration de lAnalyse en composantes indpendantes
Afin dillustrer le modle d'ACI en termes statistiques, on considre deux composantes
indpendantes qui ont les distributions uniformes suivantes:


p(s
) = _
1
2S
si|s
| S
u sinon
(2.7)
Les valeurs pour cette distribution uniforme ont t choisies afin de rendre la moyenne gale
zro et la variance gale un. La densit commune de s
1
et de s
2
est alors uniforme (carr).
Cest la consquence de la dfinition de base : la densit commune de deux variables
indpendantes est le produit de leurs densits marginales (l'quation 2.9). La densit commune
est illustre sur la figure 2-5.

Figure 2-5. La distribution commune des composantes indpendantes s
1
et s
2
avec une
distribution uniforme. Laxe horizontal correspond s
1
, laxe vertical correspond s
2

En prenant la matrice de mlange suivante:

H
0
= j
2 S
2 1
[

On obtient deux variables mlanges x
1
et x
2
. Les donnes mlanges ont une distribution
uniforme sur un paralllogramme, comme reprsent sur la figure 2-6. On remarque que les
variables alatoires x
1
et x
2
ne sont pas indpendantes. Une manire facile de voir ceci est de
0 0.2 0.4 0.6 0.8 1
0
0.2
0.4
0.6
0.8
1

considrer, sil est possible de prvoir la valeur de lune connaissant la valeur de l'autre.
Clairement si x
1
atteint un de ses valeurs maximum ou minimum, on peut dterminer la valeur
de x
2
. Elles sont donc non indpendantes. (Pour les variables s
1
et s
2
la situation est diffrente:
partir de la figure 2-5 on peut voir que la connaissance de la valeur de s
1
ne peut donner
aucune information sur la valeur de s
2
.)

Figure 2-6. La distribution commune des mlanges observs x1 et x2. Laxe horizontal
correspond x1, laxe vertical correspond x2

Le problme d'estimer le modle d'ACI est maintenant d'estimer la matrice de mlange H
0
en
utilisant seulement l'information contenue dans les mlanges x
1
et x
2
. En fait, on peut voir de la
figure 2-6 une manire intuitive destimer H. Les bords du paralllogramme sont dans les
directions des colonnes de H. Ceci signifie quon peut, en principe, estimer le modle d'ACI en
estimant d'abord la densit commune de x
1
et de x
2
, et alors localisant les bords. Ainsi, le
problme semble avoir une solution.
En ralit, ce serait une mthode trs faible parce que cela fonctionne seulement avec les
variables qui ont exactement des distributions uniformes.
Dans la suite, on considre la dfinition exacte de l'indpendance avant de commencer
dvelopper des mthodes pour l'valuation du modle d'ACI.
0 1 2 3 4 5
0
0.5
1
1.5
2
2.5
3

3. Concept de lindpendance des signaux
3.1. Dfinition et proprits fondamentales
Pour dfinir le concept de l'indpendance, on considre deux variables alatoires y
1
et y
2
.
Fondamentalement, les variables y
1
et y
2
seraient indpendantes si l'information sur la valeur de
y
1
ne fournit aucune information sur la valeur de y
2
, et vice versa. Dans le paragraphe prcdent,
on a not que c'est le cas avec les variables s
1
et s
2
, mais pas avec les variables mlanges x
1

et x
2
.
Techniquement, l'indpendance peut tre dfinie par les densits de probabilit. On note par
p (y
1
, y
2
) la fonction de densit de probabilit commune de y
1
et de y
2
et par p
1
(y
1
) la densit
de probabilit marginal de y
1
et par p
2
(y
2
) la densit de probabilit marginal de y
2
:

p
1
(y
1
) = _p(y
1
, y
2
)Jy
2
, (2.8)

et de mme pour y
2
.
Alors y
1
et y
2
sont indpendantes si et seulement si leur densit de probabilit commune peut
tre factorise de la manire suivante:

p(y
1
, y
2
) = p
1
(y
1
)p
2
(y
2
) (2.9)

Cette dfinition se prolonge pour tout nombre N de variables alatoires. Dans ce cas la densit
commune est un produit de N termes.
La dfinition peut tre employe pour driver la proprit la plus importante pour les variables
alatoires indpendantes. En se donnant deux fonctions, b
1
et b
2
, le moment croise dordre deux
des deux variable b
1
(y
1
) et b
2
(y
2
) scrit :

E{b
1
(y
1
)b
2
(y
2
)] = E{b
1
(y
1
)]E{b
2
(y
2
)]. (2.1u)

Ceci peut tre prouv comme suit:


E{b
1
(y
1
)b
2
(y
2
)] = b
1
(y
1
)b
2
(y
2
)p(y
1
, y
2
)Jy
1
Jy
2
= b
1
(y
1
) p
1
(y
1
)b
2
(y
2
) p
2
(y
2
)Jy
1
Jy
2
= _b
1
(y
1
) p
1
(y
1
)Jy
1
_b
2
(y
2
) p
2
(y
2
) Jy
2
= E{b
1
(y
1
)]E{b
2
(y
2
)], (2.11)
3.2. Les variables dcorrlatives sont seulement partiellement indpendantes
Une forme plus faible de l'indpendance est le dcorrlation. Deux variables alatoires y
1
et
y
2
seraient dcorrlatives, si leur covariance est nulle:
E {y
1
y
2
] -E {y
1
]E {y
2
] = u (2.12)

Si les variables sont indpendantes, elles sont dcorrlatives, ce qui peut tre directement
dmontr de lquation 2.10 en prenant b
1
(y
1
) = y
1
et b
2
(y
2
) = y
2
.
D'autre part, la dcorrlation n'implique pas l'indpendance. Par exemple, on suppose que y
1

et y
2
sont des valeurs discrtes et que la paire (y
1
, y
2
) est gale n'importe quelle des valeurs
suivantes: (0.1), (0, -1), (1.0), (-1.0) avec la probabilit 1/4. Alors, y
1
et y
2
sont dcorrlatives.
D'autre part,

E{y
1
2
y
2
2
] = u = E{y
1
2
]E{y
2
2
], (2.1S)

Ainsi la condition dans lquation 2.10 nest pas respecte et les variables ne peuvent pas tre
indpendantes.
3.3. Pourquoi on interdit les variables gaussiennes ?
La restriction fondamentale dans lACI est que les composantes indpendantes doivent tre non
gaussiennes pour que lanalyse en composantes indpendantes soit possible.
Pour voir pourquoi les variables gaussiennes rendent lACI impossible, on suppose que la matrice
de mlange est orthogonale et les s
sont gaussiennes. Aussi, on suppose que les x

sont
gaussiennes, dcorrlatives, et de variance gale l'unit. On considre le cas o N = 2. La
densit commune de x
1
et x
2
est donne par :

p(x
1
, x
2
) =
1
2n
cxp _-
x
1
2
+ x
2
2
2
_ (2.14)

Cette distribution est illustre dans la figure 2-7. La figure prouve que la densit est
compltement symtrique. Par consquent, elle ne contient aucune information sur les directions
des colonnes de la matrice de mlange H. C'est pourquoi H ne peut pas tre estime.

Figure 2-7. Distribution multivariable de deux variables gaussiennes indpendantes

Plus rigoureusement, on peut montrer que la distribution de n'importe quelle transformation
orthogonale du gaussien (x
1
, x
2
) a exactement la mme distribution que (x
1
, x
2
), et que x
1
et x
2

sont indpendantes. Ainsi, la matrice H n'est pas identifiable pour les composantes indpendantes
gaussiennes. (En fait, si juste une des composantes indpendantes est gaussienne, le modle de
lACI peut encore tre estim.)
4. Critres de lACI
On peut dfinir de faon gnrale lACI de la manire suivante : LACI dun vecteur alatoire x
consiste trouver une transforme linaire y = W x de telle faon que les signaux y soient aussi
indpendants que possible, dans le sens de la maximisation ou minimisation dune fonction qui
mesure lindpendance (figure 2-8).
-5 0 5
-5
-4
-3
-2
-1
0
1
2
3
4
5

Figure 2-8. Principe de la sparation par la mthode dACI
4.1. Maximisation de la non-gaussianit
Intuitivement parlant, la clef estimer le modle d'ACI est la non-gaussianit. En fait, sans non-
gaussianit l'valuation n'est pas possible du tout, comme mentionn dans le paragraphe 3.3.

Le thorme de limite centrale, un rsultat classique dans la thorie des probabilits, indique que
la somme de variable alatoires tend vers une distribution gaussienne. On considre alors quune
combinaison linaires de N sources alatoires non gaussiennes, de mme distribution, est plus
gaussienne que les sources elles mmes.

On suppose dans ce paragraphe que toutes les composantes indpendantes ont des distributions
identiques.
Pour estimer une des composantes indpendantes, on considre une combinaison linaire des x

tel que y = w
T
x = w
x

o w est un vecteur dterminer. Si w tait une des ranges de
l'inverse de H cette combinaison linaire galerait rellement lune des composantes
indpendantes. La question est maintenant: Comment peut on employer le thorme de la limite
centrale pour dterminer le vecteur w de sorte qu'il soit gal une des ranges de l'inverse de
H ? Dans la pratique, on ne peut pas dterminer un tel w exactement, parce quon na aucun
information sur la matrice H, mais on peut trouver un estimateur qui donne une bonne
approximation.


Afin de voir comment ceci mne au principe de base de l'valuation d'ACI, on va faire un
changement de variable : En dfinissant z = H
T
w, on a alors y = w
T
x = w
T
Hx = z
T
x, y
est ainsi une combinaison linaire de s
avec des coefficients donns par z
.
Puisque la somme de deux variables alatoires indpendantes est plus gaussienne que les
variables originales, z
T
x est plus gaussien que n'importe quelle s
et devient moins gaussien

quand il gale un des s
. Dans ce cas, seulement un des lments z
de z est diffrent de zro.

Par consquent, on peut prendre comme w un vecteur qui maximise la non-gaussianit de w
T
x.
Un tel vecteur correspond ncessairement un z qui a seulement une composante diffrente de
zro. Ceci signifie que w
T
x = z
T
x gale une des composantes indpendantes : La
maximisation du non-gaussianit de w
T
x donne ainsi une des composantes indpendantes. En
fait, le paysage d'optimisation pour la non-gaussianit dans l'espace n-dimensionnel des vecteurs
w a 2n maximum locaux, deux pour chaque composante indpendante, correspondant au s
et
-s
(rappelant que les composantes indpendantes peuvent tre estimes seulement un signe
multiplicatif). Pour trouver plusieurs composantes indpendantes, on doit trouver tous ses
maximums locaux. Ce n'est pas difficile, parce que les diffrentes composantes indpendantes
sont dcorrlatives : on peut toujours contraindre la recherche l'espace qui donne des
valuations dcorrlatives avec les prcdentes. Ceci correspond l'orthogonalisation dans un
espace convenablement transform (c.--d. blanchi).
4.2. Mesure de la non-gaussianit
Pour employer la non-gaussianit dans l'valuation d'ACI, on doit avoir une mesure quantitative
de la non-gaussianit d'une variable alatoire, not y. Pour la simplification, on suppose que y est
centre (de moyenne nulle) et a une variance gale lunit.
4.2.1. Kurtosis
Le tout premier critre utilis pour valuer la non-gaussianit fut le Kurtosis ou auto-cumulant
dordre 4. On considre la forme simplifie suivante :

kurt((y) = cum
4
(y, y, y, y) = E{y
4
] - SE{y
2
]
2
(2.1S)


En fait, puisque on a suppos que y a une variance gale lunit kurt((y) = E{y
4
] -S. Ceci
montre que le kurtosis est simplement une version normalise du moment dordre quatre E{y
4
].
Pour une variable alatoire y gaussienne, le moment dordre quatre est gal SE{y
2
]
2
. Ainsi, le
kurtosis est nul pour une variable alatoire gaussienne.

Le kurtosis peut tre positif ou ngatif. Les variables alatoires qui ont un kurtosis ngatif
s'appellent sous-gaussienne, et celles avec le kurtosis positif s'appellent sur-gaussienne.
Les variables alatoires sur-gaussienne ont typiquement une fonction de densit de probabilit
fdp aigu avec des queues lourdes, c.--d. la fdp est relativement grand zro et des grandes
valeurs de la variable, tout en tant petit pour des valeurs intermdiaires.

Un exemple typique est la distribution de Laplace, dont la fdp (normalise pour une variance
gale lunit) est donne par :

p(y) =
1
2
exp(-2|y|) (2.16)

Cette fdp est illustre dans la figure 2-9 (Pour la comparaison, la densit gaussienne est
reprsente par des traits discontinus. Les deux densits sont normalises afin davoir une
variance gale l'unit).


Figure 2-9. La fonction de densit de probabilit dune distribution de Laplace, qui est une
distribution sur-gaussienne.

D autre part, les variables alatoires sous-gaussiennes, ont typiquement une fdp plate, qui est
plutt constante prs de zro, et trs petite pour des grandes valeurs de la variable. Un exemple
typique est la distribution uniforme dans lquation 2.7.

Le kurtosis, ou plutt sa valeur absolue, a t largement rpandu comme mesure de non-
gaussianit dans lACI. La raison principale est sa simplicit, informatique et thorique.
Informatiquement, le kurtosis peut tre estim simplement en employant le moment dordre
quatre des donnes chantillonns. L'analyse thorique est simplifie en raison de la proprit
suivante de linarits: Si x
1
et x
2
sont deux variables alatoires indpendantes, on a :

kurt (x
1
+ x
2
) = kurt (x
1
) + kurt (x
2
) (2.17)

et

kurt (ox
1
) = o
4
kurt(x
1
) (2.18)

-4 -3 -2 -1 0 1 2 3 4
0
0.1
0.2
0.3
0.4
0.5
0.6
0.7
0.8
variable
d
e
n
s
i
t

d
e

p
r
o
b
a
b
i
l
i
t
fonction densit de probabilit

laplace
normale

o o est une grandeur scalaire. Ces proprits peuvent tre facilement prouves en utilisant la
dfinition.

Pour illustrer dans un exemple simple quoi le paysage d'optimisation pour le kurtosis
ressemble, et comment les composantes indpendantes ont pu tre trouves par minimisation ou
maximisation de kurtosis, on prend un modle deux dimensions x = Hx. On suppose que les
composantes indpendantes s
1
et s
2
ont des valeurs de Kurtosis notes kurt (s
1
) et kurt (s
2
)
respectivement, tous les deux sont diffrentes de zro. On rappelle quon a suppos qu'elles ont
des variances gales l'unit. On cherche une des composantes indpendantes telles que
y = w
T
x .
En effectue encore la transformation z = H
1
w, on a alors y = w
T
x = w
T
Hx = z
T
x =
z
1
s
1
+ z
2
s
2
. Maintenant, en se basant sur la proprit additive du kurtosis, on a : kurt(y) =
kurt(z
1
s
1
) +kurt(z
2
s
2
) = z
1
4
kurt(s
1
) + z
2
4
kurt(s
2
)
D' autre part, on a la contrainte que la variance de y est gale 1 en se basant sur la mme
hypothse concernant s
1
et s
2
. Ceci implique une contrainte sur z : E{y
2
] = z
1
2
+z
2
2
.
Gomtriquement, ceci signifie que le vecteur z est contraint au cercle d'unit dans un plan
deux dimensions. Le problme d'optimisation consiste situer les maximums de la
fonction |kurt(y)| = |z
1
4
kurt(s
1
) +z
2
4
kurt(s
2
)| sur le cercle d'unit? Pour la simplicit, on
peut considrer que les valeurs du kurtosis sont du mme signe, dans ce cas les oprateurs de
valeur absolue peuvent tre omis. Le graphique de cette fonction est le paysage d'optimisation
pour le problme.
Les maximum sont aux points o exactement lun des lments du vecteur z est zro et l'autre
diffrent de zro; en raison de la contrainte de cercle d'unit, l'lment diffrent de zro doit tre
gal 1 ou -1. Mais ces points sont exactement ceux quand y est gale lune des composantes
indpendantes +s
et le problme a t rsolu.

Dans la pratique on commence partir d'un certain vecteur w, on calcule la direction suivant
laquelle le kurtosis y = w
T
x se dveloppe le plus fortement (si le kurtosis est positif) o
diminue le plus fortement (si le kurtosis est ngatif) en se basant sur les chantillons disponibles
x (1) . . , x (t) du vecteur de mlange x et en employant la mthode du gradient ou un de ces

prolongements pour la dtermination dun nouveau vecteur w. L'exemple peut tre gnralis
aux dimensions arbitraires.
4.2.2. Nguentropie
Lentropie est le concept de base de la thorie de linformation. Lentropie dune variable
alatoire peut tre interprte comme le degr dinformation que lobservation de la variable
fournit. Plus la variable y sera alatoire et plus grande sera sa valeur de lentropie.
Lentropie E est dfinie pour une variable alatoire discrte par :

E() = -P( = o
)logP( = o
(2.19)

o o
sont les valeurs possibles de

Cette dfinition peut tre gnralise pour des variables alatoires continues, dans ce cas elle
sappelle lentropie diffrentielle. Elle est dfinie par :
E((y) = -_
y
(p) log [
y
(p) Jp (2.2u)

o
y
(. ) est la densit de probabilit de la variable alatoire y .
Un rsultat fondamental de la thorie de linformation est quune variable gaussienne a la plus
grande entropie parmi toutes les variables alatoires variance donne.
Ceci signifie que lentropie pourrait tre employe comme mesure de non gaussianit. On emploi
souvent une version lgrement modifie de la dfinition de lentropie diffrentielle, appele
nguentropie. Elle est dfinie comme suit :

[(y) = E(y
guuss
) - E(y) (2.21)

[(y) est toujours positive ou nulle. En particulier, elle est nulle si est seulement si y a une
distribution gaussienne. Cest donc une bonne mesure de non-gaussianit, bien justifie par les

thories statistiques. Linconvnient de la nguentropie est quelle ncessite lestimation des
densits de probabilit des sources qui sont inconnues. Pour cette raison la nguentropie peut tre
approxime en utilisant les cumulants dordre suprieur comme suit :

[(y)
1
12
E{y
3
]
2
+
1
48
kurt(y)
2
(2.22)

Cette approximation est non robustesse. Cest pourquoi une autre forme plus gnrale de
lapproximation de la nguentropie est introduite :

[(y) = k
[E{0
(y)] -E ]0
[y
guuss
(t)
2
(2.2S)
p
=1

o k
: sont des constantes positives

0
: sont des fonctions non-quadratiques.

Une autre approche consiste nutiliser quune seule fonction non-quadratique 0. Dans ce cas,
lapproximation devient :
[(y) (E{0(y)] - E ]0 [y
guuss
(t))
2
(2.24)
On remarque quen prenant 0(y) = y
4
, on obtient alors exactement lquation 2.22. Mais le
point fort ici est celui en choisissant 0 soigneusement, on obtient des approximations de
nguentropie qui sont meilleures que celle donne par lquation 2.22. Les choix suivants de 0
sont prouvs tre trs utiles:

0
1
(u) =
1
o
1
logcosbo
1
u, 0
2
= -exp (
-u
2
2
, )

o 1 o
1
2 est une constante approprie.

4.3. ACI par estimation du maximum de vraisemblance
Une approche trs populaire pour le modle de lACI est lestimation du maximum de
vraisemblance. Le but est de trouver les paramtres du mlange qui maximisent la probabilit
doccurrence des observations. Ainsi, partir de lexpression matricielle du mlange x = H x, on
peut exprimer la densit de probabilit du vecteur x en fonction des densits de probabilit des
sources supposes indpendantes et du dterminant de linverse W= (w
1
, , w
n
)
1
= H
-1
de la
matrice de mlange

x
(x) = |uet W|
x
(x) (2.2S)
= |uet W| _
s
i
(s
)

Cette relation peut tre exprime par rapport aux colonnes w
de la matrice w et aux
observations :

x
(x) = |uet W| _
s
i
(w
x) (2.26)

Si on considre K chantillons de x, alors la vraisemblance I(W) peut tre obtenue comme le
produit de cette densit value ces K points et peut sexprimer comme une fonction de W :

I(w) = |uet W|
K
t=1

s
i
N
=1
(w
1
x) (2.27)

Il est souvent plus pratique de considrer le logarithme de la vraisemblance qui scrit :

logI(W) = _log (
s
i
(w
1
N
=1
K
t=1
x)_ + K log|uet W| (2.28)

Ce qui donne, en divisant par K et en considrant la moyenne empirique note E{. ],


1
K
log I(W) = E _log (
s
i
N
=1
(w
1
x)_ + log|uet W| (2.29)

Comme pour la nguentropie, le principal inconvnient de la vraisemblance est que lon ne
connait pas les densits de probabilit des sources. On peut alors supposer soit quelles sont
connues priori, soit quelles appartiennent une famille de distributions donne. En utilisant les
fonctions score g
(. ) = (-log [
s
i
(. )))' et en supposant que le dterminant de W est constant,
alors maximiser la vraisemblance correspond minimiser la nguentropie ou maximiser
lentropie. Les fonctions score g
(. ) sappellent Infomax.
4.4. ACI base sur la minimisation de linformation mutuelle
En utilisant le concept de lentropie diffrentielle, on dfinit linformation mutuelle I entre N
variable y
comme suit :
I(y
1
, y
2
, , y
N
) = _E(y
)
N
=1
_ - E(y) (2.Su)
Linformation mutuelle est une mesure naturelle de la dpendance entre des variables alatoires.
Elle est toujours positive ou nulle. En particulier, elle est nulle si et seulement si les variables sont
statistiquement indpendantes. Ainsi, on peut utiliser linformation mutuelle comme un critre
pour lACI. En effet, une proprit importante de linformation mutuelle est que pour une
transformation linaire y = W x On a :
I(y
1
, y
2
, , y
N
) = E(y
)
N
=1
- E(x) - log|uet W| (2.S1)
Pour y
de variance unit, on a : E{yy

1
] = wE{xx
1
]w
1
= I, et on a :
uet I = 1 = (JctwE{xx
1
]w
1
) = (Jctw)(JctE{xx
1
])(Jctw
1
)
Ceci implique que Jctw doit tre constant. Donc, pour y
de variance gale lunit,

linformation mutuelle et nguentropie diffrent seulement par une constante et le signe. Ainsi on
obtient,

I(y
1
, y
2
, , y
N
) = const. -[(y
N
=1
) (2.S2)
Cette relation montre donc le rapport entre linformation mutuelle et la nguentropie.
5. Traitement pour ACI
Dans le paragraphe prcdent, on a prsent les mthodes fondamentales des principes
statistiques de lACI. Cependant, avant d'appliquer un algorithme d'ACI sur les donnes, il est
habituellement trs utile de faire un certain prtraitement. Dans cette section, on prsente
quelques techniques de prtraitement qui rendent le problme de l'valuation d'ACI plus simple.
5.1. Centrage
Le prtraitement le plus fondamental et le plus ncessaire dans lanalyse en composantes
indpendantes est le centrage de x c.--d. la soustraction de son vecteur moyen m = E {x ] afin
que x devient de moyenne nulle et donc x est aussi de moyenne nulle (ceci peut tre dmontr en
prenant les esprances des deux cts de lquation 2.4.
Le seul but de ce prtraitement est la simplification des algorithmes d'ACI: Il ne signifie pas que
la moyenne ne pourrait pas tre estime. Aprs avoir estim la matrice de mlange H avec des
donnes centres, on peut accomplir l'valuation en ajoutant le vecteur moyen de x aux
valuations centres de x. Le vecteur moyen de x est donn par H
-1
m o m est la moyenne qui
a t soustraite dans le prtraitement.
5.2. Blanchiment
Une autre stratgie utile de prtraitement dans lACI est le blanchiment des variables observes.
Ceci signifie qu'avant l'application de l'algorithme d'ACI (et aprs centrage), on transforme le
vecteur observ x linairement de sorte quon obtient un nouveau vecteur x qui est blanc, c.--d.
ses composantes sont non-corrles et leur variance gale lunit. En d'autres termes, la matrice
de covariance de x est gale la matrice identit:

E{xx
1
] = I (2.SS)

La transformation de blanchiment est toujours possible. Une mthode populaire pour blanchir est
d'employer la dcomposition en valeur propre de la matrice de covariance tel que :E{xx
1
] =
FDF
T
o F est la matrice orthogonale des vecteurs propres de E{xx
1
] et D est la matrice
diagonale de ses valeurs propres D = Jiog(J
1
, . . . , J
n
).
E{xx
1
] peut tre estime des chantillons disponibles x(1), . . . , x(I). Le blanchiment se fait
alors comme suit :

x = FD
-
1
2
,
Fx (2.S4)

o la matrice D
-
1
2
,
est calcule par lopration suivante : D
-
1
2
,
= Jiog(J
1
-
1
2
,
, . . . , J
n
-
1
2
,
).
Le blanchiment transforme la matrice de mlange une nouvelle matrice not H
. On a partir
des quations 2.4 et 2.34:

x = FD
-
1
2
,
F
T
Hx (2.SS)

L'utilit du blanchiment rside dans le fait que la nouvelle matrice de mlange H
est orthogonale.
Ceci peut tre remarqu partir de :

E{xx
1
] = H
E{xx
1
]H
1
= H
1
= I (2.S6)

Ici on peut voir que le blanchiment rduit le nombre des paramtres estimer. Au lieu destimer
n
2
paramtres qui sont les lments de la matrice originale H, on doit seulement estimer la
nouvelle matrice de mlange orthogonale. Une matrice orthogonale contient n(n -1) 2 degrs
de libert. Par exemple, en deux dimensions, une transformation orthogonale est dtermine par
un paramtre simple d'angle. Dans de plus grandes dimensions, une matrice orthogonale contient
seulement environ la moiti du nombre de paramtres d'une matrice arbitraire. Ainsi, on peut
indiquer que le blanchiment rsout la moiti du problme d'ACI.

Une illustration graphique de l'effet du blanchiment peut tre vue sur la figure 2-10, dans lequel
les donnes sur la figure 2-6 ont t blanchies. Le carr dfinissant la distribution est maintenant
clairement une version tourne du carr original sur la figure 2-5. Tout ce qui reste est
l'valuation d'un angle simple qui donne la rotation.

Figure 2-10. Distribution commune des mlanges blanchis
6. Analyse modale oprationnelle
6.1. Dfinition
Lanalyse modale oprationnelle (AMO) est la technique danalyse modale base sur seulement
les rponses de la structure afin de dterminer ses paramtres modaux: les pulsations propres, les
modes propres et les coefficients damortissement. La technique est applique en remplacement
des mthodes classiques lorsquil est difficile dexercer une force artificielle sur la structure [51,
55, 23].
-0.8 -0.6 -0.4 -0.2 0 0.2 0.4 0.6 0.8
-0.8
-0.6
-0.4
-0.2
0
0.2
0.4
0.6
0.8

6.2. Avantages
Les avantages principaux de l'AMO sont:
- La rponse mesure reprsente des vraies conditions de fonctionnement de la
structure.
- L'installation est simple, franche et rapide, parce que seulement des acclromtres
sont utiliss.
- Le prix dexcution est trs bas.
- Lopration ne demande pas un arrt de production.
7. Identification des paramtres modaux par la mthode dACI
L'analyse en composante indpendante (ACI) / sparation aveugle des sources (BSS) est un
secteur naissant de recherche dans le domaine du traitement des signaux. Le but des techniques
d'ACI / BSS est d'identifier statistiquement des sources indpendantes et non gaussiennes d'un
mlange linaire de telles sources. Il extrait galement la matrice inconnue de mlange dans le
processus. Le but de ce travail est dexplorer la possibilit dutiliser ce concept dACI dans
l'analyse modale oprationnelle dans laquelle le systme est identifi seulement sur la base de ses
rponses qui sont une fonction des forces inconnues et des caractristiques fondamentales du
systme.
Lidentification des paramtres modaux consiste dterminer les frquences naturelles, les
facteurs damortissement et les dformes modales.
Considrons lquation de mouvement suivante dun systme n degrs de libert en vibration
libre soumis des conditions initiales donnes (x
et x
) :

Mx + Cx +Kx = u (2.S7)

avec :
M: Matrice masse e R
n-n
,
C : Matrice damortissement e R
n-n
,
K : Matrice de rigidit e R
n-n
,
x : Vecteur dplacement e R
n
,
x : Vecteur vitesse e R
n
,

x : Vecteur acclration e R
n
.
En utilisant la mthode de superposition modale, La rponse scrit sous la forme matricielle
suivante :

x = +y (2.S8)

avec :
x : Vecteur des grandeurs physiques mesures (dplacement),
+ : Matrice modale compose des dformes modales
,
y : Vecteur contenant les rponses modales. Ce dernier scrit sous la forme suivante :

y(t) = o
exp(-
t) sin (
d
t +
)
n
=1
(2.S9)

avec :
: Coefficients damortissements modaux
: Frquences naturelles du systme
d
: Frquences amortis du systme
: Angles de phase
o
: Constantes dterminer partir des conditions initiales

t : Temps
Donc x(t) peut scrire :

x(t) =
n
=1
exp(-
t) sin(
d
t +
) (2.4u)

Lanalyse modale oprationnelle consiste dterminer la matrice des dformes modales +, les
frquences naturelles
et les coefficients damortissements
contenu dans y(t) en utilisant

seulement les signaux de sortie x(t) . Do la similarit entre lanalyse modale et lanalyse en
composantes indpendantes.

En rsumant, l'ide principale est d'interprter les coordonnes physiques dune structure en tant
que sources virtuelles avec diffrents contenus spectraux. En utilisant certaines hypothses, les
techniques d'ACI fournissent la matrice de mlange et les rponses modales de la structure, ce
qui forme la base d'un procd d'analyse modale vritablement simple:
(1) Effectuer les mesures exprimentales des rponses du systme examines dans diffrentes
positions.
(2) appliquer les techniques d'ACI aux x(t) mesurs pour estimer la matrice de mlange H et les
sources s(t).
(3) les dformes modales sont contenues dans la matrice de mlange H
(4) on peut alors identifier la frquence naturelle et le coefficient d'amortissement du mode
correspondant de vibration.
Le processus intgral est illustr dans la figure 2-11.

Figure 2-11. Processus de lapplication de lACI dans lAMO


Critres de performances
Afin de comparer la matrice propre thorique et estime, on utilise les deux critres suivants :
Critre Modal d'Assurance Modale (MAC) :
Il est dfini par :
HAC
=
(
)
(
)(
i
)
(2.41)
avec
et
i
reprsentent respectivement les vecteurs modaux thoriques et estims.

Si le critre d'assurance modale a une valeur prs de zro, donc les vecteurs modaux ne sont pas
conformes.
Si le critre d'assurance modale a une valeur prs de l'unit, ceci est une indication que les
vecteurs modaux sont conformes. Mais, Ceci ne signifie pas ncessairement qu'ils sont corrects.
Lerreur de l'approximation des dformes modales (Er), est la distance euclidienne de deux
vecteurs de la dforme modale. Il est dfini par :

Er
= [
-
i
[ (2.42)

Afin de comparer les frquences propres thoriques et estimes, on utilise le critre suivant :
Lerreur relative entre les frquences calcules numriquement et les frquences estimes par
lanalyse modale oprationnelle (Ef), est dfinie de la manire suivante :

E
(%) = 1uu
-
i
(2.4S)

avec
et
i
reprsentent respectivement les frquences propres thoriques et estimes.

8. Conclusion
Lanalyse en composantes indpendantes est un problme fondamental en traitement de signal
qui peut tre applique dans plusieurs domaines. Dans ce chapitre, on a prsent cette mthode en
commenant par une motivation afin de comprendre le principe de lACI et en prsentant ces

principaux critres de sparation (maximisation de la non-gaussianit, maximisation de la
vraisemblance et minimisation de linformation mutuelle). A la fin on a montr comment lACI
peut tre applique en AMO en prenant lquation de mouvement dun systme discret n degrs
de libert en vibration libre soumis des conditions initiales.

Chapitre 3. Mise en uvre numrique de lapproche 52

Chapitre III

Mise en uvre numrique de lapproche

1. Introduction ........................................................................................................................... 53
2. Prsentation de lalgorithme RobustICA ........................................................................... 53
2.1 Extraction dune composante indpendante.............................................................................54
2.2 Dflation.....................................................................................................................................55
3. Validation de la mthode ...................................................................................................... 57
3.1. systme libre sans amortissement............................................................................................58
3.1.1. Mthodes classiques : Mthode de superposition modale...................................................58
3.1.3. Rsultats numriques...........................................................................................................60
3.2. Systme libre avec amortissement...........................................................................................69
3.2.1. Mthode classique : mthode de superposition modale......................................................69
3.2.3. Dtermination des paramtres structuraux.........................................................................72
4. Conclusion ............................................................................................................................. 82


1. Introduction
Dans le chapitre prcdent, on a discut les mthodes fondamentales des principes statistiques de
lACI tel que la maximisation du non gaussianit en utilisant comme critre de mesure le
Kurtosis ou la nguentropie, la maximisation de la vraisemblance et la minimisation de
linformation mutuelle.
Dans ce chapitre, on propose un nouvel algorithme pour lACI dflation appele RobustICA
qui consiste raliser loptimisation exacte du Kurtosis et on va lappliquer en analyse modale
oprationnelle dun systme mcanique discret en utilisant seulement les rponses au niveau des
masses discrtises.
Dans une premire partie, on va prsenter lalgorithme RobustICA. Dans la deuxime partie, on
va valider lalgorithme en lappliquant un systme discret (masse-ressort) trois degrs de
libert sans et avec amortissement. Lide consiste alors dterminer partir des rponses
seulement les caractristiques modales de la structure.
2. Prsentation de lalgorithme RobustICA
RobustICA est un algorithme danalyse en composantes indpendantes bas sur le kurtosis
comme critre de maximisation du non gaussianit afin de dterminer les composantes
indpendantes. Ce dernier est dfini comme le cumulant marginal normalis dordre quatre
[52,53].

(w) =
E{|y|
4
] - 2E
2
{|y|
2
] -|E{y
2
]|
2
E
2
{|y|
2
]
(S.1)

On peut voir que ce critre est peu sensible au facteur dchelle c'est--dire :
(zw) = (w) , v z = u
Puisque cette indtermination dchelle est en gnral sans importance, on peut imposer, sans
perte de gnralit, la normalisation [w[ = 1.
Le critre de maximisation du Kurtosis bas sur lquation 3.1 est tout fait gnral parce qu'il
n'exige pas que les observations soient blanchies et peut tre appliqu des sources complexes
ou relles sans aucune modification.

2.1 Extraction dune composante indpendante
Lapproche consiste raliser loptimisation exacte de la direction de recherche g du contraste
absolu de Kurtosis dfini dans lquation 3.1.

p
opt
= aig mox
|(w +pg)| (S.2)

La direction recherche est typiquement mais pas ncessairement le gradient, g = v
w
(w)
dfini par :
v
w
(w) =
4
E
2
{|y|
2
]
_E{|y|
2
y
-
x] -E{yx]E
-
{y
2
] -
(E{|y|
4
] - |E{y
2
]|
2
) -E{y
-
x]
E{|y|
2
]
_ (S.S)

Le pas optimal menant au maximum global du contraste dans cette direction se trouve parmi les
racines dun polynme de quatrime degr.
chaque itration, RobustICA cherche le pas optimal et il comporte les tapes suivantes :
S1) calculer les coefficients du polynme du pas optimal.
Pour le contraste de kurtosis, le polynme de pas optimal est donn par:

p(p) = o
k
p
k
(S.4)
4
k=0

Les coefficients {o
k
]
k=1
4
peuvent tre obtenus chaque itration partir des signaux observs et
les valeurs actuelles de w et g. Leurs expressions se trouvent dans lAnnexe A [54]. Le
traitement numrique dans la dtermination de p
opt
peut tre amlior en normalisant le vecteur
de gradient l'avance.
S2) Extraire les racines de polynme de pas optimal {p
k
]
k=1
4

S3) choisir la racine menant au maximum absolu du contraste le long de la direction de
recherche g.

p
opt
= aig mox
k
|(w +p
k
g)| (S.S)

S4) mettre jour w :


w
+
= w + p
opt
g (S.6)

S5) Normaliser w
+
:

w
+
-
w
+
[w
+
[
(S.7)

Lalgorithme peut tre arrt quand

|1 - |w
1
w
+
|| < e (S.8)

avec e est une petite constante statique qui peut tre dfinie par : e = pI avec p < 1
2.2 Dflation
Pour extraire plus d'un composant indpendant, le procd dflationniste d'orthogonalisation de
Gram-Schmidt peut tre employ dans RobustICA avec blanchiment, mme si le blanchiment
n'est pas obligatoire pour cette mthode. Aprs l'tape 4, le vecteur extrait mis jour est contraint
pour se situer dans le sous-espace orthogonal des vecteurs extraits prcdemment trouvs w
k
=
|w
1
, w
2
, , w
k-1
].
Dans l'approche de rgression linaire la dflation, aprs la convergence de l'algorithme de
recherche, la contribution de la source estime l'observation est calcule par l'intermdiaire de
la solution minimum de carr moyenne derreur au problme de rgression linaire x = b
`
s ,
donn par :
b
`
= aig mox
h
E{[x - bs [
2
] =
E{xs ]
E{|s |
2
]
(S.9)
Les observations sont alors dgonfles avant de rinitialiser l'algorithme dans la recherche de la
prochaine source comme suit :
x - (x - b
`
s ) (S.1u)

Si le blanchiment n'est pas excut, l'orthogonalisation n'est plus une option alors que la
rgression devient force.

Initialisations : w ; P
Entres: X; pewhi; do-reg; tol2; max-it
Centrage
Prewhi
=?
Blanchiment
k = 1
Initialisation de w
w = w norm(w)
w = Pw
k = k +1
It = 1
Calcul p
opt
et g
(Fonction kurt-gradient-optstep)
it = it + 1
w
+
= w +p
opt
g
w
+
= P(w
+
norm(w
+
))
Ib = |1 -|w
1
w
+
||

tb < tol2
it > mox -it
p
opt
= u
w(: , k) = w
+
Do-reg
= ?
s(: , k) = w
1
X
P = I -ww
1
E
k = n
= ?
Fonction :deflation-
regression
1
0
1 0
Vrai
Faux
Faux
Vrai

Fonction kurt-gradient-optstep
Fonction :deflation-regression
Figure 3-1. Organigramme simplifi de la mthode de sparation de sources
3. Validation de la mthode
Afin de valider le programme RobustICA. On va utiliser dans une premire partie la mthode de
superposition modale pour dterminer les paramtres modaux thoriques (les frquences
naturelles, les facteurs damortissements et les dformes modales) dans le cas dun systme
discret trois degrs de libert. Ensuite, on va utiliser le programme de sparation de sources
RobustICA pour estimer ces paramtres et enfin on va comparer les rsultats obtenus par les deux
mthodes.

Initialisations : p
opt
= u
Entres: X; w; P
Calcul de g
norm(g)
> cps .
g = g norm(g)
g = Pg
Calul des {o
k
]
{p
k
]
k=1
4

p
opt
= aig mox
k
|K(w +p
k
)g|
x = x -b
`
s
Entres: x; s
b
`
= aig mox
k
E{[x - bs[]

3.1. systme libre sans amortissement
3.1.1. Mthodes classiques : Mthode de superposition modale
On considre le systme libre sans amortissement plusieurs degrs de libert dfini par lEq.
(3.11) :
_
Mx + Kx = u
t = u ]
x = x
x = x

(S.11)
La mthode de superposition modale convertit un ensemble coupl d'quations diffrentielles en
des quations dsaccouples en utilisant une transformation approprie des coordonnes.
La transformation est reprsente par :
x = +y (S.12)
avec + est la matrice des dformes modales et y est un vecteur de transformation des
coordonnes appel vecteur des rponses modales.
La substitution de lquation 3.12 dans lquation de mouvement 3.11 et la multiplication des
deux cots de lquation rsultante par +
1
, donnent :
+
1
M+y + +
1
K+y = u (S.1S)
+
1
M+ = I
+
1
K+ = A
En utilisant les proprits dorthogonalit de la matrice masse et de la matrice de rigidit, on
obtient lquation de mouvement non couple :
y +Ay = (S.14)
Lquation 3.14 peut tre crite aussi sous la forme suivante :
y
2
y
= u i = 1,2, , N (S.1S)
Lquation 3.15 est compose de N quations de mouvement dun systme un seul degr de
libert.

Avant de rsoudre lquation 3.15, on doit convertir les conditions initiales x
et x
du systme
de coordonnes physiques au systme de coordonnes modales. On les note par y
et y
, on a :
x
= +y
= +
1
Mx
(S.16)
De mme pour le vecteur de vitesse initial :
x
= +y
= +
1
Mx
(S.17)
Le systme de vibration libre dans lespace modal est donn par :
_
y
2
y
= u i = 1,2, , N
t = u ]
y = y
y = y
(S.18)
La solution de lquation i est la mme que celle dun systme un seul degr de libert.
y
(t) = y
0
cos(
t) +
y
0
sin(
t) (S.19)
Une fois que la solution est trouve dans l'espace modal, on emploie la transformation modale
donne par lquation 3.12 pour retourner l'espace des coordonnes physiques x.
3.1.2. Description de lexemple
Le premier exemple est un systme discret sans amortissement 3 degrs de libert en vibration
libre soumis des conditions initiales (Figure3-2).


Figure3-2. Systme vibratoire trois degrs de libert sans amortissement
On veut chercher les paramtres modaux de la structure par la mthode classique de
superposition modale et lanalyse modale oprationnelle.
3.1.3. Rsultats numriques
3.1.3.1. Mthode classique
Lquation du mouvement du systme est : Mx + Kx = u
avec
La matrice de masse est: M = _
2 u u
u 1 u
u u 1
_
La matrice de rigidit est: K = _
2 -1 u
-1 2 -1
u -1 1
_
Les dplacements initiaux sont : x
= _
1
u
u
_
Les vitesses initiales sont : x
= _
u
u
u
_
En utilisant la mthode de superposition modale, on obtient la matrice modale
+ = _
-u.S6u2 u.7u71 u.2SS8
-u.S928 -u.uuuu -u.8S24
-u.72u4 -u.7u71 u.4676
_ et les pulsations propres : = _
u.42u9
1.uuuu
1.68u1
_

Les rponses modales qui reprsentent les signaux sources dterminer partir de la mthode de
sparation de source y = _
y
1
y
2
y
3
_ ainsi que leur spectre sont reprsents par la figure 3-3.

Figure 3-3.les rponse modales et leur spectre

Pour chaque rponse modale, le contenu spectral montre une seule frquence qui est la frquence
propre du mode i (i=1, 2, 3). Les frquences propres du systme sont : = _
u.u67
u.1S92
u.2674
_ Ez

3.1.3.2. Mthode danalyse modale oprationnelle
En partant des rponses physiques mesures au niveau des masses i (i=1,2 et 3), on utilise le
programme RobustICA afin de dterminer les signaux sources estims qui contiennent les
informations sur les frquences propres estimes et la matrice de mlange qui prsente la matrice
modale estime.
Les coordonnes physiques (o signaux observs) au niveau des masses i (i= 1, 2, 3) ainsi que
leur spectre sont prsents dans la figure 3-4.

Figure 3-4. Rponses vibratoires du systme et leur spectre

On constate que le contenu spectral des signaux observs prsente les diffrentes frquences
propres du systme discret tudi.
Afin de trouver les signaux spars (les rponses modales), on va appliquer le programme
RobustICA dans un premier temps sans matrice de permutation et dans un deuxime temps avec
matrice de permutation puisque lanalyse en composantes indpendantes permet la sparation
un facteur dchelle et une permutation prs.
- Sans matrice de permutation
Les rsultats de la sparation des signaux observs sont donns par la figure 3-5 et la figure 3-6.
La figure 3-5 prsente une comparaison entre les rponses modales thoriques et estimes.
La figure 3-6 reprsente le spectre des signaux estims.


Figure 3-5. Comparaison des rponses modales thoriques et estimes
0 10 20 30 40 50 60 70 80 90 100
-1.5
-1
-0.5
0
0.5
1
1.5
temps(s)
Rsultat de la sparation: en bleu Y(1) thorique, en rouge Y(1) estim
0 10 20 30 40 50 60 70 80 90 100
-1.5
-1
-0.5
0
0.5
1
1.5
temps(s)
0 10 20 30 40 50 60 70 80 90 100
-1.5
-1
-0.5
0
0.5
1
1.5
temps(s)

Figure 3-6. Spectres des rponses modales estimes
Il est clair que les signaux sources sont estims un facteur dchelle et une permutation prs.
Pour la permutation: la premire source estime correspond la deuxime source thorique et la
deuxime source estime correspond la premire source thorique.
0 0.05 0.1 0.15 0.2 0.25 0.3 0.35 0.4 0.45 0.5
0
1000
2000
3000
4000
5000
6000
7000
F
F
T
(
Y
'
(
1
)
)
frquence(Hz)
f=0.16Hz
0 0.05 0.1 0.15 0.2 0.25 0.3 0.35 0.4 0.45 0.5
0
1000
2000
3000
4000
5000
6000
7000
F
F
T
(
Y
'
(
2
)
)
frquence(Hz)
f=0.07Hz
0 0.05 0.1 0.15 0.2 0.25 0.3 0.35 0.4 0.45 0.5
0
1000
2000
3000
4000
5000
6000
7000
F
F
T
(
Y
'
(
3
)
)
frquence(Hz)
f=0.27Hz

Pour le facteur dchelle : la premire rponse modale est dtermine un facteur dchelle gal
0.5. La deuxime est dtermine un facteur dchelle gal -1. La troisime est dtermine
un facteur dchelle gal -
1
3
.
La matrice de mlange estime fournit les informations sur les dformes modales. Les rsultats
de la sparation aprs avoir ordonn les modes sont prsents dans le tableau 3-1.
Les dformes modales
Mode1 Mode2 Mode3
thorique estime thorique estime thorique estime
-u.S6u2 -0.1875 u.7u71 -0.7064 u.2SS8 -0.0777
-u.S928 -0.3034 -u.uuuu -0.0081 -u.8S24 0.2885
-u.72u4 -0.3732 -u.7u71 0.7040 u.4676 -0.1566
Tableau 3-1. Comparaison des dformes modales thoriques et estimes
- Avec matrice de permutation
Aprs avoir estim les signaux sources, le programme RobustICA permet lutilisation dune
matrice de permutation qui permet de comparer les signaux sources estims avec ceux thoriques
et les ordonnes en rsolvant lindtermination dchelle tel que x = Px
Dans notre cas :
P = _
u u.S167 u
-u.9999 u u
u u -u.SSS7
_
La figure 3-7 prsente une comparaison entre les rponses modales thoriques et estimes.
La figure 3-8 reprsente le spectre des signaux estims.

Figure 3-7. Comparaison entre les rponses modales thoriques et estimes

0 10 20 30 40 50 60 70 80 90 100
-0.8
-0.6
-0.4
-0.2
0
0.2
0.4
0.6
0.8
temps(s)
0 10 20 30 40 50 60 70 80 90 100
-1.5
-1
-0.5
0
0.5
1
1.5
temps(s)
0 10 20 30 40 50 60 70 80 90 100
-0.5
0
0.5
temps(s)

Figure 3-8. Spectre des signaux estims
Pour chaque coordonne modale, le contenu spectral montre une seule frquence qui est la
frquence propre estime du mode i (i=1, 2, 3). Do les frquences propres estimes du
systme :
0 0.05 0.1 0.15 0.2 0.25 0.3 0.35 0.4 0.45 0.5
0
500
1000
1500
2000
2500
3000
3500
F
F
T
(
Y
'
(
1
)
)
frquence(Hz)
f=0.07Hz
0 0.05 0.1 0.15 0.2 0.25 0.3 0.35 0.4 0.45 0.5
0
1000
2000
3000
4000
5000
6000
7000
F
F
T
(
Y
'
(
2
)
)
frquence(Hz)
f=0.16Hz
0 0.05 0.1 0.15 0.2 0.25 0.3 0.35 0.4 0.45 0.5
0
500
1000
1500
2000
2500
F
F
T
(
Y
'
(
3
)
)
frquence(Hz)
f=0.27Hz

= _
u.u7
u.16
u.27
_Hz
Les dformes modales
Mode1 Mode2 Mode3
-u.S6u2 -0.3628 u.7u71 0.7079 u.2SS8 0.2311
-u.S928 -0.5872 -u.uuuu 0.0081 -u.8S24 -0.8582
-u.72u4 -0.7223 -u.7u71 -0.7055 u.4676 0.4599
Tableau 3-2. Comparaison entre les dformes modales thoriques et estimes
Lerreur de lapproximation des dformes modales ainsi que le critre dassurance modale sont
prsents dans le tableau suivant :

N du mode MAC Er
1 1.0000 0.0065
2 0.9999 0.0083
3 0.9999 0.0100
Tableau 3-3. Critres de performance
Dans cette partie, on a essay de valider la performance de lalgorithme RobustICA dans le cas
dun systme en vibration libre soumis des conditions initiales et on a montr les ambigits de
lanalyse en composantes indpendantes qui permet destimer les sources un facteur dchelle
et une permutation prs.
Dans la suite de ce chapitre, on va utiliser le programme RobustICA avec la matrice de
permutation.
3.2. Systme libre avec amortissement
3.2.1. Mthode classique : mthode de superposition modale
On considre lquation de mouvement dun systme libre avec amortissement plusieurs degrs
de libert :

_
Mx + Cx +Kx = u
t = u ]
x = x
x = x

(S.2u)
Pour appliquer la mthode de superposition modale, on va utiliser la transformation des
coordonnes physiques donne par lquation 3.12.
La substitution de lquation 3.12 dans lquation de mouvement et la multiplication des deux
cots par |]
1
, donnent lquation de mouvement suivante dans lespace des coordonnes
modales.
_
y + +
1
C+y + Ay = u
t = u ]
y = y
y = y
(S.21)
Si les coefficients damortissement pour tous les modes
1
,
2
, ,
N
sont connus pour une
structure N degrs de libert, la matrice damortissement transforme peut scrire :
+
1
C+ = _
2
1
1
u u
u u
u u 2
N
N
_ (S.22)
La substitution de lquation 3.22 dans lquation de mouvement 3.21 donne le systme
dquation suivant :
_
y
+ 2
2
y
= u i = 1,2, , N
t = u_
{] = {
0
]
|
| = |
0
|
(S.2S)
y
= +
1
Mx
= +
1
Mx
0

La solution de lquation i est la mme que celle dun systme un seul degr de libert.
On distingue 3 cas :
Systme amorti critique :
= 1
y
(t) = |y
0
+ (y
0
+
y
0
)t] c
-o
i
t
(S.24)

Le mouvement n'est pas oscillant
Systme sur amorti:
> 1
y
(t) = c
-o
i
{
i
t
|A
c
o
di
t
+ B
c
-o
d
t
] (S.2S)
avec
A
et B
sont des constantes dterminer partir des conditions initiales y
et y
d
sont les pulsations propres amorties qui sont donnes par :
d
=
2
- 1 (S.26)
Systme sous amorti:
< 1
y
(t) = c
-o
i
{
i
t
_y
0
cos (
d
t) +
y
0
+
y
0

d
sin (
d
t)_ (S.27)
avec
d
sont donnes par :
d
=
_1 -
2
(S.28)
La solution donne par lquation 3.28 peut tre crite sous la forme suivante :
y
(t) = p
d
c
-o
i
{
i
t
sin(
d
t +
d
) (S.29)
3.2.2. Description de lexemple
Le deuxime exemple est un systme discret trois degrs de libert avec amortissement en
vibration libre suomi des conditions initiales comme illustr dans la figure 3-9.

Figure3-9. Systme discret trois degrs de libert avec amortissement

Afin de valider le programme RobustICA en prsence damortissement, on va considrer deux
cas. Le premier cas
= u.u1, i = 1, 2, S. Dans le deuxime cas, on augmente les valeurs des

coefficients damortissement en prenant
= u.u2, i = 1, 2,S
3.2.3. Dtermination des paramtres structuraux
3.2.3.1. Mthode de superposition modale
Lquation du mouvement du systme est : Mx + Cx +Kx = u
avec la matrice de masse, la matrice de rigidit, les dplacements initiaux et les vitesses initiales
sont les mmes que lexemple1.
En utilisant la mthode de superposition modale, on obtient la matrice modale :
= _
-u.S6u2 u.7u71 u.2SS8
-u.S928 -u.uuuu -u.8S24
-u.72u4 -u.7u71 u.4676
_ et les pulsations propres : = _
u.42u9
1.uuuu
1.68u1
_
Les rponses modales qui reprsentent les signaux spars dterminer partir de la mthode de
sparation de source {] = _
y
1
y
2
y
3
_ ainsi que leur spectre sont reprsents par la figure 3-10 pour le
premier cas, et par la figure 3-11 pour le deuxime cas.


Figure 3-10. Les rponses modales thoriques et leur spectre pour
= u.u1, i = 1, 2, S


Figure 3-11. Les rponses modales thoriques et leur spectre pour
= u.u2, i = 1, 2, S
3.2.3.2. Mthode danalyse modale oprationnelle
Cas1 :
|
= . 1, | = 1, 2, 3
Les signaux observs ainsi que leur spectre sont reprsents par la figure 3-12.


Figure 3-12. Les signaux observs et leur spectre

Le rsultat de la sparation par la mthode danalyse modale oprationnelle des signaux observs
est donn par la figure 3-13 qui prsente une comparaison entre les rponses modales thoriques
et estimes.
La figure 3-14 prsente les spectres des rponses modales estimes.

Figure 3-13. Comparaison entre les rponses modales thoriques et estimes

0 10 20 30 40 50 60 70 80 90 100
-1
-0.5
0
0.5
1
temps(s)
0 10 20 30 40 50 60 70 80 90 100
-1.5
-1
-0.5
0
0.5
1
1.5
temps(s)
0 10 20 30 40 50 60 70 80 90 100
-0.5
0
0.5
temps(s)

Les frquences propres estimes du systme sont:
= _
u.u7
u.16
u.27
_Hz
La matrice de mlange estime fournit les informations sur les dformes modales. Les rsultats
de la sparation sont prsents dans le tableau 3-4.
0 0.05 0.1 0.15 0.2 0.25 0.3 0.35 0.4 0.45 0.5
0
500
1000
1500
2000
2500
3000
F
F
T
(
Y
'
(
1
)
)
frquence(Hz)
f=0.07Hz
0 0.05 0.1 0.15 0.2 0.25 0.3 0.35 0.4 0.45 0.5
0
1000
2000
3000
4000
5000
F
F
T
(
Y
'
(
2
)
)
frquence(Hz)
f=0.16Hz
0 0.05 0.1 0.15 0.2 0.25 0.3 0.35 0.4 0.45 0.5
0
200
400
600
800
1000
1200
F
F
T
(
Y
'
(
3
)
)
frquence(Hz)
f=0.27Hz

Les dformes modales
Mode1 Mode2 Mode3
-u.S6u2 -0.3587 u.7u71 0.7086 u.2SS8 0.2499
-u.S928 -0.5922 -u.uuuu 0.0048 -u.8S24 -0.8521
-u.72u4 -0.7224 -u.7u71 -0.7042 u.4676 0.4521
Tableau 3-4. Comparaison des dformes modales et thoriques
prsents dans le tableau 3-5
N du mode MAC Er
1 1.0000 0.0026
2 1.0000 0.0058
3 0.9995 0.0224
Tableau 3-5. Les critres de performances

Cas2 :
|
= . 2, | = 1, 2, 3
Les signaux observs ainsi que leur spectre sont reprsents par la figure 3-15.


Figure 3-15. Les signaux observs et leur spectre
Le rsultat de la sparation par la mthode danalyse modale oprationnelle des signaux observs
est donn par la figure 3-16 qui prsente une comparaison entre les rponses modales thoriques
et estimes.
La figure 3-17 prsente les spectres des rponses modales estimes.

Figure 3-16. Comparaison entre les rponses modales thoriques et estimes.
0 10 20 30 40 50 60 70 80 90 100
-1
-0.5
0
0.5
1
temps(s)
0 10 20 30 40 50 60 70 80 90 100
-1.5
-1
-0.5
0
0.5
1
1.5
2
temps(s)
0 10 20 30 40 50 60 70 80 90 100
-0.5
0
0.5
temps(s)


On constate que les signaux estims ne sont pas conformes aux signaux sources.
Le tableau 3-6 prsente les rsultats de la sparation.

0 0.05 0.1 0.15 0.2 0.25 0.3 0.35 0.4 0.45 0.5
0
500
1000
1500
F
F
T
(
Y
'
(
1
)
)
frquence(Hz)
0 0.05 0.1 0.15 0.2 0.25 0.3 0.35 0.4 0.45 0.5
0
500
1000
1500
2000
2500
F
F
T
(
Y
'
2
)
)
frquence(Hz)
0 0.05 0.1 0.15 0.2 0.25 0.3 0.35 0.4 0.45 0.5
-1
-0.5
0
0.5
1
F
F
T
(
Y
'
(
3
)
)
frquence(Hz)

Les dformes modales
Mode1 Mode2 Mode3
-u.S6u2 0.2655 u.7u71 0.8773 u.2SS8 0
-u.S928 -0.5432 -u.uuuu 0.2447 -u.8S24 0
-u.72u4 -1.3868 -u.7u71 -0.3666 u.4676 0
Tableau 3-6. Comparaison entre les dformes modales thoriques et estimes
prsents dans le tableau 3-7
N du mode MAC Er
1 0.6560 0.9155
2 0.8026 0.4525
3
NaN
1.0000
Tableau 3-7. Critres de performances

Suite ces deux cas, on remarque que les coefficients damortissements affectent la performance
de lalgorithme RobustICA. Plus le coefficient damortissement augmente plus la sparation est
incorrect. On peut donc conclure que le programme RobustICA est fiable en absence
damortissement o dans le cas o les coefficients damortissements sont trs faibles.
4. Conclusion
Dans ce chapitre, un nouvel algorithme danalyse en composantes indpendantes RobustICA
est propos pour lanalyse modale oprationnelle. Suite son application un systme discret
3 degrs de libert, on a pu le valider dans le cas non amortis. Pour lautre cas c'est--dire pour
des systmes discrets amortis, le programme reste fiable pour des coefficients damortissement
trs faible.
Dans la suite de ce rapport, on va considrer seulement des structures dynamiques dformables
de gomtrie plus au moins simple sans amortissement.
Chapitre 4. Dtermination des caractristiques modales des structures par AMO 83

Chapitre IV
Dtermination des caractristiques modales des

structures par analyse modale oprationnelle

1. Introduction ........................................................................................................................... 85
2. Structure unidimensionnelle: Poutre en flexion ................................................................ 85
2.1. Poutre encastre-libre................................................................................................................86
2.1.2. Mthode de superposition modale.......................................................................................87
2.1.3. Signaux observs.................................................................................................................91
2.1.4. Mthode danalyse modale oprationnelle..........................................................................93
2.1.5. Les critres de performances...............................................................................................97
2.2. Poutre encastre-encastre.........................................................................................................97
2.2.2. Rsultats thoriques par la mthode de superposition modale...........................................99
2.2.3. Signaux observs...............................................................................................................102
2.2.4. Rsultats de la sparation par analyse modale oprationnelle.........................................104
3. Structure bidimensionnelle : Plaque encastre ces quatre bords ................................ 108
3.1. Validation du modle de llment fini......................................................................................108
3.2. Mthode de superposition modale.............................................................................................110
3.3. Signaux observs.......................................................................................................................114
3.4. Rsultats de la sparation par analyse modale oprationnelle.................................................116

4. Structure tridimensionnelle: Systmes double parois .................................................... 121
4.1. Description de lexemple..........................................................................................................121
4.2. Equation du mouvement du systme double parois................................................................121
4.2.1. Formulation variationnelle du systme coupl.................................................................121
4.2.2. Discrtisation par lment finis de la fonctionnelle dnergie..........................................123
4.2.3. Energie de dformation de la plaque i..............................................................................124
4.2.4. Energie cintique de la plaque i........................................................................................126
4.2.5. Energie de dformation du joint viscolastique de rigidit linique ku..........................126
4.2.6. Energie de dformation du joint viscolastique de rigidit linique ki (i=1,2)...............128
4.2.7. Equation matricielle..........................................................................................................128
4.3. Validation du modle de llment fini....................................................................................129
4.4. Rsultats thoriques par la mthode de superposition modale...............................................131
4.5. Signaux observs......................................................................................................................135
4.6. Rsultats de la sparation par lanalyse modale oprationnelle.............................................137
5. Conclusion ........................................................................................................................... 142


1. Introduction
Ce chapitre est consacr ltude du comportement vibratoire de diffrents types de structure par
analyse modale oprationnelle en utilisant le programme RobustICA prsent dans le chapitre
prcdent. Les structures tudies sont :
- Structure unidimensionnelle : Poutre encastre libre et poutre encastre-encastre,
- Structure bidimensionnelle : plaque encastre ces quatre bords,
- Structure tridimensionnelle : systme double parois.
Pour chaque structure : Dabord, on va valider le modle de llment fini. Ensuite, On va
chercher les paramtres modaux (frquences propres et dformes modales) dans un premier
temps en appliquant la mthode de superposition modale et dans un deuxime temps en
appliquant la mthode danalyse modale oprationnelle. Enfin, on va comparer les rsultats
obtenus par les deux mthodes.
2. Structure unidimensionnelle: Poutre en flexion
On considre une poutre en acier. Ces caractristiques sont :
Longueur : I = 1m
Section: S = 2 1u
-4
m
2

Module dYoung: E = 2 1u
11
Nm
Coefficient de Poisson : u = u.29
Masse volumique : p = 78S8 kgm
3

On va tudier deux cas pour la fixation de la poutre :
- Poutre encastre-libre,
- Poutre encastre-encastre.

2.1. Poutre encastre-libre
2.1.1. Validation du modle de llment fini
Les frquences analytiques sont calcules, pour un mode i donn, de la manire suivante (Annexe
B [50]):
(Ez) =
z
2
2nI
2
_
EI
m
]
1
2
,
; i = 1,2,S, (4.1)
avec :
I Longueur de la poutre
m Masse par unit de longueur de la poutre
E: Module de Young
I : Moment dinertie de la poutre

z

i = 1 1.8751047
i = 2 4.69409113
i = S 7.85475744
i = 4 10.99554073
i = S 14.13716839
i > S
(4i + 1)
n
2

Tableau 4-1. Les valeurs de z
dans le cas dune poutre encastre-libre (Annexe B [50])

Les frquences numriques sont obtenues en utilisant un maillage de 20 lments (21 nuds) :

Figure 4-1.Maillage de la poutre par 20 lments

Figure 4-2.Comparaison des calculs numriques et analytiques
2.1.2. Mthode de superposition modale
2.1.2.1. Les frquences propres
La figure 4-3 prsente les quatre premires rponses modales de la poutre et leur spectre.
1 2 3 4 5 6
0
200
400
600
800
1000
1200
1400
ndu mode
f
r
q
u
e
n
c
e
s

e
n

H
z

frquences analytiques
frquences numriques

Figure 4-3. Rponses modales de la poutre et leur spectre
0 0.1 0.2 0.3 0.4 0.5
-1
-0.5
0
0.5
1
x 10
-6
Y
(
1
)
temps(s)
0 200 400 600 800 1000
0
0.02
0.04
0.06
0.08
0.1
F
F
T
(
Y
(
1
)
)
frquence(Hz)
0 0.02 0.04 0.06 0.08 0.1
-4
-2
0
2
4
x 10
-7
Y
(
2
)
temps(s)
0 200 400 600 800 1000
0
0.01
0.02
0.03
0.04
0.05
F
F
T
(
Y
(
2
)
)
frquence(Hz)
0 0.02 0.04 0.06 0.08 0.1
-2
-1
0
1
2
x 10
-7
Y
(
3
)
temps(s)
0 200 400 600 800 1000
0
0.005
0.01
0.015
0.02
0.025
0.03
F
F
T
(
Y
(
3
)
)
frquence(Hz)
0 0.01 0.02 0.03 0.04 0.05
-2
-1
0
1
2
x 10
-8
Y
(
4
)
temps(s)
0 0.5 1 1.5 2
x 10
4
0
0.5
1
1.5
2
x 10
-3
F
F
T
(
Y
(
4
)
)
frquence(Hz)

Pour chaque rponse modale le contenu spectral montre une seule frquence qui est la frquence
propre de la poutre. Le tableau 4-2 regroupe les frquences propres thoriques de la poutre
encastre-libre.
N du mode Frquence propres (Hz) N du mode Frquences propres (Hz)
1 16.29 11 5067.7
2 102.1 12 6090.6
3 286.02 13 7213
4 560.51 14 8437.7
5 926.6 15 9767.4
6 1384.6 16 11205
7 1934.5 17 12750
8 2576.9 18 14398
9 3312.5 19 16116
10 4142.3 20 17718
Tableau 4-2. Frquences propres thoriques de la poutre encastre-libre
2.1.2.2. Les dformes modales thoriques
La figure 4-4 prsente les six premires dformes modales de la poutre.

Figure 4-4. Dformes modales de la poutre
0 0.05 0.1 0.15 0.2 0.25 0.3 0.35 0.4 0.45 0.5 0.55 0.6 0.65 0.7 0.75 0.8 0.85 0.9 0.95 1
-2
-1
0
m
o
d
e
1
x(m)
0 0.05 0.1 0.15 0.2 0.25 0.3 0.35 0.4 0.45 0.5 0.55 0.6 0.65 0.7 0.75 0.8 0.85 0.9 0.95 1
-2
0
2
m
o
d
e
2
x(m)
0 0.05 0.1 0.15 0.2 0.25 0.3 0.35 0.4 0.45 0.5 0.55 0.6 0.65 0.7 0.75 0.8 0.85 0.9 0.95 1
-2
0
2
m
o
d
e
3
x(m)
0 0.05 0.1 0.15 0.2 0.25 0.3 0.35 0.4 0.45 0.5 0.55 0.6 0.65 0.7 0.75 0.8 0.85 0.9 0.95 1
-2
0
2
m
o
d
e
4
x(m)
0 0.05 0.1 0.15 0.2 0.25 0.3 0.35 0.4 0.45 0.5 0.55 0.6 0.65 0.7 0.75 0.8 0.85 0.9 0.95 1
-2
0
2
m
o
d
e
5
x(m)
0 0.05 0.1 0.15 0.2 0.25 0.3 0.35 0.4 0.45 0.5 0.55 0.6 0.65 0.7 0.75 0.8 0.85 0.9 0.95 1
-2
0
2
m
o
d
e
6
x(m)

2.1.3. Signaux observs
Afin de dterminer les frquences propres et les dformes modales par lanalyse modale
oprationnelle, on utilise les 20 rponses vibratoires au niveau des nuds prsents en bleu sur la
figure 4-5. La poutre est en vibration libre soumises des conditions initiales alatoires gnres
selon une loi de probabilit uniforme de moyenne nulle et dcart type gal 1u
-6
.
.
Figure 4-5. Emplacement des signaux observs sur la poutre
Les signaux observs sont numrots de 1 20. La figure 4-6 prsente quelques signaux
observs au niveau des nuds 2, 6, 12 et 16.


Figure 4-6. Signaux observs et leur spectre
0 0.1 0.2 0.3 0.4 0.5
-1
-0.5
0
0.5
1
x 10
-6
X
(
1
)
temps(s)
0 0.5 1 1.5 2
x 10
4
0
0.005
0.01
0.015
0.02
0.025
F
F
T
(
X
(
1
)
)
frquence(Hz)
0 0.1 0.2 0.3 0.4 0.5
-1.5
-1
-0.5
0
0.5
1
1.5
x 10
-6
X
(
5
)
temps(s) 0 0.5 1 1.5 2
x 10
4
0
0.005
0.01
0.015
0.02
0.025
0.03
F
F
T
(
X
(
5
)
)
frquence(Hz)
0 0.1 0.2 0.3 0.4 0.5
-1.5
-1
-0.5
0
0.5
1
1.5
2
x 10
-6
X
(
1
1
)
temps(s)
0 0.5 1 1.5 2
x 10
4
0
0.01
0.02
0.03
0.04
0.05
0.06
F
F
T
(
X
(
1
1
)
)
frquence(Hz)
0 0.1 0.2 0.3 0.4 0.5
-2
-1
0
1
2
x 10
-6
X
(
1
5
)
temps(s)
0 0.5 1 1.5 2
x 10
4
0
0.02
0.04
0.06
0.08
0.1
F
F
T
(
X
(
1
5
)
)
frquence(Hz)

2.1.4. Mthode danalyse modale oprationnelle
2.1.4.1. Les frquences propres estimes
En partant des rponses vibratoires x
(i = 1, 2u), on utilise le programme RobustiCA afin de

dterminer les rponses modales y
(i = 1 2u) qui contiennent les frquences propres

estimes. La figure 4-6 prsente une comparaison entre les quatre premires rponses modales
thoriques et estimes ainsi que les spectres des rponses modales estimes.

Figure4-6. Comparaison entre les rponses modales thoriques et estimes ainsi et les spectres
des rponses modales estimes
0 0.1 0.2 0.3 0.4 0.5
-1
-0.5
0
0.5
1
x 10
-6
temps(s)
0 200 400 600 800 1000
0
0.02
0.04
0.06
0.08
0.1
F
F
T
(
Y
'
(
1
)
)
frquence(Hz)
16Hz
0 0.05 0.1 0.15 0.2 0.25
-4
-2
0
2
4
x 10
-7
temps(s)
0 200 400 600 800 1000
0
0.01
0.02
0.03
0.04
0.05
F
F
T
(
Y
'
(
2
)
)
frquence(Hz)
102Hz
0 0.01 0.02 0.03 0.04 0.05
-2
-1
0
1
2
x 10
-7
temps (s )
0 200 400 600 800 1000
0
0.005
0.01
0.015
0.02
0.025
0.03
F
F
T
(
Y
'
(
3
)
)
frquence(Hz)
286Hz
0 0.01 0.02 0.03 0.04 0.05
-2
-1
0
1
2
x 10
-8
temps(s)
0 0.5 1 1.5 2
x 10
4
0
0.5
1
1.5
2
x 10
-3
F
F
T
(
Y
'
(
4
)
)
frquence(Hz)
561Hz

Pour chaque rponse modale, le contenu spectral montre une seule frquence propre qui est la
frquence propre estime du mode correspondant. Le tableau 4-3 prsente les frquences propres
estimes
N du
mode
Frquences propres estimes
(Hz)
N du
mode
(Hz)
1 16 11 5068
2 102 12 6091
3 286 13 7213
4 561 14 8438
5 927 15 9767
6 1385 16 11205
7 1934 17 12750
8 2577 18 14398
9 3312 19 16116
10 4142 20 17718
Tableau 4-3. Les frquences propres estimes
2.1.4.2. Les dformes modales estimes
La figure 4-7 prsente une comparaison entre les six premires dformes modales de la poutre
estimes et thoriques.

Figure 4.7. Comparaison des dformes modales estimes et thorique de la poutre
0 0.05 0.1 0.15 0.2 0.25 0.3 0.35 0.4 0.45 0.5 0.55 0.6 0.65 0.7 0.75 0.8 0.85 0.9 0.95 1
-2
-1
0
m
o
d
e
1
x(m)
Rsultat de la sparation: en bleu mode(1) thorique, en rouge mode(1) estim
0 0.05 0.1 0.15 0.2 0.25 0.3 0.35 0.4 0.45 0.5 0.55 0.6 0.65 0.7 0.75 0.8 0.85 0.9 0.95 1
-2
0
2
m
o
d
e
2
x(m)
0 0.05 0.1 0.15 0.2 0.25 0.3 0.35 0.4 0.45 0.5 0.55 0.6 0.65 0.7 0.75 0.8 0.85 0.9 0.95 1
-2
0
2
m
o
d
e
3
x(m)
Rsultat de la sparation: en bleu mode(3)thorique, en rouge mode(3) estim
0 0.5 1 1.5 2 2.5 3 3.5 4 4.5 5 5.5 6 6.5 7 7.5 8 8.5 9 9.5 1
-2
0
2
m
o
d
e
4
x(m)
Rsultat de la sparation: en bleu mode(4} thorique, en rouge mode(4} estim
0 0.5 1 1.5 2 2.5 3 3.5 4 4.5 5 5.5 6 6.5 7 7.5 8 8.5 9 9.5 1
-2
0
2
m
o
d
e
5
x(m)
0 0.5 1 1.5 2 2.5 3 3.5 4 4.5 5 5.5 6 6.5 7 7.5 8 8.5 9 9.5 1
-2
0
2
m
o
d
e
6
x(m)

2.1.5. Les critres de performances
Le tableau ci-dessous prsente les diffrents critres de performances calculs pour lexemple de
la poutre encastre-libre.

MAC Er Ef (%) MAC Er Ef (%)
Mode 1 1.0000 0.0036
1.7802
Mode 11 1.0000 0.0006
-0.0059
Mode 2 1.0000 0.0094
0.0979
Mode 12 1.0000 0.0008
-0.0066
Mode 3 1.0000 0.0083
0.0069
Mode 13 1.0000 0.0005
0.0000
Mode 4 1.0000 0.0067
-0.0874
Mode 14 1.0000 0.0008
-0.0036
Mode 5 1.0000 0.0015
-0.0431
Mode 15 1.0000 0.0004
0.0041
Mode 6 1.0000 0.0101
-0.0288
Mode 16 1.0000 0.0004
0.0000
Mode 7 1.0000 0.0007
0.0258
Mode 17 1.0000 0.0020
0.0000
Mode 8 1.0000 0.0022
-0.0039
Mode 18 1.0000 0.0021
0.0000
Mode 9 1.0000 0.0007
0.0151
Mode 19 1.0000 0.0026
0.0000
Mode 10 1.0000 0.0208
0.0072
Mode 20 1.0000 0.0007
0.0000
On remarque que le critre dassurance modal MAC est gal 1 pour les 20 modes et que lerreur
de lapproximation des dformes modale Er na pas dpass 0.03. En plus, lerreur relative entre
les frquences calcules numriquement et les frquences estimes par lAMO Ef na pas dpass
2%. Donc, les rsultats obtenus par la mthode de superposition modale et la mthode danalyse
modale oprationnelle sont trs proches.
2.2. Poutre encastre-encastre
2.2.1. Validation du modle de llment fini
Les frquences analytiques sont calcules en utilisant lquation 4.1, avec les valeurs de
z
donnes par le tableau 4-5.


Tableau 4-5.Valeurs de z
pour une poutre encastre-encastre (Annexe B [50])

Les frquences numriques sont obtenues en utilisant un maillage de 20 lments.

Figure 4-8.Maillage de la poutre par 20 lments

Figure 4-9. Comparaison des calculs numriques et analytiques
z

i = 1 4.73004074
i = 2 7.85320462
i = S 10.9956078
i = 4 14.1371655
i = S 17.2787597
i > S
(2i + 1)
n
2

1 2 3 4 5 6
0
200
400
600
800
1000
1200
1400
1600
1800
2000
ndu mode
f
r
q
u
e
n
c
e
s

e
n

H
z

frquences numriques

2.2.2. Rsultats thoriques par la mthode de superposition modale
2.2.2.1. Les coordonnes modales
La figure 4-10 prsente les quatre premires rponses modales de la poutre et leur spectre.
Figure 4-10. Rponses modales de la poutre et leur spectre
0 0.005 0.01 0.015 0.02 0.025 0.03
-1
-0.5
0
0.5
1
x 10
-6
Y
(
1
)
temps(s)
0 500 1000 1500 2000
0
0.02
0.04
0.06
0.08
0.1
F
F
T
(
Y
(
1
)
)
frquence(Hz)
0 0.005 0.01 0.015 0.02 0.025 0.03
-1
-0.5
0
0.5
1
x 10
-7
Y
(
2
)
temps(s)
0 500 1000 1500 2000
0
0.002
0.004
0.006
0.008
0.01
F
F
T
(
Y
(
2
)
)
frquence(Hz)
0 0.005 0.01 0.015 0.02 0.025 0.03
-2
-1
0
1
2
x 10
-7
Y
(
3
)
temps(s)
0 500 1000 1500 2000
0
0.005
0.01
0.015
0.02
F
F
T
(
Y
(
3
)
)
frquence(Hz)
0 0.005 0.01 0.015 0.02 0.025 0.03
-1
-0.5
0
0.5
1
x 10
-7
Y
(
4
)
temps(s)
0 500 1000 1500 2000
0
0.002
0.004
0.006
0.008
0.01
F
F
T
(
Y
(
4
)
)
frquence(Hz)

propre du mode correspondant. Le tableau 4-6 regroupe les frquences propres thoriques de la
poutre encastre-libre.

N du mode Frquences propres en
Hz
N du mode Frquences propres en
Hz
1 103.72 11 6091.8
2 285.91 12 7215.2
3 560.52 13 8441.4
4 926.66 14 9773.5
5 1384.6 15 11214
6 1934.5 16 12765
7 2576.9 17 14419
8 3312.6 18 16144
9 4142.6 19 17743
10 5068.4
Tableau 4-6. Les frquences propres thoriques de la poutre encastre-libre.
2.2.2.2. Les dformes modales thoriques
La figure 4-11 prsente les six premires dformes modales thoriques de la poutre encastre-
encastre.

Figure 4-11. Les dformes modales thoriques de la poutre encastre-encastre.
0 0.5 1 1.5 2 2.5 3 3.5 4 4.5 5 5.5 6 6.5 7 7.5 8 8.5 9 9.5 1
0
0.5
1
1.5
m
o
d
e
1
x(m)
0 0.5 1 1.5 2 2.5 3 3.5 4 4.5 5 5.5 6 6.5 7 7.5 8 8.5 9 9.5 1
-2
0
2
m
o
d
e
2
x(m)
0 0.5 1 1.5 2 2.5 3 3.5 4 4.5 5 5.5 6 6.5 7 7.5 8 8.5 9 9.5 1
-2
0
2
m
o
d
e
3
x(m)
0 0.5 1 1.5 2 2.5 3 3.5 4 4.5 5 5.5 6 6.5 7 7.5 8 8.5 9 9.5 1
-2
0
2
m
o
d
e
4
x(m)
0 0.5 1 1.5 2 2.5 3 3.5 4 4.5 5 5.5 6 6.5 7 7.5 8 8.5 9 9.5 1
-2
0
2
m
o
d
e
5
x(m)
0 0.5 1 1.5 2 2.5 3 3.5 4 4.5 5 5.5 6 6.5 7 7.5 8 8.5 9 9.5 1
-2
0
2
m
o
d
e
6
x(m)

2.2.3. Signaux observs
Afin de dterminer les frquences propres et les dformes modales par la mthode danalyse
modale oprationnelle, on utilise les 19 rponses vibratoires au niveau des nuds prsentes en
bleu sur la figure 4-12.

Figure 4-12.Emplacement des signaux observs sur la poutre
observs au niveau des nuds 2, 6, 12 et 16. La poutre est en vibration libre soumise des
conditions initiales alatoires gnres selon une loi de probabilit uniforme de moyenne nulle et
dcart type gal 1u
-6
.


Figure 4-13.Quelques rponses vibratoires au niveau de la poutre.

0 0.1 0.2 0.3 0.4 0.5
-1
-0.5
0
0.5
1
x 10
-6
X
(
1
)
temps(s)
0 0.5 1 1.5 2
x 10
4
0
0.005
0.01
0.015
0.02
0.025
0.03
F
F
T
(
X
(
1
)
)
frquence(Hz)
0 0.1 0.2 0.3 0.4 0.5
-1.5
-1
-0.5
0
0.5
1
1.5
x 10
-6
X
(
5
)
temps(s)
0 0.5 1 1.5 2
x 10
4
0
0.01
0.02
0.03
0.04
0.05
0.06
F
F
T
(
X
(
5
)
)
frquence(Hz)
0 0.1 0.2 0.3 0.4 0.5
-2
-1
0
1
2
x 10
-6
X
(
1
1
)
temps(s)
0 0.5 1 1.5 2
x 10
4
0
0.02
0.04
0.06
0.08
0.1
0.12
F
F
T
(
X
(
1
1
)
)
frquence(Hz)
0 0.1 0.2 0.3 0.4 0.5
-1.5
-1
-0.5
0
0.5
1
1.5
x 10
-6
X
(
1
5
)
temps(s)
0 0.5 1 1.5 2
x 10
4
0
0.01
0.02
0.03
0.04
0.05
0.06
F
F
T
(
X
(
1
5
)
)
frquence(Hz)

2.2.4. Rsultats de la sparation par analyse modale oprationnelle
2.2.4.1. Les frquences propres estimes

(i = 1, ,19), on utilise le programme RobustiCA afin de
dterminer les rponses modales estimes y
(i = 1, ,19) qui contiennent les frquences

propres estimes. La figure 4-14 prsente les quatre premires rponses modales de la poutre
encastre-encastre.

Figure 4-14. Rponses modales de la poutre encastre-encastre.
0 0.005 0.01 0.015 0.02 0.025 0.03
-1
-0.5
0
0.5
1
x 10
-6
temps(s)
0 500 1000 1500 2000
0
0.02
0.04
0.06
0.08
0.1
F
F
T
(
Y
'
(
1
)
)
frquence(Hz)
f=104Hz
0 0.005 0.01 0.015 0.02 0.025 0.03
-1
-0.5
0
0.5
1
x 10
-7
temps(s)
0 500 1000 1500 2000
0
0.002
0.004
0.006
0.008
0.01
F
F
T
(
Y
'
(
2
)
)
frquence(Hz)
f=286Hz
0 0.005 0.01 0.015 0.02 0.025 0.03
-2
-1
0
1
2
x 10
-7
temps(s)
0 500 1000 1500 2000
0
0.005
0.01
0.015
0.02
F
F
T
(
Y
'
(
3
)
)
frquence(Hz)
f=561Hz
0 0.005 0.01 0.015 0.02 0.025 0.03
-1
-0.5
0
0.5
1
x 10
-7
temps(s)
0 500 1000 1500 2000
0
0.002
0.004
0.006
0.008
0.01
F
F
T
(
Y
'
(
4
)
)
frquence(Hz)
f=927Hz

Pour chaque rponse modale, le contenu spectral montre une seule frquence propre qui est la
frquence propre estime du mode correspondant. Le tableau 4-7 prsente les frquences propres
estimes.

N du
mode
(Hz)

N du
mode
(Hz)
1 104 11 6092
2 286 12 7215
3 561 13 8441
4 927 14 9774
5 1385 15 11214
6 1935 16 12765
7 2577 17 14419
8 3313 18 16155
9 4143 19 17743
10 5068
Tableau 4.7. Les frquences propres estimes de la poutre encastre- encastre
2.2.4.2. Les dformes modales estimes
La figure 4-15 prsente une comparaison entre les six premires dformes modales de la poutre
estimes et thoriques.


Figure 4-15. Comparaison des dformes modales de la poutre estimes et thoriques.
0 0.5 0.1 0.15 0.2 0.25 0.3 0.35 0.4 0.45 0.5 0.55 0.6 0.65 0.7 0.75 0.8 0.85 0.9 0.95 1
0
0.5
1
1.5
m
o
d
e
1
x(m)
0 0.05 0.1 0.15 0.2 0.25 0.3 0.35 0.4 0.45 0.5 0.55 0.6 0.65 0.7 0.75 0.8 0.85 0.9 0.95 1
-2
0
2
m
o
d
e
2
x(m)
0 0.05 0.1 0.15 0.2 0.25 0.3 0.35 0.4 0.45 0.5 0.55 0.6 0.65 0.7 0.75 0.8 0.85 0.9 0.95 1
-2
0
2
m
o
d
e
3
x(m)
0 0.05 0.1 0.15 0.2 0.25 0.3 0.35 0.4 0.45 0.5 0.55 0.6 0.65 0.7 0.75 0.8 0.85 0.9 0.95 1
-2
0
2
m
o
d
e
4
x(m)
0 0.05 0.1 0.15 0.2 0.25 0.3 0.35 0.4 0.45 0.5 0.55 0.6 0.65 0.7 0.75 0.8 0.85 0.9 0.95 1
-2
-1
0
1
2
m
o
d
e
5
x(m)
0 0.05 0.1 0.15 0.2 0.25 0.3 0.35 0.4 0.45 0.5 0.55 0.6 0.65 0.7 0.75 0.8 0.85 0.9 0.95 1
-2
0
2
m
o
d
e
6
x(m)

la poutre encastre-encastre.
MAC Er Ef (%) MAC E Ef (%)
Mode 1 1.0000 0.0006
-0.2700
Mode 11 1.0000 0.0004
-0.0033
Mode 2 0.9996 0.0751
-0.0315
Mode 12 1.0000 0.0062
0.0028
Mode 3 1.0000 0.0015
-0.0856
Mode 13 1.0000 0.0002
0.0047
Mode 4 1.0000 0.0016
-0.0367
Mode 14 1.0000 0.0010
-0.0051
Mode 5 1.0000 0.0034
-0.0289
Mode 15 1.0000 0.0012
0
Mode 6 1.0000 0.0019
-0.0258
Mode 16 1.0000 0.0027
0
Mode 7 1.0000 0.0010
-0.0039
Mode 17 1.0000 0.0005
0
Mode 8 1.0000 0.0005
-0.0121
Mode 18 1.0000 0.0005
-0.0681
Mode 9 1.0000 0.0079
-0.0097
Mode 19 1.0000 0.0038
0
Mode 10 1.0000 0.0007
0.0079

On remarque que le critre dassurance modal MAC est gal 1 sauf pour le deuxime mode
(0.9996) et que lerreur de lapproximation des dformes modale Er na pas dpass 0.08. En
plus, lerreur relative entre les frquences calcules numriquement et les frquences estimes par
lAMO Ef varie entre 0 et 0.27%. Donc, les rsultats obtenus par la mthode de superposition
modale et la mthode danalyse modale oprationnelle sont trs proches.
3. Structure bidimensionnelle : Plaque encastre ces quatre bords
3.1. Validation du modle de llment fini
Les frquences analytiques sont calcules, pour un mode i donn, de la manire suivante (Annexe
B [50]) :
]
=
z
]
2
2no
2
_
Eb
3
12y(1 -u
2
)
_
1
2
,
; i = 1,2,S, ; ] = 1,2,S, (4.2)


avec :
o = 1.2m: Longueur de la plaque
b = u.8m: Largeur de la plaque
z
]
2
: En fonction de
u
b

u = u.29 : Coefficient damortissement
y = 462u 1u
-2
kgm` : Masse par unit de surface
E = 2 1u
11
: Module de Young
b = u.uu4m: paisseur de la plaque
Tableau 4.9. Valeurs de z
]
2
pour une plaque encastre sur les quatre bords (Annexe B [50])
Les frquences numriques sont obtenues en utilisant un maillage de 324 lments QKT.

z
]
2

1 2 3 4 5 6
o
b
= 1.S
60.77
(1,1)
93 .86
(2,1)
148.8
(1,2)
149.74
(3,1)
179.7
(2,2)
226.9
(4,1)

Figure4-16. Comparaison des calculs numrique QKT et analytique
3.2. Mthode de superposition modale
3.2.1. Les frquences propres thoriques
La figure 4-17 prsente les quatre premires rponses modales de la plaque et leur spectre.
1 2 3 4 5 6
60
80
100
120
140
160
180
200
220
240
ndu mode
f
r
q
u
e
n
c
e

e
n

H
z

frquences numriques

Figure4-17. Rponses modales de la plaque et leur spectre
0 0.05 0.1 0.15
-2
-1
0
1
2
x 10
-6
Y
(
1
)
temps(s)
0 200 400 600 800
0
0.02
0.04
0.06
0.08
F
F
T
(
Y
(
1
)
)
frquence(Hz)
0 0.05 0.1 0.15
-1
-0.5
0
0.5
1
x 10
-6
Y
(
2
)
temps(s)
0 200 400 600 800
0
0.01
0.02
0.03
0.04
F
F
T
(
Y
(
2
)
)
frquence(Hz)
0 0.05 0.1 0.15
-2
-1
0
1
2
x 10
-7
Y
(
3
)
temps(s)
0 200 400 600 800
0
1
2
3
4
5
x 10
-3
F
F
T
(
Y
(
3
)
)
frquence(Hz)
0 0.05 0.1 0.15
-1.5
-1
-0.5
0
0.5
1
1.5
x 10
-6
Y
(
4
)
temps(s)
0 200 400 600 800
0
0.01
0.02
0.03
0.04
0.05
F
F
T
(
Y
(
4
)
)
frquence(Hz)

propre du mode correspondant. Le tableau 4-10 regroupe les frquences propres thoriques de la
plaque encastre ces quatre bords.

N du mode Frquences propres (Hz) N du mode Frquences propres (Hz)
1 63.0178 14 436.4142
2 96.9054 15 456.7740
3 154.2756 16 476.6319
4 154.4067 17 502.2837
5 184.5595 18 524.1467
6 234.0256 19 525.9426
7 236.6691 20 546.0240
8 292.3649 21 599.4082
9 310.8788 22 608.7174
10 320.2663 23 636.5955
11 334.9091 24 662.5188
12 368.0194 25 691.1654
13 406.8240
Tableau. 4-10. Les frquences propres thoriques de la plaque encastre ces quatre bords.
3.2.2. Les dformes modales thoriques
La figure 4-18 prsente les six premires dformes modales de la plaque.

Mode 1 :
1
= 6S.u178Ez Mode 2 :
2
= 96.u178Ez
Mode 3 :
3
= 1S4.27S6Ez Mode 4 :
4
= 1S4.4u67Ez
Mode 5 :
5
= 184.SS9SEz Mode 6 :
6
= 2S4.u2S6Ez
Figure 4-18. Dformes modales de la plaque

0
0.5
1
0
0.5
-0.4
-0.2
0
x
y
w
0
0.5
1
0
0.5
1
-0.5
0
0.5
x
y
w
0
0.5
1
0
0.5
1
-0.5
0
0.5
x
0
0.5
1
0
0.5
1
-0.5
0
0.5
x
y
w
0
0.5
1
0
0.5
1
-0.5
0
0.5
x
y
w
0
0.5
1
0
0.5
1
-0.5
0
0.5
x
y
w

3.3. Signaux observs
modale oprationnelle, on utilise les 25 rponses vibratoires au niveau des nuds prsents en
bleu sur la figure 4-19. La plaque est en vibration libre soumise des conditions initiales
alatoires gnres selon une loi de probabilit uniforme de moyenne nulle et dcart type gal
1u
-6
.

Figure 4-19. Emplacement des signaux observs
observs au niveau des nuds 64, 124, 175 et 298.

Figure.4-20. quelques signaux observs au niveau de la plaque

(b
1
)
(a
1
)
0 0.05 0.1 0.15 0.2 0.25
-5
0
5
x 10
-7
X
(
2
)
temps(s)
0 200 400 600 800
0
1
2
3
4
5
6
7
x 10
-3
F
F
T
(
X
(
2
)
)
frquence(Hz)
0 0.05 0.1 0.15 0.2 0.25
-1
-0.5
0
0.5
1
x 10
-6
X
(
8
)
temps(s)
0 200 400 600 800
0
0.005
0.01
0.015
0.02
0.025
F
F
T
(
X
(
8
)
)
frquence(Hz)
0 0.05 0.1 0.15 0.2 0.25
-1
-0.5
0
0.5
1
x 10
-6
X
(
1
1
)
temps(s)
0 200 400 600 800
0
0.005
0.01
0.015
0.02
F
F
T
(
X
(
1
1
)
)
frquence(Hz)
0 0.05 0.1 0.15 0.2 0.25
-6
-4
-2
0
2
4
6
x 10
-7
X
(
2
4
)
temps(s)
0 200 400 600 800
0
2
4
6
8
x 10
-3
F
F
T
(
X
(
2
4
)
)
frquence(Hz)

3.4. Rsultats de la sparation par analyse modale oprationnelle
3.4.1. Les frquences propres estimes
(i = 1, ,2S), on utilise le programme RobustiCA afin de

dterminer les rponses modales y
(i = 1, ,2S) qui contiennent les frquences propres

thoriques et estimes de la plaque ainsi que les spectres des rponses modales estimes.

Figure.4-21. Comparaison des rponses modales thoriques et estimes
0 0.05 0.1 0.15
-2
-1
0
1
2
x 10
-6
temps(s)
0 200 400 600 800
0
0.02
0.04
0.06
0.08
F
F
T
(
Y
'
(
1
)
)
frquence(Hz)
f=63Hz
0 0.05 0.1 0.15
-1
-0.5
0
0.5
1
x 10
-6
temps(s)
0 200 400 600 800
0
0.01
0.02
0.03
0.04
F
F
T
(
Y
'
(
2
)
)
frquence(Hz)
f=97Hz
0 0.05 0.1 0.15
-2
-1
0
1
2
x 10
-7
temps(s)
0 200 400 600 800
0
1
2
3
4
x 10
-3
F
F
T
(
Y
'
(
3
)
)
frquence(Hz)
f=154Hz
0 0.05 0.1 0.15
-2
-1
0
1
2
x 10
-6
temps(s)
0 200 400 600 800
0
0.01
0.02
0.03
0.04
0.05
F
F
T
(
Y
'
(
4
)
)
frquence(Hz)
f=154.5Hz

Pour chaque rponse modale estime le contenu spectral montre une seule frquence propre qui
est la frquence propre estime du mode correspondant. Le tableau 4-11 prsente les frquences
propres estimes.

N du
mode
Frquences propres
estimes (Hz)
N du
mode
Frquences propres
estimes (Hz)
1 63 14 436.5
2 97 15 457
3 154 16 476.5
4 154.5 17 502.5
5 184.5 18 524
6 234 19 526
7 236 20 546
8 292.5 21 599
9 311 22 608.5
10 320.5 23 636.5
11 335 24 662.5
12 368 25 691
13 407
Tableau.4-11. Les frquences propres estimes.
3.4.2. Les dformes modales estimes
La figure 4-22 prsente les six premires dformes modales estimes de la plaque.


Mode 1 :
1
= 64Ez Mode 2 :
2
= 97Ez
Mode 3 :
3
= 1S4Ez Mode 4 :
4
= 1S4.SEz
Mode 5 :
5
= 184.SEz Mode 6 :
6
= 2S4Ez
Figure 4-22. Les dformes modales estimes de la plaque.

0
0.5
1
0
0.5
-0.4
-0.2
0
x
y
w
0
0.5
1
0
0.5
-0.5
0
0.5
x
y
w
0
0.5
1
0
0.5
-0.5
0
0.5
x
y
w
0
0.5
1
0
0.5
-0.5
0
0.5
x
y
w
0
0.5
1
0
0.5
-0.5
0
0.5
x
y
w
0
0.5
1
0
0.5
-0.5
0
0.5
x
y
w

la plaque encastre ces quatre bords.
Tableau4-12. Les critres de performances
On remarque que le critre dassurance modal MAC a des valeurs gales 1 ou peu prs gales
1 pour les 25 modes et que lerreur de lapproximation des dformes modale Er na pas
dpass 0.17. En plus, lerreur relative entre les frquences calcules numriquement et les
frquences estimes par lAMO Ef na pas dpass 0.3%. Donc, les rsultats obtenus par la
mthode de superposition modale et la mthode danalyse modale oprationnelle sont trs
proches.

Mode 1 1.0000 0.0010
0.0284
Mode 14 1.0000 0.0042
-0.0196
Mode 2 1.0000 0.0018
-0.0976
Mode 15 0.9992 0.0091
-0.0495
Mode 3 0.9998 0.0076
0.1787
Mode 16 0.9999 0.0078
0.0277
Mode 4 0.9933 0.1298
-0.0604
Mode 17 0.9997 0.0039
-0.0431
Mode 5 0.9998 0.0046
0.0323
Mode 18 0.9248 0.0377
0.0280
Mode 6 1.0000 0.0074
0.0109
Mode 19 0.8500 0.0077
-0.0109
Mode 7 0.9997 0.0059
0.2827
Mode 20 1.0000 0.0264
0.0044
Mode 8 0.9909 0.0013
-0.0462
Mode 21 1.0000 0.0004
0.0681
Mode 9 0.9988 0.1606
-0.0390
Mode 22 1.0000 0.0105
0.0357
Mode 10 0.9999 0.0046
-0.0730
Mode 23 1.0000 0.0035
0.0150
Mode 11 1.0000 0.0024
-0.0271
Mode 24 1.0000 0.0176
0.0029
Mode 12 1.0000 0.0074
0.0053
Mode 25 0.9999 0.0912
0.0239
Mode 13 0.9898 0.0035
-0.0432


4. Structure tridimensionnelle: Systmes double parois
4.1. Description de lexemple
On considre le systme double parois schmatis par la figure suivante :

Figure. 4-23. Systme double parois
Ce systme est constitu de deux plaques minces relies bords bord par un joint viscolastique
de rigidit linique k
0
et damortissement linique nul. Lensemble plaques-joint est plac,
laide de deux autres joints viscolastiques de rigidit linique comme indiqu par la figure. Les
deux plaques sont supposes minces, dpaisseurs constantes et en flexion pure.
4.2. Equation du mouvement du systme double parois
On prsente dans ce paragraphe une formulation variationnelle des deux plaques et des joints
viscolastiques ce qui conduit la dtermination de la formulation variationnelle totale du
systme coupl. Cette formulation est tablie en termes de dplacement des deux plaques.
La discrtisation par lments finis de la formulation variationnelle du systme coupl conduit
un systme matriciel symtrique dont la rsolution permet la dtermination des dplacements
transversaux des deux plaques.
4.2.1. Formulation variationnelle du systme coupl
La fonctionnelle dnergie associe au systme double parois scrit (la masse des joints tant
nglige par rapport celle des plaques) :

u = E
pIuquc 1
d]omuton
+ E
pIuquc 2
d]omuton
+ E
pIuquc 1
cntquc
+E
pIuquc 2
cntquc
+ E
]ont
d]omuton
+ E
]ont1
d]omuton
+E
]ont2
d]omuton
(4.S)

Les diffrentes quantits nergtiques du systme coupl sont dfinies par :

E
pIuquc
dc]omuton
=
1
2

_|groJ
2
w
]
2
J
Jons
(4.4)
E
pIuquc
cnctquc
= -
2
2
p
_w
2
J
Jons
(4.S)
E
]ont
d]omuton
=
1
2
k _(w
1
- w
2
)
2
Jl Jons
]ont
(4.6)
E
]ont1
d]omuton
=
1
2
k _(w
1
)
2
Jl Jons
]ont1
(4.7)
E
]ont2
d]omuton
=
1
2
k _(w
2
)
2
Jl Jons
]ont2
(4.8)
avec :
: La rigidit la flexion de la plaque i (i=1,2)
=
E

c
3
12(1 - u
2
)
(4.9)

E

ct u

: sont respectivement le module dYoung et le coefficient de Poisson du matriau
isotrope constitutif de la plaque i
p
: est la masse volumique de la plaque i


c

: est lpaisseur de la plaque i.
4.2.2. Discrtisation par lment finis de la fonctionnelle dnergie
La discrtisation par lments finis de la fonctionnelle dnergie associe la formulation
variationnelle du systme double parois permet la construction dun systme matriciel dont la
rsolution aboutit la dtermination des inconnues du problme qui sont les dplacements des
deux plaques

w
1
et w
2
.
Les deux plaques sont discrtises par un lment finis surfacique rectangulaire quatre nuds et
trois degrs de libert par nud : le dplacement transversal w et les deux rotations de la normale
la plaque autour des axes x et y.

Figure 4-24. Elment fini plaque
Les dplacements des deux plaques qui sont respectivement w
1
et w
2
scrivent comme suit :
w
1
() = {N
1
()]
t
{u
1
] (4.1u)
w
2
() = {N
2
()]
t
{u
2
] (4.11)


{N
1
()] et {N
2
()] : sont les fonctions dinterpolation respectivement pour la plaque 1 et la
plaque 2.
{u
1
] et {u
2
]: sont les vecteurs dplacements nodaux respectivement de la plaque 1 et de la
plaque 2.
: est llment de rfrence de coordonnes et .
4.2.3. Energie de dformation de la plaque i
Lnergie de dformation de la plaque i (i = 1,2) scrit sous la forme discrte suivante :

E
pIuquc
dc]omuton
=
1
2

_|groJ
2
w
|
2
J
e
ci
i
(4.12)

Le terme |groJ
|scrit de la manire suivante :

|groJ
| = |o
x
|w
= |]] |o
{
|{N
()]
t
{u
] (4.1S)

avec {o
x
] = _
_ et |o
{
| = _
{
1
{
2
_
, o reprsente la matrice Jacobenne de la transformation gomtrique de
llment de rfrence llment rel.
Le terme |groJ
2
w
| scrit de la manire suivante :

|groJ
2
w
| = {o
x
2
]w
= |(o
{
, o
{
2
, |]], |[])]{N
()]
t
{u
] (4.14)

[ ] [ ]
1
j J

=
[ ]
J

avec : {o
x
2
] =
`
1
1
1
1
2
x
2
2
x1
1
1
1
1
et |o
{
2
| =
`
1
1
1
1
2
{
1
2
2
{
2
2
2
{
1
{
2
1
1
1
1
1

|(o
{
, o
{
2
, |]], |[])]: reprsente loprateur de drivation pour la transformation des drives
secondes de llment de rfrence llment rel.
On pose :

|R
] = |(o
{
, o
{
2
, |]], |[])]{N
()]
t
(4.1S)

=|groJ
2
w
| = |R
]{u
] (4.16)
En faisant une intgration sur llment de rfrence, on obtient :

_|groJ
2
w
]
2
J
= _{u
]
t
|R
]
t
|R
]{u
] [ J (4.17)

J : est le dterminant de la matrice Jacobenne
On dfinit la matrice de rigidit associe la plaque par :

|K
] =
|R
]
t
e
c
|R
] [ J (4.18)

Do :

E
pIuquc
dc]omuton
=
1
2
{u
]
t
|K
]{u
] (4.19)

4.2.4. Energie cintique de la plaque i
Lnergie cintique de la plaque i (i= 1,2) scrit sous la forme suivante :
E
pIuquc
cnctquc
= -
2
2
p
_w
2
J
c
e
c
(4.2u)
Lintgration sur llment de rfrence du terme ]w
2
J
c
donne :

_w
2
J
c
= _{u
]
t
{N
()]{N
()]
t
{u
] [ J (4.21)
On dfinit la matrice masse associe la plaque i par :

|H
] = p
_{N
()]{N
()]
t
[ J (4.22)
e
c

Do :
E
pIuquc
cnctquc
= -
2
2
{u
]
t
|H
]{u
] (4.2S)

4.2.5. Energie de dformation du joint viscolastique de rigidit linique k
0

On considr le joint viscolastique reliant les deux plaques par leurs bords. Lnergie de
dformation du joint scrit :

E
]ont0
d]omuton
=
1
2
k
0
]
(w
1
- w
2
)
2
Jl

=
1
2
k
0
]w
1
2
Jl +
1
2
k
0
]w
2
2
Jl
1
2
]k
0
w
1
w
2
Jl -
1
2
]k
0
w
2
w
1
Jl (4.24)


On pose
E
0
=
1
2
k
0
_w
2
Jl (i = 1,2) (4.2S)
E
0]
=
1
2
k
0
_w
w
]
Jl (i = 1,2; ] = 1,2 o:cc i = ]) (4.26)

E
0]
:Traduit lnergie de couplage des deux plaque.
2
Jl donne :
E
0
=
1
2
k
0
_w
2
Jl
Cc
(i = 1,2) (4.27)
_w
2
Jl = _ {u
]
t
cc
{N
()]
t
{N
()]{u
] lJ (4.28)
On pose :
|[
0
] = k
0
_{N
()]
t
{N
()] lJ
Cc
(i = 1,2) (4.29)
E
0
=
1
2
{u
]
t
|[
0
]{u
] (i = 1,2) (4.Su)
w
]
Jl donne :
E
0]
= -
1
2
k
0
_ w
w
]
Jl
Cc
(i = 1,2; ] = 1,2 ct i = ]) (4.S1)
_ w
w
]
Jl = _ {u
]
t
cc
{N
()]|N
]
()|
t
|u
]
| lJ (4.S2)
On pose :
|[
0]
] = k
0
_{N
()]|N
]
()|
t
lJ
Cc
(i = 1,2; ] = 1,2 ct i = ]) (4.SS)

E
0]
= -
1
2
{u
]
t
|[
0]
]|u
]
| (i = 1,2; ] = 1,2 ct i = ]) (4.S4)
4.2.6. Energie de dformation du joint viscolastique de rigidit linique k
(i=1,2)
On a :
E
]ont
d]omuton
=
1
2
k
_(w
)
2
Jl (4.SS)

2
Jl donne :

_w
2
Jl = _ {u
]
t
cc
{N
()]
t
{N
()]{u
] lJ (4.S6)
On pose :
|[
] = k
_{N
()]
t
{N
()] lJ
Cc
(i = 1,2) (4.S7)
E
]ont
d]omuton
=
1
2
{u
]
t
|[
]{u
] (i = 1,2) (4.S8)

4.2.7. Equation matricielle
Pour le systme double parois, la fonctionnelle dnergie scrit alors :
u =
1
2
{u
1
]
t
|K
1
]{u
1
] +
1
2
{u
2
]
t
|K
2
]{u
2
] -
2
2
{u
1
]
t
|H
1
]{u
1
] +
2
2
{u
2
]
t
|H
2
]{u
2
]
+
1
2
{u
1
]
t
|[
1
]{u
1
] +
1
2
{u
2
]
t
|[
2
]{u
2
] +
1
2
{u
1
]
t
|[
01
]{u
1
] +
1
2
{u
2
]
t
|[
02
]{u
2
]
-
1
2
{u
1
]
t
|[
012
]{u
2
] -
1
2
{u
2
]
t
|[
021
]{u
1
] (4.S9)
La discrtisation de la fonctionnelle dnergie, associe au systme total coupl conduit
lquation matricielle suivante :


_
|K
1
] + |[
1
] +|[
01
] -
2
|H
1
] -|[
012
]
-|[
021
] |K
2
] + |[
2
] + |[
02
] -
2
|H
2
]
_ _
{u
1
]
{u
2
]
_ = _
{u]
{u]
_ (4.4u)
Cette criture matricielle peut scrire sous la forme suivante :
_
|K
1
] + |[
1
] + |[
01
] -|[
012
]
-|[
021
] |K
2
] +|[
2
] +|[
02
]
_ -
2
_
|H
1
] u
u |H
2
]
_ _
{u
1
]
{u
2
]
_ = _
{u]
{u]
_ (4.41)
On pose :

| K
q
] = _
|K
1
] +|[
1
] + |[
01
] -|[
012
]
-|[
021
] |K
2
] + |[
2
] + |[
02
]
_ (4.42)
| H
q
] = _
|H
1
] u
u |H
2
]
_ (4.4S)
|u
q
| = _
{u
1
]
{u
2
]
_ (4.44)

On obtient alors le systme aux valeurs propres suivant :
_
| K
q
]|u
q
| =
2
| H
q
]
t = u _
|u
q
| = |u
q0
|
|u
q
| = |u
q0
|
(4.4S)

4.3. Validation du modle de llment fini
Plaques
Les deux plaques sont identiques et espaces dune distance e :
Espacement : c = u.u1m
Longueur : o = 1.2m
Largeur:b = u.8m

Module dYoung:E = 72. 1u
9
Nm
Coefficient de Poisson : u = u.22
Epaisseur : b = u.uu4m
Masse volumique :p = 2Suu kgm
3

Les joints
Les trois joints sont identiques (lamortissement nest pas pris en compte) et ont pour rigidit
linique :k = u.264 1u
6
Nm
En comparant les rsultats pour 3 types de maillage on va utiliser celui dun maillage 16 16
(puisque la variation des frquences par rapport celui de 1u 1u est faible (figure 4-25).

Figure 4-25. Choix du maillage
1 2 3 4 5 6
20
30
40
50
60
70
80
ndu mode
f
r
q
u
e
n
c
e
s

e
n

H
z

maillage 7X7
maillage 10X10
maillage 16X16

4.4. Rsultats thoriques par la mthode de superposition modale
4.4.1. Les frquences propres thoriques
Les dformes modales des plaques relies par des joints sont diffrentes des celles que lon a
lhabitude de rencontrer (plaques encastre ou simplement appuyes). Pour cette raison, on va
prsenter le cas dune plaque seule (figure 4-26). Ceci facilitera lanalyse des modes propres
coupls.

Figure 4-26. Plaque support par des joints


plaque
Systme double
parois
plaque
Systme double
parois
Mode1 22.1461 22.1484 Mode 19 270.1584 161.9355
Mode 2 42.1660 22.3379 Mode 20 280.6785 165.3001
Mode 3 67.2508 42.1669 Mode 21 302.6300 180.3477
Mode 4 75.4712 42.7133 Mode 22 330.9799 182.2922
Mode 5 85.5372 67.2503 Mode 23 331.1592 184.8501
Mode 6 116.1881 68.3922 Mode 24 341.8613 191.6627
Mode 7 121.7125 75.4710 Mode 25 346.2985 214.1965
Mode 8 139.5177 76.6664 Mode 26 352.9659 220.4762
Mode 9 155.4216 85.5364 Mode 27 357.7432 223.5518
Mode 10 159.1653 87.7125 Mode 28 372.2579 233.5633
Mode 11 180.3476 116.1886 Mode 29 400.9319 233.7431
Mode 12 182.2921 120.0102 Mode 30 401.3528 246.9886
Mode 13 214.1963 121.7129 Mode 31 402.9998 248.2131
Mode 14 220.4761 124.0912 Mode 32 420.0719 250.5317
Mode 15 233.7432 139.5176 Mode 33 440.0263 258.7671
Mode 16 246.9887 144.2061 Mode 34 443.5897 263.9222
Mode 17 250.5317 155.4215 Mode 35 457.6291 269.6979
Mode 18 269.6980 159.1653 Mode 36 467.4175 270.1583
Tableau 4-13. Frquences propres du systme double parois et de la plaque soumise par des joints
Lanalyse des frquences propres du systme coupl, form des deux plaques et des joints et
celui de la plaque seule montre quon retrouve toutes les frquences de la plaque seule dans le
systme coupl. Pour ces frquences les plaques vibrent en phase. Pour les autres modes les
plaques vibrent en opposition de phase : Le joint intermdiaire pousse les deux plaques.


4.4.2. Les dformes modales thoriques

Mode 1 :
1
= 22.1461Ez

Mode 2 :
2
= 42.166uEz

Mode 3 :
3
= 67.2Su8Ez

Mode 4 :
4
= 7S.4712Ez

Mode 5 :
5
= 8S.SS72Ez

Mode 6 :
6
= 116.1881Ez
Figure 4-27. Dformes modales de la plaque

0
0.5
1
0
0.5
-1
-0.5
0
0.5
x
y
w
0
0.5
1
0
0.5
-1
0
1
x
y
w
0
0.5
1
0
0.5
-1
0
1
x
y
w
0
0.5
1
0
0.5
-1
-0.5
0
0.5
x
y
w
0
0.5
1
0
0.5
-1
0
1
x
y
w
0
0.5
1
0
0.5
-1
0
1
x
y

Mode 1 :
1
= 22.1484Ez

Mode 2 :
2
= 22.SS79Ez

Mode 3 :
3
= 42.166uEz

Mode 4 :
4
= 42.71SSEz
Figure.4-28. Les dformes modales du systme double parois
0
0.5
1
0
0.5
-0.5
0
0.5
x
y
w
0
0.5
1
0
0.5
-0.5
0
0.5
x
y
w
0
0.5
1
0
0.5
-0.5
0
0.5
x
y
w
0
0.5
1
0
0.5
-0.5
0
0.5
x
y
w
0
0.5
1
0
0.5
-0.5
0
0.5
x
y
w
0
0.5
1
0
0.5
-0.5
0
0.5
x
y
w
0
0.5
1
0
0.5
-0.5
0
0.5
x
y
w
0
0.5
1
0
0.5
-0.5
0
0.5
x
y
w

4.5. Signaux observs
modale oprationnelle, on utilise les 32 rponses vibratoires du systme double parois x
(i =
1, S2) au niveau des nuds prsents en bleu sur la figure 4-29 (16 nuds au niveau de chaque
plaque). Les signaux observs sont numrots de 1 32. Le systme double parois est en
vibration libre soumis des conditions initiales alatoires gnres selon une loi de probabilit
uniforme de moyenne nulle et dcart type gal 1u
-6
au niveau de la plaque 1.

Figure.4-29. Emplacement des signaux observs au niveau du systme double parois

La figure 4.30 prsente quelques signaux observs pour le systme doubles parois au niveau des
nuds 166, 246, 417 et 502.
Figure 4-30. Quelques signaux observs pour le systme doubles parois
0 0.05 0.1 0.15 0.2 0.25
-1
-0.5
0
0.5
1
x 10
-7
X
(
1
0
)
temps(s)
0 50 100 150 200 250 300
0
1
2
3
4
x 10
-4
F
F
T
(
X
(
1
0
)
)
frquence(Hz)
0 0.05 0.1 0.15 0.2 0.25
-1
-0.5
0
0.5
1
x 10
-7
X
(
1
4
)
temps(s)
0 50 100 150 200 250 300
0
1
2
3
x 10
-4
F
F
T
(
X
(
1
4
)
)
frquence(Hz)
0 0.05 0.1 0.15 0.2 0.25
-1
-0.5
0
0.5
1
x 10
-7
X
(
2
5
)
temps(s)
0 50 100 150 200 250 300
0
1
2
3
4
x 10
-4
F
F
T
(
X
(
2
5
)
)
frquence(Hz)
0 0.05 0.1 0.15 0.2 0.25
-5
0
5
10
x 10
-8
X
(
3
0
)
temps(s)
0 50 100 150 200 250 300
0
1
2
3
4
x 10
-4
F
F
T
(
X
(
3
0
)
)
frquence(Hz)

4.6. Rsultats de la sparation par lanalyse modale oprationnelle
4.6.1. Les frquences propres estimes
(i = 1, S2), on utilise le programme RobustiCA afin de

dterminer les rponses modales estimes y
(i = 1 S2) qui contiennent les frquences propres

thoriques et estimes ainsi que les spectres des rponses modales estimes.


Figure.4-31. comparaison entre les quatre premires rponses modales thoriques et estimes
ainsi que les spectres des rponses modales estimes
0 0.05 0.1 0.15 0.2 0.25
-4
-2
0
2
4
x 10
-9
temps(s)
0 50 100 150 200 250 300
0
0.5
1
1.5
2
2.5
x 10
-5
F
F
T
(
Y
(
1
)
)
frquence(Hz)
f=22Hz
0 0.05 0.1 0.15 0.2 0.25
-2
-1
0
1
2
x 10
-9
temps(s)
0 50 100 150 200 250 300
0
0.5
1
1.5
x 10
-5
F
F
T
(
Y
'
(
2
)
)
frquence(Hz)
f=22.5Hz
0 0.05 0.1 0.15 0.2 0.25
-1
-0.5
0
0.5
1
x 10
-8
temps(s)
0 50 100 150 200 250 300
0
1
2
3
4
5
x 10
-5
F
F
T
(
Y
'
(
3
)
)
frquence(Hz)
f=42Hz
0 0.05 0.1 0.15 0.2 0.25
-1
-0.5
0
0.5
1
x 10
-9
temps(s)
0 50 100 150 200 250 300
0
2
4
6
8
x 10
-6
F
F
T
(
Y
'
(
4
)
)
frquence(Hz)
f=42.5Hz

Pour chaque rponse modale estime le contenu spectral montre une seule frquence propre qui
est la frquence propre estime du mode correspondant. Le tableau 4-14 prsente les frquences
propres estimes du systme double parois.

N du
mode
(Hz)
N du
mode
(Hz)
1 22 17 155.5
2 22.5 18 159
3 42 19 162
4 42.5 20 165.5
5 67.5 21 180.5
6 68.5 22 182.5
7 75.5 23 185
8 76.5 24 191.5
9 85.5 25 214
10 87.5 26 220.5
11 116 27 223.5
12 120 28 233.5
13 121.5 29 234
14 124 30 247
15 139.5 31 248
16 144 32 250.5
Tableau4-14. Les frquences propres estimes du systme double parois.
4.6.2. Les dformes modales estimes
La figure 4-32 prsente les six premires dformes modales du systme double parois estimes.


Mode 1 :
1
= 22Ez
Mode 2 :
2
= 22.SEz
Mode 3 :
3
= 42Ez Mode 4 :
4
= 42.SEz
Figure 4-32. Les dformes modales du systme double parois estimes.
0
0.5
1
0
0.5
-0.5
0
0.5
x
y
w
0
0.5
1
0
0.5
-0.5
0
0.5
x
y
w
0
0.5
1
0
0.5
-0.5
0
0.5
x
y
w
0
0.5
1
0
0.5
-0.5
0
0.5
x
y
w
0
0.5
1
0
0.5
-0.5
0
0.5
x
y
w
0
0.5
1
0
0.5
-0.5
0
0.5
x
y
w
0
0.5
1
0
0.5
-0.5
0
0.5
x
y
w
0
0.5
1
0
0.5
-0.5
0
0.5
x
y
w

Le tableau ci-dessous prsente les diffrents critres de performances calculs pour lexemple du
systme double parois.

Mode 1 0.9976 0.0041 0.6700 Mode 17 0.9999 0.0026 -0.0505
Mode2 0.9823 0.0516 -0.7257 Mode 18 0.9986 0.0143 0.1039
Mode3 0.9999 0.0044 0.3958 Mode19 0.9973 0.0194 -0.0398
Mode4 0.8579 0.0319 0.4994 Mode20 0.6029 0.0669 -0.1209
Mode5 0.9990 0.0078 -0.3713 Mode21 0.9739 0.0380 -0.0844
Mode6 1.0000 0.0052 -0.1576 Mode22 1.0000 0.0031 -0.1140
Mode7 1.0000 0.0095 -0.0384 Mode23 0.9988 0.0508 -0.0811
Mode8 0.4290 0.4122 0.2170 Mode24 0.9667 0.0444 0.0849
Mode9 0.9988 0.0079 0.0426 Mode25 0.8701 0.0899 0.0917
Mode10 0.9998 0.0228 0.2423 Mode26 0.9999 0.0132 -0.0108
Mode11 1.0000 0.0018 0.1623 Mode27 0.9995 0.0325 0.0232
Mode12 0.9971 0.0124 0.0085 Mode28 0.9519 0.0508 0.0271
Mode13 0.9914 0.0075 0.1749 Mode29 0.0790 0.3331 -0.1099
Mode14 0.9995 0.0085 0.0735 Mode30 0.9957 0.0256 -0.0046
Mode15 0.9898 0.0391 0.0126 Mode31 0.8778 0.1391 0.0859
Mode16 0.9583 0.0167 0.1429 Mode32 0.8699 0.0306 0.0127
On remarque que le critre d'Assurance Modal (MAC) a des valeurs proches de 1 dans presque
touts les modes sauf pour les modes 8, 20 et 29. Dans ces trois cas, lerreur de l'approximation
des dformes modales (Er) est plus ou moins remarquable 0.4122, 0.0669 et 0.3331. Aussi,
lerreur relative entre les frquences calcules numriquement et les frquences estimes par
lanalyse modale oprationnelle (Ef) na pas dpass 1%. En rsumant, on peut dire que les
rsultats obtenus par la lAMO restent acceptables pour tous les modes.

5. Conclusion
Durant ce chapitre, on a essay de dterminer les frquences propres et les dformes modales
pour des structures dynamiques dformables de gomtries plus au moins simples (poutre,
plaque, systme double parois) en utilisant la mthode dAMO.
En calculant les critres de performance, on montre que les rsultats sont trs proches des
rsultats thoriques calculs par la mthode de superposition modale pour les deux cas de la
poutre et de la plaque. Pour le systme double parois, malgr que lerreur de lapproximation des
dformes modale Er a augment pour quelques modes (3 sur 32), les rsultats obtenus par
lAMO restent acceptables et proches des rsultats thoriques.

Conclusion gnrale 143

Conclusion gnrale
Ce mmoire de mastre est focalis sur lanalyse modale oprationnelle des systmes
dynamiques en appliquant lune des techniques de la sparation aveugle de sources qui est lACI.
Lalgorithme de sparation de sources propos est RobustICA bas sur le Kurtosis comme critre
de sparation.
Tout dabord, on a prsent le problme de sparation de sources en donnant son modle
mathmatique dans le cas dun mlange linaire instantan et dans le cas dun mlange linaire
convolutif, en faisant un tat de lart sur quelques mthode de sparation de source et en citant
quelques exemples dapplications de la sparation de sources. Puis, on a prsent la technique de
lanalyse en composantes indpendantes en montrant comment elle peut tre utilise en analyse
modale oprationnelle. Ensuite, on a propos lalgorithme RobustICA comme approche
numrique permettant lapplication de lanalyse en composantes indpendantes en analyse
modale oprationnelle et on a pu le valider en lappliquant pour un systme discret trois degrs
de libert en vibration libre dans le cas non amortis o pour des coefficients damortissement trs
faible. Enfin, on a tudi le comportement vibratoire de diffrents structure dynamiques
dformables de gomtrie plus ou moins simple (unidimensionnelle : poutre en flexion,
bidimensionnelle : plaque encastre ces quatre bords, tridimensionnelle : systme double
parois) en dterminant leurs frquences propres et leurs dformes modales par la mthode
danalyse modale oprationnelle. Pour les trois cas tudis, on a montr que les rsultats obtenus
sont proches ceux calculs thoriquement. Donc, lanalyse en composantes indpendantes peut
tre applique en analyse modale oprationnelle pour dterminer les caractristiques modales des
structures dynamiques en utilisant seulement les rponses vibratoires mesures sur quelques
points de la structure tudie.
Conclusion gnrale 144

Ce travail a t limit au cas des systmes en vibration libre sans amortissement. Cependant il
peut tre prolong au cas des systmes amortis avec force dexcitation quelconque et aux
structures gomtrie complexe. Il serait aussi intressant de mener des tudes exprimentales
pour analyser le comportement vibratoire des systmes dynamiques en utilisant lanalyse modale
oprationnelle.
Rfrences bibliographiques 145

Rfrences bibliographiques

[1]Aapo Hyvrinen et Erkki Oja, Independent Component Analysis: Algorithms and
Applications. Neural Networks Research Centre. Helsinki University of Technology. P.O. Box
5400, FIN-02015 HUT, Finland. Neural Networks, 13(4-5):411-430, 2000.
[2]A. Belouchrani et K. Abed-Meraim, Sparation aveugle au second ordre de sources
corrles. In GRETSI, pages 309-312, Juan-Les-Pins, France, September 1993.
[3]A. Belouchrani, K. Abed-Meraim, J. F. Cardoso et E. Moulines. Second-order blind
separation of correlated sources. In Int. Conf. on Digital Sig., pages 346-351, Nicosia, Cyprus,
july 1993.
[4]A. Belouchrani. Sparation autodidacte de sources: Algorithmes, performances et application
des signaux exprimentaux. PhD thesis, ENST Paris, 1995.
[5]A. Belouchrani et J. F. Cardoso. Maximum likelihood source separation for discrete sources.
In M.J.J. Holt, C.F.N. Cowan, P.M. Grant, and W.A. Sandham, editors, Signal Processing VII,
Theories and Applications, pages 768-771, Edinburgh, Scotland, September 1994. Elsevier.
[6]Aissa IKHLEF, Sparation aveugle de sources dans les systmes de communication MIMO,
Thse de doctorat, Universit de RENNES , 19 septembre 2008.
[7]Ali MANSOUR, contribution la sparation aveugle de sources, Thse de doctorat, institut
national polytechnique de Grenoble, 13 Janvier 1997.
[8]A. P. Dempster, N. M. Laird et D. B. Rubin. Maximum likelihood from incomplete data via
the EM algorithm. J. Roy. Stat; Soc. B, 39:1-38, 1977.
[9]A. Souloumiac. Utilisation des statistiques d'ordre suprieur pour le filtrage et la sparation de
sources en traitement d'antenne. PhD thesis, ENST Paris, 1993.
[10]A. Souloumiac et J. F. Cardoso. Comparaison de mthodes de sparation de sources. In
GRETSI, pages 661-664, Juan-Les-Pins, France, Septembre 1991.
[11]B. Ans, J. C. Gilhodes, and J. Hrault. Simulation de rseaux neuronaux (sirene). II.
hypothse de dcodage du message de mouvement port par les affrences fusoriales IA et II par
un mcanisme de plasticit synaptique. C. R. Acad; Sci. Paris, srie III:419-422, 1983.

[12]Cdric Fvotte, Approche temps-frquence pour la sparation aveugle de sources non-
stationnaires, Thse de Doctoratde, lEcole Centrale de Nantes et de lUniversit de Nantes, 23
octobre 2003
[13]C. Jutten. Calcul neuro-mimtique et traitement du signal: Analyse en composantes
indpendantes. PhD thesis, UJF-INP Grenoble, 1987.
[14]C. Jutten et J. Hrault. Une solution neuromimtique du problme de sparation de sources.
Traitement du signal, 5(6):389-403, 1988.
[15]C. Jutten, L. Nguyen Thi, E. Dijkstra, E. Vittoz et J. Caelen. Blind separation of sources:
an algorithm for separation of convolutive mixtures. Int. Signal Processing Workshop on Higher
Order Statistics, pages 273-276, July 1991.
[16]C. Jutten, L. Nguyen Thi et J. Hrault. Nouveaux algorithmes de sparation de sources. In
Con. satellite du cong. Europe de mathmatiques: Aspects thoriques des rseaux de neurones,
Paris, France, July 1992.
[17]C. Jutten, L. Nguyen Thi, E. Dijkstra, E. Vittoz et Caelen J. Blind separation of sources:
An algorithm for separation of convolutive mixtures. In International Signal Processing
Workshop on Higher Order Statistics, pages 273-276, Chamrousse, France, July 1991.
[18]D. Nuzillard et A. Bijaoui. Blind source separation and analysis of multispectral
astronomical images. Astronomy & Astrophysics Supplement Series, Ser. 147 :129- 138, 2000.
[19]D. T. Pham, P. Garat et C. Jutten. Separation of a mixture of independent sources through
a maximum likelihood approach. In J. Vandewalle, R. Boite, M. Moonen, and A. Oosterlinck,
editors, Signal Processing VI, Theories and Applications, pages 771-774, Brussels, Belgium,
August 1992. Elsevier.
[20]D. T. Pham et P. Garat. Sparation aveugle de sources temporellement corrles. In XIV
Colloque GRETSI, pages 317-320, Juan-Les-Pins, France, Septembre 1993.
[21]E. Moreau et O. Macchi. New self-adaptive algorithms for source separation based on
contrast functions. In IEEE Signal Processing Workshop on Higher-Order Statistics, pages 215-
219, South Lac Tahoe, USA (CA), June 1993.
[22]E. Moreau. Apprentissage et adaptativit. Sparation auto-adaptative de sources
indpendantes. PhD thesis, Universit de Paris-Sud, 1995.

[23]F.Poncelet,G.Kerschen,J-C.Golinval et D.Verhelst, Output-only modal analysis using
blind source separation techniques, Mechanical Systems and Signal Processing 21 (2007) 2335-
2358.
[24]G. Puntonet, C., A. Mansour et C. Jutten. Geometrical algorithm for blind separation of
sources. In Actes du XVme colloque GRETSI, pages 273 - 276, Juan-Les-Pins, France, 18 - 21
september 1995.
[25]Hakim BOUMARAF, sparation aveugle de mlanges convolutifs de sources, Thse de
doctorat, universit Joseph Fourier, 2005.
[26]Hicham GHENNIOUI, Sparation aveugle de mlanges linaires convolutifs de sources
corrles, Thse de doctorat, Coopration franco-marocaine dans le domaine des STIC, le 19
juillet 2008.
[27]H.-L. Nguyen Thi et C. Jutten. Blind source separation for convolutive mixtures. Signal
Processing, 45 n2 :209_229, Aug. 1995.
[28]H.L. NGUYEN THI, J. CAELEN et Ch. JUTTEN. Rehaussement de la parole par la
sparation de sources dans un mlange convolutif. JOURNAL DE PHYSIQUE IV Colloque C5,
supplment au Journal de Physique III, Volume 4, mai 1994.
[29]Jean-Franois Cardoso, Analyse en composantes indpendantes, CNRS/ENST Paris,
France.
[30]Jean-Franois Cardoso, le cocktail party et autres problmes compliques.
[31]J. Hrault et B. Ans. Rseaux de neurones synapses modifiables: dcodage de messages
sensoriels composites par un apprentissage non supervis et permanent. C. R. Acad; Sci. Paris,
srie III:525-528, 1984.
[32]J. Hrault, C. Jutten et B. Ans. Dtection de grandeurs primitives dans un message
composite par une architecture de calcul neuromimtique en apprentissage non supervis. In
Actes du Xme colloque GRETSI, pages 1017-1022, Nice, France, 20-24, Mai 1985.
[33]K. Matsuoka, M. Ohya et M. Kawamoto. A neural net for blind separation of
nonstationary signals. Neural Networks, 8(3):411-419, 1995.
[34]L. Fty. Mthodes de traitement d'antenne adaptes aux radiocommunications. PhD thesis,
ENST Paris, 1988.


[35]L. Tong, G. Xu et T. Kailath. A new approach to blind identification and equalization of
multipath channels. In The 25th Asilomar Conference, pages 856-860, Pacific Grove, 1991.
[36]M. Gaeta et J. L. Lacoume. Estimateurs du maximum de vraisemblance tendus la
sparation de sources non gaussiennes. Traitement du Signal, 7(5):419-434, 1990.
[37]M. Lavielle, E. Moulines et J. F. Cardoso. On a stochastic approximation version of the
EM algorithm. In HOS 95, pages 61-63, Girona - Spain, 12-14 June 1995.
[38]N. Delfosse et P. Loubaton. Sparation adaptative de sources indpendantes par une
approche de dflation. In GRETSI, pages 309-312, Juan-Les-Pins, France, Septembre 1993.
[39]N. Delfosse et P. Loubaton. Adaptive blind separation of independent sources: A deflation
approach. Signal Processing, 45(1):59-83, July 1995.
[40]N. Delfosse. Sparation aveugle des sources : mthodes de type sous - espace. PhD thesis,
ENST Paris, Dcembre 1995.
[41]N. Thirion, J. Mars et J. L. Lacoume. Sparation aveugle de signaux large bande: un
nouveau challenge en prospection sismique. In Actes du XVme colloque GRETSI, pages 1335-
1338, Juan-Les-Pins, France, 18 - 21 septembre 1995.
[42]O. Macchi et E. Moreau. Self-adaptive source separation using correlated signals and
cross-cumulants. In Proc. Workshop Athos working group, Girona, Spain, June 1995.
[43]P. Comon, C. Jutten et J. Hrault. Blind separation of sources, Part II: Statement problem.
Signal Processing, 24(1):11-20, November 1991.
[44]P. Comon. Analyse en composantes indpendantes et identification aveugle. Traitement du
signal, 7(5):435-450, Dec 1990.
[45]P. Comon. Independent component analysis, a new concept? Signal Processing, 36(3):287-
314, April 1994.
[46]P. Comon. Remarque sur la diagonilisation tensorielle par la mthode de jacobi. In
GRETSI, pages 125-128, Juan-Les-Pins, France, Septembre 1993.
[47]P. Comon et Lacoume J. L. Statistiques d'ordres suprieurs pour le traitement du signal. In
Traitement du signal - Developpements Recents, Les Houches, France, Aot - Septembre 1993.
[48]P. Comon. Quelques dveloppements rcents en traitement du signal. Technical report,
Univ. Nice Sophia-Antipolis, 18 september 1995. Habilitation de diriger des recherches.
[49]Randall J. Allemang. The Modal Assurance Criterion Twenty Years of Use and Abuse.
University of Cincinnati, Cincinnati, Ohio.

[50]Robert D.Belvins, Formulas for natural frequency and mode shape. Original edition
1979.reprint Edition 1984.
[51]S. Chauhan, R.J. Allemang, R. Martell et D.L. Brown, Application of Independent
Component Analysis and Blind Source Separation Techniques to Operational Modal Analysis.
Structural Dynamics Research Laboratory .University of Cincinnati, Cincinnati, OH.
[52]Sophie ACHARD, mesures de dpendance pour la sparation aveugle de sources application
aux mlanges post non linaires, Thse de doctorat, Universit JOSEPH FOURIER
(GRENOBLE I), soutenue le 2 dcembre 2003.
[53]Vicente Zarzoso et Pierre Comon, Robust Independent Component Analysis for Blind
Source Separation and Extraction with Application in Electrocardiography, 30th Annual
International IEEE EMBS Conference. Vancouver, British Columbia, Canada, August 20-24,
2008.
[54]Vicente Zarzoso et Pierre Comon, Robust Independent Component Analysis, Rapport de
recherche. ISRN I3S/RR-2009-02-FR, Mars 2009.
[55]Wenliang Zhou et David Chelidze, Blind Source Separation based vibration mode
identification, Mechanical Systems and Signal Processing 21 (2007) 3072-3087.
[56]W. Kellermann, H. Buchner, W. Herbordt et R. Aichner. Multichannel acoustic signal
processing for human/machine interfaces - fundamental problems and recent advances. In
Proceeding of Int. Conf. on Acoustics, 2004.
[57]Y. Deville. Panorama des applications biomdicales des mthodes de sparation aveugle de
sources. Proceedings of GRETSI'2003, 1 :31_34, Paris, France, Sept. 8-11, 2003.
Annexes 150

Annexes
Annexe A : Drivation du polynme du pas optimal

Annexe B : Expressions des frquences analytiques

Annexes 151

Annexe A : Drivation du polynme du pas optimal
Le contraste K valu w +pg devient une fonction de p seulement, et est donn par la fraction
rationnelle :
(p) =
E{|y'|
4
] -|E{y'
2
]|
2
E
2
{|y'|
2
]
-2 =
P(p)
2
(p)
- 2

Avec y
i
= w + pg, y = w
1
x , g = g
1
x , P(p) = P
1
(p) -|P
2
(p)|
2
, P
1
(p) = E{|y'|
4
],
P
2
(p) = E{y'
2
] et (p) = E{|y'|
2
].
Notons par : o = y
2
b = g
2
c = yg J = Rc(yg
-
)
Aprs une certaine manipulation algbrique pnible mais autrement franche, les polynme ci-
dessus s'avrent tre :
P(p) = b
k
p
k
4
k=0

(p) = i
k
p
k
2
k=0

Avec
b
0
= E{|o`|] -|E{o]|`
b
1
= 4E{|o|J] - 4Rc(E{o]E
-
{c])
b
2
= 4E{J`] + 2E{|o||b|] -4|E{c]|
2
- 2Rc(E{o]E
-
{b])
b
3
= 4E{|b|J] - 4Rc(E{b]E
-
{c])
b
4
= E{|b`|] -|E{b]|`
i
0
= E{|o|], i
0
= 2E{|J|], i
0
= E{|b|]
Par consquent, le driv de K(w +pg) par rapport p scrit :

(p) =
P
(p)(p) - 2P(p)
(p)
3
(p)
=
P(p)
3
(p)

Donc, le polynme P(p) est donn par lquation (3.4) avec :
Annexes 152

o
0
= -2b
0
i
1
+ b
1
i
0

o
1
= -4b
0
i
2
- b
1
i
1
+2b
2
i
0

o
2
= -Sb
1
i
2
+ Sb
3
i
0

o
3
= -2b
2
i
2
+b
3
i
1
+4b
4
i
0

o
4
= -b
3
i
2
+2b
4
i
1

Les parties relles des racines de ce polynme sont les pas optimal trouver dans ltape 2 de
lalgorithme. Ces racines sont alors branchs de nouveau dans les quations pour vrifier lequel
de ces valeurs fournit la valeur optimale de de |K(w + pg)|; cette valeur est alors le pas
optimale cherche dans l'tape 3 de l'algorithme

Annexes 153

Annexe B : Expressions des frquences analytiques

B.1. Single-Span Beams
Notation: x=distance along span of beam; m=mass per unit length of beam; E=modulus of
elasticity; I= area moment of inertia of beam about neural axis; I=span of beam.

Natural frequency (hertz):
|
=
2
|
2
2aL
2
[
FI
m
1
2
,
; | = 1, 2, 3,
Description 2
|
: | = 1, 2, 3,
Mode shapes, y
|
[
x
L

o
|
: | = 1, 2, 3,
- Clamped- Free

1.87S1u4u7
4.694u911S
7.8S47S744
1u.99SS4u7S
14.1S7168S9
(2i - 1)
n
2
; i > S

cosh
z
x
I
+ cos
z
x
I
- o
_sinh
z
x
I
+ sin
z
x
I
]

u.7S4u9SS14
1.u18467S19
u.999224497
1.uuuuSSSSS
u.999998SSu
= 1.u ; i > S
- Clamped-Clamped

4.7Suu4u74
7.8SS2u462
1u.99S6u79
14.1S716SS
17.2787S97
(2i + 1)
n
2
; i > S

cosh
z
x
I
- cos
z
x
I
- o
_sinh
z
x
I
- sin
z
x
I
]

u.982Su221S
1.uuu777S12
u.9999664Su
1.uuuuu14Su
u.9999999S7
1.u ; i > S

B.2. Rectangular Plates
Notation: a= length of plates; b= width of plates; h= thickness of plate; i= number of half-waves
in mode shape along horizontal axis; j= number of half-waves in mode shape along vertical axis;
C= clamped edge; E= modulus of elasticity; y= mass per unit area of plate (pb for a plate of a
material with density p); v= Poissons ratio.

Annexes 154

Natural frequency (hertz):
|j
=
2
|j
2
2aa
2
_
Fh
3
12y(1-u
2
)
_
1
2
,
; | = 1, 2, 3, ; j = 1, 2, 3,
Description
2
|j
2
and (|, j)

- Clamped- Clamped-
Clamped- Clamped

z is independent of u

o
b

z
]
2

1 2 3 4 5 6
u.4 23.65
(11)
27.82
(12)
35.45
(13)
46.70
(14)
61.55
(15)
63.10
(21)
2
S
27.01
(11)
41.72
(12)
66.14
(21)
66.55
(13)
79.85
(22)
100.9
(14)
1.u 35.99
(11)
73.41
(21)
73.41
(12)
108.3
(22)
131.6
(31)
132.2
(13)
1.S 60.77
(11)
93 .86
(21)
148.8
(12)
149.74
(31)
179.7
(22)
226.9
(41)
2.S 147.8
(11)
173.9
(21)
221.5
(31)
291.9
(41)
384.7
(51)
394.4
(12)

Car ac t r i sat i on vi br at oi r e des st r uc t ur es par
Anal yse Modal e Opr at i onnel l e

Mariam MILADI pouse CHAABENE

Rsum : LAnalyse Modale Exprimentale (AME) nest pas toujours ralisable dans toutes
les structures relles de gnie civil et de gnie mcanique : taille importante, inaccessibili-
tetc. Il faut donc faire appel dautres mthodes danalyse.
Le sujet de recherche objet de ce mmoire rentre dans ce cadre. Il consiste tudier une nou-
velle approche dAnalyse Modale appele Analyse Modale Oprationnelle (AMO) qui est en
mesure de caractriser les modes propres de structures en fonctionnement sans connatre ni la
source ni la structure. Cette approche est base sur lAnalyse en Composantes Indpendantes
(ACI) qui est lune des mthodes les plus utilises dans la Sparation Aveugle de Sources.
La technique dAMO dveloppe est applique ensuite pour la caractrisation vibratoire de
diffrents types de structures : structure unidimensionnelle (poutre encastre-libre et poutre
encastre-encastre), structure bidimensionnelle (plaque encastre ces quatre bords) et struc-
ture tridimensionnelle (systme double parois). Les rsultats sont compars ceux obtenus
numriquement par la mthode de superposition modale.
Mots cls: Analyse Modale Oprationnelle (AMO), Analyse en Composantes Indpendantes
(ACI), Sparation Aveugle de sources (SAS), Mthode de superposition modale, Caractris-
tiques modales, poutre, plaque, systme double parois.

Abstract: The Experimental Modal Analysis (EMA) is not always realizable in all the real
structures of civil engineering and mechanical engineering: big dimensions, inaccessibility...
etc. It is thus necessary to call upon other methods of analysis.
Its with this context that the present research work is presented. It consists in studying a new
approach of Modal Analysis called Operational Modal Analysis (OMA) which is able to cha-
racterize eigenmodes of structures during operation without knowing neither the source nor
the structure. This approach is based on the Independent Component Analysis (ICA) which is
one of the major ways in Blind Source Separation.
The developed technique of OMA is then applied for vibratory characterization of various
types of structures: one-dimensional structure (clamped-free beam and clamped-clamped
beam), two-dimensional structure (plate clamped on these four boards) and three-dimensional
structure (double panel system). The results are compared with those numerically achieved by
the modal recombination method
Key-words: Operational Modal Analysis (OMA), Independent Component Analysis (ICA),
Blind source separation (BSS), modal recombination method, modal characteristics, beam,
plate, double panel system.

Ecole Doctorale
Sciences et Technologies

Mmoire de MASTERE

Mcanique et Ingnierie

Ndordre: 2010 07

Rpublique Tunisienne
Ministre de lEnseignement Suprieur,
De la Recherche Scientifique

Universit de Sfax
cole Nationale dIngnieurs de Sfax

Rapport Mastere Mariam

Transféré par

Informations du document

Copyright

Formats disponibles

Partager ce document

Partager ou intégrer le document

Options de partage

Avez-vous trouvé ce document utile ?

Ce contenu est-il inapproprié ?

Droits d'auteur :

Formats disponibles

Rapport Mastere Mariam

Transféré par

Droits d'auteur :

Formats disponibles

Ecole Doctorale

Ce travail de recherche a t dirig au sein de lUnit de Mcanique, Modlisation et Produc-

Chapitre I.Etude bibliographique : Sparation aveugle de sources

1. Bref historique ....................................................................................................................... 10

Annexe A : Drivation du polynme du pas optimal .............................................................. 151

(n) +h(n) (1.S)

Application de lACI en analyse modale

(t)pour estimer les b

pourrait toujours tre simplifis en divisant la colonne correspondante h

sont gaussiennes. Aussi, on suppose que les x

avec des coefficients donns par z

et devient moins gaussien

. Dans ce cas, seulement un des lments z

de z est diffrent de zro.

fonction densit de probabilit

sont les valeurs possibles de

: sont des constantes positives

: sont des fonctions non-quadratiques.

de variance unit, on a : E{yy

de variance gale lunit,

: Coefficients damortissements modaux

: Frquences naturelles du systme

: Constantes dterminer partir des conditions initiales

et les coefficients damortissements

contenu dans y(t) en utilisant

reprsentent respectivement les vecteurs modaux thoriques et estims.

reprsentent respectivement les frquences propres thoriques et estimes.

|(w +pg)| (S.2)

Figure 3-1. Organigramme simplifi de la mthode de sparation de sources

sont des constantes dterminer partir des conditions initiales y

= u.u1, i = 1, 2, S. Dans le deuxime cas, on augmente les valeurs des

Dtermination des caractristiques modales des

dans le cas dune poutre encastre-libre (Annexe B [50])

(i = 1, 2u), on utilise le programme RobustiCA afin de

(i = 1 2u) qui contiennent les frquences propres

donnes par le tableau 4-5.

pour une poutre encastre-encastre (Annexe B [50])

(i = 1, ,19) qui contiennent les frquences

(i = 1, ,2S), on utilise le programme RobustiCA afin de

(i = 1, ,2S) qui contiennent les frquences propres

: La rigidit la flexion de la plaque i (i=1,2)

: est la masse volumique de la plaque i

|scrit de la manire suivante :

| scrit de la manire suivante :

(i = 1, S2), on utilise le programme RobustiCA afin de

(i = 1 S2) qui contiennent les frquences propres

Annexe A : Drivation du polynme du pas optimal

Vous aimerez peut-être aussi