L’instrumentation des essais de structure par imagerie : qu’est-ce que j’y gagne ?

Il est assez simple de comprendre l’intérêt technique de la mesure par corrélation d’images. Pour l’ingénieur d’essai, il pourra faire une mesure sur une zone plus large, mieux comprendre les phénomènes physiques en jeu, réaliser une mesure sans contact… L’ingénieur simulation, quant à lui, pourra recaler le modèle de simulation sur un jeu de données plus complet, et ainsi améliorer sa prédictivité, comme on peut le voir par exemple sur le test du bogie Alstom dont nous avons déjà parlé pour les aspects technique.

Mais justement, que peut rapporter l’instrumentation sur un tel essai de structure ? Monter en compétences sur une nouvelle technique, cela en vaut-il la peine du point de vue financier ? EikoSim vous guide pour mettre en lumière les principaux points d’amélioration possibles.

Pendant l’essai : des sources d’économies

Une des premières choses que l’utilisateur de corrélation d’images a envie de faire, c’est de se passer de jauges de déformation. Longues à installer et coûteuses (on entend souvent le chiffre de 100€ par jauge collée), les jauges de déformation physiques peuvent ainsi être remplacées par des jauges de déformation virtuelles, au moins sur la plage de mesure habituelle de la corrélation d’images (niveau de déformation au moins supérieure à 0.01%).

Sur l’exemple du bogie, en prenant en cause les quelques zones non-accessibles par imagerie, on estime donc pouvoir remplacer pas moins de 50% des jauges par 4 caméras posées en une journée. Cela représente sur ce cas environ 5000€ d’économies pour les 100 jauges présentes sur l’essai, sans prendre également en compte le temps gagné sur la définition du plan d’instrumentation. Le bogie aurait également été disponible plus rapidement pour l’essai, puisqu’une telle instrumentation prend très souvent plusieurs semaines.  Enfin, il faut également compter le coût de gaspillage pour les voies de jauges défectueuses (décollement, problèmes électriques) pour environ 5% des jauges collées pour ce bogie. En tout, ce sont près de 10 000€ d’économies possibles que l’on peut comptabiliser sur cet essai.

Côté simulation : un modèle prédictif plus rapidement

La validation d’un modèle de simulation à partir de résultats d’essais prend souvent du temps, et majoritairement pour extraire les résultats de simulation aux endroits où la mesure a été réalisée. Outre les incertitudes liées à ces opérations (la jauge était-elle bien où je l’ai placée dans la simulation ?), elles sont consommatrices d’énormément de temps, puisque devant être répétées pour tous les capteurs présents sur l’essai.

Disposer d’une mesure de déplacements et déformations sur le maillage permet donc d’automatiser et de rationaliser ces opérations, puisque l’extraction est faite aux mêmes points, et permet de calculer l’erreur de modèle qu’il conviendra ensuite de réduire. Sur le cas du bogie, c’est 2 jours de temps ingénieur qui peuvent être immédiatement économisés pour le seul post-traitement des résultats de mesure.

Pour le recalage de la simulation, l’ingénieur doit ensuite trouver le bon jeu de paramètres pour que la simulation colle à la mesure : conditions aux limites, paramètres matériau, paramètres d’interface… L’essai/erreur est ici la règle, avec comme seul guide l’expérience de l’utilisateur.

Disposer de l’erreur de modèle, qui plus est sur un champ complet, permet de donner beaucoup d’intérêt à des calculs de sensibilité sur chacun des paramètres : on sera alors capable de distinguer quelle partie de l’erreur de modèle est due à une mauvaise estimation d’un paramètre matériau ou de l’orientation d’une condition aux limites. Si l’on va jusqu’à l’automatisation du processus d’identification, c’est 3 jours que l’on peut gagner, sans compter les gains en qualité liés à la réduction de l’erreur de modèle.

Enfin, disposer de mesures riches comme des mesures par imagerie permet d’améliorer plus directement la simulation : on peut créer à partir des mesures des conditions aux limites mesurées, qui viennent remplacer les conditions aux limites « idéales » (disons plutôt idéalisées) de la première simulation. Ces éléments sont souvent la source de nombreuses questions après l’essai, c’est donc une manière de lever ces points d’incertitude en appliquant directement la  réalité du terrain dans la simulation. Le gain est ici difficile à estimer, disons que c’est le prix de la tranquilité !

Laissez un commentaire