Parameter identification for a TGV model

par Sönke Kraft

Thèse de doctorat en Mécanique

Sous la direction de Denis Aubry.

Le président du jury était Louis Jézéquel.

Le jury était composé de Denis Aubry, Simon Iwnicky, Guy Bonnet, Guillaume Puel, Christine Punfschilling.

Les rapporteurs étaient Simon Iwnicky, Guy Bonnet.

  • Titre traduit

    Identification des paramètres d’un modèle TGV


  • Résumé

    Ce travail étudie l’applicabilité des méthodes d’identification aux paramètres de la suspension d’un modèle multi-corps du TGV. L’objectif est de caler le modèle par rapport au système réel par une estimation des paramètres de la suspension en utilisant la réponse du véhicule mesuré. A cause du comportement nonlinéaire du système la méthode temporelle de recalage a été choisie. Elle nécessite la définition et minimisation d’une fonction coût qui décrit la distance entre le modèle et la mesure. La convergence la plus rapide est obtenue avec des méthodes gradient qui demandent le calcul des dérivés de la fonction coût par rapport á chaque paramètre de la suspension. Comme le calcul par des différences finis est coûteux et moins précis la méthode adjoint a été implémentée. L’application à un modèle simplifié d’un bogie avec une description mathématique connue permet d’identifier les paramètres de la suspension. La présence des minima locaux dans la fonction coût du modèle TGV nécessite l’utilisation des méthodes globales. Le recuit simulé et l’algorithme génétique donnent des réductions importantes de la fonction coût et des estimations pour les paramètres du modèle TGV. Dans des travaux ultérieurs, ces informations pourraient être utilisées pour d’autre application comme le « condition monitoring ».


  • Résumé

    This work investigates the applicability of identification methods to the suspension parameters of a TGV multi-body model. The aim is to adjust the model to the real system by estimating the suspension parameters from measured vehicle response data. Due to the nonlinear behavior of the system the time-domain based model updating has been chosen. It requires the definition and minimization of a misfit function in the time domain describing the distance between model and measurement. The fastest convergence is obtained by the use of gradient methods requiring the calculation of the derivatives of the misfit function relative to every parameter. Since the calculation from finite differences is time consuming and less accurate the gradients are calculated from the adjoint method. The application to a simplified bogie model with known mathematical description allows the identification of its suspension parameters. The presence of local minima in the misfit function of the TGV model requires the use of global optimization methods. The simulated annealing and the genetic algorithm method give important reductions of the misfit function and improved parameter estimations. In following work this information could be used for further applications like the condition monitoring.


Il est disponible au sein de la bibliothèque de l'établissement de soutenance.

Consulter en bibliothèque

La version de soutenance existe

Où se trouve cette thèse ?

  • Bibliothèque : CentraleSupélec. Bibliothèque électronique.
Voir dans le Sudoc, catalogue collectif des bibliothèques de l'enseignement supérieur et de la recherche.