Essais & Simulations 145

MESURES COMMUNIQUÉ

MESURES COMMUNIQUÉ L’analyse modale expérimentale de DEWESoft Depuis de nombreuses années, DEWESoft propose la fonction Modal Test qui permet de réaliser des essais d’analyse modale expérimentale. Depuis la nouvelle version de DEWESoft X 2021.2, il est maintenant possible de réaliser une extraction modale afin d’obtenir une base modale. Le nouveau module d’analyse modale de DEWESoft prend désormais en charge les calculs avancés à partir de l’algorithme LSCF (Least Square Curve Fitting) afin de réaliser une extraction modale. Pour une facilité d’utilisation maximale, le module d’analyse modale détecte automatiquement les fonctions de réponse en fréquence mesurées acquise avec Modal Test. Un nouvel afficheur dédié permet la visualisation de la fonction CMIF (Complexe Mode Indicator Function) avec le diagramme de stabilisation ainsi que les fréquences et les amortissements associés. Après avoir sélectionné les pôles, les courbes synthétisées peuvent être facilement comparées aux FRF mesurées. La base modale ainsi obtenue est présentée sous forme de tableau. Pour la validation du modèle modal L’AutoMAC (Modal Assurance Criteria) est représenté sous forme pratique et visuelle dans un graphe 3D et/ou un tableau. Cette nouvelle fonction complète l’offre analyse modale de DEWESoft ● MESURES&TESTS MARKETPLACE PAR MRJ PRESSE Découvrez le portail sur la mesure, les tests et l’instrumentation. Mesures & Tests vous propose d'être mis en relation gratuitement avec les prestataires du marché. www.mesures-et-tests.com 20 I ESSAIS & SIMULATIONS • N°145 • juin-juillet-août 2021

MESURES MÉTHODE Incertitudes et biais de mesure en corrélation d’images : quels sont les facteurs importants à prendre en compte ? Cet article propose de présenter les erreurs que l’on peut rencontrer sur un essai de corrélation d’images numériques et les sources possibles de ces erreurs. Les erreurs liées à l’implémentation du traitement d’image ne seront pas abordées ici. Clara Minguet Ingénieure d’études, Clara Minguet est récemment diplômée de l’ISAE- ENSMA (option Matériaux Avancés) ainsi que d’un master en sciences des matériaux, elle a rejoint les équipes d’EikoSim en 2019. Lorsque l’on mène une campagne d’essais instrumentée par corrélation d’images numériques, il faut pouvoir déterminer l’erreur de mesure caractéristique pour les quantités d’intérêt étudiées (déplacement ou déformation mesurée). Un des objectifs est de déterminer si la mesure réalisée relève bien du « signal » recherché et non du « bruit » de mesure. Une spécificité de la corrélation d’images numériques est que l’erreur de mesure doit être caractérisée à chaque nouvel essai. En effet, celle-ci dépend de nombreux paramètres qui varient d’un essai à l’autre (éclairage, mouchetis, caméras et objectifs utilisés…). ERREUR ALÉATOIRE ET ERREUR SYSTÉMATIQUE Les erreurs qui peuvent entacher une mesure peuvent être regroupées en deux grandes catégories (figure ci-dessous). Ainsi, on parle des erreurs aléatoires (le « bruit » de mesure) et des erreurs systématiques (le biais). Pour une quantité d’intérêt donnée, l’erreur aléatoire (également appelée incertitude ou « bruit » de mesure) correspond à la dispersion des valeurs mesurées autour de la moyenne mesurée. L’erreur systématique (ou biais) correspond à un décalage de la valeur moyenne du signal mesuré avec la valeur moyenne du signal vrai. Incertitude vs biais - illustration Distinguer le champ « signal » du bruit nécessite d’estimer le bruit au préalable. SOURCES D’ERREURS LIÉES AU MATÉRIEL D’ESSAI > Bruit stationnaire des capteurs des caméras Ce bruit numérique sur les niveaux de gris de la caméra correspond à une fluctuation aléatoire de valeur moyenne nulle. ESSAIS & SIMULATIONS • N°145 • juin-juillet-août 2021 I21