Article · IA & agents
Suivre les fréquences propres quand une structure change trop vite
Un LSTM couplé à un filtre de Kalman étendu identifie des modes et amortissements variables dans une éolienne offshore simulée.
Quand l’invariance temporelle ne tient plus
Les méthodes classiques d’analyse modale supposent souvent que la structure et les excitations sont stationnaires sur la fenêtre étudiée. Cette hypothèse devient fragile pour une structure dont les fréquences propres varient rapidement sous l’effet du fonctionnement. Une variation peut alors être confondue avec un élargissement spectral, une excitation ou un dommage.
Un LSTM guidé par la physique
La méthode combine des historiques de déplacement et de vitesse, une estimation de la dynamique fournie par un modèle physique et des hypothèses sur les ratios d’amortissement. Le LSTM prédit les vitesses et les fréquences ; un filtre de Kalman étendu utilise ces prédictions et les équations d’état pour estimer l’évolution temporelle des fréquences.
L’évaluation utilise un modèle éléments finis d’une éolienne offshore à deux pales, avec quinze capteurs virtuels et des chargements de vent, de vagues et de fonctionnement. Le mode étudié en détail est le premier mode avant-arrière, FA-1.
Un RMSE de 1,2 millihertz
Le RMSE maximal rapporté pour la fréquence propre FA-1 est de 1,2×10−3 Hz. Les méthodes FDD, Enhanced-PSDT et BSS-Enhanced-PSDT ne distinguent pas correctement les variations rapides dans les scénarios opérationnels.
L’expérience révèle aussi une asymétrie utile : le modèle entraîné sur les estimations EKF dépend fortement de la valeur d’amortissement supposée, tandis que celui entraîné sur les données du modèle physique résiste mieux à une hypothèse incorrecte. Les auteurs exploitent cet écart pour estimer le ratio d’amortissement par recherche sur grille, avec une amélioration annoncée par rapport à l’identification stochastique sous-espace pilotée par covariance.
Limites
La validation repose sur des données synthétiques issues d’une éolienne à deux pales et sur un modèle physique représentatif. L’approche suppose des historiques de déplacement et de vitesse suffisamment propres, des ratios d’amortissement approximativement connus et une cartographie des modes indépendants. L’estimation de l’amortissement reste sensible au bruit, ne fournit pas encore de mesure directe de dommage et ne traite pas les couplages de modes, le mode veering ou la coalescence.
Sources
Melisa Bozaci et Alice Cicirello, « Fast-varying Natural Frequencies and Damping Ratio Identification for Linear Time-Varying System », ArXiv 2609.20138v1, consulté le 22 septembre 2026 : résumé et preprint, PDF.