Éduction d'impédance de liners acoustiques par réseau de neurones
Résumé
Afin d'évaluer la performance des traitements acoustiques utilisés en présence d'écoulements (pour des applications aéronautiques par exemple), une des options est de caractériser expérimentalement le comportement d'un échantillon, et cette mesure doit se faire dans des conditions réalistes (écoulement turbulent, vitesses et niveaux acoustiques élevés). Parmi les méthodes expérimentales disponibles, cette contribution s'intéresse à l'éduction d'impédance à partir des mesures d'une antenne de microphones placée face au traitement dans la veine d'essai. Classiquement, les signaux sont traités pour en extraire les nombres d'ondes les plus importants et observer l'effet du traitement sur le champ acoustique. Dans cette contribution, la nouveauté vient de l'utilisation d'un système d'apprentissage automatique pour réaliser cette tâche. En particulier, un réseau de neurones à convolution est utilisé pour traiter l'ensemble des spectres tirés des signaux microphoniques pour identifier l'impédance apparente du traitement. La génération des données d’entraînement, l'architecture et la validation sur des résultats simulés et mesurés sur un banc aéro-acoustique seront présentées.