La surveillance des irrégularités de la géométrie de la voie est essentielle pour garantir la sécurité, le confort des passagers et l’efficacité opérationnelle. Ces défauts géométriques résultent des charges répétées appliquées par les trains ainsi que d’effets environnementaux tels que le flambage induit par la température et le tassement de la plateforme. Actuellement, la géométrie de la voie est mesurée à l’aide de trains d’inspection dédiés, équipés de systèmes complexes et nécessitant du personnel spécialisé. En complément, l’installation d’accéléromètres sur des trains commerciaux constitue une solution prometteuse, permettant une surveillance plus fréquente et plus économique, et facilitant la planification de la maintenance.

Cette thèse porte sur la surveillance de la géométrie de la voie ferrée à l’aide d’accéléromètres embarqués sur des trains commerciaux. Le premier axe de recherche concerne la quantification des incertitudes liées à l’identification des défauts de nivellement et de gauche par double intégration des accélérations verticales mesurées au niveau des boîtes d’essieux. Les hypothèses de cette méthode n’étant pas entièrement comprises, une analyse géométrique et des simulations numériques à l’aide d’un logiciel de dynamique ferroviaire sont menées. Une dérivation mathématique rigoureuse des termes quasi-statiques parasites est proposée, mettant en évidence leur influence sur l’identification des irrégularités de grandes longueurs d’onde.

Le second axe de recherche traite des défauts latéraux, dont la reconstruction à partir d’accéléromètres embarqués est plus complexe. En particulier, l’identification du défaut de dressage est étudiée. Afin de mieux comprendre ce problème, des modèles réduits intégrant les principales non-linéarités sont développés et inversés afin de caractériser les relations entre les mesures et la géométrie de la voie. Des méthodes itératives sont ensuite appliquées et étendues à des modèles de dynamique ferroviaire plus complexes. Enfin, une étude paramétrique et une technique de raffinement basée sur la simulation, considérant le logiciel comme une boîte noire, fournissent des résultats satisfaisants même dans des conditions d’identification dégradées.