Traitement des signaux d’émission acoustique appliqué au suivi et à la classification des endommagements dans des matériaux composites

Les méthodes de Contrôle Non Destructif (CND) sont très largement utilisées dans la surveillance de l’état de santé des structures (Structural Health Monitoring ou SHM). L'émission acoustique (EA) est l’une des techniques de surveillance non destructive efficace pour les matériaux et les structures, des installations industrielles. La méthode EA permet une surveillance continue et en temps réel d'une structure entière, fournissant des indications précoces sur les dommages naissants et aidant à prévenir les défaillances catastrophiques. A cet effet, nous appliquons cette méthode au contrôle des structures en béton et en composites multicouches.

L’objectif de ce projet est donc d’adapter et d’optimiser des outils de traitement des signaux AE basés sur des algorithmes de machine learning permettant d’améliorer la surveillance en service des processus de dégradation en associant des modèles de prédiction de défaillance

Dans ce contexte, nous adoptons les approches suivantes :

- Détection, suivi et classification des sources d’émission acoustique par des méthodes d’intelligence artificielle (CNN, KNN, K moyen, Linear least square fit, …).

- Proposer un système embarqué basé sur une carte FPGA réalisant le contrôle par émission acoustique d’un matériau composite.

- Application à la détection et le suivi des micro-endommagements dans des matériaux hétérogènes (béton) et composites multicouches.