Search

The eddy current (EC) method is widely used in the industry for the nondestructive evaluation (NDE) of electrically conductive structures, because it is sensitive, robust, cost effective and non polluting. However, in the general case, the quantitative evaluation of the parameters of a structure is a difficult problem, because the available EC data are generally incomplete, because it is necessary to have numerical models developed to account for the probe / structure interactions, and finally, because the inverse problem which consists in estimating the parameters of an inspected structure from the knowledge of those physical interactions and the available EC data is "ill-posed".In this work, we focus on the evaluation of air gaps between the parts of a metallic assembly. In order to cope with the difficulties associated with the implementation of an EC quantitative evaluation, we choose to use a multi-frequency approach so as to increase the data provided by the EC probe, and to build behavioral models from the statistical analysis of the probe / structure interactions. Experimental data and simulated data based on finite elements modeling are analyzed. A first approach behavioral model of the probe/structure interactions is deduced from these analyses, which is based on the linear relationship observed (in a particular excitation an frequency band depending on the dimensions of the studied structure) between the variations of the sensor normalized impedance and the air gap to evaluate. Moreover, we propose, implement and discuss the performances of several algorithms designed to solve the inverse problem dealing with the estimation of both the multilayered structure air gap and "hidden" plate thicknesses. Then, we extend the proposed multi-frequency behavioral approach thanks to artificial neural networks, and we apply the proposed behavioral method to a second problem : that of the characterization of real fatigue cracks in metallic massive parts. The obtained results let the generalization of the proposed approach to other EC NDE configurations to be envisaged.; La méthode des courants de Foucault (CF) est très largement utilisée en milieu industriel pour l’évaluation non destructive (END) de pièces ou de structures électriquement conductrices, parce qu’elle est sensible, robuste peu couteuse et non polluante. Toutefois, dans le cas général, l’évaluation quantitative des paramètres caractéristiques d’une structure est un problème difficile, d’une part parce que les données CF disponibles sont généralement incomplètes, d’autre part parce qu’il est nécessaire de faire appel à des modèle numériques élaborés pour rendre compte des interactions sonde / structure, et enfin, parce que le problème inverse consistant à estimer les paramètres de la structure à partir de la connaissance des interactions physiques et des données CF disponibles est « mal posé ».Dans cette thèse, nous nous intéressons au problème particulier de l’évaluation de jeux entre pièces dans un assemblage métallique. Pour contourner les difficultés liées à la mise en oeuvre de l’évaluation quantitative par CF, nous avons choisi de placer nos travaux dans un cadre multifréquence afin d’enrichir les données d’observation fournies par la sonde, et d’adopter une démarche consistant à élaborer des modèles comportementaux issus de l’analyse statistique des interactions sonde / structure. Partant de l’analyse de l’effet d’un jeu apparaissant entre les plaques d’un assemblage de plaques d’aluminium sur la variation de l’impédance normalisée de la sonde, menée expérimentalement et par simulations à l’aide de codes éléments finis, nous avons tout d’abord bâti un modèle comportemental approché d’interactions reposant sur la linéarité de la relation observée dans une bande de fréquences d’examen liée aux dimensions de la structure étudiée. Dans ce cadre, nous avons proposé, implanté et discuté des performances de plusieurs algorithmes de résolution du problème inverse, permettant d’estimer le jeu entre pièces et l’épaisseur de la pièce « cachée » de l’assemblage. Ensuite, nous avons étendu l’approche proposée à l’aide de réseaux de neurones artificiels, puis appliqué la méthode comportementale proposée à un second problème : celui de la caractérisation de fissures de fatigue réelles dans des pièces massives. Les résultats obtenus inclinent à considérer que la démarche proposée est généralisable à d’autres configurations en END par CF.

The eddy current (EC) method is widely used in the industry for the nondestructive evaluation (NDE) of electrically conductive structures, because it is sensitive, robust, cost effective and non polluting. However, in the general case, the quantitative evaluation of the parameters of a structure is a difficult problem, because the available EC data are generally incomplete, because it is necessary to have numerical models developed to account for the probe / structure interactions, and finally, because the inverse problem which consists in estimating the parameters of an inspected structure from the knowledge of those physical interactions and the available EC data is "ill-posed".In this work, we focus on the evaluation of air gaps between the parts of a metallic assembly. In order to cope with the difficulties associated with the implementation of an EC quantitative evaluation, we choose to use a multi-frequency approach so as to increase the data provided by the EC probe, and to build behavioral models from the statistical analysis of the probe / structure interactions. Experimental data and simulated data based on finite elements modeling are analyzed. A first approach behavioral model of the probe/structure interactions is deduced from these analyses, which is based on the linear relationship observed (in a particular excitation an frequency band depending on the dimensions of the studied structure) between the variations of the sensor normalized impedance and the air gap to evaluate. Moreover, we propose, implement and discuss the performances of several algorithms designed to solve the inverse problem dealing with the estimation of both the multilayered structure air gap and "hidden" plate thicknesses. Then, we extend the proposed multi-frequency behavioral approach thanks to artificial neural networks, and we apply the proposed behavioral method to a second problem : that of the characterization of real fatigue cracks in metallic massive parts. The obtained results let the generalization of the proposed approach to other EC NDE configurations to be envisaged., La méthode des courants de Foucault (CF) est très largement utilisée en milieu industriel pour l’évaluation non destructive (END) de pièces ou de structures électriquement conductrices, parce qu’elle est sensible, robuste peu couteuse et non polluante. Toutefois, dans le cas général, l’évaluation quantitative des paramètres caractéristiques d’une structure est un problème difficile, d’une part parce que les données CF disponibles sont généralement incomplètes, d’autre part parce qu’il est nécessaire de faire appel à des modèle numériques élaborés pour rendre compte des interactions sonde / structure, et enfin, parce que le problème inverse consistant à estimer les paramètres de la structure à partir de la connaissance des interactions physiques et des données CF disponibles est « mal posé ».Dans cette thèse, nous nous intéressons au problème particulier de l’évaluation de jeux entre pièces dans un assemblage métallique. Pour contourner les difficultés liées à la mise en oeuvre de l’évaluation quantitative par CF, nous avons choisi de placer nos travaux dans un cadre multifréquence afin d’enrichir les données d’observation fournies par la sonde, et d’adopter une démarche consistant à élaborer des modèles comportementaux issus de l’analyse statistique des interactions sonde / structure. Partant de l’analyse de l’effet d’un jeu apparaissant entre les plaques d’un assemblage de plaques d’aluminium sur la variation de l’impédance normalisée de la sonde, menée expérimentalement et par simulations à l’aide de codes éléments finis, nous avons tout d’abord bâti un modèle comportemental approché d’interactions reposant sur la linéarité de la relation observée dans une bande de fréquences d’examen liée aux dimensions de la structure étudiée. Dans ce cadre, nous avons proposé, implanté et discuté des performances de plusieurs algorithmes de résolution du problème inverse, permettant d’estimer le jeu entre pièces et l’épaisseur de la pièce « cachée » de l’assemblage. Ensuite, nous avons étendu l’approche proposée à l’aide de réseaux de neurones artificiels, puis appliqué la méthode comportementale proposée à un second problème : celui de la caractérisation de fissures de fatigue réelles dans des pièces massives. Les résultats obtenus inclinent à considérer que la démarche proposée est généralisable à d’autres configurations en END par CF.

Jury : G. Delaunay, G. Dreyfus (rapporteurs), B. Dubuisson (président), P. Aknin, J. Deprez, D. Placko (examinateurs), J.P. Perrin (invité); The work presented in this report deals with a device for the rail head defect detection and recognition. In the first section, a non contact eddy current inspection system dedicated to rail head non destructive testing in the exploitation situation is presented. The main conception options (differential measurement, bi-frequency, shielding...) are described and validated by in-situ experimental tests. A list of defect classes has been established and a representative data base has been also constituted to elaborate the processing system. The first part of the defect recognition process concerns the representation mode of sensor output signals. The main properties required for the parametrization are a great descriptive potential as well as a strong insensitivity to problem invariants (as play-back operation, scale factor, lift-off). An original parametrization procedure referred to as "Modified Fourier Descriptors" has been elaboreted and compared to parametrization of an autoregressive type. A parameter selection must then be carried out in order to maintain only the parameters relevant to class separability. For the parameter classification, the orthogonalization method and the sequential backward and forward procedures are compared. In order to select a subset of parameters, many stop criterions are also presented. The application of those methods to our data base is illustrated. The last section of this report is devoted to a supervised neuronal classification by means of multilayer perceptron and radial basis function. For these two types of networks, both global and partitioned approachs are exposed. In the first case, the muliclass problem is solved simultaneously while in the partial case, the problem of classification is subdivised into subproblems. The classification performance are given for the two approaches and it will be shown that the partitionning results are better and bear more relevance to our application in correspondance with a small learning dataset size.; Le travail présenté dans ce mémoire traite d'un dispositif embarqué de détection et de reconnaissance des défauts de rail débouchants. Une structure multicapteur à courants de Foucault permettant le contrôle non destructif de l'intégrité des rails en voie, sans contact et en condition d'exploitation commerciale est détaillée dans le premier chapitre. Les principales options de conception (mesures différentielles, bi-fréquences, blindages...) y sont décrites, et validées a posteriori par des essais sur site dans des conditions de mesure réelles. Une liste des classes de défauts détectables par le capteur a été établie (fissures, écaillages...) ainsi qu'une base de données représentative du site pour la mise au point des traitements haut niveau. La première phase des traitements concerne le mode de représentation des signaux complexes issus du capteur. Cette paramétrisation doit posséder un fort potentiel descriptif tout en restant insensible à certaines opérations sur les signaux définies comme des invariants du problème (retournement, homothéties, lift-off). Une procédure originale de paramétrisation des signatures dénommée "Descripteurs de Fourier Modifiés", a été mise au point et comparée à des paramétrisations de type autorégressive. Sur l'ensemble des paramètres d'une signature, une sélection doit ensuite être effectuée en termes de pertinence à la discrimination entre classes. Une méthode d'ordonnancement par orthogonalisation et des méthodes séquentielles constructive et destructive pour le classement des paramètres sont comparées. Différents critères d'arrêt permettent de choisir le nombre réduit de paramètres retenus; des résultats de mise en oeuvre sur la base de données de ces différentes méthodes sont présentés. Le dernier chapitre de ce mémoire traite de la classification neuronale supervisée à l'aide de réseaux de type perceptron multicouche ou de réseaux à fonctions radiales de base. Pour ces deux types de réseaux, des approches globales de classification (discrimination des K classes simultanément) et des approches par partition (problème de classification initial décomposé en sous-problèmes de classification) sont exposées. Des performances de classification sont données pour les deux approches et nous montrons la supériorité de l'approche par partition dans notre application en relation avec la faible dimension de la base de données.

Jury : G. Delaunay, G. Dreyfus (rapporteurs), B. Dubuisson (président), P. Aknin, J. Deprez, D. Placko (examinateurs), J.P. Perrin (invité); The work presented in this report deals with a device for the rail head defect detection and recognition. In the first section, a non contact eddy current inspection system dedicated to rail head non destructive testing in the exploitation situation is presented. The main conception options (differential measurement, bi-frequency, shielding...) are described and validated by in-situ experimental tests. A list of defect classes has been established and a representative data base has been also constituted to elaborate the processing system. The first part of the defect recognition process concerns the representation mode of sensor output signals. The main properties required for the parametrization are a great descriptive potential as well as a strong insensitivity to problem invariants (as play-back operation, scale factor, lift-off). An original parametrization procedure referred to as "Modified Fourier Descriptors" has been elaboreted and compared to parametrization of an autoregressive type. A parameter selection must then be carried out in order to maintain only the parameters relevant to class separability. For the parameter classification, the orthogonalization method and the sequential backward and forward procedures are compared. In order to select a subset of parameters, many stop criterions are also presented. The application of those methods to our data base is illustrated. The last section of this report is devoted to a supervised neuronal classification by means of multilayer perceptron and radial basis function. For these two types of networks, both global and partitioned approachs are exposed. In the first case, the muliclass problem is solved simultaneously while in the partial case, the problem of classification is subdivised into subproblems. The classification performance are given for the two approaches and it will be shown that the partitionning results are better and bear more relevance to our application in correspondance with a small learning dataset size.; Le travail présenté dans ce mémoire traite d'un dispositif embarqué de détection et de reconnaissance des défauts de rail débouchants. Une structure multicapteur à courants de Foucault permettant le contrôle non destructif de l'intégrité des rails en voie, sans contact et en condition d'exploitation commerciale est détaillée dans le premier chapitre. Les principales options de conception (mesures différentielles, bi-fréquences, blindages...) y sont décrites, et validées a posteriori par des essais sur site dans des conditions de mesure réelles. Une liste des classes de défauts détectables par le capteur a été établie (fissures, écaillages...) ainsi qu'une base de données représentative du site pour la mise au point des traitements haut niveau. La première phase des traitements concerne le mode de représentation des signaux complexes issus du capteur. Cette paramétrisation doit posséder un fort potentiel descriptif tout en restant insensible à certaines opérations sur les signaux définies comme des invariants du problème (retournement, homothéties, lift-off). Une procédure originale de paramétrisation des signatures dénommée "Descripteurs de Fourier Modifiés", a été mise au point et comparée à des paramétrisations de type autorégressive. Sur l'ensemble des paramètres d'une signature, une sélection doit ensuite être effectuée en termes de pertinence à la discrimination entre classes. Une méthode d'ordonnancement par orthogonalisation et des méthodes séquentielles constructive et destructive pour le classement des paramètres sont comparées. Différents critères d'arrêt permettent de choisir le nombre réduit de paramètres retenus; des résultats de mise en oeuvre sur la base de données de ces différentes méthodes sont présentés. Le dernier chapitre de ce mémoire traite de la classification neuronale supervisée à l'aide de réseaux de type perceptron multicouche ou de réseaux à fonctions radiales de base. Pour ces deux types de réseaux, des approches globales de classification (discrimination des K classes simultanément) et des approches par partition (problème de classification initial décomposé en sous-problèmes de classification) sont exposées. Des performances de classification sont données pour les deux approches et nous montrons la supériorité de l'approche par partition dans notre application en relation avec la faible dimension de la base de données.