Metrologie répartie haute cadence et haute capacité par réseaux de Bragg pour les applications de surveillance structurelle (SHM)
En complément des techniques de contrôle périodique non destructif, la surveillance de santé des structures (Structural Health Monitoring – SHM) fait intervenir des systèmes de mesures in situ par fibres optiques et réseaux de Bragg (RdB) et des algorithmes d’évaluation fonctionnelle. Les RdB délivrent des mesures in-situ de déformation et de température et renseignent sur l’état de déformation interne d’une structure consécutif à la fatigue ou à des impacts. Ils sont également utilisés comme détecteurs acoustiques, en remplacement des céramiques piézoélectriques. La surveillance de structures étendues ou les analyses acoustiques par tomographies active ou passive nécessitent simultanément une capacité de mesure et une cadence d’acquisition élevée. Or les unités de lecture RdB commerciales sont essentiellement basées sur des techniques de multiplexage spectral (Wavelength-Division Multiplexing, WDM) ou sur la réflectométrie fréquentielle (Optical Frequency-Domain Reflectometry, OFDR). Les unités WDM sont limitées en capacité (typiquement quelques dizaines de points de mesure) mais peuvent présenter des cadences supérieures au MHz compatibles avec une analyse acoustique. A contrario, les unités OFDR peuvent gérer plusieurs milliers de points de mesure mais à des cadences réduites (inférieures à la centaine de Hz). La spectrométrie Bragg dispersive (DBS) est une technique innovante susceptible de lever ces limitations et d’aboutir simultanément à une cadence et une capacité de mesure élevées, ouvrant ainsi la voie à une reconstruction tomographique performante. Le principe consiste à utiliser un laser impulsionnel, un milieu fortement dispersif, un détecteur large bande et un oscilloscope à grande bande passante (HDO) et transformer un décalage de longueur d’onde de Bragg et un retard temporel. Différents modes d’application de cette technique seront évalués durant ce travail de thèse, avec des lignes de RdB multiples (e.g. DTG) ou des réseaux à périodes variables. La technique DBS sera préalablement évaluée au laboratoire (LSPM) avec des céramiques piézoélectriques, voire par la technique laser ultrasonique (avec CNRS/PIMM). Puis, elle sera testée sur différents démonstrateurs offerts par les partenaires institutionnels et industriels du réseau doctoral MSCA USES 2 : structure de génie civil (BAM [Berlin, Allemagne]), réservoir d’hydrogène en composite (Faber [Cividale del Friuli, Italie], CEA DAM [Le Ripault]) et conduite métallique de transport de fluides (ENI [Milano, Italie]). Le doctorant se déplacera sur ces différents sites d’essais (période de 2 mois chacune), y implémentera la technique DBS et procédera au retour d’expérience de terrain.
Contrôle de manipulateur mobile à haute mobilité en contexte dynamique
Le développement de manipulateur mobile capable de capacités d'adaptation est porteur d'avancées importantes pour le développement de nouveaux moyens de production, que ce soit dans des applications industrielles ou agricoles. En effet de telles technologies permettent de réaliser des tâches répétitives avec précision et sans contraintes liées à la limitation de l'espace de travail. Néanmoins, l'efficience de tels robots est soumise à leur adaptation à la variabilité du contexte d’évolution et de la tâche à réaliser. Aussi, cette thèse propose de concevoir des mécanismes d'adaptation des comportements sensori-moteurs pour ce type de robots, afin de garantir une bonne adéquation de leurs actions en fonction de la situation. Elle envisage d'étendre les capacités de reconfiguration des approches de perception et de commande par l'apport de l'Intelligence Artificielle, ici comprise au sens de l'apprentissage profond. Il s'agira de développer de nouvelles architectures décisionnelles capables d'optimiser les comportements robotiques pour la manipulation mobile dans des contextes évolutifs (notamment intérieur-extérieur) et la réalisation de plusieurs travaux de précision.
Etude de méthodes d’inversion basées sur de la simulation et de l’apprentissage machine pour la caractérisation de défauts en imagerie ultrasonore multi-éléments
Le travail de thèse s’inscrit dans le cadre des activités du Département Imagerie et Simulation pour le Contrôle (DISC) dans le domaine du Contrôle Non-Destructif (CND), et vise à caractériser des défauts en inversant des images ultrasonores de type TFM (Total Focusing Method) ou PWI (Plane Wave Imaging) via des méthodes d’apprentissage automatique et des bases de données simulées avec la plate-forme logicielle CIVA. Un premier volet portera sur l’inversion des images pour caractériser un défaut (localisation, taille, orientation…) sans a priori sur les caractéristiques recherchées, et ce, en exploitant les artefacts d’imagerie liés à l’emploi de modes de propagation non adaptés. Dans un deuxième volet, cette démarche d’inversion sera mise en œuvre dans une situation plus réaliste où les images sont affectées par des incertitudes sur les propriétés du composant et/ou sur le dispositif expérimental. Pour réduire les temps de calcul de la base de données, et gagner en robustesse et précision, on étudiera la faisabilité d’inverser de l’imagerie rapide combinant, par exemple, la méthode PWI et des méthodes de reconstruction dans le domaine de Fourier, voire la faisabilité d’inverser directement les signaux ou les spectres en s’affranchissant du calcul des images. Le méthode d’inversion sera évaluée expérimentalement avec différentes maquettes représentatives de composants industriels, et, à l’issue de thèse, une preuve de concept temps-réel sera démontrée en implémentant l’imagerie et l’inversion dans un système prototype de laboratoire.