Caractérisation non-destructive de joints collés utilisant des réseaux de neurones convolutives sur des ondes guidées Lamb

Résumé

Il y a une forte sollicitation des industries pour développer des assemblages collés, cette demande est engendrée par les nombreux avantages que peuvent proposer les joints collés. Par exemple, une très bonne résistance aux contraintes mécaniques, la réduction des coûts ou encore l’esthétisme. Cependant, il n’existe actuellement aucune méthode non destructive permettant de garantir et de quantifier la qualité d’un assemblage collé. En effet, les solutions utilisées sont principalement des approches destructives, comme l’application de joint de recouvrement. Ainsi, le but de ces travaux est de mettre en place une méthode capable de reconnaitre le niveau d’adhésion d’un assemblage collé. Pour cela, des acquisitions ultrasonores ont été utilisées, les échantillons ont été excité avec des ondes guidées afin d’obtenir les différents modes. Ensuite, l’analyse des courbes de dispersion propre à chaque assemblage, permet l’identification des paramètres mécaniques. Pour effectuer ce travail, un réseau de neurones a été mis en place, celui-ci se base sur des données simulées d’assemblage collées avec une méthode par éléments finis. Puis il a été testé sur des courbes de dispersion expérimentales afin de déterminer les caractéristiques réelles du joint. L’étude est principalement guidée sur l’estimation du module d’Young, que l’on considère comme une image fiable de la qualité du joint. Premièrement, les résultats sont satisfaisants sur les données simulées, une prédiction du module d’un assemblage est réalisée avec une erreur inférieure à 0,05 % sur l’ensemble de la base de données test. Ensuite, de bons résultats ont été obtenus lors du suivi d’un joint collé pendant son séchage. Enfin, pendant l’inversion d’acquisitions sur cinq joints réels, les estimations ont permis de différencier et de classer ces joints en fonction de leurs propriétés de collage. Dans un premier temps, le réseau n’a pas pu se stabiliser sur des estimations correctes, puis la mise en place d’un double réseau de neurones convolutifs a réussi à identifier la qualité des joints. Ils ont été réalisés par le CNRC qui a une expertise dans ce type de fabrication, et également ils peuvent concevoir des joints volontairement faibles. Ces résultats sont intéressants, mais il faut tout de même rester modéré. Puisqu’il s’agit uniquement de cinq échantillons qui ont la même géométrie, de plus, lorsque la FFT2D estimée par le réseau est superposée à la FFT2D acquise les courbes de dispersion ne se chevauchent pas totalement. Il réside des défauts à basse fréquence. Finalement, l'étude montre qu’il est possible de réaliser l’inversion par réseau de neurones convolutifs d’un joint collé en se basant sur des ondes guidées. Cela fonctionne lorsqu’il s’agit de déterminer des paramètres mécaniques réels, par exemple le module d’Young. Cette étude met en lumière que cela fonctionne sans doute avec des aspects plus abstraits comme la qualité globale du joint.

Date	4 déc. 2022
langue originale	Français
Établissement diplômant	École de technologie supérieure
Superviseur	Pierre Bélanger (Directeur(-trice)) & Matthew Toews (Codirecteur(-trice))