Présentation
EnglishRÉSUMÉ
Il existe des méthodes alternatives aux méthodes classiques pour l'estimation de propriétés thermophysiques. Ces méthodes s'appuient sur des outils issus du domaine de l'intelligence artificielle. Il s'agit des réseaux de neurones artificiels et des systèmes neuro-flous. Ils permettent ici d'estimer la diffusivité thermique d'un matériau homogène. En effet, la présence d'un défaut de structure modifie localement cette propriété, c'est pourquoi la connaître peut constituer une aide au CND. Les démarches décrites peuvent aisément s'appliquer à d'autres problèmes d'estimation de propriétés ou de paramètres.
Lire cet article issu d'une ressource documentaire complète, actualisée et validée par des comités scientifiques.
Lire l’articleAuteur(s)
-
Olivier FAUGEROUX : Docteur de l’université de Perpignan Via Domitia - Maître de conférences, université de Perpignan Via Domitia, laboratoire PROMES-CNRS UPR 8521
-
Stéphane GRIEU : Docteur de l’université de Perpignan Via Domitia - Professeur des universités, université de Perpignan Via Domitia, laboratoire PROMES-CNRS UPR 8521
-
Adama TRAORE : Docteur de l’université de Montpellier II - Maître de conférences, université de Perpignan Via Domitia, laboratoire PROMES-CNRS UPR 8521
-
Jean-Luc BODNAR : Docteur de l’université de Reims Champagne-Ardenne - Maître de conférences, université de Reims Champagne-Ardenne, laboratoire GRESPI
-
Bernard CLAUDET : Docteur de l’université de Perpignan Via Domitia - Professeur des universités, université de Perpignan Via Domitia, laboratoire PROMES-CNRS UPR 8521
INTRODUCTION
La mise en application d’une méthode de contrôle non destructif nécessite l’interprétation et/ou l’exploitation des différents résultats qu'elle fournit. Il est donc indispensable de bien maîtriser l’outil permettant cette exploitation/interprétation, cette dernière pouvant simplement être menée grâce au savoir-faire du manipulateur/expérimentateur. Différents outils mathématiques peuvent toutefois être utilisés, a priori beaucoup moins soumis à la subjectivité de ce dernier.
Une démarche classique consiste à utiliser les méthodes inverses. Il s’agit alors de comparer un modèle de comportement aux mesures effectuées. Il est ainsi possible de remonter aux propriétés ou paramètres considérés en s’assurant simplement que l’écart entre les mesures et le modèle est négligeable. Cette approche nécessite une connaissance parfaite du système étudié et la possibilité d'exploiter cette connaissance pour le modéliser finement, sous peine de ne pas identifier correctement les différentes propriétés recherchées. Des modèles paramétriques peuvent être envisagés. Cependant, leur capacité de généralisation est souvent très limitée.
Une solution est alors d’avoir recours à des outils permettant de développer des modèles à partir d'exemples (ou cas d'espèce) et qui sont ensuite capables de généraliser en exploitant l'information apprise. Ces outils, les réseaux de neurones artificiels et les systèmes neuro-flous (pour ceux que nous avons testés), appartiennent au domaine de l’intelligence artificielle (IA). Ces systèmes permettent par ailleurs une prise en compte fine de la connaissance experte. Enfin, les possibilités offertes par les algorithmes génétiques sont en cours d’étude.
L’objectif de ce document est, après avoir présenté les outils issus de l’IA utilisés et à travers un exemple expérimental simple, de montrer leurs possibilités. Les points clés permettant la mise en place des démarches proposées sont détaillés de façon à ce qu’un expérimentateur puisse l’adapter à un problème d’estimation spécifique. Il est néanmoins fortement conseillé d’avoir des bases en modélisation des systèmes pour obtenir des résultats satisfaisants.
MOTS-CLÉS
bâtiment matériaux Contrôle non destructif Caractérisation de matériaux Estimation de propriétés
DOI (Digital Object Identifier)
CET ARTICLE SE TROUVE ÉGALEMENT DANS :
Accueil > Ressources documentaires > Technologies de l'information > Technologies logicielles Architectures des systèmes > Intelligence artificielle > Outils de l’intelligence artificielle appliqués au CND > Cas pratique : aide au CND, estimation de la diffusivité d’un matériau homogène
Accueil > Ressources documentaires > Génie industriel > Industrie du futur > Industrie du futur : outils technologiques > Outils de l’intelligence artificielle appliqués au CND > Cas pratique : aide au CND, estimation de la diffusivité d’un matériau homogène
Accueil > Ressources documentaires > Innovation > Industrie du futur > Industrie du futur : outils technologiques > Outils de l’intelligence artificielle appliqués au CND > Cas pratique : aide au CND, estimation de la diffusivité d’un matériau homogène
Accueil > Ressources documentaires > Génie industriel > Industrie du futur > Industrie du futur : outils numériques > Outils de l’intelligence artificielle appliqués au CND > Cas pratique : aide au CND, estimation de la diffusivité d’un matériau homogène
Accueil > Ressources documentaires > Innovation > Industrie du futur > Industrie du futur : outils numériques > Outils de l’intelligence artificielle appliqués au CND > Cas pratique : aide au CND, estimation de la diffusivité d’un matériau homogène
Cet article fait partie de l’offre
Contrôle non destructif
(52 articles en ce moment)
Cette offre vous donne accès à :
Une base complète d’articles
Actualisée et enrichie d’articles validés par nos comités scientifiques
Des services
Un ensemble d'outils exclusifs en complément des ressources
Un Parcours Pratique
Opérationnel et didactique, pour garantir l'acquisition des compétences transverses
Doc & Quiz
Des articles interactifs avec des quiz, pour une lecture constructive
Présentation
4. Cas pratique : aide au CND, estimation de la diffusivité d’un matériau homogène
4.1 Présentation du cas pratique
Nous proposons de caractériser des échantillons de matériaux homogènes à partir des réponses en face avant ou en face arrière à une excitation dont le profil temporel est pseudo-aléatoire (un PRBS). La diffusivité sera, dans un premier temps, déterminée à l’aide de réseaux de neurones artificiels puis de systèmes neuro-flous. Les diffusivités estimées sont confrontées à des valeurs de références.
HAUT DE PAGE
Les outils d’estimation utilisés nécessitent d’être entraînés. Il est donc nécessaire de disposer d’exemples, les plus représentatifs possibles des différents comportements thermiques rencontrés, grâce auxquels ils pourront apprendre comment exploiter la réponse à un PRBS que produit en face avant ou en face arrière un matériau afin d’en estimer la diffusivité thermique. Comme mentionné, le comportement thermique d’un matériau homogène soumis à un flux excitateur dépend, sous certaines conditions que nous nous assurerons de respecter, de sa diffusivité et de son effusivité thermique. Ce couple de propriétés peut être remplacé par le couple diffusivité-conductivité. Ainsi, d’un point de vue thermophysique, un couple est caractéristique d’un matériau et de son comportement. Nous avons donc simulé à l’aide d’un modèle les réponses à une excitation de type PRBS (figure 9) en face avant et en face arrière (figure 10) de 96 matériaux fictifs dont la diffusivité thermique varie entre 10−8 et 5.10−5 m2/s, la conductivité variant entre 0,5 et 50 W/m.K.
HAUT DE PAGE
Les échantillons ont été dimensionnés afin de pouvoir être testés au diffusivimètre. Ce sont des disques d’une épaisseur de 8 mm...
Cet article fait partie de l’offre
Contrôle non destructif
(52 articles en ce moment)
Cette offre vous donne accès à :
Une base complète d’articles
Actualisée et enrichie d’articles validés par nos comités scientifiques
Des services
Un ensemble d'outils exclusifs en complément des ressources
Un Parcours Pratique
Opérationnel et didactique, pour garantir l'acquisition des compétences transverses
Doc & Quiz
Des articles interactifs avec des quiz, pour une lecture constructive
Cas pratique : aide au CND, estimation de la diffusivité d’un matériau homogène
BIBLIOGRAPHIE
-
(1) - PARKER (W.), JENKINS (C.), ABOTT (G.) - Flash method of determining thermal diffusivity, heat capacity and thermal conductivity - Journal of Applied Physics, vol. 32(9), pp. 1679-1684 (1961).
-
(2) - GOBBE (C.), BAZIN (M.), GOUNOT (J.), DEHAY (G.) - An apparatus for measuring polymer thermal conductivity - Journal of Polymer Sciences, vol. 278, pp. 119-124 (1988).
-
(3) - DEGIOVANNI (A.), BATSALE (J.-C.), MAILLET (D.) - Mesure de la diffusivité longitudinale de matériaux anisotropes. Panorama des techniques développées au LEMTA - Revue générale de thermique, vol. 35, pp. 141-147 (1996).
-
(4) - KRAPEZ (J.C.), SPAGNOLO (L.), FRIESS (M.), AIER (H.P.), NEUER (G.) - Measurement of in-plane diffusivity in non-homogeneous slabs by applying flash thermography - International journal of thermal sciences, Vol. 43, n° 10, pp. 967-977 (2004).
-
(5) - BAILLIS-DORMANN (A.) - * - . – Détermination des propriétés radiatives et conductives de milieux semi-transparents, mémoire d’Habilitation à...
DANS NOS BASES DOCUMENTAIRES
ANNEXES
BODNAR (J.L.), CANDORE (J.C.), CARON (D.), NICOLAS (J.L.). . – Système de contrôle non destructif étendu (SAMMTHIR), brevet français déposé à l’INPI le 26 mars 2008, numéro 08/01646.
HAUT DE PAGECet article fait partie de l’offre
Contrôle non destructif
(52 articles en ce moment)
Cette offre vous donne accès à :
Une base complète d’articles
Actualisée et enrichie d’articles validés par nos comités scientifiques
Des services
Un ensemble d'outils exclusifs en complément des ressources
Un Parcours Pratique
Opérationnel et didactique, pour garantir l'acquisition des compétences transverses
Doc & Quiz
Des articles interactifs avec des quiz, pour une lecture constructive