Predictive maintenance smart system based on ultrasonic guided waves and data mining - Université de Lorraine Accéder directement au contenu
Thèse Année : 2021

Predictive maintenance smart system based on ultrasonic guided waves and data mining

Système intelligent utilisant les ondes ultrasonores guidées et le forage de données en vue de la maintenance prédictive

Résumé

In the Industry 4.0 era, predictive maintenance and internet-of-things are gaining ground. This kind of maintenance does not include yet structural health monitoring (SHM) by guided ultrasonic waves (UGW) in particular. The final objective of the thesis is to develop a tool to enhance this type of maintenance. SHM is an emerging approach that allows continuous monitoring of the structural health of a given structure. It is generally done in three main steps: data acquisition, defect detection and localization (diagnosis) and estimation of the residual life (prognosis). The first step requires the use of non-destructive testing systems such as that of UGW in this thesis. However, these systems were designed to perform spot checks and require the intervention of qualified operators. In this thesis, a system of generation and acquisition of UGW data, allowing among other things to connect the structure to be monitored to a cellular network, has been developed. This allows the construction of databases (which can be heterogeneous) in an automatic and low-cost way. Moreover, a particular attention was paid to the optimization of its power supply to guarantee the most autonomy possible. The second step consists in exploiting these data in order to detect the defect and to localize it. Three approaches have been proposed, depending on the required computing power and the degree of non-stationarity of the data (i.e. due to the instability of the environment of the structure and of the said measurement system). All three approaches are based on the novelty detection technique. In the case where a defect is detected, prediction algorithms of its evolution in time can be used to estimate the residual life of the structure, which is the last monitoring step. Here, a methodology based on a hybrid algorithm, using the empirical mode decomposition technique and an integrated moving average autoregressive model, has been developed. The results obtained on laboratory and in-situ structures show the relevance of the proposed monitoring methodology. Nevertheless, further work is needed to improve the technological maturation of the developed system.
A l’ère de l’industrie 4.0, la maintenance prédictive d’une part et les objets-connectés d’une autre part ne cessent de gagner du terrain. Ladite maintenance n’exploite pas ou peu la surveillance de l’intégrité des structures (connue plus par SHM, l’acronyme de son appellation anglaise) par notamment les ondes ultrasonores guidées (OUG). L’objectif final de la thèse est de développer un outil permettant de renforcer ce type de maintenance. Le SHM est une approche émergente qui permet d’assurer un contrôle en continue de la santé structurelle. Elle se fait généralement en trois étapes principales : acquisition de données, détection et localisation de défaut (diagnostic) et estimation de la durée de vie résiduelle de la structure (pronostic). La première étape requiert l’utilisation des systèmes de contrôle non destructif tels que les OUG dans la présente thèse. Cependant, ces systèmes ont été destinés à réaliser du contrôle ponctuel et nécessite l’intervention d’un personnel qualifié. Dans ce travail de thèse, un système de génération et d’acquisition de données d’OUG, permettant entre-autres de connecter la structure à surveiller à un réseau cellulaire, a été développé. Ceci permet la construction de bases de données (pouvant être hétérogènes) d’une façon automatique et à bas coût. En outre, une attention particulière a été accordée à l’optimisation de son alimentation électrique afin de garantir le plus d’autonomie possible. La deuxième étape consiste à exploiter ces données afin de détecter la présence éventuelle de défaut et de le localiser. Trois approches ont été proposées en fonction notamment de la puissance de calcul nécessaire et du degrés de non-stationnarité de ces données (i.e. dues à l’instabilité de l’environnement de la structure et dudit système de mesure). Les trois approches reposent sur la technique de détection de nouveauté. Dans le cas où un défaut est détecté, les algorithmes de prédiction de l’évolution de celui-ci dans le temps peuvent être utilisés afin d’estimer la durée de vie résiduelle de la structure ce qui constitue la dernière étape de surveillance. Ici, une méthodologie basée sur un algorithme hybride, utilisant la technique de décomposition en modes empirique et un modèle autorégressif intégré à moyenne mobile, a été développée. Les résultats obtenus sur des structures placées en laboratoire et in-situ montre la pertinence de la méthodologie de surveillance proposée. D’autres travaux complémentaires sont néanmoins nécessaires afin d’améliorer la maturation technologique du système développé.
Fichier non déposé

Dates et versions

tel-03652853 , version 1 (27-04-2022)

Identifiants

  • HAL Id : tel-03652853 , version 1

Citer

Marwen Aouini. Predictive maintenance smart system based on ultrasonic guided waves and data mining. Automatic. Université de Lorraine, 2021. English. ⟨NNT : 2021LORR0228⟩. ⟨tel-03652853⟩
53 Consultations
0 Téléchargements

Partager

Gmail Facebook X LinkedIn More