Soutenance de thèse : Théotime de LA SELLE

Détection, classification non-supervisée et investigation des mécanismes d'émission de multiplets acoustiques associés à la fissuration par fatigue

Doctorant : Théotime de LA SELLE

Laboratoire INSA : Mateis

Ecole doctorale :  ED34 : Matériaux de Lyon

Depuis la découverte des phénomènes de fatigue, la recherche scientifique n'a eu de cesse de chercher à comprendre et prévoir la rupture des matériaux engendrée par ces processus d'amorçage et de propagation de fissures sous l'effet de chargements variables. Ceux-ci ont été -et sont encore- la cause d'accidents et dysfonctionnements imprévus dans bon nombre de domaines techniques. Ce travail, combinant investigation du phénomène physique et son application en contrôle non destructif, s'intéresse aux groupes de signaux acoustiques que la fissuration par fatigue génère dans les métaux. Signatures d'une source unique, de tels ensembles de signaux similaires sont appelés "multiplets" acoustiques du nom du phénomène sismique analogue. Produits par des expérimentations de propagation de fissures de fatigue dans différents alliages, ces signaux émis en environnements bruités et enregistrés par un système d'émission acoustique sont détectés automatiquement par un algorithme dédié, regroupés en multiplets et étudiés pour en comprendre les mécanismes physiques dont ils sont issus. Par la synchronisation de leur détection avec la mesure par corrélation d'images numériques de grandeurs de mécanique de la rupture, l'investigation de ce phénomène d'émission acoustique montre que deux mécanismes sont à l'origine des multiplets : le frottement local répété des surfaces de rupture et la propagation incrémentale de la fissure dans le régime de Paris, probablement due à la réactivation de la plasticité en pointe de fissure à chaque cycle. La classification non-supervisée des multiplets permet en outre d'améliorer la détection initiale et de distinguer ces deux types uniquement à partir de l'information acoustique. Enfin, nous montrons que l'investigation de ce phénomène d'émission et la détection automatique de ces signaux de multiplets en milieu bruité peuvent être approfondie grâce à la fouille d'enregistrements acoustiques continus par apprentissage automatique.