Author/Authors :
Chehami, L. Université de Valenciennes - IEMN UMR CNRS 8520, France , Chehami, L. PSL Research University - ESPCI ParisTech, institut Langevin - UMR CNRS 7587, France , Moulin, E. Université de Valenciennes - IEMN UMR CNRS 8520, France , Assaad, J. Université de Valenciennes - IEMN UMR CNRS 8520, France , de Rosny, J. PSL Research University - ESPCI ParisTech, institut Langevin - UMR CNRS 7587, France , Prada, C. PSL Research University - ESPCI ParisTech, institut Langevin - UMR CNRS 7587, France , Benmeddour, F. Université de Valenciennes - IEMN UMR CNRS 8520, France , Achdjian, H. Université de Valenciennes - IEMN UMR CNRS 8520, France
Abstract :
L’objectif de cet article est d’illustrer l’apport du CSI (contrôle santé intégré) passif pour la détection et la localisation de défauts in situ, dans des structures minces réverbérantes. La méthode que nous proposons s’inspire des travaux sur l’extraction des fonctions de Green par corrélation de bruit acoustique. Un ensemble de sources sont disposées aléatoirement à la surface de l’échantillon et émettent entre [20-40] kHz. Les ondes élastiques ainsi générées dites de ‘flexion’ sont dominantes. Un réseau de transducteurs piézoélectriques collecte les données et permet ainsi d’estimer la matrice de corrélation inter-éléments. La signature acoustique du défaut apparait clairement sur la différence des matrices de corrélations acquises sur la plaque saine et endommagée. Pour localiser le défaut, la matrice différentielle ainsi obtenue est injectée dans un algorithme de formation de voies. En dépit de la reconstruction infidèle des réponses impulsionnelles, la technique proposée s’avère comparable aux méthodes actives ‘pulse-écho’ avec une très bonne résolution (limite de diffraction). Enfin, nous montrons qu’un filtrage DORT (décomposition de l’opérateur de retournement temporel) sur la matrice différentielle peut améliorer la détection.
NaturalLanguageKeyword :
détection de défaut , SHM passif , corrélation de bruit , ondes de Lamb
