Détection de nouveauté pour le monitoring vibratoire des structures de génie civil : approches chaotique et statistique de l'extraction d'indicateurs

Novelty detection for vibration-based structural health monitoring of civil structures : damage sensitive feature extraction by chaotic and statistical approaches

• Auteur / Autrice : Antoine Clément
• Direction : Stéphane Laurens
• Type : Thèse de doctorat
• Discipline(s) : Génie civil
• Date : Soutenance en 2011
• Etablissement(s) : Toulouse 3

Mots clés

Mots clés contrôlés

Détection de défaut (ingénierie)

Systèmes stochastiques

Systèmes dynamiques

Mots clés libres

Détection de nouveauté

Structure

Analyse vibratoire

Détection de l'endommagement

Théorie des systèmes dynamiques non-linéaires

Espace des phases

Attracteur

Variations environnementales

Sollicitation instationnaire

Résumé

Le suivi vibratoire de l'état des ouvrages de génie civil vise à anticiper une défaillance structurale par la détection précoce d'endommagement. Dans ce contexte, la détection de nouveauté constitue une approche particulièrement adaptée à l'analyse des signaux compte tenu des difficultés à modéliser une structure unique et soumise à de nombreux facteurs extérieurs influant sur la dynamique vibratoire. Le premier objectif du travail de thèse consiste à observer dans quelle mesure la détection de nouveauté parvient à détecter un endommagement dans un contexte fortement perturbé par des variations environnementales d'une part, et par une excitation de nature impulsionnelle, d'autre part. Le deuxième objectif est de proposer et d'étudier un nouvel indicateur vectoriel, désigné par JFV (pour Jacobian Feature Vector). Le calcul du JFV s'appuie sur la reconstruction de la trajectoire du système dynamique observé dans son espace des phases. Cette approche exploite les développements scientifiques récents réalisés en théorie des systèmes dynamiques non linéaires, parfois qualifiée de théorie du chaos. Le JFV est comparé aux coefficients de modèles auto-régressifs (AR), couramment utilisés en analyse des séries temporelles. Pour réaliser ce travail de thèse, plusieurs cas d'études expérimentaux sont utilisés dont notamment une maquette de structure en bois sur laquelle l'excitation est contrôlée et des variations environnementales sévères sont imposées. Enfin, différentes approches de modélisation statistique des indicateurs normalisés sont mises en œuvre dans le but de comparer leurs aptitudes respectives à la définition d'un seuil de classification robuste.

The aim of structural health monitoring of civil structure is the early detection of damage to prevent tructure failure. But modelling the behaviour of such structure is a very challenging task due to it uniqueness and to the effect of environmental parameters on the dynamic. In this context, the novelty detection approach appears to be well adapted since it avoids the need of prior hypothesis on the nature of the dynamical behaviour, and integrates all variability factors. The work of this thesis has two principal aims. The first one is to quantify the ability of novelty detection to discriminate damage under strong environmental variations and impulse excitation. The second one is to introduce a new damage sensitive feature, referred as Jacobian Feature Vector (JFV). The JFV calculation is based on the reconstructed state space which exploits the progress achieved in the theory of non-linear dynamical systems, also known as chaos theory. The comparison between AR parameters, widely used for time series analysis, and the JFV is carried out on several case studies. One of them is a three storey wooden laboratory structure subjected to strong environmental variations and controlled excitation. Finally, since the last step of novelty detection is decision making based on statistical modelling of the normalized damage sensitive features, the robustness of several approaches for the setting of the classification threshold is investigated.