Application de classificateurs aux données d'émission acoustique : identification de la signature acoustique des mécanismes d'endommagement dans les composites à matrice polymère

= Use of classifiers with acoustic emission data to identify acoustic signature of damage modes in polymer matrix composites

• Auteur / Autrice : Stéphane Huguet
• Direction : Roger Gaertner, Nathalie Godin
• Type : Thèse de doctorat
• Discipline(s) : Génie des matériaux
• Date : Soutenance en 2002
• Etablissement(s) : Lyon, INSA
• Ecole(s) doctorale(s) : École doctorale Matériaux de Lyon (Villeurbanne ; 1991-....)
• Partenaire(s) de recherche : Laboratoire : GEMPPM - Groupe d’Etudes de Métallurgie Physique et de Physique des Matériaux (Lyon, INSA1975-2007)

Mots clés

Mots clés contrôlés

Réseaux neuronaux (informatique)

Résumé

L'émission acoustique (EA) a été enregistrée lors d'essais de traction sur des composites à fibres de verre et matrices polyester ou epoxyde. Les essais sur échantillons unidirectionnels sollicités dans différentes directions par rapport aux fibres ainsi que les essais sur résine et sur microcomposites ont permis d'identifier les signatures acoustique provenant des trois modes d'endommagement : fissuration matricielle, décohésions interfaciales, ruptures de fibres, des techniques d'analyse statistique, les K plus proches voisins et les réseaux de neurones (carte de Kohonen) ont été utilisées pour la réalisation d'un outil permettant de distinguer les signaux correspondant à ces modes d'endommagement. La technique a été étendue à des essais sur composites stratifiés à plis croisés, avec des résultats prometteurs. Sur ces derniers, il a été mis en évidence que l'analyse du seul paramètre d'amplitude n'est pas toujours suffisante pour distinguer les signaux provenant des différents modes d'endommagement.

Composites. Unidirectional samples tested in off-axis tensile tests, associated with tensile tests on resin and microcomposite, allow the identification of AE signatures of the three damage modes in composite materials: matrix cracking, fiber/matrix decohesion and fiber fracture. Statistical analysis techniques, with Keywords nearest neighbors and neural networks (Kohonen map) were used to build an automatic recognition tool able to distinguish between the signals from those damage modes. This methodology was successfully also applied on +-55 degrees glass-fiber/epoxy-resin laminates.