Traitement des signaux thermométriques pour la caractérisation des matériaux : analyse et quantification du comportement des revêtements

Thermometric signal processing for characterization of materials : analysis and quantification of the behavior of coatings

• Auteur / Autrice : Sihem Abdelmoula
• Direction : Valeriu Vrabie, Eric Perrin
• Type : Thèse de doctorat
• Discipline(s) : Génie informatique, automatique et traitement du signal
• Date : Soutenance le 02/10/2017
• Etablissement(s) : Reims
• Ecole(s) doctorale(s) : Ecole doctorale Sciences, technologies, santé (Reims, Marne)
• Partenaire(s) de recherche : Laboratoire : Centre de Recherche en Sciences et Technologies de l'Information et de la Communication (Reims, Marne ; 2004-....)
• Jury : Président / Présidente : Danielle Nuzillard
• Jury : Examinateurs / Examinatrices : Valeriu Vrabie, Eric Perrin, Laurent Ibos
• Jury : Rapporteur / Rapporteuse : Jérôme Mars, Pierre Beauseroy

Mots clés

Mots clés contrôlés

Revêtements

Contrôle non destructif par thermographie infrarouge

Mots clés libres

Contrôle non-Destructif

Revêtement

Thermographie infrarouge

Couches minces

Hétérogénéité

Non-Uniformité d’excitation

Non destructive evaluation

Coating

Infrared thermography

Thin films

Heterogeneity

Non-Uniformity of heating

Résumé

Les exigences de qualité des produits ainsi que des normes environnementales et énergétiques de plus en plus drastiques nécessitent le développement de technologies de fonctionnalisation de surface en particulier celles qui s’appuient sur les procédés de revêtement par dépôt de couches minces. Le contrôle de la qualité de surface revêtue présente un enjeu industriel d’envergure. En effet, il n’existe pas à l’heure actuelle de technique d’inspection non destructive qui allie à la fois rapidité, fiabilité et flexibilité pour le contrôle de l’uniformité de revêtement. Pour répondre à cette problématique, ce travail de thèse porte sur le développement d’une technique d’inspection basée sur la thermographie active. Après étude expérimentale et numérique de la réponse thermique de surfaces bicouches, nous proposons une première méthodologie d’exploitation des mesures issues d’une excitation ponctuelle (laser) et surfacique (flash(s)). L’approche mise en place s’appuie sur l’implantation d’un algorithme des moindres carrés partiels (PLS NIPALS). Celui-ci a été testé sur plusieurs matériaux conducteurs et non conducteurs et dans différentes configurations expérimentales puis comparé à la méthode de contrôle conventionnelle par courants de Foucault (pour les matériaux conducteurs). La méthode développée permet d’extraire la signature thermique intrinsèque de l’hétérogénéité d’épaisseur du revêtement. Une deuxième approche a été explorée, elle s’appuie sur la mise en œuvre des nouveaux outils que nous offre le « Deep Learning ». Les premiers résultats obtenus semblent prometteurs. L’ensemble des résultats ouvre le champ vers une exploitation industrielle de la thermographie infrarouge pour le contrôle non destructif de revêtement.

Product quality requirements as well as increasingly drastic environmental and energy standards require the development of surface functionalization technologies, particularly those based on thin film coating processes. The quality control of coated surface presents an important industrial challenge. Indeed, actually there is any non-destructive inspection technique that combines speed, reliability and flexibility for coating uniformity inspection. To respond this challenge, this work focuses on the development of an inspection technique based on active thermography. After experimental and numerical studies of thermal responses of bilayer surfaces, we propose firstly a measurement methodology based on a point (laser) and surface excitation (flash (s)). The approach is based on the implementation of a partial least squares algorithm (PLS-NIPALS). It was tested on several conductive and non-conductive materials and in various experimental configurations and compared to the conventional eddy current control method (for conductive materials). The developed method makes it possible to extract the intrinsic thermal signature of the coating thickness heterogeneity. A second approach has been explored, based on the classification algorithm based on Deep Learning tool. The first results seem promising. The overall results open the opportunity to an industrial exploitation of infrared thermography for non-destructive coating testing.