Analyse des signaux non-stationnaires à l’aide d’une nouvelle démarche de classification : application à l’identification de l’endommagement de matériaux composites par émission acoustique et à la détection de la crise d’épilepsie par EEG

Non-stationary signal analysis using a new classification approach : application to damage identification in composites materials using acoustic emission and to the epileptic seizure detection in EEGs

• Auteur / Autrice : Youssef Ech-Choudany
• Direction : Frédéric Morain-Nicolier, Mustapha Assarar, Benaissa Bellach
• Type : Thèse de doctorat
• Discipline(s) : ATS - Automatique et Traitement de Signal
• Date : Soutenance le 08/12/2018
• Etablissement(s) : Reims en cotutelle avec ENSA - École National des Sciences Appliquées -Université Mohamed Premier
• Ecole(s) doctorale(s) : Ecole doctorale Sciences du Numérique et de l’Ingénieur (Reims, Marne)
• Partenaire(s) de recherche : Laboratoire : Centre de Recherche en Sciences et Technologies de l'Information et de la Communication (CRESTIC) EA 3804 (Reims, Marne)
• Partenaire(s) de recherche : Equipe de recherche : Equipe SIC-CRESTIC
• Jury : Président / Présidente : Mohammed El Hassouni
• Jury : Examinateurs / Examinatrices : Mustapha Assarar, Benaissa Bellach, Mohammed El Hassouni, Pierre Beauseroy, Hamid Tairi, Daniel Scida, Yamina Khlifi
• Jury : Rapporteurs / Rapporteuses : Pierre Beauseroy

Mots clés

Mots clés contrôlés

Matériaux -- Comportement

Analyse temps-fréquence

Émission acoustique

Mots clés libres

Emission acoustique

Eeg

Endommagement

Temps-Fréquence

Classification

Signal

Acoustic emission

Eeg

Damage events

Time-Frequency

Classification

Signal

Résumé

Proposé dans le cadre d’une triple collaboration entre le Centre de Recherche en Science et Technologie de l'Information et de la Communication (CReSTIC) de l'Université de Reims Champagne-Ardenne (URCA), le Laboratoire d'Ingénierie et Sciences des Matériaux (LISM) de l'Université de Reims Champagne-Ardenne (URCA) et le Laboratoire Electronique et Télécommunication (LET) de l'Université Mohammed 1er, ce projet a pour objectif d’associer les compétences de ces laboratoires, le traitement du signal pour le CReSTIC et le LET et la caractérisation de l’endommagement des agro matériaux composites pour le LISM. Le travail de cette thèse consiste à développer une méthode de Contrôle Non Destructif CND) par Emissions Acoustiques (EA). En effet, durant le processus de dégradation des matériaux composites (sollicitations mécaniques, vieillissement), plusieurs mécanismes d’endommagement à l’échelle microscopique peuvent intervenir selon la nature du composite et de ses constituants (fibres et résine). L’EA permet d’analyser et d’identifier plus en détails ces mécanismes d’endommagement, à l’aide d’une classification. Cette méthode de classification sera basée sur l’utilisation de méthodes à noyaux (typiquement séparateur à vastes marges) dans le domaine temps-fréquence. Il s’agira de déterminer un (ou des) noyau(x) adapté(s) au problème posé, basé sur une mesure de similarité entre les signaux. Ce travail permettra ainsi d’analyser et classifier les mécanismes d’endommagement sans emploi de descripteurs. Cette nouvelle méthode de CND par EA permettra de fournir des informations pertinentes et de vérifier efficacement la fiabilité et l'état de santé en temps réel de structures en service, sans perturber l'exploitation tout en réduisant les coûts de maintenance.

The aims of this thesis consists in developing a method of Non-destructive testing (NDT) by Acoustic Emissions (AE). Indeed, during the process of degradation of composite materials several mechanisms of damage in the microscopic scale can intervene according to the nature of the composite and its constituents (fibers and epoxy). AE allows to analyze and to identify more in detail these damages mechanism, by means of a classification. This method of classification will be based on the use of kernel methods in the time - frequency domain. It will be a question of determining one adapted kernel in the proposed problem. This work will so allow to analyze and to classify mechanisms without using descriptors.