Développement de nouvelles méthodes pour l’évaluation non-destructive des infrastructures ferroviaires : Utilisation de traitements statistiques des signaux

Development of new methods for non destructive testing for railway infrastructure : Use of statistical signal processing

• Auteur / Autrice : Quentin Mayolle
• Direction : Philippe Vanheeghe
• Type : Thèse de doctorat
• Discipline(s) : Automatique, génie informatique, traitement du signal et des images
• Date : Soutenance le 13/07/2021
• Etablissement(s) : Centrale Lille Institut
• Ecole(s) doctorale(s) : École doctorale Sciences pour l'ingénieur (Lille)
• Partenaire(s) de recherche : Laboratoire : CRIStAL - Centre de Recherche en Informatique, Signal et Automatique de Lille - Centre de Recherche en Informatique- Signal et Automatique de Lille (CRIStAL) - UMR 9189 / CRIStAL
• Jury : Président / Présidente : Emmanuel Duflos
• Jury : Examinateurs / Examinatrices : Giovanni Cascante, Audrey Giremus, Gräbe Hannes, Sophie Tison
• Jury : Rapporteur / Rapporteuse : Christophe Pouet, Sriram Narasimhan

Mots clés

Mots clés contrôlés

Statistique bayésienne

Analyse temps-fréquence

Estimation, Théorie de l'

Filtrage du signal

Défauts

Rails

Transducteurs ultrasonores

Contrôle non destructif

Mots clés libres

Tracking multi-objects

Inspection ultrasonore

Détection de défauts de surface du rail

Analyse de signaux vibratoires

Estimation statistique Bayésienne

Multi-object tracking

Ultrasonic testing

Rail surface defect detection

Vibratory signal analysis

Bayesian statistical estimation

Résumé

La maintenance des infrastructures ferroviaires doit désormais anticiper la dégradation du matériel pour éviter tout incident dommageable. Détecter un défaut sur le rail à son stade le plus précoce est nécessaire pour garantir une maintenance efficace et optimale. Les Electro-Magnetic Acoustic Transducers (EMAT)sont une technique d’inspection ultrasonore sans-contact pour l’évaluation non destructive de l’état des matériaux ferromagnétiques. Leur application aux rails permet l’identification des défauts de surface lors d’une prise de mesure immobile sur le rail. Néanmoins, l’exploitation du réseau poussant à la diminution du temps d’inspection, les outils de mesures doivent être embarqués dans des structures motorisées. L’inspection mobile cause une dégradation des signaux ultrasonores. Cette thèse propose des outils et méthodologies du traitement statistique du signal pour améliorer la détection et la caractérisation des défauts de surface du rail, à partir de signaux ultrasonores obtenues par des capteurs mobiles. Nous proposons des indicateurs statistiques sur les signaux EMAT permettant une identification des défauts du rail. Des représentations des mesures dans des espaces d’états apportent des informations sur l’évolution des signaux durant la mesure mobile, grâce à des algorithmes de filtrage, qui fournissent des mesures d’incertitudes sur les estimations réalisées. Nous apportons une méthodologie permettant de régler automatiquement les paramètres de ces algorithmes de filtrage pour s’adapter aux données reçues. Elle repose sur des modélisations bayésiennes,nécessitant peu de connaissances sur les algorithmes de la part d’un opérateur humain. Enfin, nous nous sommes intéressés au cas plus général des signaux vibratoires d’accélération. L’identification de l’évolution des caractéristiques au sein de ces signaux permet une meilleure compréhension des phénomènes physiques régissant la mesure. Des procédures bayésiennes intègrent l’incertitude sur les connaissances a priori du problème, et les résultats fournis par les méthodes d’estimations.

Maintenance of railway infrastructures has nowadays to anticipate the degradation of equipment to avoidany damaging incidents. Detecting a defect on the rail at its earliest stage is necessary to ensure efficient andoptimal maintenance. Electro-Magnetic Acoustic Transducers (EMAT) are a contactless ultrasonic inspec-tion technique for non-destructive assessment of the condition of ferromagnetic materials. Their applicationto rails allows identification of surface defects when measurements are obtained from immobile sensors.However, railway infrastructure operations are urging to reduce the inspection time of rails. Measurementtools must thus be carried into motorized structures. Mobile inspections cause degradations of ultrasonicsignals. This thesis proposes tools and methodologies from statistical signal processing to improve the detec-tion and characterization of surface defects on the rail, from ultrasonic signals obtained by mobile sensors.First, statistical indicators on EMAT signals to identify rail defects and representations of measurements instate spaces are introduced. They provide information on the evolution of ultrasound signals during mobilemeasurements, using filtering algorithms, which enable quantification of uncertainty about the made esti-mates. A methodology for automatically adjusting the parameters of these filtering algorithms to adapt toreceived data is then presented. The methodology is based on Bayesian modelling, requiring little knowledgeof algorithms from a human operator. Finally, the more general case of vibrational acceleration signals isinvestigated. Identifying the evolution of characteristics within these signals allows a better understandingof the physical phenomena governing these signals. Bayesian estimation procedures incorporate uncertaintyabout the prior knowledge of the problem, and the results provided by estimation methods.