Méthodes avancées pour le diagnostic et le pronostic de structures complexes aéronautiques

Advanced methods for diagnosis and prognostics of complex aeronautics structures

• Auteur / Autrice : Maurine Jacot
• Direction : Francisco Chinesta
• Type : Thèse de doctorat
• Discipline(s) : Mécanique (AM)
• Date : Soutenance le 27/11/2023
• Etablissement(s) : Paris, HESAM
• Ecole(s) doctorale(s) : École doctorale Sciences des métiers de l'ingénieur (Paris)
• Partenaire(s) de recherche : Laboratoire : Pimm - Laboratoire Procédés et ingénierie en mécanique et matériaux - Laboratoire Procédés et Ingénierie en Mécanique et Matériaux
• Partenaire(s) de recherche : établissement de préparation de la thèse : École nationale supérieure d'arts et métiers (1780-....)
• Jury : Président / Présidente : David Néron
• Jury : Examinateurs / Examinatrices : Francisco Chinesta, Antonio Falcó, Elias Cueto, Samir Khatir, Marianne Béringhier, Mohamed Jebahi
• Jury : Rapporteur / Rapporteuse : Antonio Falcó, Elias Cueto

Mots clés

Mots clés contrôlés

Avions -- Conception et construction

Modélisation CFD

Dissertation universitaire

Mécanique

Mots clés libres

Mathématiques et leurs intéractions

Mécanique; Structure; Défaillance

Modélisation et simulation

Transport Optimal

Mathematics and their interactions

Mechanics; Structure; Failure

Model and simulations

Optimal Transport

Résumé

Pour les compagnies aériennes, disposer d'une bonne visibilité sur les opérations de maintenance prédictive est un enjeu majeur. Dans ce contexte, le contrôle en temps réel de l'état de santé des structures aéronautiques est un service à forte valeur ajoutée. Une manière d'y parvenir consiste à mettre en œuvre une procédure automatisée pour déterminer l'état de santé d'une structure à intervalles réguliers. Dans cette thèse, l'objectif est de surveiller l'état de santé d'une structure aéronautique (aube de soufflante) en composite tissé 3D à travers une méthodologie hors ligne/en ligne. Son principe repose sur l'utilisation en ligne d'une base d'apprentissage construite hors ligne à partir de simulations de la structure endommagée. Combinée à des algorithmes d'optimisation, l'information ainsi capitalisée permet la résolution efficace d'un problème inverse qui permet d'une part de détecter la présence d'un endommagement (diagnostic) et d'autre part d'évaluer ses caractéristiques en temps réel, voire de prédire son évolution future (pronostic). Cependant, il est nécessaire d'obtenir suffisamment de données d'entraînement pour construire une base précise. À cette fin, les approches de modélisation orientées vers la donnée et les méthodologies de réduction de modèle offrent de nouvelles possibilités en matière de simulation numérique de modèles à base d'équations différentielles paramétrées. L'endommagement local d'une structure en composite tissé 3D est fortement non linéaire, ce qui limite la précision des modèles réduits usuels. Il faut donc adapter les méthodologies classiques avec des approches d'interpolation ou d'enrichissement local dans un problème global. De plus, la formulation réduite est compatible avec la définition d'un cadre stochastique et la mise en œuvre d'algorithmes permettant une identification efficace d'emplacements de points de mesure optimisés. Finalement, cette thèse propose un ensemble de méthodes avancées capables de coupler aisément données et simulations pour l'identification de paramètres de dommage de structures complexes.

The capability to forecast and schedule maintenance operations represents a major challenge for airlines. Therefore, real-time health monitoring of aeronautical structures is an added-value service. One way to achieve this is to implement an automated procedure to determine the health status of a structure at regular intervals. In this thesis, the objective is to monitor the health of an aeronautical structure (aircraft fan blade), made of a 3D woven composite material following an offline/online strategy. Such an approach relies on using during the online (i.e. exploitation) phase of a database built during the offline (i.e. learning) phase from the responses arising from high-fidelity simulations of artificially damaged structures. The accumulated knowledge can be combined with optimization algorithms allows to solve efficiently an inverse problem in order to detect the onset of a damage (diagnostic) on the one hand, and to identify its nature as well as predict its future behavior (prognosis) on the other hand. However, the construction of a sufficiently predictive database relies on the availability of a rich enough collection of training samples. For that matter, data-oriented and reduced-order modeling techniques offer new opportunities for the numerical simulation of models based on Parameterized Differential Equations. However, it turns out that local damage of a 3D woven composite structure is strongly nonlinear, which makes the limits of the accuracy of usual reduced models. To overcome this difficulty, it is necessary to adapt the classical methodologies with interpolation or local enrichment approaches in a global problem. Moreover, the reduced formulation is compatible with the definition of a statistical framework to implement algorithms to compute optimized sensors locations. Finally, this thesis proposes a set of advanced methods able to couple data and simulations for the identification of damage parameters in complex structures.