L'optimisation de contrôle non destructive des dommages pour les matériaux et les structures en génie civil

Optimal Non-Destructive Detection of Concrete Cracks in Civil Engineering

• Auteur / Autrice : Haochen Chang
• Direction : David Bassir
• Type : Projet de thèse
• Discipline(s) : Matériaux
• Date : Inscription en doctorat le 03/11/2022
• Etablissement(s) : Bourgogne Franche-Comté
• Ecole(s) doctorale(s) : École doctorale Sciences pour l'ingénieur et microtechniques (Besançon ; 1991-....)
• Partenaire(s) de recherche : Laboratoire : Laboratoire de métallurgies et cultures-Institut de Recherche sur les ArchéoMATériaux
• Partenaire(s) de recherche : établissement de préparation : Université de technologie de Belfort-Montbéliard (1999-....)

Mots clés

Mots clés libres

Contrôle non destructive

Détection des dommages

Optimisation structurelle

Génie civil

Non-destructive Detection

Damage detection

Structual optimization

Civil engineering

Résumé

Afin d'augmenter le cycle de vie des structures, une surveillance régulière est souvent nécessaire pour détecter les dommages et les fissures pouvant entraîner un effondrement dangereux et rapide des structures. La détection des dommages à l'aide de techniques non destructives est fortement requise dans de nombreux domaines d'ingénierie où la structure ne peut pas être détruite ou compliquée à atteindre ou à arrêter de fonctionner, comme dans les structures offshore, le génie civil, etc. La plupart de ces techniques nécessitent un traitement d'image avec une haute définition qui demande du temps et du HPC. La plupart des études de cas que l'on peut trouver dans les littératures de ces dernières années sont souvent une structure de base. Avec le développement des algorithmes intelligents et des réponses de surface à partir d'une grande quantité de données, une fois, peut combiner l'avantage de telles approches pour l'optimisation structurelle et converger vers une technique de détection de dommages non destructive fiable et plus générale qui peut être appliquée avec efficacité à structures 3D globales. L'objectif de ce projet de recherche est de développer une nouvelle approche qui combine des techniques de traitement d'image et de signal avec des stratégies d'apprentissage en profondeur. Ensuite, on peut utiliser la nouvelle technique de détection non destructive des dommages et des fissures. L'apprentissage en profondeur permettra aux réponses de surface de traiter l'image avec une super capacité cérébrale et de détecter les dommages plus rapidement et plus précisément. l'optimisation structurelle à différents niveaux sera intégrée de l'échelle macro à micro.

In order to increase the life cycle of structures, a regular monitoring is often required to detect damages and any cracks that may lead to dangerous and quick collapse of the structures. Damage detection using non-destructive techniques is highly required in many engineering domains where the structure cannot be destroyed or complicated to reach or to stop running such as in offshore structures, civil engineering, etc,. Most of these techniques require image processing with a high definition that require time consuming and HPC. Most of the study cases that we can find in literatures these recent years are often a basic structure. With the development of the smart algorithms and surface responses from big amount of datas, once, can combine the advantage of such approaches for structural optimization and to converge into one reliable and more general non-destructive damage detection technique that can be applied with efficiency to global 3D structures. The purpose of this research project, is to develop a new approach that combines image and signal processing techniques with deep learning strategies. Then, once can use the new technique for non-destructive damage and crack detection. Deep learning will allows the surface responses to process image with a super brain ability and detect the damage faster and more accurate. structural optimization at different level will be integrated from macro to micro scale.