In the field of structural engineering it is of vital importance that the condition of an ageing structure is monitored to detect damages that could possibly lead to failure of the structure. Over the past few years various methods for monitoring the condition of structures have been proposed. With respect to civil and mechanical structures several methods make use of modal parameters such as, natural frequency, damping ratio and mode shapes. In the present work four methods for modal parameter estimation and two methods for have been evaluated for their application to multi degree of freedom structures. The methods evaluated for modal parameter estimation are: Wavelet transform, Hilbert-Huang transform, parametric system identification and peak picking. Through various numerical simulations the effectiveness of these methods is studied. It is found that the simple peak-picking method performs the best and is able to identify modal parameters most accurately in all the simulation cases that were considered in this study. The identified modal parameters are then used for locating the damage. Herein the flexibility and the rotational flexibility approaches are evaluated for damage detection. The approach based on the rotational flexibility is found to be more effective. / Master of Science

The Hilbert transform is a widely used transform in signal processing. In this thesis we explore its use for three different applications: electrocardiography, the Hilbert-Huang transform and modulation. For electrocardiography, we examine how and why the Hilbert transform can be used for QRS complex detection. Also, what are the advantages and limitations of this method? The Hilbert-Huang transform is a very popular method for spectral analysis for nonlinear and/or nonstationary processes. We examine its connection with the Hilbert transform and show limitations of the method. Lastly, the connection between the Hilbert transform and single-sideband modulation is investigated.

La Décomposition Modale Empirique (EMD pour « Empirical Mode Decomposition ») est un outil récent de traitement du signal dévolu à l'analyse de signaux non stationnaires et/ou non linéaires. L'EMD produit pour tout signal une décomposition multi-échelles pilotée par les données. Les composantes obtenues sont des formes d'onde oscillantes potentiellement non harmoniques dont les caractéristiques, forme, amplitude et fréquence peuvent varier au cours du temps. L'EMD étant une méthode encore jeune, elle n'est définie que par la sortie d'un algorithme inhabituel, comportant de multiples degrés de liberté et sans fondement théorique solide. Nous nous intéressons dans un premier temps à l'algorithme de l'EMD. Nous étudions d'une part les questions soulevées par les choix de ses degrés de liberté afin d'en établir une implantation. Nous proposons d'autre part des variantes modifiant légèrement ses propriétés et une extension permettant de traiter des signaux à deux composantes. Dans un deuxième temps, nous nous penchons sur les performances de l'EMD. L'algorithme étant initialement décrit dans un contexte de temps continu, mais systématiquement appliqué à des signaux échantillonnés, nous étudions la problématique des effets d'échantillonnage sur la décomposition. Ces effets sont modélisés dans le cas simple d'un signal sinusoïdal et une borne de leur influence est obtenue pour des signaux quelconques. Enfin nous étudions le mécanisme de la décomposition à travers deux situations complémentaires, la décomposition d'une somme de sinusoïdes et celle d'un bruit large bande. Le premier cas permet de mettre en évidence un modèle simple expliquant le comportement de l'EMD dans une très grande majorité des cas de sommes de sinusoïdes. Ce modèle reste valide pour des sinusoïdes faiblement modulées en amplitude et en fréquence ainsi que dans certains cas de sommes d'ondes non harmoniques périodiques. La décomposition de bruits large bande met quant à elle en évidence un comportement moyen de l'EMD proche de celui d'un banc de filtres auto-similaire, analogue à ceux correspondant aux transformées en ondelettes discrètes. Les propriétés du banc de filtres équivalent sont étudiées en détail en fonction des paramètres clés de l'algorithme de l'EMD. Le lien est également établi entre ce comportement en banc de filtres et le modèle développé dans le cas des sommes de sinusoïdes.

University of Macau / Faculty of Science and Technology / Department of Electrical and Electronics Engineering

Depuis plusieurs années le LAAS-CNRS travaille sur la problématique de la détection de la baisse de vigilance d'un conducteur d'automobile à partir de l'analyse du mode de conduite, afin de réduire le grand nombre des accidents routiers. Dans ce contexte, nous nous sommes intéressés de dégager une mesure référante de l'hypovigilance qui permettrait, par comparaison, de valider le système de mesure embarqué associant des mesures comportementales. Cette thèse a porté sur l'analyse automatique des signaux physiologiques (EEG, EOG) permettant de caractériser la somnolence; et s'est inscrit dans le cadre du projet européen SENSATION. Ce travail s'articule en 2 parties. La première est dédiée à l'analyse des EEG et commence par une présentation de la forme d'onde des signaux à analyser et des phénomènes représentatifs de la somnolence, puis des techniques d'analyse susceptibles de répondre au problème posé : transformé de Fourier, décomposition en Ondelettes, transformation de Hilbert Huang; Pour la suite de l'étude, nous avons sélectionnée la transformation de Hilbert-Huang. La précision de cette méthode sera étudier qualitativement, avant de présenter l'algorithme développé et les premiers résultats obtenus sur des signaux réels. Les conclusions de l'analyse de la précision nous ont amené à modifier l'algorithme proposé par Huang en normalisant les composantes fournies par la transformation de Huang sur l'ensemble de la fenêtre d'analyse avant application de la transformation de Hilbert. La deuxième partie de la thèse est donc consacrée à la localisation et la caractérisation des clignements des yeux dans l'EOG. Avant de présenter l'algorithme développé, nous décrivons le signal étudié et le modèle de clignement proposé. Nous comparons ensuite, sur une base de données constituée durant des expériences menées sur un simulateur de conduite, les résultats obtenus par notre algorithme à une analyse semi-automatique. Une fois la détection des clignements validée, nous com parons le degré de somnolence déterminé après mise en place des règles utilisées par les experts à l'analyse visuelle des signaux. Le bilan du travail réalisé et les perspectives d'amélioration des résultats concluront ce travail.

Atrial fibrillation (AF) is the most common type of cardiac arrhythmia encountered in clinical practice and is associated with an increased mortality and morbidity. Identification of the sources of AF has been a goal of researchers for over 20 years. Current treatment procedures such as Cardio version, Radio Frequency Ablation, and multiple drugs have reduced the incidence of AF. Nevertheless, the success rate of these treatments is only 35-40% of the AF patients as they have limited effect in maintaining the patient in normal sinus rhythm. The problem stems from the fact that there are no methods developed to analyze the electrical activity generated by the cardiac cells during AF and to detect the aberrant atrial tissue that triggers it. In clinical practice, the sources triggering AF are generally expected to be at one of the four pulmonary veins in the left atrium. Classifying the signals originated from four pulmonary veins in left atrium has been the mainstay of signal analysis in this thesis which ultimately leads to correctly locating the source triggering AF. Unlike many of the current researchers where they use ECG signals for AF signal analysis, we collect intra cardiac signals along with ECG signals for AF analysis. AF Signal collected from catheters placed inside the heart gives us a better understanding of AF characteristics compared to the ECG. . In recent years, mechanisms leading to AF induction have begun to be explored but the current state of research and diagnosis of AF is mainly about the inspection of 12 lead ECG, QRS subtraction methods, spectral analysis to find the fibrillation rate and limited to establishment of its presence or absence. The main goal of this thesis research is to develop methodology and algorithm for finding the source of AF. Pattern recognition techniques were used to classify the AF signals originated from the four pulmonary veins. The classification of AF signals recorded by a stationary intra-cardiac catheter was done based on dominant frequency, frequency distribution and normalized power. Principal Component Analysis was used to reduce the dimensionality and further, Linear Discriminant Analysis was used as a classification technique. An algorithm has been developed and tested during recorded periods of AF with promising results.

No description available.

Este trabalho tem seu foco na monitoração dos processos de usinagem das máquinas ferramentas sem a utilização de sensores dedicados à medição direta das grandezas mecânicas envolvidas no processo de usinagem em si. Assim sendo, optou-se por um método de medição indireta utilizando um estimador de potência e torque baseado nas grandezas elétricas na entrada de energia do motor de indução da máquina ferramenta. O núcleo central do trabalho consiste na medição de processos de usinagem utilizando um dinamômetro de alta precisão próprio para máquina ferramenta para obter os valores médios e os modos de vibração do processo máquina ferramenta-usinagem e fazer a confrontação com os mesmos dados obtidos pelo estimador de torque. A pesquisa realizada utilizou ferramentas clássicas de processamento de sinais, como é o caso da FFT, assim como duas poderosas ferramentas atuais, a transformada de wavelet (WT) e a transformada de Hilbert-Huang (HHT). Em adição foi utilizado um processo de otimização para a determinação dos parâmetros do motor de indução on-line baseado em uma metaheurística denominada busca de harmonia (Harmony Search HS) / This work focuses on monitoring the machining processes in machine tools without the use of dedicated transducers to directly measure mechanicals quantities of the machining process. The approached method used the option of measuring the power and torque through a estimator based in the electrical quantities in the input of the induction motor used by machine tool. The core of the work consists in the measuring the mechanical processes of machining using a high precision dynamometer specified to machine tool to get the average values of mechanical quantities and the vibration modes of the set machine tool-machining process, the objective is to compare the same data group got from dynamometer and estimator. The research data was based on classical analysis tool such as Fourier transform (FFT) and on modern powerful tools such as wavelet transforms (WT) and Hilbert-Huang transform (HHT). To refine the measuring process of average values of torque and power using the induction motor a method to estimates the motor parameters was added based on an optimization method named harmony search (HS).

Este trabalho tem seu foco na monitoração dos processos de usinagem das máquinas ferramentas sem a utilização de sensores dedicados à medição direta das grandezas mecânicas envolvidas no processo de usinagem em si. Assim sendo, optou-se por um método de medição indireta utilizando um estimador de potência e torque baseado nas grandezas elétricas na entrada de energia do motor de indução da máquina ferramenta. O núcleo central do trabalho consiste na medição de processos de usinagem utilizando um dinamômetro de alta precisão próprio para máquina ferramenta para obter os valores médios e os modos de vibração do processo máquina ferramenta-usinagem e fazer a confrontação com os mesmos dados obtidos pelo estimador de torque. A pesquisa realizada utilizou ferramentas clássicas de processamento de sinais, como é o caso da FFT, assim como duas poderosas ferramentas atuais, a transformada de wavelet (WT) e a transformada de Hilbert-Huang (HHT). Em adição foi utilizado um processo de otimização para a determinação dos parâmetros do motor de indução on-line baseado em uma metaheurística denominada busca de harmonia (Harmony Search HS) / This work focuses on monitoring the machining processes in machine tools without the use of dedicated transducers to directly measure mechanicals quantities of the machining process. The approached method used the option of measuring the power and torque through a estimator based in the electrical quantities in the input of the induction motor used by machine tool. The core of the work consists in the measuring the mechanical processes of machining using a high precision dynamometer specified to machine tool to get the average values of mechanical quantities and the vibration modes of the set machine tool-machining process, the objective is to compare the same data group got from dynamometer and estimator. The research data was based on classical analysis tool such as Fourier transform (FFT) and on modern powerful tools such as wavelet transforms (WT) and Hilbert-Huang transform (HHT). To refine the measuring process of average values of torque and power using the induction motor a method to estimates the motor parameters was added based on an optimization method named harmony search (HS).

Le contrôle de santé structural ou Structural Health Monitoring (SHM) des matériaux constitue une démarche fondamentale pour la maîtrise de la durabilité et de la fiabilité des structures en service. Au-delà des enjeux industriels et humains qui ne cessent de s’accroître en termes de sécurité et de fiabilité, le contrôle de santé doit faire face à des exigences de plus en plus élaborées. Les nouvelles stratégies de contrôle de santé doivent non seulement détecter et identifier l’endommagement mais aussi quantifier les différents phénomènes qui en sont responsables. Pour atteindre cet objectif, il est nécessaire d’accéder à une meilleure connaissance des processus d’endommagement. Par ailleurs, ceux-ci surviennent fréquemment sous l’effet de sollicitations mécaniques et environnementales. Ainsi, il est indispensable, d’une part, d’élaborer des méthodes de traitement des signaux permettant d’estimer les effets des conditions environnementales et opérationnelles, dans un contexte de l’analyse des événements précurseurs des mécanismes d’endommagement, et, d’autre part, de définir les descripteurs d’endommagement les plus adaptés à cette analyse. Cette étude propose donc des méthodes de traitement du signal permettant d’atteindre cet objectif, dans un premier temps, pour l’estimation des effets externes sur les ondes multidiffusées dans un contexte de contrôle de santé actif et, dans un second temps, pour l’extraction d’un indicateur d’endommagement à partir de l’analyse des signaux d’émission acoustique dans un contexte de contrôle de santé passif. Dans la première partie de ce travail, quatre méthodes de traitement du signal sont proposées. Celles-ci permettent de prendre en compte les variations des conditions environnementales dans la structure, qui dans le cadre de cette thèse, se sont limitées au cas particulier du changement de la température. En effet, les variations de température ont pour effet de modifier les propriétés mécaniques du matériau et par conséquent la vitesse de propagation des ondes ultrasonores. Ce phénomène entraîne alors une dilatation temporelle des signaux acoustiques qu’il convient d’estimer afin de suivre les variations de température. Quatre estimateurs de coefficients de dilatation sont alors étudiés : Il s’agit de l’intercorrélation à fenêtre glissante, utilisée comme méthode de référence, la méthode du stretching, l’estimateur à variance minimale et la transformée exponentielle. Les deux premières méthodes ont été déjà validées dans la littérature alors que les deux dernières ont été développées spécifiquement dans le cadre de cette étude. Par la suite, une évaluation statistique de la qualité des estimations est menée grâce à des simulations de Monte-Carlo utilisant des signaux de synthèse. Ces signaux sont basés sur un modèle de signal multidiffusé prenant en compte l’influence de la température. Une estimation sommaire de la complexité algorithmique des méthodes de traitement du signal complète également cette phase d’évaluation. Enfin, la validation expérimentale des méthodes d’estimation est réalisée sur deux types de matériaux : Tout d’abord, dans une plaque d’aluminium, milieu homogène dont les caractéristiques sont connues, puis, dans un second temps dans un milieu fortement hétérogène prenant la forme d’une plaque composite en verre/epoxy. Dans ces expériences, les plaques sont soumises à différentes températures dans un environnement thermique contrôlé. Les estimations de température sont alors confrontées à un modèle analytique décrivant le comportement du matériau. La seconde partie de ce travail concerne la caractérisation in situ des mécanismes d’endommagement par émission acoustique dans des matériaux hétérogènes. Les sources d’émission acoustique génèrent des signaux non stationnaires... / Structural health monitoring (SHM) of materials is a fundamental measure to master thedurability and the reliability of structures in service. Beyond the industrial and human issuesever increasing in terms of safety and reliability, health monitoring must cope with demandsincreasingly sophisticated. New health monitoring strategies must not only detect and identifydamage but also quantify the various phenomena involved in it. To achieve this objective, itis necessary to reach a better understanding of the damage process. Moreover, they frequentlyoccur as a result of mechanical and environmental stresses. Thus, it is essential, first, to developsignal processing methods for estimating the effects of environmental and operational conditions,in the context of the analysis of precursor events of damage mechanisms, and on theother hand, to define the damage descriptors that are the most suitable to this analysis. Thisstudy proposes signal processing methods to achieve this goal. At first, to the estimation ofexternal effects on the scattered waves in an active health control context, in a second step, tothe extraction of a damage indicator from the signals analysis of acoustic emission in a passivehealth monitoring context.In the first part of this work, four signal processing methods are proposed. These allow takinginto account the variation of environmental conditions in the structure, which in this thesis,were limited to the particular case of temperature change. Indeed, temperature changes have theeffect of altering the mechanical properties of the material and therefore the propagation velocityof ultrasonic waves. This phenomenon then causes a dilation of the acoustic signals that shouldbe estimated in order to monitor changes in temperature. Four estimators of dilation coefficientsare then studied: the intercorrelation sliding window, used as reference method, the stretchingmethod, the minimum variance estimator and the exponential transform. The first two methodshave already been validated in the literature while the latter two were developed specificallyin the context of this study. Thereafter, a statistical evaluation of the quality of estimates isconducted through Monte Carlo simulations using synthetic signals. These signals are basedon a scattered signal model taking into account the influence of temperature. A raw estimateof the computational complexity of signal processing methods also completes this evaluationphase. Finally, the experimental validation of estimation methods is performed on two types ofmaterial: First, in an aluminum plate, homogeneous medium whose characteristics are known,then, in a second step in a highly heterogeneous environment in the form of a compositeglass/epoxy plate. In these experiments, the plates are subjected to different temperatures in acontrolled thermal environment. The temperature estimates are then faced with an analyticalmodel describing the material behavior.The second part of this work concerns in situ characterization of damage mechanisms byacoustic emission in heterogeneous materials. Acoustic emission sources generate non-stationarysignals. The Hilbert-Huang transform is thus proposed for the discrimination of signals representativeof four typical sources of acoustic emission in composites: matrix cracking, debondingfiber/matrix, fiber breakage and delamination. A new time-frequency descriptor is then definedfrom the Hilbert-Huang transform and is introduced into an online classification algorithm. Amethod of unsupervised classification, based on the k-means method, is then used to discriminatethe sources of acoustic emission and the data segmentation quality is evaluated. Thesignals are recorded from blank samples, using piezoelectric sensors stuck to the surface of thematerial and sensitive samples (sensors integrated within the material)...