Résumé: La maintenance des structures aéronautiques (fuselage, ailes) est une opération majeure très onéreuse. Elle requiert l'immobilisation des appareils ainsi que le démontage de certaines de leurs parties afin de procéder à leur inspection. Pour permettre une surveillance in situ, des capteurs et actionneurs ont peu à peu été intégrés aux structures aéronautiques. L'utilisation de capteurs et actionneurs sans fil est attirante du fait qu'elle n'implique pas de câblage des noeuds (gain de poids et de coût). Ces noeuds doivent néanmoins être auto-alimentés afin d'être réellement viables_ L'idée est donc de convertir l'énergie mécanique (vibrations) disponible dans les structures d'avions en électricité en utilisant des matériaux piézoélectriques. Les travaux effectués dans ce mémoire permettent d'évaluer le potentiel des récupérateurs d'énergie basés sur les déformations (différents des récupérateurs inertiels) pour alimenter des noeuds sans fil embarqués sur des structures d'avions. Pour cela, des modèles simples sont utilisés pour décrire le comportement dynamique typique des parties de l'avion : une poutre représente l'aile soumise à des charges aérodynamiques et une plaque représente un panneau de fuselage soumis à des champs de pression (bruit de jet et couche limite turbulente). Des matériaux piézoélectriques aussi différents que le PZT monolithique, le composite piézo-fibres et le Polyfluorure de Vinylidêne (PVDF) sont testés dans le but d'évaluer l'influence de leurs caractéristiques (taille, polarisation, capacité, forme des électrodes...) sur la puissance électrique récupérée. Les résultats montrent que pour une excitation aéronautique typique de la poutre (10 Hz et 56 udef), l'énergie produite est de l'ordre de 40 mi pour le PZT monolithique pour une durée de charge de 7 minutes. D'après la littérature, cette énergie est suffisante pour faire des transmissions RF (25 pi). Mais pour d'autres types d'excitations (par exemple le buit de bruit de jet des réacteurs d'avion), il faudra 25 minutes pour produire une énergie de 1 mJ pour le même type de piézoélectrique. L'inconvénient est qu'il faudra attendre de nombreuses secondes avant de charger la batterie du récupérateur d'énergie. Si l'on considère que plusieurs autres organes devront consommer de l'énergie en parallèle, le temps en chaque cycle pourra être de plusieurs minutes. Par conséquent, les récupérateurs d'énergie basés sur les déformations peuvent être utilisés pour alimenter des nœuds sans fil même s'ils ne permettent pas des mesures en temps réel. Cependant, cette approche est une manière simple et pratique de collecter de l'énergie que les autres types de récupérateurs (inertiel, solaire...) puisqu'elle nécessite seulement le collage du matériau piézoélectrique sur la surface vibrante. Enfin, il en ressortira des conseils de dimensionnement pour ce type de récupérateur afin d'en optimiser l'utilisation à partir d'une excitation donnée.||Abstract: Aerospace structural maintenance (fuselage, wings) is a major component of operational costs which requires aircraft to be grounded and some of its parts to be dismantled in order to proceed to inspection. In order to allow in situ monitoring, Structural Health Monitoring (SHM) has been proposed where sensors and actuators are integrated on the structure. To avoid extensive wiring of the nodes, wireless sensors and actuators are attractive but should be self powered to fully benefit from them. One idea is to convert the mechanical energy (vibrations) available all over an aircraft into electricity using piezoelectric materials. This work investigates the potential of strain-based energy harvesters (as opposed to inertial harvesters) to supply wireless nodes on typical aircraft structures. A simple model is used to describe typical dynamic behavior of aircraft components: a beam representing the whole wing subjected to aerodynamic loading and a plate representing a fuselage panel subjected to pressure fields (jet noise and turbulent boundary layer). Various configurations of piezoelectric materials are tested such as bulk PZT, PZT fiber composite and Polyvinylidene Fluoride (PVDF) in order to evaluate the influence of their characteristics (size, polarization, electrodes' shape, capacitance...) on the harvested power. The results show that for a typical aerospace excitation of the beam (10 Hz and 56 mudef), the energy produced is up to 40 mJ with bulk PZT for a 7 minutes loading time. From the literature, this appears sufficient for RF transmission (25 muJ). For other excitation sources (for instance jet noise), the energy produced is up to only 1 mJ with bulk PZT for a 25 minutes loading time. The drawback is that we should wait for several seconds in order to charge the harvester's battery. And, considering that many other components than the RF transceiver will require energy in the meantime, the time laps between two' measures could increase to several minutes. Therefore, strain-based energy harvester could be used for supplying wireless sensor nodes but they would not allow real time measurement. However this approach is a simple and convenient way to scavenge energy compared to other kinds of harvesters (inertial, solar...) since it amounts to bonding a piezoelectric material on a flexible surface. Some design advices are eventually proposed for this kind of harvesters. They could be used for designing a harvester able to produce desired power from a known excitation.[symboles non conformes]

Une méthodologie pour la télésurveillance de structures par l'analyse dynamique des modes propres a été élaborée. Cette méthodologie a été incorporée à un outil automatisé qui traite les données d'accéléromètres installés sur des poutres. L'outil effectue un pré-traitement mathématique des modes par interpolation et extrapolation avant l'analyse par méthode d'ondelettes. Les paramètres mathématiques des étapes de traitement ont été optimisés dans la présente étude pour retrouver plusieurs localisations d'endommagements. La méthodologie a été mise à l'essai sur des poutres en acier lors de tests en laboratoire. Lors des essais, les poutres sur appuis simples ont été analysées avant et après l'imposition de différents niveaux d'endommagement générés localement par des trais de scie sur les ailes inférieures qui simulaient des réductions de rigidité de 10%, 20%, 40% et 56%. La méthode a été capable d'identifier 3 localisations différentes de réduction de rigidité dans la majorité des scénarios d'endommagements.

La surveillance à distance des structures a émergé comme une préoccupation importante pour les ingénieurs afin de maintenir la sécurité et la fiabilité des infrastructures civiles pendant leur durée de vie. Les techniques de surveillance structurale (SHM) sont de plus en plus populaires pour fournir un diagnostic de "l'état" des structures en raison de leur vieillissement, de la dégradation des matériaux ou de défauts survenus pendant leur construction. Les limites de l'inspection visuelle et des techniques non destructives, qui sont couramment utilisées pour détecter des défauts extrêmes sur les parties accessibles des structures, ont conduit à la découverte de nouvelles technologies qui évaluent d’un seul tenant l'état global d'une structure surveillée. Les techniques de surveillance globale ont été largement utilisées pour la reconnaissance d'endommagement dans les grandes infrastructures civiles, telles que les ponts, sur la base d'une analyse modale de la réponse dynamique structurale. Cependant, en raison des caractéristiques complexes des structures oeuvrant sous des conditions environnementales variables et des incertitudes statistiques dans les paramètres modaux, les techniques de diagnostic actuelles n'ont pas été concluantes pour conduire à une méthodologie robuste et directe pour détecter les incréments de dommage avant qu'ils n'atteignent un stade critique. C’est ainsi que des techniques statistiques de reconnaissance de formes sont incorporées aux méthodes de détection d'endommagement basées sur les vibrations pour fournir une meilleure estimation de la probabilité de détection des dommages dans des applications in situ, ce qui est habituellement difficile compte tenu du rapport bruit à signal élevé. Néanmoins, cette partie du SHM est encore à son stade initial de développement et, par conséquent, d'autres tentatives sont nécessaires pour parvenir à une méthodologie fiable de détection de l'endommagement. Une stratégie de détection de dommages basée sur des aspects statistiques a été proposée pour détecter et localiser de faibles niveaux incrémentiels d'endommagement dans une poutre expérimentale pour laquelle tant le niveau d'endommagement que les conditions de retenue sont réglables (par exemple ancastrée-ancastrée et rotulée-rotulée). Premièrement, des expériences ont été effectuées dans des conditions de laboratoire contrôlées pour détecter de faibles niveaux d'endommagement induits (par exemple une fissure correspondant à 4% de la hauteur d’une section rectangulaire équivalente) simulant des scénarios d'endommagement de stade précoce pour des cas réels. Différents niveaux d'endommagement ont été simulés à deux endroits distincts le long de la poutre. Pour chaque série d'endommagement incrémentiel, des mesures répétées (~ 50 à 100) ont été effectuées pour tenir compte de l'incertitude et de la variabilité du premier mode de vibration de la structure en raison d'erreurs expérimentales et du bruit. Une technique d'analyse par ondelette basée sur les modes a été appliquée pour détecter les changements anormaux survenant dans les modes propres causées par le dommage. La réduction du bruit ainsi que les caractéristiques des agrégats ont été obtenues en mettant en œuvre l'analyse des composantes principales (PCA) pour l'ensemble des coefficients d'ondelettes calculés à des nœuds (ou positions) régulièrement espacés le long du mode propre. En rejetant les composantes qui contribuent le moins à la variance globale, les scores PCA correspondant aux premières composantes principales se sont révélés très corrélés avec de faibles niveaux d'endommagement incrémentiel. Des méthodes classiques d'essai d'hypothèses ont été effectuées sur les changements des paramètres de localisation des scores pour conclure objectivement et statistiquement, à un niveau de signification donné, sur la présence du dommage. Lorsqu'un dommage statistiquement significatif a été détecté, un nouvel algorithme basé sur les probabilités a été développé pour déterminer l'emplacement le plus probable de l'endommagement le long de la structure. Deuxièmement, se basant sur l'approche probabiliste, une série de tests a été effectuée dans une chambre environnementale à température contrôlée pour étudier les contributions relatives des effets de l’endommagement et de la température sur les propriétés dynamiques de la poutre afin d’estimer un facteur de correction pour l'ajustement des scores extraits. Il s'est avéré que la température avait un effet réversible sur la distribution des scores et que cet effet était plus grand lorsque le niveau d'endommagement était plus élevé. Les résultats obtenus pour les scores ajustés indiquent que la correction des effets réversibles de la température peut améliorer la probabilité de détection et minimiser les fausses alarmes. Les résultats expérimentaux indiquent que la contribution combinée des algorithmes utilisés dans cette étude était très efficace pour détecter de faibles niveaux d'endommagement incrémentiel à plusieurs endroits le long de la poutre tout en minimisant les effets indésirables du bruit et de la température dans les résultats. Les résultats de cette recherche démontrent que l'approche proposée est prometteuse pour la surveillance des structures. Cependant, une quantité importante de travail de validation est attendue avant sa mise en œuvre sur des structures réelles. Mots-clés : Détection et localisation des dommages, Poutre, Mode propre, Ondelette, Analyse des composantes principales, Rapport de probabilité, Température / Remote monitoring of structures has emerged as an important concern for engineers to maintain safety and reliability of civil infrastructure during its service life. Structural Health Monitoring (SHM) techniques are increasingly becoming popular to provide ideas for diagnosis of the "state" of potential defects in structures due to aging, deterioration and fault during construction. The limitations of visual inspection and non-destructive techniques, which were commonly used to detect extreme defects on only accessible portions of structures, led to the discovery of new technologies which assess the "global state" of a monitored structure at once. Global monitoring techniques have been used extensively for the recognition of damage in large civil infrastructure, such as bridges, based on modal analysis of structural dynamic response. However, because of complicated features of real-life structures under varying environmental conditions and statistical uncertainties in modal parameters, current diagnosis techniques have not been conclusive in ascertaining a robust and straightforward methodology to detect damage increments before it reaches its critical stage. Statistical pattern recognition techniques are incorporated with vibration-based damage detection methods to provide a better estimate for the probability of the detection of damage in field applications, which is usually challenging given the high noise to signal ratio. Nevertheless, this part of SHM is still in its initial stage of development and, hence, further attempts are required to achieve a reliable damage detection methodology. A statistical-based damage detection strategy was proposed to detect and localize low levels of incremental damage in an experimental beam in which the level of damage and beam restraint conditions are adjustable (e.g. fixed-fixed and pinned-pinned). First, experiments were performed in controlled laboratory conditions to detect small levels of induced-damage (e.g. 4% crack height for an equivalent rectangular section) simulated for early stage damage scenarios in real cases. Various levels of damage were simulated at two distinct locations along the beam. For each sate of incremental damage, repeat measurements (~ 50 to 100) were performed to account for uncertainty and variability in the first vibration mode of the structure due to experimental errors and noise. A modal-based wavelet analysis technique was applied to detect abnormal changes occurring in the mode shapes caused by damage. Noise reduction as well as aggregate characteristics were obtained by implementing the Principal Component Analysis (PCA) into the set of wavelet coefficients computed at regularly spaced nodes along the mode shape. By discarding components that contribute least to the overall variance, the PCA scores corresponding to the first few PCs were found to be highly correlated with low levels of incremental damage. Classical hypothesis testing methods were performed on changes on the location parameters of the scores to conclude damage objectively and statistically at a given significance level. When a statistically significant damage was detected, a novel Likelihood-based algorithm was developed to determine the most likely location of damage along the structure. Secondly, given the likelihood approach, a series of tests were carried out in a climate-controlled room to investigate the relative contributions of damage and temperature effects on the dynamic properties of the beam and to estimate a correction factor for the adjustment of scores extracted. It was found that the temperature had a reversible effect on the distribution of scores and that the effect was larger when the damage level was higher. The resulted obtained for the adjusted scores indicated that the correction for reversible effects of temperature can improve the probability of detection and minimize false alarms. The experimental results indicate that the combined contribution of the algorithms used in this study were very efficient to detect small-scale levels of incremental damage at multiple locations along the beam, while minimizing undesired effects of noise and temperature in the results. The results of this research demonstrate that the proposed approach may be used as a promising tool for SHM of actual structures. However, a significant amount of challenging work is expected for implementing it on real structures. Key-words: Damage Detection and Localization, Beam, Mode Shape, Wavelet, Principal Component Analysis, Likelihood Ratio, Temperature

Thèse ou mémoire avec insertion d'articles / Les systèmes aériens autonomes (UAV/UAS), communément appelés drones, sont un sujet de plus en plus important dans les inspections par essais non-destructifs (END). Avec les avancées technologiques significatives des caméras thermiques, les méthodes d'inspection visuelle acquièrent continuellement de l'attention dans les inspections END. Les inspections dans les zones difficiles d'accès sont coûteuses, parfois impossibles en raison de la nature de la zone ou des dangers possibles pour les ressources humaines. L'inspection de spécimens complexes et de grande taille, notamment les des structures courbes, nécessite des relevés approfondis sous différents aspects, ce qui est presque impossible ou très coûteux avec des véhicules terrestres ou des ressources humaines. Ainsi, en raison de leur grande manœuvrabilité, les industries investissent davantage dans les drones pour surmonter les problèmes mentionnés et aider les inspecteurs à examiner les composants de manière approfondie. De plus, grâce à des développements récents, les UAVs peuvent également accéder à des zones éloignées ou difficiles d'accès et transporter de nombreuses charges utiles. Malgré les énormes avantages de l'utilisation des drones pour l'inspection, certains défis doivent être relevés. Ces dernières années, de nombreuses études se sont concentrées sur l'utilisation d'images thermiques/visibles pour inspecter différentes structures. Cependant, l'utilisation de données d'inspection multimodales par drone, y compris les données d'imagerie visible, thermique et de profondeur, pour fournir une compréhension approfondie de l'échantillon et de son environnement afin de produire une analyse plus précise, doit être étudiée en détail. Tout d'abord, cette étude aborde les défis communs des inspections par drone. La détection de l'effet de la réflexion thermique dans une inspection thermographique est le premier défi abordé dans cette étude. Ensuite, l'effet des mouvements constants et soudains d'un drone sur l'analyse des séquences d'images thermiques est étudié de manière approfondie. En outre, les résultats sont évalués à l'aide d'un scénario d'utilisation où le drone surveille un endroit fixe tout en restant en vol stationnaire. Par la suite, cette étude vise à développer une plateforme multi-sensorielle comprenant une structure de montage, des capteurs d'imagerie et un ordinateur embarqué. La solution logicielle intégrée à cette plate-forme fournit les fonctions requises d'acquisition, de transmission, de stockage et de traitement des données. De plus, cette étude se concentre sur le traitement de modalités multiples ou individuelles. Notamment, une méthode de segmentation par auto-apprentissage est proposée dans le contexte de la détection de défauts dans les images thermiques. Aussi, un algorithme de détection de fissures par drone est présenté pour analyser l'inspection visuelle des chaussées et des structures en béton. Ensuite, cette étude s'est concentrée sur le traitement des données multi-modales acquises par la plateforme multi-sensorielle présentée. En effet, l'utilisation d'images thermiques et visibles couplées pour améliorer la détection des anomalies est étudiée de manière approfondie. Plusieurs scénarios d'utilisation sont introduits présentant différentes approches pour améliorer l'efficacité de la détection. Ces derniers fournissent un aperçu de l'applicabilité des sous-études introduites. Pour chacun d'entre eux, de multiples expériences sont menées pour démontrer les applications des méthodes proposées dans des scénarios de cas réels. / Unmanned Aerial Vehicles/Systems (UAVs/UAS), commonly known as drones, is a rising topic in Non-Destructive Testing (NDT) inspections. With significant technological advancements in thermal cameras, visual inspection methods continuously gain much attention in non-destructive inspections. Inspections in remote or hard-to-access areas are costly and sometimes impossible due to the area's nature or the possible dangers facing human resources. Inspection of complex and large specimens, especially with curvaceous structures, requires extensive surveys from different aspects, which is nearly impossible or very costly using ground vehicles or human resources. Thus, industries are investing more in drones to overcome mentioned problems as they have high flexibility of maneuver, which can assist inspectors in examining the components thoroughly. They can also access remote or hard-to-access areas and carry many payloads thanks to recent developments. Despite the enormous benefits of using drones for inspection, some challenges need to be addressed. In recent years, many studies focused on using thermal/visible images to inspect different structures. However, using multi-modal data, including visible, thermal, and depth imagery data, provides an extensive understanding of the specimen and surrounding environment in case of drone-enabled inspections and produces a more accurate analysis that needs to be thoroughly studied. Firstly, this study addresses the common challenges in drone-based inspections in the scope of this research. Detecting the effect of thermal reflection in a thermographic inspection is the first challenge addressed in this study. Later, the effect of a drone's constant and sudden motions on analyzing thermal image sequences is investigated comprehensively. Also, the results are evaluated using a use-case scenario where the drone monitors a fixed location while hovering. Also, the next part of this study aims to develop a multi-sensory platform, including a mounting structure, imagery sensors, and an onboard computer. The software solution embedded in this platform provides the required data acquisition, transmission, storage, and processing features. Later, this study focuses on the processing of multiple or individual modalities. Firstly, a self-training segmentation method is proposed in the context of defect detection in thermal images. Also, a drone-enabled crack detection algorithm is presented for analyzing the visual inspection of pavement and concrete structures. Next, this study focused on processing multi-modal data acquired by the presented multi-sensory platform. Firstly, using coupled thermal and visible images to enhance abnormality detection is investigated thoroughly. Several use-case scenarios are introduced, presenting different approaches to enhance the detection's efficiency. In order to provide insight into the applicability of the introduced sub-studies. For each of them, multiple experiments are conducted demonstrating the applications of the proposed methods in real-case scenarios.