Le paradigme de la surveillance de santé structurale repose sur l'introduction d'indicateurs fiables et robustes permettant de détecter, localiser, quantifier et prédire un endommagement de manière précoce. En effet, la détection d'une modification structurale susceptible de devenir critique peut éviter l'occurrence de dysfonctionnements majeurs associés à des conséquences sociales, économiques et environnementales très importantes.Ces dernières années, de nombreuses recherches se fait de l'évaluation dynamique un élément de diagnostic. La plupart des méthodes reposent sur une analyse temporelle ou fréquentielle des signaux pour en extraire une information compressée au travers de quelques caractéristiques modales ou d'indicateurs évolués construits sur ces caractéristiques. Ces indicateurs ont montré leur efficacité, mais le problème de leur sensibilité, de la nécessité de disposer d'un état de référence, et de leur fiabilité en terme de la probabilité de détection et de fausses alarmes, reste entier. De plus, le fait d'utiliser des mesures dynamiques (particulièrement si plusieurs voies de mesures sont considérées) mène au stockage de grands volumes de données.Dans ce contexte, il est important d'employer des techniques permettant d'utiliser autant des données brutes que les propriétés modales de manière pratique et pertinente. Pour cela, des représentations adaptées ont été développées pour améliorer la manipulation et le stockage des données. Ces représentations sont connues sous le nom de og données symboliques fg . Elles permettent de caractériser la variabilité et l'incertitude qui entachent chacune des variables. Le développement de nouvelles méthodes d'analyse adéquates pour traiter ces données est le but de l'Analyse de Données Symboliques (ADS).L'objectif de cette thèse est double : le premier consiste à utiliser différentes méthodes couplées à l'ADS pour détecter un endommagement structural. L'idée est d'appliquer des procédures de classification non supervisée (e.g. divisions hiérarchiques, agglomérations hiérarchiques et nuées dynamiques) et supervisée (e.g., arbres de décision Bayésiens, réseaux de neurones et machines à vecteurs supports) afin de discriminer les différents états de santé d'une structure. Dans le cadre de cette thèse, l'ADS est appliquée aux mesures dynamiques acquises emph{in situ} (accélérations) et aux paramètres modaux identifiés. Le deuxième objectif est la compréhension de l'impact des effets environnementaux, notamment de ceux liés à la variation thermique, sur les paramètres modaux. Pour cela, des techniques de régression des données sont proposées.Afin d'évaluer la pertinence des démarches proposées, des études de sensibilité sont menées sur des exemples numériques et des investigations expérimentales. Il est montré que le couplage de l'ADS aux méthodes de classification de données permet de discriminer des états structuraux avec un taux de réussite élevé. Par ailleurs, la démarche proposée permet de vérifier l'importance d'utiliser des techniques permettant de corriger les propriétés modales identifiées des effets thermiques, afin de produire un processus de détection d'endommagements efficace

Le paradigme de la surveillance de santé structurale repose sur l'introduction d'indicateurs fiables et robustes permettant de détecter, localiser, quantifier et prédire un endommagement de manière précoce. En effet, la détection d'une modification structurale susceptible de devenir critique peut éviter l'occurrence de dysfonctionnements majeurs associés à des conséquences sociales, économiques et environnementales très importantes.Ces dernières années, de nombreuses recherches se fait de l'évaluation dynamique un élément de diagnostic. La plupart des méthodes reposent sur une analyse temporelle ou fréquentielle des signaux pour en extraire une information compressée au travers de quelques caractéristiques modales ou d'indicateurs évolués construits sur ces caractéristiques. Ces indicateurs ont montré leur efficacité, mais le problème de leur sensibilité, de la nécessité de disposer d'un état de référence, et de leur fiabilité en terme de la probabilité de détection et de fausses alarmes, reste entier. De plus, le fait d'utiliser des mesures dynamiques (particulièrement si plusieurs voies de mesures sont considérées) mène au stockage de grands volumes de données.Dans ce contexte, il est important d'employer des techniques permettant d'utiliser autant des données brutes que les propriétés modales de manière pratique et pertinente. Pour cela, des représentations adaptées ont été développées pour améliorer la manipulation et le stockage des données. Ces représentations sont connues sous le nom de og données symboliques fg . Elles permettent de caractériser la variabilité et l'incertitude qui entachent chacune des variables. Le développement de nouvelles méthodes d'analyse adéquates pour traiter ces données est le but de l'Analyse de Données Symboliques (ADS).L'objectif de cette thèse est double : le premier consiste à utiliser différentes méthodes couplées à l'ADS pour détecter un endommagement structural. L'idée est d'appliquer des procédures de classification non supervisée (e.g. divisions hiérarchiques, agglomérations hiérarchiques et nuées dynamiques) et supervisée (e.g., arbres de décision Bayésiens, réseaux de neurones et machines à vecteurs supports) afin de discriminer les différents états de santé d'une structure. Dans le cadre de cette thèse, l'ADS est appliquée aux mesures dynamiques acquises emph{in situ} (accélérations) et aux paramètres modaux identifiés. Le deuxième objectif est la compréhension de l'impact des effets environnementaux, notamment de ceux liés à la variation thermique, sur les paramètres modaux. Pour cela, des techniques de régression des données sont proposées.Afin d'évaluer la pertinence des démarches proposées, des études de sensibilité sont menées sur des exemples numériques et des investigations expérimentales. Il est montré que le couplage de l'ADS aux méthodes de classification de données permet de discriminer des états structuraux avec un taux de réussite élevé. Par ailleurs, la démarche proposée permet de vérifier l'importance d'utiliser des techniques permettant de corriger les propriétés modales identifiées des effets thermiques, afin de produire un processus de détection d'endommagements efficace / The paradigm of structural health monitoring is based on the development of reliable and robust indicators able to detect, locate, quantify and predict damage. Studies related to damage detection in civil engineering structures have a noticeable interest for researchers in this area. Indeed, the detection of structural changes likely to become critical can avoid the occurrence of major dysfunctions associated with social, economic and environmental consequences.Recently, many researches have focused on dynamic assessment as part of structural diagnosis. Most of the studied techniques are based on time or frequency domain analyses to extract compressed information from modal characteristics or based on indicators built from these parameters. These indicators have shown their potentialities, but the problem of their sensitivity, the necessity of a reference state, and their reliability in terms of detection probability and false alarm, still remains. Moreover, the use of raw dynamic measurements (especially if several measurement channels are considered) leads to the storage of large datasets.In this context, it is important to use techniques capable of dealing not only with raw data but also modal parameters in a practical and relevant way. In order to give some insights to this problem, appropriate representations have been developed to improve both manipulation and storage of data. These representations are known as og symbolic data fg. They are used to characterize the variability and uncertainty that exists within each variable. The development of new methods capable of dealing with this type of data is the goal of Symbolic Data Analysis (SDA).This thesis has two main objectives: the first one is to use different methods coupled with the SDA to detect structural damage. The idea is to employ clustering procedures (e.g., hierarchy-divisive, hierarchy-agglomerative and dynamic clouds) and supervised classification methods (e.g., Bayesien decision trees, neural networks and support vector machines) to discriminate different structural states. In this thesis, SDA is applied to dynamic measurements obtained on site (accelerations) and to the identified modal parameters. The second goal is to study the impact of environmental effects, particularly those related to thermal variation over modal parameters. To this end, a couple of regression techniques are proposed.In order to attest the efficiency of the proposed approaches, several sensibility studies considering numerical applications and experimental investigations are carried out. It is shown that SDA coupled with classification methods is able to distinguish structural conditions with adequate rates. Furthermore, it is stressed the importance of using techniques capable of correcting modal parameters from thermal effects in order to build efficient procedures for damage detection

La thèse s'inscrit dans le développement de systèmes d'instrumentation pour les structures intelligentes du génie civil. Elle dresse un panorama des capacités d'un nouveau capteur pour l'évaluation dynamique des ouvrages : l'Extensomètre à fibre optique de Longue Base de mesure Continûment Attaché (ELB-CA). Un modèle analytique complet de la mesure des capteurs est déterminé et appliqué au cas des poutres d'Euler-Bernoulli. Les divers traitements et études (par exemple par analyse en ondelettes) réalisés sur les réponses numériques et expérimentales de l'ELB-CA ont permis de dégager quelques caractéristiques des ELB-CA. Certaines sont spécifiques à la base de mesure du capteur : filtrage de modes pour le contrôle des structures et détection de défauts à partir de la courbure modale. D'autres, comme la détection de non-linéarités géométriques ou l'obtention de formes modales différentes, sont liées au type de mesure réalisée et peuvent s'appliquer à tous les extensomètres.

Ce travail de thèse concerne la surveillance de l’état de santé de structures complexes en service. Elle est appliquée à des éléments d’une nacelle d’avion gros porteur. Ce travail est original et s’inscrit dans le cadre d’un projet, coordonné par AIRBUS Operations SAS et porté par AIRCELLE (Groupe SAFRAN). Les principales parties de la nacelle visées par notre démarche sont le capot de soufflante (fan cowl, composite monolithique) et la structure interne fixe du capot coulissant de l’inverseur de poussée (IFS, sandwich nid d’abeille). Ces structures réalisées en matériaux composites sont sujettes à de nombreux modes de dégradation(rupture de fibres, délaminage, fissures, etc…), qui peuvent impacter la durée de vie de la nacelle. De plus elles sont exposées à de nombreuses sollicitations environnementales dont des variations thermiques importantes (de -55 °C à +120°C). L’objectif de ce travail est la mise en place d’un système SHM visant à suivre l’état de santé de ces structures afin de détecter l’apparition de tels endommagements et de les localiser avant qu’ils ne conduisent à une dégradation de la structure; ceci de manière à permettre une maintenance prédictive. Des capteurs et actionneurs piézoélectriques (PZT) sont collés sur la structure et sont utilisés pour générer des ondes de Lamb et effectuer des mesures. La démarche SHM proposée s’appuie sur des mesures successives en partant d’un état initial considéré comme sain, puis en réalisant régulièrement des mesures de suivi. La différence entre des signaux mesurés pour deux états est analysée afin d’en extraire des caractéristiquessensibles à l’apparition de dommages. Après validation, des PZT ont été collés sur le fan cowl et l’IFS ainsi que sur des coupons et un banc d’essai approprié a été conçu afin de valider notre démarche. Du fait que l’on est amené à travailler sur des différences de signaux, des algorithmes de détection, basés sur les testsd’hypothèses statistiques et l’Analyse en Composantes Principales (ACP), ont dû être développés et validés. Ceci a d’abord été testé pour la détection de dommages contrôlés introduits d’abord dans des coupons, puis dans le fan cowl et dans l’IFS. Des algorithmes robustes (y compris aux variations de température) de localisation de ces dommages, basés sur l’extraction des temps de vol des ondes de Lamb, ont été développés et validés sur les structures étudiées. Une approche de quantification des incertitudes sur la localisation par inférence Bayésienne a été proposée en complément de la démarche déterministe implémentée. / This work aims at designing a Structural Health Monitoring (SHM) system for complex composite structures, with an application to elements of aeronautical nacelles. This work is original and is in the framework of a project, coordinated by AIRBUS Operations SAS and headed by AIRCELLE (SAFRAN Group). The main parts of the nacelle concerned with our approach are the fan cowl (composite monolithic) and the inner fixed structure (IFS, sandwich structure with honeycomb core) of the thrust reverser. These structures made from composite materials are subjected to many damages types which can affect nacelle’s useful life (fiber breaking, delamination, crack, etc…). Furthermore these structures are exposed to many environmental constraints which are for instance important thermal variations (from -55°C to +120°C). The objective of this work is to develop a SHM system aimed at detecting and localizing these damages, before the degradation of the whole structureoccurs. Piezoelectric (PZT) actuators and sensors are bonded on the structure and they are used to generate Lamb wave signals and perform measurements. The proposed SHM approach is based on successive measurements starting from an initial state, considered as healthy and regularly conducting follow-up. The difference in signals measured between two states is analyzed in order to extract some damages-sensitivesfeatures. After validation, PZT elements were glued to the fan cowl and to the IFS as well as on representative coupons and a suitable test bench is designed in order to validate our approach. Since one has to work on difference in signals, damage detection algorithms based on statistical hypothesis testing and PrincipalComponent Analysis (PCA) have been developed and validated. This was first tested for the detection of controlled damages introduced in coupons, and thereafter on the fan cowl and IFS. Robust damage localization algorithms (including with temperature variations) based on Time-of-flight (ToF) extraction from difference in signals, were developed and validated for these structures. A Bayesian approach for uncertainties quantification in the damage localization is also developed, leading to more accuracy in the damage localization results.