Le contrôle de santé intégré (CSI) est le processus d'implémentation et de mise en œuvre d'une stratégie de détection et de caractérisation des dommages dans les structures d'ingénierie. Ici, les dommages sont définis comme les changements apportés aux propriétés physiques et / ou géométriques d'un système CSI y compris les changements dans les conditions aux limites et les connectivités du système, ce qui affecte négativement les performances de ce dernier.
Le processus de CSI comprend l'observation d'un système au cours du temps en utilisant des mesures dynamiques et échantillonnées qui sont faites périodiquement à partir d'un réseau de capteurs, l'extraction des caractéristiques sensibles aux dommages à travers ces mesures et l'analyse statistique de ces caractéristiques afin de déterminer l'état d'intégrité actuel du système. Pour le CSI à long terme, les données de sortie de ce processus sont périodiquement mis à jour et elles apportent des informations concernant la capacité de la structure à remplir sa fonction prévue à la lumière de son vieillissement inévitable et de sa dégradation résultant des environnements opérationnels. Après des événements intenses, tels que les tremblements de terre ou les explosions, le CSI est utilisé pour le dépistage rapide de l'état de santé et vise à fournir, en temps quasi-réel, des informations fiables concernant l'intégrité de la structure.
Introduction Les méthodes qualitatives et discontinues ont longtemps été utilisées pour évaluer les structures et leur capacité à remplir leurs fonctions prévues. Depuis le début du , les employés des chemins de fer ont utilisé le son d'un marteau frappant la roue du train pour savoir si des dommages sont présents. Dans les machineries tournantes, la surveillance vibratoires a été utilisée pendant des décennies comme une technique d'évaluation des performances. On trouve deux techniques dans le domaine du CSI d'une part les techniques Raghavan et CesnikA. Raghavan, C. E. Cesnik, Review of guided-wave structural health monitoring, Shock and Vibration Digest, vol. 39, , , 2007. qui sont basées sur la propagation des ondes et d'autre part les techniques basées sur les vibrationsD. Montalvao, N. M. M. Maia, A. M. R. Ribeiro, , Shock and Vibration Digest, vol. 38, , 2006, .W. Fan, P. Z. Qiao, , Structural Health Monitoring, vol. 10, , 2010, .. De façon générale, la littérature pour le CSI qui se base sur les vibrations peut être divisée en deux aspects : le premier où les modèles sont proposés pour le dommage pour déterminer les caractéristiques dynamiques, aussi connu comme le problème direct, par exemple se référer à A. Dixit, D. H. Hodges, A general damage theory: Solution of nth-order equations using unified framework, Mechanics Research Communications, vol. 38, , 2011, . et le deuxième, dans lequel les caractéristiques dynamiques sont utilisés pour déterminer les caractéristiques des dommages, également connu sous le nom du problème inverse, par exemple se référer àA. Dixit, S. Hanagud, Damage localization by isolating the part of the response due to the damage only, Journal of Applied Mechanics, vol. 80, , 2012, . Au cours des dix à quinze dernières années, les technologies du CSI ont émergé tout en créant un nouveau domaine passionnant au sein de diverses branches de l'ingénierie. Des conférences académiques et des revues scientifiques qui se concentrent spécifiquement sur le CSI ont été mises en place durant cette périodeFarrar, et al., page 306. Ces technologies deviennent actuellement de plus en plus courantes.
Reconnaissance de formes statistique Le problème de CSI peut être abordé dans le contexte du paradigme de la reconnaissance de formes statistique. Ce paradigme peut être décomposé en quatre parties : Évaluation Opérationnelle, Acquisition de Données et Nettoyage, Extraction des traits et Compression des Données, Développement du Modèle statistique pour la discrimination des traits.
Lorsque l'on tente d'appliquer ce paradigme à des données provenant de structures du monde réel, il devient rapidement évident que la capacité de purifier, compresser, normaliser et fondre les données pour tenir en compte la variabilité opérationnelle et environnementale est un problème d'implémentation clé lorsque les parties 2 à 4 sont abordées de ce paradigme. Ces processus peuvent être implémentés à travers un support matériel ou logiciel et, en général, une combinaison de ces deux approches sera utilisée.
Évaluation de l'intégrité des structures des ponts, des bâtiments et d'autres infrastructures liées Communément appelé évaluation de l'intégrité des structures ou CSI, ce concept est largement appliqué à diverses formes d'infrastructures, notamment lorsque des pays partout dans le monde entrent dans une plus grande période de construction de diverses infrastructures allant des ponts jusqu'aux Gratte-ciel. Il est important de noter qu'il existe des étapes de difficulté croissante nécessitant la connaissance des étapes précédentes surtout lorsque les dommages dans les structures sont concernés à savoir : Détecter l'existence du dommage dans la structure, Localiser le dommage, Identifier les types du dommage, Quantification de la gravité du dommage.
Il est nécessaire d'utiliser le traitement du signal et la classification statistique pour convertir les données sur l'état de santé de l'infrastructure du capteur en une information sur les dommages pour évaluation.
Évaluation opérationnelle L'évaluation opérationnelle tente de répondre à quatre questions concernant la mise en œuvre d'une aptitude d'identification des dommages : Quelles sont les raisons sécuritaires et/ou économiques pour effectuer le CSI ? Comment le dommage est-il défini pour le système examiné et, dans le cas de plusieurs dommages, quels sont les cas les plus préoccupants ? Quelles sont les conditions opérationnelles et environnementales dans lesquelles le système à surveiller fonctionne ? Quelles sont les limites lors de l'acquisition de données dans l'environnement opérationnel ?
L'évaluation opérationnelle commence à définir les limites de ce qui sera suivi et de la manière avec laquelle le suivi sera accompli. Cette évaluation commence à adapter le processus d'identification des dommages aux caractéristiques propres du système surveillé et tente d'exploiter les caractéristiques uniques des dommages qui doivent être détectés.
Acquisition de données, normalisation et nettoyage La partie d'acquisition de données du processus de CSI implique la sélection des méthodes d'excitation, les types des capteurs, leur nombre et leurs emplacements, et le matériel d'acquisition, de stockage et de transmission de données. Encore une fois, ce processus sera spécifique à l'application. Les considérations économiques joueront un rôle majeur dans la prise de ces décisions. Les intervalles auxquels les données doivent être recueillies sont également une considération à prendre en compte.
Vu que les données peuvent être mesurées dans des conditions variables, la capacité de normaliser les données devient très importante pour le processus d'identification des dommages. La normalisation des données est le processus qui consiste à séparer les changements de lecture du capteur causés par les dommages de ceux causés par les conditions opérationnelles et environnementales variables. L'une des procédures les plus courantes consiste à normaliser les réponses mesurées par les entrées mesurées. Lorsque la variabilité environnementale ou opérationnelle constitue un problème, il peut être nécessaire de normaliser les données de façon temporelle pour faciliter la comparaison des données mesurées à des moments similaires d'un cycle environnemental ou opérationnel. Les sources de variabilité dans le processus d'acquisition des données et dans le système surveillé doivent être identifiées et minimisées dans la mesure du possible. En général, on peut pas éliminer toutes les sources de variabilité. Par conséquent, il est nécessaire de faire les mesures appropriées tel que ces sources puissent être quantifiées statistiquement. La variabilité peut survenir de l'évolution des conditions environnementales et des conditions d'essai, des changements dans le processus de réduction des données et des incohérences d'unité à unité.
Le nettoyage des données est le processus de choix sélective des données à transmettre ou à rejeter à partir du processus de sélection des traits caractéristiques. Le processus de nettoyage des données est généralement basé sur les connaissances acquises par les personnes directement impliquées dans l'acquisition des données. Par exemple, une inspection de la configuration de test peut révéler qu'un capteur est monté de manière lâche et par conséquent, sur la base du jugement des individus effectuant la mesure, cet ensemble de données ou les données de ce capteur particulier peuvent être particulièrement supprimées du processus de sélection des traits caractéristiques. Les techniques de traitement du signal telles que le filtrage et le rééchantillonnage peuvent également être considérées comme des procédures de nettoyage des données.
Enfin, la portion d'acquisition de données, de normalisation et de nettoyage du processus de CSI ne doit pas être statique. Les informations obtenues grâce au processus de sélection des traits caractéristiques et au processus de développement du modèle statistique fourniront des informations sur les modifications susceptibles d'améliorer le processus d'acquisition des données.
Extraction des traits caractéristiques et compression de données La partie du processus de CSI qui reçoit le plus d'attention dans la littérature technique est l'identification des traits caractéristiques de données qui permettent de distinguer entre une structure saine et une structure endommagée. La condensation des données est inhérente à ce processus de sélection des traits caractéristiques. Les meilleures traits caractéristiques pour l'identification des dommages sont encore une fois spécifiques à l'application.
L'une des méthodes d'extraction des traits caractéristiques les plus courantes repose sur la corrélation des grandeurs des réponses mesurées du système, tel que l'amplitude ou la fréquence de vibration, avec les observations de première main du système en cours de dégradation. Une autre méthode de développement des traits caractéristiques pour l'identification des dommages consiste à appliquer aux systèmes des défauts, similaires à ceux prévus dans les conditions réelles de fonctionnement, et à développer une compréhension initiale des paramètres qui sont sensibles aux dommages attendus. Le système défectueux peut également être utilisé pour valider que les mesures de diagnostic sont suffisamment sensibles pour distinguer les caractéristiques identifiées du système intact et du système endommagé. L'utilisation d'outils analytiques tels que les modèles d'éléments finis validés expérimentalement peut être un atout majeur dans ce processus. Dans de nombreux cas, les outils analytiques sont utilisés pour réaliser des expériences numériques où les défauts sont introduits dans une simulation informatique. Les essais d'accumulation des dommages, au cours desquels un nombre important de composants structuraux du système étudié sont dégradés en les soumettant à des conditions de charge réalistes, peuvent également être utilisés pour identifier les caractéristiques appropriées. Ce processus peut inclure des tests de dommages induits, des tests de fatigue, la croissance de la corrosion ou le cyclage de température pour accumuler certains types de dommages de manière accélérée. Un aperçu des caractéristiques appropriées peut être obtenu à partir de plusieurs types d'études analytiques et expérimentales comme décrit ci-dessus et il est généralement le résultat d'informations obtenues à partir d'une combinaison de ces études.