FWIAM
2020-2023

FWIAM

Caractérisation des matériaux anisotropes par inversion numérique en forme d’onde complète

Responsable :

Eric ROSENKRANTZ

Équipes de recherche :

ACO

Financé par :

Ecole Doctorale I2S UM

Mise en oeuvre d’une méthode d’inversion numérique en forme d’onde complète pour la caractérisation des propriétés viscoacoutiques de matériaux hétérogènes anisotropes.

Les méthodes de contrôle et de caractérisation non destructives par ultrasons sont très répandues autant dans l’industrie que dans la recherche. Elles permettent, entre autres, de diagnostiquer l’état de santé des structures et de déterminer les propriétés viscoélastiques des matériaux étudiés. Ces méthodes sont faciles à mettre en oeuvre pour contrôler et caractériser des matériaux isotropes homogènes, mais elles sont très complexes à utiliser avec des matériaux anisotropes souvent hétérogènes : matériaux composites, aciers et alliages aux microstructures et textures cristallines complexes, matériaux biologiques vivants ou matériaux végétaux comme le bois…

 

Aussi, l’objectif de ce projet est de mettre en oeuvre et de vérifier la potentialité d’une méthode de caractérisation de matériaux hétérogènes anisotropes basée sur une méthode d’inversion numérique par forme d’onde complète (FullWave). Le principe de base est de minimiser l’écart entre les champs de déplacements mesurés entre autre par spectroscopie ultrasonore résonnante (RUS), et les champs de déplacements simulés par éléments finis spectraux.

 

Mais le principal intérêt des méthodes d’inversion FullWave réside dans la possibilité d’imager les propriétés volumiques des matériaux étudiés à partir de mesures surfaciques. Ces méthodes d’inversion permettraient donc d’imager les structures internes des matériaux étudiés et ainsi de mettre en oeuvre des méthodes de tomographie ultrasonore dédiées aux CND.

 

_____________________

E. ROSENKRANTZ, D. LAUX, F. AUGEREAU, JY. FERRANDIS

G. SAPEY, doctorant UM

V. MONTEILLER, LMA Marseille

Financement : Allocation doctorale ED I2S UM

Voir aussi

NMJ-Chip
2019-2023

NMJ-Chip

Humanized high-throughput co-culture system for motor neuron diseases

Financé par :

DeepLearn
2020-2023

DeepLearn

Approche "Deep Learning" pour l'analyse de signaux ultrasonores

Partenaires :

CF3A
2016-2023

CF3A

Capteur de Frottement Aérodynamique pour Applications sur Avion à faibles émissions

Partenaires :

Financé par :