• Aucun résultat trouvé

Chapitre III: Influence des nano-charges de noir de carbone sur le

III. Comportement mécanique suite à l’amélioration de la dispersion et de la taille des granulés

III.6 Suivi d’endommagement par émission acoustique

III.6.1 Emission acoustique (EA) : Généralités

L’émission acoustique est définie comme un phénomène de libération d’énergie sous forme

d’ondes élastiques transitoires au sein d’un matériau soumis à une sollicitation [26]. Cette

libération d’énergie est le résultat de modifications microstructurales (réarrangement de matière

par des micro-déplacements internes au matériau comme les déformations élastiques ou

plastiques voir l’amorçage et la propagation de fissures). L’émission acoustique est une technique

sensible à la croissance et la multiplication de défauts dans un matériau soumis à une sollicitation

mécanique. Elle ne permet en aucun cas la détection de défauts statiques ou non évolutifs

initialement présents dans le matériau. La détection est effectuée { l’aide de capteurs

piézoélectriques qui transforment les ondes mécaniques du matériau en signaux électriques. Ce

signal est ensuite amplifié avant d’être analysé (Figure 24). L’utilisation de plusieurs capteurs

permet de localiser précisément la source d’émission (deux capteurs permettent par exemple une

localisation linéaire). Cette localisation dépend des temps d’arrivée des signaux au niveau des

capteurs et de la vitesse de propagation des ondes au sein du matériau considéré [24][25].

Figure 24 : Synoptique d’un système d’émission acoustique

III.6.2 Paramètres d’émission acoustique discrète

Il existe deux types d’émission acoustique. La première, l’émission continue, correspond {

l’augmentation ponctuelle d’un bruit de fond lié à la superposition de nombreuses salves. La

seconde, l’émission discrète, se caractérise par des événements de courte durée ayant une forme

oscillatoire et une forte énergie. Les endommagements dans les matériaux composites, quelle que

soit leur origine (délaminage, décohésion fibre/matrice, fissuration matricielle, rupture de fibres)

se manifestent davantage par une émission de type discrète. L’identification des sources

émissives, c’est-à-dire la recherche du mécanisme à l’origine de l’émission, est réalisée à partir de

Système d’acquisition Préamplificateur Capteur piézoélectrique Onde acoustique Evénement EA F F Signal EA

106

l’analyse des formes d’ondes et des paramètres de salves. Chaque mécanisme est supposé avoir sa

propre signature acoustique [27]. Dans un premier temps, un seuil en dB, au-dessous duquel

aucune salve n’est enregistrée, est fixé. Ensuite un certain nombre de paramètres sont définis à

partir de ce seuil [26] (Figure 25):

Figure 25 : Principaux paramètres mesurés sur une salve d’émission acoustique

[28]

Durée (µs) : temps écoulé entre le premier et le dernier dépassement de seuil de la salve ;

 Amplitude (dB) : amplitude maximale atteinte sur la durée de la salve ;

 Temps de montée (µs): temps écoulé entre le premier dépassement de seuil et l’amplitude

maximale ;

 Nombre de coups: nombre de dépassement de seuil sur la durée de la salve ;

 Nombre de coups au pic: nombre de coups entre le premier dépassement de seuil et le pic

d’amplitude maximum;

Energie (J) : intégrale du signal au carré sur la durée de la salve ;

 Fréquence moyenne: nombre de coups divisé par la durée ;

 Fréquence moyenne :

;

 Fréquence d'initiation :

;

 Fréquence de réverbération :

.

III.6.3 Traitement des données acoustiques

Différents moyens de traitement permettent d'analyser les données d'EA enregistrées au cours

d'un essai. Toutes ces analyses reposent sur l'étude de différentes grandeurs mesurées ou extraites

à partir du signal détecté. Pour discriminer les sources d'EA, c'est-à-dire pour établir une

corrélation entre les mécanismes physiques { l'origine de l’EA et les caractéristiques des signaux

obtenus, deux méthodes de discrimination existent et peuvent être complémentaires :

III.6.3.1Discrimination mono-variable

C’est une approche qui permet de discriminer les mécanismes d’endommagement et de les

associer { des signatures d’EA, à travers une analyse empirique mono-paramètre. C’est une

segmentation suivant un seul paramètre choisi comme un descripteur pertinent, par exemple

l’amplitude ou la fréquence.

107

De nombreuses études ont porté sur le traitement des données de l’émission acoustique par

l’analyse mono-variable, en utilisant l’amplitude comme descripteur pertinent.

Benzeggagh et al [29], Chen et al [30], Barre et al [31], Karger-Kocsis et al [32] et Ceysson et al [33]

se sont intéressés { l’évolution de l’amplitude des signaux d’émission acoustique reçus lors des

essais de flexion et de traction monotone sur différents types de matériaux composites.

L’application d’une approche expérimentale, basée sur l’analyse des signaux d’EA et combinée

aux observations microscopiques, a conduit { la proposition d’un modèle schématique des

différents modes d’endommagement, en leur attribuant un intervalle d’amplitude

caractéristique (Figure 26).

3 zones d’amplitudes ont été identifiées :

- La fissuration matricielle ;

- La décohésion renfort/matrice ;

- La rupture des renforts.

Figure 26: Synthèse des zones d’amplitude associées aux différents modes de rupture

[34]

De travaux récents [35,36] ont porté aussi sur la caractérisation d’endommagement par l’EA sur

des composites à fibres naturelles. Des domaines d’amplitudes ont été établis pour chaque type

d’endommagement avec une analyse mono-variable (Tableau 3).

Alouer

[35]

Bonnafous

[36]

Fissuration matricielle 40-55 dB 50-57dB

Décohésion fibre/matrice 60-65 dB 54-65dB

Déchaussement des fibres 65-85 dB ----

Rupture des fibres 85-95 dB 64-73dB

Tableau 3 : Synthèse des zones d’amplitude associées aux différents modes de rupture pour des composites à fibres naturelles

Cette revue bibliographique faite sur l'analyse de l'amplitude des salves acoustiques montre la

variabilité de l'émission acoustique qui peut être liée, d’une part, à la méthode ou au matériel

utilisé, et d'autre part, au matériau. De plus, les salves possédant une amplitude qui se situe à la

limite de deux intervalles peuvent être identifiées comme l'un ou l'autre des phénomènes.

108

Cependant, on remarque que les différents phénomènes sont classés, qu'importe

l'expérimentateur, de la même façon par amplitude des salves croissantes :

- Faibles amplitudes : microfissuration matricielle ;

- Amplitudes moyennes : décohésion fibre/matrice ;

- Hautes amplitudes : rupture de fibre.

Ainsi, d’autres paramètres peuvent être pertinents au traitement des signaux d’EA. De Groot et al

[37] se sont appuyés sur un calcul de fréquence moyenne durant des essais de traction monotone

sur des composites Carbone/époxy. Ils ont ainsi défini les domaines fréquentiels des principaux

modes d’endommagement : 90-180 kHz pour la fissuration matricielle, 240-310 kHz pour les

décohésions et supérieurs à 300 kHz pour les ruptures de fibres.

Il est également possible de réaliser des analyses multiparamétriques c’est-à-dire considérer

l’ensemble des paramètres d’une salve et non un seul. Il existe différentes méthodes complexes

d’analyses multi statistiques: l’analyse en composante principale, la méthode de classification par

les k-moyennes, les k-plus proches voisins et le réseau de neurones [38,39].

III.6.3.2Analyse statistique multi-variable

Les méthodes d’analyse statistique multi-variables peuvent être appliquées lorsqu'une

représentation à deux dimensions n'est pas suffisante pour dissocier clairement les populations

associées aux différentes sources d’EA. Elles reposent sur la définition des ressemblances ou des

différences entre les données en prenant en compte plusieurs paramètres, appelés aussi

descripteurs. Ces paramètres peuvent être temporels, fréquentiels ou temps-fréquence. Les

données sont séparées en classes et chaque classe définit un type d’endommagement [40].

La discrimination des sources d'EA est réalisée par une analyse statistique informatisée. Ce type

de traitement fait appel à des algorithmes permettant d'identifier des populations à partir de

plusieurs données d'EA. Il existe des logiciels de traitements statistiques tels que NOESIS qui

permettent de corréler plusieurs paramètres d'EA à la fois, rendant ainsi possible la

discrimination des signaux associés aux différentes sources d'EA.

Cette analyse n'est réalisable qu'en post-traitement. La discrimination par analyse statistique des

données se déroule en plusieurs étapes décrites dans les paragraphes suivants.