⚡ electrical engineering

Vision-Based Structural Damage Identification in Vibrating Beams via Dynamic Mode Decomposition

Cette étude propose et valide un cadre sans contact et piloté par les données utilisant la décomposition modale dynamique (DMD) sur des données vidéo haute vitesse pour extraire des caractéristiques modales et identifier des dommages structuraux dans des poutres vibrantes, à la fois par des simulations numériques et des essais expérimentaux.

Auteurs originaux : R K B M Rizmi, Shabbir Ahmed

Publié 2026-05-05

📖 5 min de lecture🧠 Analyse approfondie

CC BY 4.0

Auteurs originaux : R K B M Rizmi, Shabbir Ahmed

Article original sous licence CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/). ✨ Ceci est une explication générée par l'IA de l'article ci-dessous. Elle n'a pas été rédigée ni approuvée par les auteurs. Pour une précision technique, consultez l'article original. Lire la clause de non-responsabilité complète

Imaginez que vous avez une règle longue et flexible fixée à une table. Si vous faites vibrer l'extrémité libre, elle oscille d'avant en arrière. Il s'agit d'une poutre vibrante. Les ingénieurs doivent savoir si cette règle est saine ou si elle présente une fissure cachée, car une fissure modifie la façon dont elle oscille.

Traditionnellement, pour vérifier la présence de fissures, les ingénieurs collaient de minuscules capteurs (comme des post-it avec des fils) partout sur la règle. C'est désordonné, coûteux, et cela ne vérifie que les endroits où les capteurs sont placés. Si une fissure se trouve entre deux capteurs, ils pourraient la manquer.

Cet article propose une méthode plus intelligente : observer la règle avec une caméra haute vitesse.

Voici une explication simple de ce que les chercheurs ont fait et découvert :

1. L'« Œil Magique » (La Caméra)

Au lieu de coller des capteurs sur la poutre, ils l'ont filmée en vibration avec une caméra ultra-rapide (1 000 images par seconde).

L'Analogie : Imaginez regarder une foule de personnes agitant les mains. Au lieu de demander à chaque personne de tenir une pancarte, vous observez simplement le mouvement de l'ensemble de la foule. La caméra capture le mouvement de chaque pixel de l'écran, créant une vue « plein champ » de la vibration.

2. Le « Détecteur de Motifs » (Décomposition Modale Dynamique - DMD)

La vidéo génère une quantité massive de données (des millions de pixels changeant au fil du temps). Les humains ne peuvent pas traiter cela. Les chercheurs ont utilisé un outil mathématique appelé Décomposition Modale Dynamique (DMD).

L'Analogie : Pensez à une chanson. Une chanson n'est qu'un ensemble d'ondes sonores mélangées. La DMD est comme une application musicale intelligente qui écoute la chanson et dit : « D'accord, j'entends une note de basse à 50 Hz, une note de guitare à 200 Hz et un rythme de batterie. »
Dans cet article, la DMD examine la vidéo et dit : « Je vois la poutre se courber selon une forme spécifique (Mode 1), et elle oscille à cette vitesse précise. » Elle décompose la vidéo complexe en « formes » et « vitesses » simples et compréhensibles.

3. Le « Détective des Dégâts » (Trouver la Fissure)

Lorsqu'une poutre est saine, elle se courbe selon des courbes lisses et prévisibles. Lorsqu'elle présente une fissure, cette partie devient plus souple, et la courbe devient bizarre ou « plissée » juste à l'endroit de l'endommagement.

L'Analogie : Imaginez une colline douce et ondulée. Si quelqu'un creuse un trou au milieu de la colline, la forme change. La DMD trouve ces « trous » dans la forme.
Les chercheurs ont créé un « Indice de Dommages » (un score).
- Poutre Saine : Le score est zéro. Les formes sont parfaites.
- Poutre Endommagée : Le score augmente. Les mathématiques détectent que la « colline » n'est plus lisse.

4. L'Expérience : Ordinateur vs Réalité

Ils ont testé cela de deux manières :

Simulation Informatique : Ils ont construit une poutre virtuelle dans un programme informatique (ANSYS) et l'ont « brisée » virtuellement. La caméra (simulée) l'a filmée, et la DMD a détecté les dommages.
Vie Réelle : Ils ont pris une vraie poutre en plastique, l'ont fixée et l'ont filmée avec une caméra haute vitesse. Ils ont découpé de minuscules entailles (fissures) dedans.
- Le Résultat : Dans les deux cas, la méthode a fonctionné. Elle pouvait distinguer une poutre saine d'une poutre endommagée simplement en regardant la vidéo. Elle a même remarqué qu'une fissure plus grande provoquait un changement plus important du score « Indice de Dommages ».

5. Ce qu'ils ont trouvé (L'Essentiel)

Cela fonctionne sans contact : Vous n'avez pas besoin de coller de capteurs sur la poutre. Il suffit de la filmer.
Cela voit l'invisible : Les mathématiques peuvent repérer de minuscules changements dans la façon dont la poutre se courbe qu'un œil humain pourrait manquer dans la vidéo.
C'est rapide et propre : Ils n'avaient pas besoin d'effectuer des calculs lourds et désordonnés pour déterminer combien la poutre bougeait ; ils ont simplement alimenté la vidéo brute dans l'outil DMD.

Ce qu'ils n'ont pas fait (Limitations importantes)

L'article est très clair sur ce que cet outil peut et ne peut pas faire pour le moment :

Il peut vous dire qu'il y a des dommages. (Le score a augmenté).
Il peut vous dire à quel point les dommages sont graves. (Le score a augmenté davantage pour les fissures plus grandes).
Il NE PEUT PAS encore vous dire exactement où se trouvent les dommages. Les auteurs admettent que c'est une limitation. Ils savent que la poutre est brisée, mais ils n'ont pas encore perfectionné les mathématiques pour pointer du doigt l'endroit exact de la fissure. C'est ce sur quoi ils prévoient de travailler ensuite.

En résumé : Cet article montre que vous pouvez utiliser une caméra haute vitesse et un outil mathématique intelligent pour « écouter » les vibrations d'une structure et dire si elle est malade, sans jamais la toucher. C'est comme diagnostiquer un patient simplement en le regardant marcher, plutôt que de lui enfoncer des aiguilles.

Résumé Technique : Identification des Dommages Structurels par Vision dans des Poutres Vibrantes via la Décomposition Modale Dynamique

Énoncé du Problème
La surveillance de l'intégrité structurelle (SHM) repose traditionnellement sur des capteurs de contact (par exemple, accéléromètres, jauges de contrainte) qui sont intrusifs, coûteux à installer et offrent une couverture spatiale limitée. Bien que des méthodes sans contact comme la vibrométrie laser existent, elles restent souvent ponctuelles ou coûteuses pour une analyse en champ complet. La surveillance par vidéo offre une alternative évolutive et sans contact ; cependant, l'extraction d'informations dynamiques physiquement significatives à partir de données visuelles de haute dimension reste un défi. Les approches existantes nécessitent souvent un prétraitement intensif pour reconstruire les champs de déplacement ou reposent sur des variantes spécialisées de la Décomposition Modale Dynamique (DMD) avec un post-traitement multi-étapes pour isoler les signatures de dommages. Cette étude répond au besoin d'un cadre rationalisé, piloté par les données, qui extrait des caractéristiques diagnostiques directement à partir de données vidéo brutes ou d'instantanés de simulation sans prétraitement heuristique étendu.

Méthodologie
Le cadre proposé utilise la Décomposition Modale Dynamique (DMD) pour approximer la dynamique linéaire sous-jacente d'une poutre en porte-à-faux vibrante directement à partir de données spatio-temporelles. La méthodologie est divisée en deux investigations parallèles : une simulation numérique utilisant ANSYS et une étude expérimentale utilisant des enregistrements vidéo haute vitesse.

Acquisition et Prétraitement des Données :
- Numérique : Des analyses aux éléments finis transitoires génèrent des champs de déplacement pour une poutre en porte-à-faux en polypropylène dans des états sain et endommagé (fissures à différentes profondeurs et emplacements).
- Expérimental : Une vidéo haute vitesse (1000 ips) capture la vibration libre d'une poutre similaire. Les trames vidéo sont transformées en matrices d'instantanés spatio-temporels.
- Représentation de l'État : L'étude construit des matrices de données $X$ et $X'$ à partir d'instantanés séquentiels. Bien que l'embedding par retard (matrices de Hankel) ait été investigué pour enrichir la représentation de l'état, l'analyse expérimentale finale a utilisé un rang de troncature de 150 sans embedding par retard pour équilibrer fidélité et complexité.
Décomposition Modale Dynamique (DMD) :
- La DMD identifie un opérateur linéaire optimal $A$ qui fait évoluer l'état du système dans le temps ( $X' \approx AX$ ).
- Par la Décomposition en Valeurs Singulières (SVD) et la projection sur un sous-espace réduit, l'algorithme extrait les valeurs propres DMD (caractérisant la croissance/décroissance temporelle et la fréquence) et les modes DMD (structures cohérentes spatiales).
- Ces modes servent de substitut aux formes modales expérimentales classiques.
Algorithme de Détection des Dommages :
- Extraction de Caractéristiques : À partir de chaque profil de mode DMD $\phi_k(x)$ , quatre vecteurs de caractéristiques spatiales sont dérivés : Forme Modale (MS), Pente de la Forme Modale (MSS), Courbure de la Forme Modale (MSC) et Carré de la Courbure de la Forme Modale (MSCS).
- Construction de la Référence : Une matrice de référence $P$ est construite à partir de l'état sain en utilisant une accumulation de produits externes pondérée par la variance des vecteurs de caractéristiques sains.
- Indice de Dommage ( $Q$ ) : Un nouvel indice de dommage est formulé sur la base d'une forme quadratique de type Mahalanobis. Il mesure l'écart du vecteur de caractéristiques actuel (potentiellement endommagé) par rapport à la référence saine, pondéré par l'inverse de la structure de covariance de référence. Un indice global $Q$ est obtenu en moyennant sur les modes sélectionnés.

Résultats Clés

Reconstruction et Prédiction : La DMD a reconstruit et prédit avec précision le déplacement de l'extrémité pour les configurations saines et endommagées. L'erreur quadratique moyenne (RMSE) était la plus faible pour le cas sain ( $1,12 \times 10^{-3}$ ) et légèrement plus élevée pour les cas endommagés ( $\approx 2,1 \times 10^{-3}$ ), indiquant que les dommages introduisent une complexité dynamique légèrement plus difficile à capturer pour le cadre linéaire DMD, bien que les erreurs restent faibles.
Analyse Modale : Les modes DMD extraits ont montré des formes lisses et physiquement cohérentes pour la poutre saine. Les configurations endommagées ont présenté des déviations subtiles mais systématiques dans la structure spatiale, en particulier dans la courbure localisée, reflétant des changements dans la distribution de la rigidité.
Analyse des Valeurs Propres : Les configurations endommagées ont présenté un déplacement des valeurs propres vers l'origine dans le plan complexe par rapport à l'état sain. Cela indique une augmentation de l'amortissement ou une atténuation plus rapide de la dynamique, suggérant une dissipation d'énergie accrue due à la dégradation structurelle.
Performance de l'Indice de Dommage :
- L'indice proposé $Q$ a réussi à distinguer les états sains et endommagés, avec $Q=0$ pour la référence saine et des valeurs significativement plus élevées pour les cas endommagés.
- L'indice a montré une sensibilité cohérente à la sévérité des dommages, avec des valeurs augmentant du Cas de Dommage 1 au Cas de Dommage 2.
- Parmi les caractéristiques, l'indice basé sur le MSCS (Carré de la Courbure de la Forme Modale) a démontré la sensibilité la plus élevée à la sévérité des dommages, montrant le plus grand changement proportionnel entre les niveaux de dommage. Cela est attribué à l'amplification des variations de courbure lorsqu'elles sont mises au carré.

Signification et Revendications
L'article revendique que la DMD fournit un outil robuste, interprétable et efficace sur le plan computationnel pour la détection de dommages sans contact utilisant des données vidéo. Les contributions clés incluent :

Extraction Directe de Caractéristiques : La capacité d'extraire des signatures sensibles aux dommages directement à partir des variétés modales brutes (modes DMD) sans nécessiter de reconstruction explicite du déplacement ou de prétraitement étendu.
Nouvel Indice de Dommage : La formulation d'une quantité caractéristique et d'un indice de dommage ( $Q$ ) dérivés exclusivement des formes modales et des valeurs propres extraites par DMD, ce qui facilite une détection et une identification efficaces des dommages.
Interprétabilité : Le cadre offre une représentation physiquement interprétable de la réponse du système, reliant les données visuelles aux propriétés modales (fréquences, amortissement et formes spatiales) qui sont connues pour être sensibles à la dégradation de la rigidité.
Validation : La méthodologie est validée à la fois sur des simulations haute fidélité et sur des données vidéo expérimentales réelles, démontrant des schémas cohérents entre les états sains et endommagés.

Limites et Travaux Futurs
Les auteurs notent que le cadre actuel est limité à la détection des dommages et à la quantification de la sévérité des dommages ; il ne réalise pas actuellement la localisation des dommages. Les travaux futurs visent à étendre le cadre pour permettre la localisation et à valider la méthodologie sur des systèmes structurels plus complexes et de dimensions supérieures, y compris ceux présentant un comportement non linéaire.