NDT Data Fusion for Post-Impact Damage Characterization in a Discontinuous Long Fiber Reinforced Polymer Composite with Stochastic Meso-Structure

Imaginez que vous soyez un détective essayant de résoudre un mystère à l'intérieur d'une maison très étrange et désordonnée. Cette maison n'est pas construite avec des briques nettes et droites ; au lieu de cela, elle est faite de milliers de petites planches de bois jetées au hasard et collées ensemble. C'est ce que les scientifiques appellent un « composite à fibres longues discontinues » — un matériau super résistant utilisé dans les avions et les voitures parce qu'il est léger et robuste. Mais parce que les « planches » (les fibres) sont jetées dans des directions aléatoires, la maison est pleine de recoins cachés, de fissures et de points faibles qui se comportent de manière imprévisible.

Imaginez maintenant que quelqu'un lance une balle lourde contre cette maison. Cela pourrait ne pas laisser de trou géant, mais cela pourrait provoquer des fissures invisibles et un décollement des couches à l'intérieur, comme un sandwich où la garniture aurait glissé mais où le pain semble intact. C'est ce qu'on appelle un « dommage par impact à faible vélocité ». Le problème est que si vous ne regardez l'habitation qu'avec une seule paire d'yeux, vous pourriez manquer les dégâts. Une paire d'yeux pourrait voir une ombre mais pas la fissure ; une autre pourrait voir un point de chaleur mais pas la fente profonde. Pour résoudre le mystère, vous devez combiner les indices provenant de différentes sources — comme utiliser une lampe de poche, une caméra thermique et un appareil de radiographie en même temps. C'est le cœur de la recherche : comprendre comment mélanger ces différents « super-sens » pour voir l'image complète des dommages sans déchirer la maison.

La mission du document : Mélanger les super-sens pour voir l'invisible

Dans cette étude, les chercheurs Marco Didone, Rachel Van Lear, David Jack et Sergii G. Kravchenko ont abordé la tâche délicate de l'inspection de ces maisons de planches aléatoires après avoir été frappées. Ils ont utilisé un matériau spécial appelé Composites Moulés par Préimprégnés (PPMCs), qui sont fabriqués en compressant de minuscules bandes de fibres de carbone orientées de manière aléatoire. Lorsque ces matériaux sont frappés, les dommages sont désordonnés et tridimensionnels, se propageant dans des directions bizarres qu'un seul outil d'inspection manque souvent.

L'équipe a décidé de jouer à un jeu de « combiner vos indices » en utilisant trois méthodes différentes de Contrôle Non Destructif (CND). Considérez cela comme trois détectives différents :

1. Le contrôle par ultrasons (UT) : C'est comme envoyer des ondes sonores (sonar) pour écouter les échos. S'il y a une fissure ou un délaminage (des couches qui se séparent), le son rebondit différemment. Cependant, tout comme dans une pièce bruyante, le son est parfois bloqué par les couches supérieures, cachant ce qui se passe plus profondément.
2. La thermographie infrarouge (IRT) : Ce détective utilise la chaleur. Ils chauffent la surface et observent comment elle refroidit. S'il y a une fissure en dessous, la chaleur reste piégée ou circule différemment, créant un point chaud ou froid à la surface. Mais ce détective voit principalement ce qui est proche de la surface et peut manquer les secrets profonds.
3. La micro-tomographie assistée par rayons X (µCT) : C'est la vision de haute technologie par rayons X. Elle prend des milliers d'images sous différents angles pour construire un modèle 3D de l'intérieur. Elle est excellente pour voir la forme des dommages, mais elle ne peut pas toujours voir les fissures qui sont si serrées qu'elles ressemblent à un matériau solide, et elle prend beaucoup de temps pour scanner de grandes pièces.

La grande découverte : L'« Union » est la réponse

Les chercheurs n'ont pas seulement regardé les résultats de ces trois détectives séparément ; ils ont essayé de les fusionner. Ils ont utilisé deux stratégies principales :

• L'intégration de caractéristiques : Cela revient à prendre les cartes finales « oui/non » de chaque détective et à les superposer. Si n'importe quel détective dit : « Il y a des dommages ici », ils marquent l'endroit comme endommagé.
• La classification de caractéristiques : Cela ressemble davantage à un mélange mathématique des données brutes (les images en niveaux de gris) avant de prendre une décision, en utilisant des règles telles que « prendre la moyenne » ou « prendre le maximum ».

Ce qu'ils ont trouvé

L'étude a révélé que l'intégration de caractéristiques était la grande gagnante pour comprendre les dommages. Lorsqu'ils ont combiné les cartes, ils ont créé une « estimation de la limite supérieure conservatrice » des dommages. En langage clair, cela signifie qu'ils ont dessiné un filet de sécurité autour des dommages qui était plus large que ce que n'importe quel outil seul voyait, garantissant qu'ils ne manquent rien.

Voici les chiffres spécifiques qu'ils ont trouvés :

• Le µCT (Rayons X) a vu la zone la plus petite, couvrant 5,3 % de la plaque.
• L'UT (Son) a vu une zone plus grande de 7,1 %.
• L'IRT (Chaleur) a vu 7,5 %.
• Lorsqu'ils ont combiné les trois en une seule carte fusionnée, la zone totale projetée des dommages était de 8,5 %.

Ces 8,5 % ne sont pas nécessairement la vérité « parfaite », mais les auteurs suggèrent qu'il s'agit d'une image très sûre et complète des dommages. Ils ont noté que 99,66 % des dommages vus par les rayons X étaient inclus dans cette carte combinée. Cela prouve qu'en utilisant ces trois outils, on capture presque tout ce que les rayons X voient, plus les parties supplémentaires que les outils de son et de chaleur ont trouvées et que les rayons X avaient manquées.

Pourquoi un seul détective ne suffit pas

Le document argumente explicitement contre le fait de se fier à une seule méthode.

• Les rayons X (µCT) ont manqué certaines fissures serrées car les deux côtés de la fissure se touchaient, ne laissant aucun espace d'air pour que les rayons X puissent les voir. Ils ne pouvaient pas tout voir non plus à cause de la forme étrange de la plaque.
• Le Son (UT) a parfois vu une zone plus grande que la réalité car les ondes sonores sont bloquées par les couches supérieures (ombrage), faisant paraître le dommage comme une masse solide plutôt que comme une forme spécifique.
• La Chaleur (IRT) était excellente pour voir les problèmes proches de la surface, mais ne pouvait pas voir en profondeur.

Les chercheurs ont également testé la méthode de la « Classification de caractéristiques » (mélange mathématique des images brutes). Ils ont trouvé que cette approche était moins stable et plus sensible au bruit. Par exemple, la méthode de la « Différence » (regardant uniquement là où les outils divergeaient) a montré une zone minuscule de 0,34 %, tandis que la méthode du « Maximum » en montrait 6,15 %. Ces chiffres étaient très variables par rapport au résultat propre et logique de la méthode d'Intégration de caractéristiques. Le document suggère que pour ces matériaux aux planches aléatoires et désordonnées, simplement combiner les cartes finales (Intégration) est bien meilleur que d'essayer de mélanger mathématiquement les images brutes (Classification).

L'essentiel à retenir

Les auteurs concluent que pour ces matériaux complexes et désordonnés, on ne peut pas faire confiance à un seul « super-sens ». Au contraire, il faut écouter tous les sens. En fusionnant les données, on obtient une image plus claire et plus complète des dommages. Les rayons X donnent la forme 3D, le son montre les couches profondes et la chaleur révèle les détails de surface. En les mettant ensemble, on obtient une estimation « conservatrice », qui est sûre et fiable, garantissant qu'aucun dommage caché n'est laissé derrière dans ces matériaux de haute technologie.