Mode-selective transmission method of guided waves using data processing

Imaginez essayer d'écouter une conversation spécifique dans une pièce bondée où tout le monde crie en même temps, et où le son rebondit sur les murs de manière déroutante. C'est le défi auquel les ingénieurs sont confrontés lorsqu'ils tentent d'inspecter de grandes structures solides comme des ponts, des pipelines ou des coques de navires pour y déceler des fissures cachées. Ils utilisent des ondes sonores, plus précisément un type appelé ondes guidées, qui voyagent le long de la surface d'un matériau plutôt qu'à travers l'air. Ces ondes sont excellentes pour atteindre des endroits qui sont enfouis ou trop longs à vérifier avec une simple lampe de poche ou une caméra. Cependant, contrairement à un simple faisceau de lumière, ces ondes sonores se comportent étrangement au cours de leur trajet. Elles se divisent en différents « modes », ou modèles de vibration, chacun se déplaçant à sa propre vitesse et changeant de forme au fur et à mesure de son avancée. Lorsqu'une onde rencontre un défaut, comme une fissure, elle se disperse et mélange ces modèles, ce qui rend extrêmement difficile de distinguer le signal d'origine ou l'apparence du défaut. Pendant des décennies, les scientifiques ont tenté de résoudre ce problème en construisant des capteurs spéciaux et coûteux qui ne peuvent émettre qu'un seul modèle spécifique à la fois, mais ces outils sont souvent trop rigides pour gérer le mélange complexe de signaux rencontrés dans les situations réelles de dommages.

Une équipe de chercheurs de l'Institut de recherche central de l'industrie de l'énergie électrique et de l'Institut de science de Tokyo a trouvé une méthode différente pour résoudre ce casse-tête. Au lieu de construire une nouvelle machine spécialisée, ils ont développé une méthode utilisant des capteurs standards du commerce et un ordinateur pour effectuer le travail de fond. Leur approche traite le problème non pas comme une limitation matérielle, mais comme un défi de tri de données. Ils ont réalisé qu'en enregistrant les ondes sonores alors qu'elles traversent un matériau, puis en traitant cette information avec un ensemble de règles spécifiques, ils pouvaient isoler virtuellement un modèle unique et pur à partir du mélange chaotique. C'est comme s'ils avaient enregistré la conversation bruyante de toute la pièce et qu'ils avaient ensuite utilisé un ordinateur pour filtrer toutes les voix sauf celle qu'ils voulaient entendre, sans jamais avoir besoin de demander aux interlocuteurs de s'arrêter de parler.

Le cœur de leur découverte réside dans la manipulation du timing et de la forme des signaux enregistrés. Lorsque les ondes sonores traversent une plaque solide, elles s'étendent, et différentes parties de l'onde se déplacent à des vitesses différentes. Les chercheurs ont découvert que s'ils prenaient les enregistrements provenant de nombreux points différents le long du trajet de l'onde et les décalaient dans le temps pour qu'ils s'alignent parfaitement, le modèle souhaité deviendrait beaucoup plus fort et plus clair. Ils appellent cela la « synchronisation de la vitesse de groupe », ce qui consiste essentiellement à faire en sorte que l'ordinateur attende l'arrivée du corps principal de l'onde avant de l'ajouter au mélange. Mais le timing seul ne suffit pas car l'onde change également son rythme interne au cours de son mouvement. Pour corriger cela, ils appliquent une seconde étape appelée « synchronisation de phase », qui ajuste le timing interne des pics et des creux de l'onde afin qu'ils poussent tous dans la même direction au même moment. Lorsque ces deux ajustements sont combinés, le modèle spécifique recherché par les chercheurs entre en résonance, ou s'amplifie, tandis que les modèles indésirables s'annulent mutuellement.

Pour rendre cela encore plus efficace, l'équipe a ajouté une troisième étape qu'ils appellent « excitation de paquet d'ondes ». Avant même de commencer l'alignement des ondes, ils utilisent l'ordinateur pour créer une version virtuelle de l'onde qu'ils cherchent à trouver. Ils y parviennent en prenant un petit groupe des signaux enregistrés et en les façonnant mathématiquement pour qu'ils ressemblent au modèle spécifique qu'ils traquent. Cela agit comme un gabarit, garantissant que le résultat final ne soit pas seulement un signal propre, mais un signal dominé par le type exact de vibration dont les ingénieurs ont besoin pour inspecter la structure. En combinant ces trois étapes de traitement de données, ils peuvent prendre un enregistrement désordonné rempli de signaux mixtes et en extraire un mode de vibration unique et pur.

Les chercheurs ont testé cette méthode sur une plaque d'acier inoxydable, en utilisant des capteurs standards pour envoyer des ondes sonores à travers celle-ci. Ils ont configuré les capteurs pour scanner la plaque par petits pas, en enregistrant les ondes à chaque point. Lorsqu'ils ont traité les données pour rechercher un motif spécifique connu sous le nom de mode A0, les résultats ont été frappants. Les signaux désordonnés et mélangés se sont transformés en une onde claire et forte qui se distinguait nettement du bruit de fond. Ils ont également testé la méthode sur un autre motif appelé mode S0. Dans ce cas, la méthode a également bien fonctionné, bien que l'amélioration ait été moins spectaculaire car ce motif particulier était déjà assez fort dans les données brutes. L'expérience a confirmé que leur approche logicielle pouvait réussir à isoler des motifs d'ondes spécifiques sans avoir besoin de modifier l'équipement physique ou la manière de prendre les mesures.

Ce qui rend cette découverte significative, c'est qu'elle élimine le besoin de capteurs personnalisés et coûteux pour chaque type d'inspection différent. Auparavant, si un ingénieur voulait détecter un type de défaut spécifique, il pouvait avoir besoin d'une sonde spécialisée conçue précisément pour cette tâche. Désormais, ils peuvent utiliser une sonde standard, scanner la zone et laisser l'ordinateur faire le travail de séparation des signaux. Cela signifie que le même équipement à bas coût peut être utilisé pour détecter une grande variété de défauts simplement en modifiant les paramètres du logiciel. Les chercheurs ont démontré qu'en se concentrant sur la mathématique de l'interférence des ondes, ils pouvaient recréer les conditions qui nécessitaient habituellement un matériel complexe. Ils ont prouvé que la clé pour sélectionner un motif d'onde spécifique ne réside pas dans le capteur lui-même, mais dans la manière dont les données sont synchronisées et combinées après leur collecte.

L'étude confirme que cette approche axée sur les données est une alternative viable aux méthodes technologiques existantes. Alors que d'autres techniques utilisent des réseaux de capteurs complexes ou des champs magnétiques pour sélectionner les motifs d'ondes, cette méthode obtient des résultats similaires en traitant les données d'une simple sonde de balayage. Les chercheurs ont noté que bien que la méthode fonctionne très bien pour certains motifs, le degré d'amélioration dépend des caractéristiques spécifiques de l'onde étudiée. Cependant, en appliquant les trois étapes de leur routine de traitement de données, ils peuvent garantir des résultats de haute qualité quel que soit le contexte spécifique. Cela suggère que l'avenir des essais non destructifs reposera moins sur la construction d'outils plus spécialisés que sur des méthodes plus intelligentes pour interpréter les données que nous possédons déjà. La capacité de générer virtuellement un motif d'onde spécifique à partir d'un enregistrement général ouvre la voie à des moyens plus flexibles, plus rentables et plus puissants pour assurer la sécurité de nos infrastructures.