Thèse Identification de l'Endommagement Multiple Basée sur l'Analyse Modale Opérationnelle et l'Approche Bayésienne H/F - Doctorat.Gouv.Fr

Établissement : Université Paris-Saclay GS Sciences de l'ingénierie et des systèmes École doctorale : Sciences Mécaniques et Energétiques, Matériaux et Géosciences Laboratoire de recherche : LMEE - Laboratoire de mécanique et d'énergétique d'Evry Direction de la thèse : Thien-Phu LE ORCID 0000000152752122 Début de la thèse : 2026-09-01 Date limite de candidature : 2026-04-21T23:59:59 La surveillance des structures est essentielle pour garantir la sécurité des biens et des personnes, ainsi qu'une exploitation optimale des ouvrages. Parmi les différentes approches, la surveillance fondée sur les réponses vibratoires est particulièrement appréciée car elle constitue une méthode non destructive permettant un suivi continu des structures en conditions opérationnelles réelles [1,2].

L'identification des endommagements - incluant leur détection, leur localisation et leur quantification dès les premiers stades - joue un rôle crucial. Une telle identification précoce permet en effet de mettre en place des stratégies d'entretien et de renforcement efficaces.
Les études existantes modélisent généralement les endommagements par des réductions localisées de rigidité, pouvant apparaître en un seul site (endommagement simple) ou sur plusieurs sites (endommagement multiple). Si des avancées importantes ont été réalisées concernant la détection d'endommagement simple [2,3], l'endommagement multiple demeure un défi en raison de la complexité du problème : existence de solutions multiples, détection de faux sites d'endommagement, bruit de mesure, erreurs de modélisation, coût computationnel élevé, etc. [4,5].

L'objectif de cette thèse est de développer une méthode efficace pour traiter l'endommagement multiple en s'appuyant sur deux volets complémentaires :

- Les données modales obtenues par l'analyse modale opérationnelle [6-8]. Ce choix permet d'obtenir les propriétés modales réelles des ouvrages tout en maintenant leur service continu [6-8]. Toutefois, les excitations opérationnelles non contrôlées et les bruits de mesure introduisent des incertitudes significatives qu'il est nécessaire de prendre en compte dans le processus d'identification.

- L'approche bayésienne pour l'identification probabiliste de l'endommagement. L'approche bayésienne permettra : (i) d'intégrer les incertitudes inhérentes aux données modales, (ii) de mettre à jour les paramètres d'endommagement en « temps réel » grâce aux mesures continues de l'analyse modale opérationnelle et (iii) de fusionner plusieurs sources d'information - fréquences propres et déformées modales - pour limiter les risques de faux positifs dans la localisation de l'endommagement [5,9]

En complément, des techniques d'apprentissage automatique seront intégrées dans ces deux volets afin de réduire significativement les temps de calcul [10,11].

La méthode proposée sera validée à l'aide d'exemples analytiques, de réponses numériques simulées et d'essais expérimentaux réalisés sur la plateforme de Dynamique des Structures du laboratoire LMEE [12].
L'identification de l'endommagement multiple des structures en utilisant des mesures de vibration en condition opérationnelle reste un défi important dans ce domaine. Les verrous scientifiques associés sont : (i) la nature indéterminée du problème traité, conduisant en général non seulement aux vrais sites d'endommagement mais également à des sites fictifs à éliminer par des méthodes supplémentaires ; (ii) les données mesurées sont souvent bruitées et perturbées par les conditions de service ; (iii) le temps de calcul devient très long si l'on cherche non seulement à détecter, mais également à localiser et quantifier l'endommagement multiple via un modèle numérique classique en éléments finis. L'objectif de cette thèse est de développer une méthode fiable et robuste pour l'identification de l'endommagement multiple, tout en assurant le fonctionnement normal des ouvrages en service.

calcul numérique, dynamique des structures, mesure expérimentale, apprentissage automatique