Rsum
Cette tude montre la caractrisation du bruit de structure dun acier moul centrifug et la dtection
dventuels dfauts dans la structure ausculte. La caractrisation du bruit de structure se fait partir de
signaux ultrasonores Ascan. Ces signaux sont traits et reprsents dans un plan temps - chelle au moyen
dune analyse en ondelettes continues. Lobjectif ici est de savoir si chaque motif de la reprsentation temps
- chelle est d au bruit de structure ou un dfaut. La procdure mise en uvre, repose sur une technique de
dtection base sur un test dhypothse. Des signaux typiques de bruit de structure sont alors dcrits par un
modle autorgressif. Lapproche est teste sur des signaux ultrasonores dun acier moul centrifug et
permet effectivement de sparer diverses composantes du signal.
1. Introduction
Le Contrle Non Destructif (CND) par ultrasons des aciers, doit dtecter le moindre dfaut nocif
prsent, pour assurer le bon fonctionnement des installations utilisant ce type de matriau, comme dans les
pices du circuit primaire des racteurs nuclaires. La gnration des ondes ultrasonores en de tels matriaux
provoque la propagation des ondes cohrentes mais galement des ondes incohrentes connues sous le nom
de bruit de structure. Ce bruit est engendr dans le signal ultrasonore par le phnomne de diffusion dans le
matriau et peut ainsi masquer la prsence dun dfaut. De nombreuses tudes s'intressent au bruit de
structure notamment pour la dtection de dfauts [1, 2], la caractrisation des signaux issus de ce type de
matriau [3, 4] ou llimination du bruit lui-mme [5, 6].
Lobjectif de ce travail est de caractriser le bruit de structure. Lanalyse par transforme en
ondelettes continue, donne une reprsentation temps-chelle ou temps-frquence du signal, un test
dhypothses est appliqu sur cette reprsentation, afin de distinguer le bruit de structure, des autres chos
dus aux dfauts. L'utilisation de test d'hypothses est rendue possible par une modlisation du bruit de
structure. Notre tude sinspire de travaux en gophysique [7, 8] qui montrent que l'approche est bien
adapte la sparation des signatures dans le plan temps-frquence, en utilisant une modlisation dun signal
de rfrence par un modle autorgressif dordre 1.
On propose une application de ce principe dans le domaine du CND par ultrasons. Pour cela larticle
est organis comme suit. Dans la deuxime section on donne un bref rappel de la transforme en ondelettes
continue, qui permet de construire une reprsentation temps-chelle du signal analys. La troisime section
est consacre au matriau tudi, savoir une prsentation des donnes exprimentales obtenues par CND
sur l'acier moul centrifug. Dans la quatrime section, nous prsentons la mthode danalyse dveloppe,
1 t
Wx ( , s) x(t ) *( ) dt , (1)
s
s
o * dsigne le conjugu.
Elle permet de mesurer linteraction du signal x(t ) avec un motif appel ondelette analysante
considre une certaine chelle s au voisinage dun instant . Cette ondelette analysante , s (t ) telle que :
1 t
,s (t ) ( ), (2)
s s
se dduit par dilatation ou compression avec le paramtre s et translation avec le paramtre dune
ondelette mre (t ) . Lutilisation de plusieurs chelles au travers de la transforme en ondelettes permet
dobtenir une reprsentation dans un plan temps-chelle o le contenu du signal va tre dcompos
diffrentes chelles au cours du temps. Il est noter que les chelles sont inversement proportionnelles aux
frquences prsentes dans le signal et il est donc ais de passer dun plan temps-chelle un plan temps-
frquence. Trs souvent la reprsentation utilise est celle du scalogramme dfini comme le carr du module
des coefficients dondelettes [10] Wx ( , s) .
2
3. Matriaux
Lapproche est teste sur des signaux exprimentaux obtenus par chographie ultrasonore dun
matriau mtallique, un acier moul centrifug. Ce matriau, a t test en onde transversale en incidence
oblique 30, avec un traducteur multilments focalis en contact avec le matriau. Pour cet essai, 715
Ascan ont t enregistrs [11]. Dans ce matriau trs fort bruit de structure, nous avons distingu plusieurs
zones contenant du bruit de structure, des chos de dfauts et autres chos. Les signaux Ascan traversant ces
diffrentes zones sont indiqus sur le Bscan (Fig.1). Nous avons choisi de travailler sur ces signaux qui
reprsentent du bruit de structure et des dfauts. Avant dappliquer la mthode sur les signaux Ascan de cet
acier, nous avons entam notre tude par la dtermination de la loi de distribution de ces signaux et ensuite
calcul lordre du modle autorgressif.
zone 9
50
zone 8
100
zone1 zone4
zone2 zone 6
150
200
250
zone 7
300 zone3
zone5
350
400
100 200 300 400 500 600 700
Fig. 1. Image Bscan de lacier moul centrifug, avec identification des zones lies aux dfauts et Ascan lis
aux bruits de structure.
4. Mthode
Le point de dpart de l'tude est la reprsentation d'un signal Ascan dans un plan temps-chelle.
Cette reprsentation est obtenue en oprant une transforme en ondelettes continue sur le signal de faon
prsenter un scalogramme. Une telle reprsentation comme celle de Fig.2 peut tre difficile interprter.
L'objectif de ltude est de fournir une information quantitative dans l'interprtation de chaque motif de la
reprsentation temps-chelle afin de savoir si ces motifs correspondent du bruit de structure ou des
dfauts. Pour ce faire un test d'hypothses est ralis : il s'agit de tester la formulation le motif correspond
un bruit de structure contre le motif est rvlateur d'autre chose comme par exemple la signature d'un
dfaut. Ainsi le test d'hypothses ncessite une caractrisation du bruit de structure. L'approche utilise est
base sur l'tude de la Densit Spectrale de Puissance (DSP) exprimentale d'un signal Ascan rvlateur de la
prsence de bruit de structure, DSP qui peut tre approche l'aide d'un modle autorgressif.
2.10
0 dB
1.05
-10 dB
0.52
-20 dB
0.26
-30 dB
0.13
-40 dB
0.07
-50 dB
0 10 20 30 40 50 60
Temps en s
o uk est un bruit blanc additif de variance 2 . Un des intrts de cette modlisation est que la DSP
du signal autorgressif (AR) s'crit de manire analytique :
2
Sy ( f ) 2
, (4)
p
1 ai e2 j if Te
i 1
| |
, (8)
o Ps correspond au contenu frquentiel du signal pour la frquence k fe/N, frquence associe une
certaine chelle s. fe dsigne la frquence dchantillonnage. On a dailleurs daprs (4) :
2
Ps S (k f e / N ) 2
. (9)
p
1 ai e2 j i k / N
i 1
Par rapport la loi prcdente, il est alors possible de dfinir un intervalle de confiance (95% par
exemple) pour lequel le scalogramme suit bien la loi du chi-deux deux degrs de libert. Des valeurs du
plan temps-chelle sortant de lintervalle indiquent alors la prsence de dfauts. La rgle de dcision dpend
donc de la grandeur :
W ( , s)
2
G ( , s) x , (10)
1
Ps
2
avec:
W ( , s)
2
Prob( x ) , (11)
1
Ps
2
et le seuil correspondant 0.05 .
- On dcide H1 et donc lapparition dun dfaut si G( , s) 1 .
5. Exprimentations et rsultats
5
4
x 10 Ascan 255
1
0
0 20 40 60 80 100 120
0.5 ordre du modle
Amplitude
6500
0
AIC
6000
-0.5
5500
-1 0 20 40 60 80 100 120
0 5 10 15 20 25 30 35 40
ordre du modle
Temps (s)
Nous illustrons la Fig.5, les fonctions dautocorrlation du signal de bruit de structure et du signal
AR dordre 14. La Fig.6 illustre la densit spectrale de puissance (DSP) thorique obtenue par (9) puis celles
du signal AR dordre 14 et du bruit de structure, calcules par priodogrammes de Welch. Fig.5 et Fig.6,
illustrent bien une modlisation pertinente du bruit de structure travers la comparaison des proprits
temporelles et frquentielles du signal de bruit de structure et du signal AR.
1.5
10
1
Amplitude
0.5 0
DSP (dB)
0
-10
-0.5
-20
-1
-1.5
-30
-4 -3 -2 -1 0 1 2 3 4 0 1 2 3 4 5
Temps -6
Frquence (MHz)
x 10
Fig.5 Autocorrlation du signal Ascan (bruit de Fig.6 DSP exprimentale (dB) du signal de bruit
structure) (trait bleu continu) et du signal de structure (trait bleu continu), DSP
modlis autorgressif AR (14) (trait rouge exprimentale du signal AR (14) (trait cyan
discontinu), reprsents sur 80 points. discontinu) et DSP de rfrence (trait pointill
rouge).
2 cho de dfaut
volumique
Amplitude
-2
-4
0 10 20 30 40
4.19 Temps (s)
16
2.10 8
4
Frquence (MHz)
1.05
2
1
0.52
1/2
0.26
1/4
1/8
0.13
1/16
0 5 10 15 20 25 30 35
Temps (s)
Fig.7 Scalogramme du signal Ascan 77 (prsent au dessus du scalogramme), selon lquation (11), en
utilisant la modlisation autorgressive dordre 14 du signal de bruit de structure Ascan 255 Bscan (Fig1).
1
Amplitude
-1
cho de dfaut plan
-2
0 10 20 30 40
4.19 Temps (s)
2.10 4
Frquence (MHz)
1.05 2
1
0.52
1/2
0.26
1/4
0.13
0 5 10 15 20 25 30 35
Temps (s)
Fig.8 Scalogramme du signal Ascan 196 (prsent au dessus du scalogramme), selon lquation (11), en
utilisant la modlisation autorgressive dordre 14 du signal de bruit de structure Ascan 255 Bscan (Fig1).
A travers les rsultats obtenus dans ce type de matriau et lanalyse des scalogrammes, lapproche
mise en uvre base sur une modlisation du bruit de structure et un test dhypothses dans le plan temps-
chelle (ou temps-frquence) savre particulirement intressante dans la mesure o elle permet de
diffrencier les diffrents chos du bruit de structure dans un signal ultrasonore Ascan. Nous avons
galement montr comment le bruit de structure pouvait tre modlis laide dun modle autorgressif.
Remerciements :
Les auteurs remercient les collgues dEDF centre R&D des Renardires pour leur collaboration,
notamment pour lobtention des signaux ultrasonores.
Bibliographie
[1] J. Saniie et N. M. Bilgutay, Quantitative grain size evaluation using ultrasonic backscattered echoes, J.
Acoust. Soc. Am., vol, 80(6), pp, 1816-1824, 1986.
[2] K. Kaya, N. M. Bilgutay et R. Murthy, Flaw Detection in Stainless Steel Samples Using Wavelet
Decomposition, Proc. IEEE Ultrason. Sympo., pp. 1271-1274, 1994.
[3] S. Hirsekorn, Directional dependence of ultrasonic propagation in textured polycrystals,, J. Acoust.
Soc. Am., vol. 79, pp. 1269-1279, 1986.
[4] B. Chassignole, D. Villard, G. Nguyen Van Chi, N. Gengembre et A. Lhemery, ultrasonic propagation
in austenitic stainless steel welds - approximate model and numerical methods results and comparison with
experiments, CP509, Review of Progress in quantitative NDE, American Institute of physics 2000, pp, 153-
160,
[5] A. Abbate J. Koay J. Frankel S.C. Schroeder et P. Das, Signal Detection and Noise Suppression Using a
Wavelet Transform Signal Processor: Application to Ultrasonic Flaw Detection,, IEEE Trans. Ultrason.
Ferroelect. Freq. Contr., vol. 44(1), pp. 14-25, 1997.
[6] M. A. G. Izquierdo, M. G. Hernandez et J. J. Anaya, Time-varying prediction filter for structural noise
reduction in ultrasonic NDE, Ultrasonics, 44, pp. 10011005, 2006.
[7] C. Torrence et G. Compo, A practical guide to Wavelet analysis,, Bulletin of the American
Meteorological Society (79), 61-78. 1998.
[8] S. Jevrejeva, J. C. Moore et A. Grinsted, Influence of the Arctic Oscillation and El Nino-Southern
Oscillation (ENSO) on ice in the Baltic Sea: the wavelet approach,, Journal Of Geophysical Research, vol.
108 (D21), 4677, pp, 1-11, 2003.
[9] S. Mallat, A Wavelet Tour of Signal Processing,, 2nd edition, New York Academic, 99.
[10] G. Kaiser, A Friendly Guide to Wavelets,, Birkhuser, 1994.
[11] Y. Renou, Traitement du signal appliqu aux donnes ultrasonores pour le contrle non destructif des
matriaux fort bruit de structure,, Master 2 sous la direction de J.H. Thomas et R. El Guerjouma.
Laboratoire d'Acoustique de l'Universit du Maine, LAUM, France, 1997.
[12] S.M. Kay, Modern Spectral Estimation: Theory and Application,, Prentice Hall 1988.
[13] S. S. Shapiro M. B. Wilk and H. J. Chen, A Comparative Study of Various Tests for Normality,,
Journal of the American Statistical Association, Vol. 63(324), pp. 1343-1372, 1968.