Vous êtes sur la page 1sur 9

CARACTERISATION DU BRUIT DE STRUCTURE DUN ACIER

INOXYDABLE AUSTENITIQUE CONTENANT UNE SOUDURE PAR


ANALYSE EN ONDELETTES ET TEST DHYPOTHESES.

M. Khelil1, J-H. Thomas2, 3, R. El Guerjouma2, L. Simon2 et M. Boudraa4


1
CSC, Centre de recherche scientifique en Soudage et Contrle, Bp64, Cheraga, Alger, Algrie
2
LAUM, CNRS, Universit du Maine, Av. O. Messiaen, 72085 Le Mans, France
3
ENSIM, Universit du Maine, Rue Aristote, 72085 Le Mans, France
4
USTHB, Facult dElectronique, Bp32 EL Alia, Bab Ezzouar, 16111, Alger, Algrie
Email : mohkhelil@yahoo.com

Rsum
Cette tude montre la caractrisation du bruit de structure dun acier inoxydable austnitique
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 inoxydable austnitique lamin puis dune soudure
dans cet acier et permet effectivement de sparer diverses composantes du signal.

1. Introduction
Le Contrle Non Destructif (CND) par ultrasons des aciers inoxydables austnitiques, 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.
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 austnitique contenant une soudure. Dans la
quatrime section, nous prsentons la mthode danalyse dveloppe, notamment la modlisation
autorgressive du bruit de structure, le choix de lordre du modle et le test dhypothses appliqu
aux reprsentations temps-chelle. La cinquime section est consacre aux rsultats obtenus.

Confrence Internationale sur le Soudage, le CND et lIndustrie des Mtaux, IC-WNDT-MI10


Oran, 27 - 28 novembre 2010
2. Transforme en ondelettes continue
La transforme en ondelettes continue dun signal x(t ) est dfinie par [9] :

+ 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 inoxydable austnitique. Ce matriau comporte une soudure
appele soudure D703 qui est caractrise par des grains allongs se dveloppant sur plusieurs
passes de soudage. Ce matriau, a t test en onde transversale en incidence oblique 45, le
transducteur utilis pour ce contrle a une frquence centrale centre sur 2 MHz avec une frquence
dchantillonnage de 20 MHz. Pour cet essai, 184 Ascan ont t enregistrs [11]. Fig. 1 reprsente
limage Bscan obtenue pour ce matriau, suivant deux axes, laxe z reprsentant lespace (la
profondeur du matriau) et laxe y reprsentant un ensemble de signaux Ascan recueillis pas pas
sur la largeur du matriau. Sur cette image Bscan, on distingue quatre zones, la zone 1 reprsente
des chos de rebonds dus au support du transducteur, la zone 2 reprsente la zone de soudure, la
zone 3 reprsente du bruit de structure dans le mtal de base, et la zone 4 des chos de dfauts de
surintensit du bruit dus au chos de rflexions des ondes transversales sur le fond de la soudure
linterface avec le mtal de base.
Pour cet essai nous avons choisi de travailler sur deux signaux Ascan caractristiques,
relatifs la propagation dans le mtal de base, Ascan 11 trs bruit, et dans la soudure, Ascan 102
avec un niveau de bruit relativement faible. On retrouve dans ce dernier signal une zone de
surintensit du bruit. Des chos de rebonds sont prsents dans les premiers chantillons des deux
2 signaux.

Confrence Internationale sur le Soudage, le CND et lIndustrie des Mtaux, IC-WNDT-MI10


Oran, 27 - 28 novembre 2010
Ascan 11 Ascan 102

Zone 1

Zone 2

Axe z Zone 3

Zone 4

Axe y

Fig. 1. Image Bscan de lacier inoxydable prsentant : chos de rebonds (zone 1), soudure (zone 2), bruit de
structure (zone 3) et surintensit du bruit (zone 4).

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.

Confrence Internationale sur le Soudage, le CND et lIndustrie des Mtaux, IC-WNDT-MI10


Oran, 27 - 28 novembre 2010
40 dB
16.78
30 dB
8.39
20 dB
4.19
10 dB

Frquence en MHz
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

Fig. 2. Scalogramme exprim en dB du signal Ascan.

4.1 Modlisation autorgressive.


Par une modlisation autorgressive, il est possible de synthtiser un signal dont les
proprits statistiques (en particulier la fonction d'autocorrlation) se rapprochent de celles d'un
chantillon du signal original. Cette modlisation consiste filtrer un bruit blanc de variance 2
l'aide d'un filtre p coefficients ai (avec i=1,.., p). Les coefficients du filtre ainsi que le bruit blanc
d'entre sont obtenus par la rsolution du systme d'quations de Yule-Walker [12]. Le signal
synthtis yk s'crit alors l'instant k :
p
yk = uk ai yk i , (3)
i =1

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 e 2 j if Te
i =1

o Te dsigne la priode dchantillonnage des signaux.


La difficult majeure de cette modlisation rside dans le choix de l'ordre p qui peut tre fix
arbitrairement. Cependant, il existe des critres J ( p) (le critre d'erreur de prdiction et le critre
)
d'Akaike notamment) permettant destimer le nombre de paramtres p [12] :
N+p 2
Erreur Finale de Prdiction: J ( p) = EFP( p) = p (5)
4
Np
Critre d'Akaike : J ( p) = CA( p) = 2 p + N log p2 , (6)
avec N le nombre d'chantillons du signal et p2 la variance du bruit blanc l'entre d'un
2
p

)
modle d'ordre p. L'ordre estim p du modle correspond gnralement la valeur minimale des
critres :
)
p = Arg Min J ( p) (7)
p

Confrence Internationale sur le Soudage, le CND et lIndustrie des Mtaux, IC-WNDT-MI10


Oran, 27 - 28 novembre 2010
4.2 Test dhypothses:
Le test dhypothses est introduit pour dterminer si un motif du plan temps-chelle
correspond du bruit de structure ou non. On peut montrer que lorsque les amplitudes dun signal
temporelle sont distribues suivant une loi Gaussienne, alors le module au carr de son spectre suit
une loi du chi-deux deux degrs de libert 22 . Le scalogramme du signal suit alors pour chaque
chelle une loi du chi-deux de telle sorte que [7, 8] :

Wx ( , s)
2

22 , (8)
1
Ps
2

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 e 2 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 .
- On dcide H 0 et donc que le signal est du bruit de structure si G ( , s ) 1 .
Cette dcision est prise en tout point du plan temps-frquence avec un intervalle de
confiance 1 . Cet intervalle est suppos contenir, avec un certain degr de confiance, la valeur
5 estimer. Dans notre cas, lintervalle de confiance est 95% (ou un seuil de risque de 5 %).

5. Exprimentations et rsultats
5.1. Modlisation autorgressive du bruit de structure :
Un signal Ascan de bruit de structure (Fig.3), extrait de la zone 3 (cf. Fig.1), est utilis dans
le calcule des critres dvaluation de lordre du modle autorgressif. Fig.4, prsente les courbes
des deux critres dvaluation de lordre du modle FPE et AIC. Les courbes ainsi obtenues

Confrence Internationale sur le Soudage, le CND et lIndustrie des Mtaux, IC-WNDT-MI10


Oran, 27 - 28 novembre 2010
montrent une dcroissance rapide des critres en fonction de lordre du modle. Pour les deux
fonctions, le minimum est obtenu ici pour lordre p=53. Cependant, il est remarquer que la
variation relative des deux critres reste infrieure 0.5% et ce partir de p=18.
2

(a)
1.5

FPE
1

0.5
10 0 20 40 60 80 100 120
ordre du modle (p)
5 1
Amplitude

(b)
0
0.5

AIC
-5
0

-10
-0.5
0 20 40 60 80 100 120
10 15 20 25 30 35
ordre du modle (p)
Temps ( s)

Fig.3 Signal Ascan reprsentant du bruit de Fig.4 Evolution de lordre p du modle


structure extrait de la zone 3 du Bscan (Fig.1). autorgressif pour les critres FPE (a) et AIC (b).

Nous illustrons la Fig.5, les fonctions dautocorrlation du signal de bruit de structure et du


signal AR dordre 18. La Fig.6 illustre la densit spectrale de puissance (DSP) thorique obtenue
par (9) puis celles du signal AR dordre 18 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.

-40

20 -45

15 -50

10 -55
Amplitude (dB)
Amplirude

5 -60

0 -65

-5 -70

-10 -75

-15 -80

-20
-85
-4 -3 -2 -1 0 1 2 3 4 0 5 10 15 20 25
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 (18) (trait rouge exprimentale du signal AR (18) (trait cyan
6
discontinu), reprsents sur 400 points. discontinu) et DSP de rfrence (trait pointill
rouge).

5.2. Etude dans le plan temps chelle


Dans cette tude nous avons utilis londelette de Morlet [9]. Le scalogramme du signal
Ascan 11, extrait de limage Bscan (Fig.1), est prsent la Fig.7. Le rsultat relatif au signal Ascan
102, est donn par la Fig.8.

Confrence Internationale sur le Soudage, le CND et lIndustrie des Mtaux, IC-WNDT-MI10


Oran, 27 - 28 novembre 2010
Suivant la mthode employe, les contours sur les scalogrammes Fig.7 et Fig.8,
correspondent aux valeurs de G ( , s ) suprieures 1. Daprs le test dhypothses et la rgle de
dcision dcrits en paragraphe 4, les contours dsignent donc les zones qui ne sont pas du bruit de
structure avec un intervalle de confiance ici de 95% ( 1 = 0.95 ). De ce fait dans la reprsentation
Fig.7, nous retrouvons des chos dus la surintensit du bruit et les chos de rebond. Dans la
seconde reprsentation Fig.8, nous retrouvons en plus de lcho de rebond, les chos dus aux
rflexions sur le fond de soudure. Cependant nous remarquons que les chos dans la zone de
soudure ne sont pas mis en vidence par des contours. Cette zone est considre comme une zone
de bruit de structure car elle reprsente un niveau de bruit trs faible.

40
zone 3
20
Amplitude

-20
chos de surintensit
-40 zone 1 du bruit
0 10 20 30 40 50
8.39 Temps ( s)
32

4.19 16

8
2.10
4
Frquence (MHz)

1.05 2

1
0.52 1/2

1/4
0.26
1/8
0.13 1/16

1/32
0.07
0 10 20 30 40 50
Temps ( s)
Fig.7 Scalogramme du signal Ascan 11 (prsent au dessus du scalogramme), selon lquation (11), en
utilisant la modlisation autorgressive dordre 18 dun signal de bruit de structure extrait de la zone 3 du
7 Bscan (Fig1).

Confrence Internationale sur le Soudage, le CND et lIndustrie des Mtaux, IC-WNDT-MI10


Oran, 27 - 28 novembre 2010
30 zone 4
zone 2
20

Amplitude
10

-10

-20
zone 1
0 10 20 30 40 50
8.39 Temps ( s)

4.19 8

2.10 4
Frquence (MHz)

2
1.05
1
0.52
1/2
0.26
1/4

0.13 1/8

0.07
0 10 20 30 40 50
Temps ( s)
Fig.8 Scalogramme du signal Ascan 102 (reprsent au dessus du scalogramme), selon lquation (11), en
utilisant la modlisation autorgressive dordre 18 dun signal de bruit de structure extrait de la zone 3 du
Bscan (Fig.1)

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.

6. Conclusion
8
A travers les rsultats obtenus et lanalyse des scalogrammes, lapproche mise en uvre
base sur une modlisation du bruit de structure et un test dhypothse 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. La mme dmarche pourrait tre applique dautres matriaux fort bruit de
structure tels que les aciers mouls centrifugs et les btons. Cette approche pourrait tre utilise
pour estimer la hauteur des dfauts plans dbouchant qui est base sur la diffrence de temps de vol

Confrence Internationale sur le Soudage, le CND et lIndustrie des Mtaux, IC-WNDT-MI10


Oran, 27 - 28 novembre 2010
entre les chos de diffraction et les chos de coin, les chos de diffraction tant souvent noys dans
le bruit de structure notamment pour les aciers mouls centrifugs

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] H. Dhifaoui, M. Khelil, J.H. Thomas, R. El Guerjouma et L. Simon, Time-frequency and
time-scale representations for the ultrasonic Non Destructive Testing and Evaluation of materials
with high structural noise,, International Congress on Ultrasonics, Vienna, April 9-13, 2007
[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.

Confrence Internationale sur le Soudage, le CND et lIndustrie des Mtaux, IC-WNDT-MI10


Oran, 27 - 28 novembre 2010