Étude et optimisation d’un système de détection et de discrimination de métaux par induction électromagnétique

Table des matières

INTRODUCTION GÉNÉRALE

PREMIER CHAPITRE : GÉNÉRALITÉS SUR LES MÉTHODES DE DÉTECTION DES OBJETS ENFOUIS

I.1 INTRODUCTION

I.2 DÉMINAGE HUMANITAIRE

I.3 MÉTHODES DE DÉTECTION DES OBJETS ENFOUIS

I.3.1 Thermographie infrarouge

I.3.1.1 Principe de la thermographie infrarouge

I.3.1.2 Application de la thermographie infrarouge à la détection des objets enfouies

I.3.1.2.1 Thermographie infrarouge passive

I.3.1.2.2 Thermographie infrarouge active

I.3.2 Magnétométrie

I.3.2.1 Boucles sans noyau

I.3.2.2 Barres fluxmètres

I.3.3 Radar à pénétration de sol (GPR)

I.3.3.1 Principe du GPR.

I.3.3.2 Données du GPR

I.3.4 Détecteur de métaux

I.3.4.1 Type de détecteurs

I.3.4.1.1 Détecteur de métaux à battement de fréquences

I.3.4.1.2 Détecteur de métaux à induction pulsée

I.3.4.1.3 Détecteur de métaux à très basse fréquence

I.4 CONCLUSION

DEUXIEME CHAPITRE : MODÉLISATION D’UN DÉTECTEUR INDUCTIF À BALAYAGE DE FRÉQUENCE

II.1 INTRODUCTION

II.2 DETECTION ELECTROMAGNETIQUE D'OBJETS METALLIQUES

II.2.1 Détecteur de Métaux

II.3 PRINCIPES DE BASE

II.3.1 Induction

II.3.2 Comportement du champ magnétique

II.3.3 Configurations de la bobine

II.4 MODÉLISATION D’INDUCTION ÉLECTROMAGNÉTIQUE AVEC LA CIBLE

II.5 CONCLUSION

TROISIEME CHAPITRE : MODÉLISATION PAR LA MÉTHODE DES ÉLÉMENTS FINIS DU SYSTÈME DE DÉTECTION ÉLECTROMAGNÉTIQUE

III.1 INTRODUCTION

III.2 MODÉLISATION DU SYSTÈME DE DÉTECTION ÉLECTROMAGNÉTIQUE

III.2.1 Différents types de modélisation

III.2.1.1 Modélisation interne

III.2.1.2 Modélisation externe

III.3 ÉQUATIONS DE MAXWELL

III.3.1 Conditions de passage

III.3.2 Conditions aux limites

III.4 FORMULATION UTILISANT LE POTENTIEL VECTEUR MAGNÉTIQUE

III.4.1 Modèle magnétodynamique

III.5 MÉTHODES DE RÉSOLUTION

III.5.1 Méthodes analytiques

III.5.2 Méthodes numériques

III.5.2.1 Résolution par la méthode des éléments finis

III.5.2.1.1Formulation résidus pondérés

III.5.2.1.2Démarche de la méthode des éléments finis

III.5.2.2 Organigramme de calcul par éléments finis

III.6 METHODE D'OPTIMISATION POUR LE DIMENSIONNEMENT DU DETECTEUR DE METAUX

III.6.1 Algorithme génétique

III.6.1.1 Principe et définition

III.6.1.1.1Codage des variables

III.6.1.1.2Initialisation

III.6.1.1.3Fonction Objective

III.6.1.1.4Reproduction

III.6.1.1.5Convergence

III.7 CONCLUSION

QUATRIEME CHAPITRE : CONCEPTION ET RÉSULTATS DE SIMULATION

IV.1 INTRODUCTION

IV.2 CONCEPTION ET OPTIMISATION D’UN DETECTEUR DE METAUX

IV.2.1 Dimensions du détecteur et démarche de conception

IV.2.1.1 Cahier de charges

IV.2.1.2 Paramètres globaux du détecteur de métaux

IV.2.1.3 Critère d’optimisation

IV.2.2 Processus de conception par un algorithme génétique combiné avec la MEF

IV.2.3 Résultats d’optimisation

IV.2.3.1 Evolution des paramètres optimisés en fonction des générations

IV.2.3.2 Paramètres géométriques du détecteur de métaux optimisé

IV.3 CARACTERISTIQUES DU DETECTEUR DE METAUX

IV.3.1 Caractéristiques physiques

IV.3.2 Domaine de résolution et condition aux limites

IV.3.3 Maillage du domaine d’étude

IV.4 APPLICATIONS ET RESULTATS

IV.4.1 Calcul de la tension du détecteur de métaux (f.é.m induite)

IV.4.2 Application pour une sphère en acier de rayon 2 cm

IV.4.3 Influence de variations des caractéristiques physiques et géométriques sur le signal de réponse du détecteur

IV.4.4 Influence de la distance sur le signal de réponse du détecteur

IV.4.5 Validation numérique

IV.4.6 Étude de la bobine d’émission

IV.4.6.1 Calcul de l'impédance

IV.5 CONCLUSION

CINQUIEME CHAPITRE : TRAITEMENT DU PROBELEME INVERSE ET RÉSULTATS EXPÉRIMENTAUX

V.1 INTRODUCTION

V.2 PROBLEME INVERSE

V.2.1 Inversion itérative

V.2.2 Inversion directe

V.3 INVERSION PAR RESEAUX DE NEURONES

V.3.1 Neurone formel

V.3.2 Réseaux de neurones

V.3.3 Apprentissage des réseaux de neurones MLP

V.3.3.1 Apprentissage supervisé

V.3.3.2 Apprentissage non supervisé

V.4 RESOLUTIONS ET APPLICATIONS

V.4.1 Application pour une sphère en cuivre

V.4.2 Application pour une sphère en acier

V.5 RÉALISATION DU PROTOTYPE

V.5.1 Bobinage

V.5.2 Schéma du montage

V.5.3 Circuit de l’alimentation

V.5.4 Circuit de traitement et d’affichage

V.5.5 Banc d’essai expérimental

V.5.6 Filtrage des signaux reçus

V.6 LES RÉSULTATS EXPÉRIMENTAUX

V.6.1 Influence de la présence d’un métal

V.6.2 Comparaison des résultats expérimentaux avec les résultats de simulation

V.6.3 Signature des différents objets

V.7 CONCLUSION

Objectifs et thèmes de recherche

L'objectif principal de ce travail est d'explorer une technique de détection à balayage de fréquence pour identifier divers types de cibles métalliques enfouies, caractérisées par des paramètres physiques et géométriques différents. La recherche vise à optimiser la conception d'un détecteur inductif et à utiliser des réseaux de neurones pour résoudre les problèmes inverses de détection et de discrimination des objets.

• Modélisation électromagnétique et analytique de détecteurs inductifs.
• Optimisation des paramètres de conception par algorithmes génétiques et méthode des éléments finis (MEF).
• Résolution du problème inverse à l'aide de réseaux de neurones (MLP).
• Réalisation d'un prototype expérimental avec traitement de signal embarqué (dsPIC).
• Comparaison des résultats théoriques, numériques et expérimentaux pour la validation du système.

Auszug aus dem Buch

Résumé des chapitres

PREMIER CHAPITRE : GÉNÉRALITÉS SUR LES MÉTHODES DE DÉTECTION DES OBJETS ENFOUIS : Ce chapitre présente l'historique du déminage humanitaire et passe en revue les différentes méthodes de détection des objets enfouis, justifiant le choix du détecteur étudié.

DEUXIEME CHAPITRE : MODÉLISATION D’UN DÉTECTEUR INDUCTIF À BALAYAGE DE FRÉQUENCE : Ce chapitre se concentre sur les principes physiques de l'induction électromagnétique et propose un nouveau modèle analytique d'un détecteur inductif à balayage de fréquence.

TROISIEME CHAPITRE : MODÉLISATION PAR LA MÉTHODE DES ÉLÉMENTS FINIS DU SYSTÈME DE DÉTECTION ÉLECTROMAGNÉTIQUE : Ce chapitre détaille la modélisation électromagnétique basée sur les équations de Maxwell, la résolution par la méthode des éléments finis et l'optimisation des structures via les algorithmes génétiques.

QUATRIEME CHAPITRE : CONCEPTION ET RÉSULTATS DE SIMULATION : Ce chapitre présente le processus de conception optimisée du détecteur, ainsi que les résultats des simulations numériques sous MATLAB et ANSYS Maxwell2D concernant les performances du capteur.

CINQUIEME CHAPITRE : TRAITEMENT DU PROBELEME INVERSE ET RÉSULTATS EXPÉRIMENTAUX : Ce chapitre traite de la résolution du problème inverse par réseaux de neurones, la réalisation du prototype, et la validation expérimentale comparant les mesures réelles aux simulations.

Mots-clés

détecteur inductif, balayage de fréquence, induction électromagnétique, déminage humanitaire, méthode des éléments finis, optimisation, algorithmes génétiques, problème inverse, réseaux de neurones, MLP, modélisation, prototype, signature d'objets, discrimination métallique.

Foire aux questions

Quel est le sujet principal de cet ouvrage ?

Le travail porte sur la conception, la modélisation et la réalisation d'un détecteur de métaux inductif utilisant la technique du balayage de fréquence pour améliorer la détection et la discrimination des objets enfouis.

Quels sont les domaines d'application abordés ?

L'ouvrage traite principalement du déminage humanitaire, mais les principes abordés s'appliquent également à l'archéologie, à la détection d'objets métalliques domestiques et au contrôle industriel.

Quel est l'objectif scientifique de ce mémoire ?

L'objectif est de maximiser la force électromotrice induite pour permettre une meilleure identification et discrimination de la nature des objets métalliques, tout en réduisant les fausses alarmes liées aux minéralisations du sol.

Quelle méthode numérique est privilégiée ?

La recherche utilise principalement la méthode des éléments finis (MEF) pour la simulation des interactions électromagnétiques et l'optimisation géométrique des bobines du détecteur.

Comment est résolu le problème inverse ?

Le problème inverse, qui consiste à retrouver les caractéristiques de la cible à partir du signal reçu, est résolu en utilisant des réseaux de neurones artificiels de type Perceptron multicouche (MLP).

Quelles sont les performances obtenues par le prototype ?

Le prototype réalisé permet la détection d'objets ferreux jusqu'à une profondeur de 40 cm et offre des capacités de discrimination et d'identification de la nature des métaux.

Qu'est-ce que le balayage de fréquence apporte de plus qu'un détecteur standard ?

Contrairement aux détecteurs classiques, le balayage de fréquence permet d'obtenir une signature spectrale de l'objet, offrant ainsi des informations plus complexes sur sa nature, sa taille et son matériau.

Quel rôle jouent les algorithmes génétiques ici ?

Les algorithmes génétiques sont utilisés pour automatiser l'optimisation topologique et dimensionnelle des bobines du détecteur afin d'atteindre les meilleures performances possibles en termes de signal induit.