Université de Rennes Model-order reduction and identification of periodic structures : applications in physics-based guided wave testing Modèles d’ordre réduit et identification des structures périodiques : applications au contrôle non destructif par ondes guidées basé sur modèles physiques Ondes guidéesstructures périodiquesmodèles réduitsidentification de nombres d’onde Guided wavesperiodic structuresreduced order modelswavenumber identification Guides d'ondes Dans cette thèse, nous nous intéressons à la simulation du contrôle non destructif (CND) par ondes guidées, méthode utilisée pour évaluer l’état d’intégrité des structures élancées –appelées guides d’ondes– tels que pipelines et rails. Le travail porte d’abord sur la modélisation et la simulation de la propagation des ondes guidées dans des guides 1D-périodiques ainsi que leur interaction avec les défauts, et repose sur la méthode des éléments finis ondulatoires, avec des stratégies de réduction de modèle par approches modales, ondulatoires et paramétriques. Une seconde partie du travail porte sur la caractérisation expérimentale de ces ondes guidées et s’appuie sur des mesures par déflectométrie optique et vibrométrie laser, tandis que l’identification des propriétés des ondes est basée sur des méthodes de sous-espaces. Ces approches ont pour but d’entraîner par données synthétiques des réseaux de neurones artificiels pour la reconnaissance automatique de défauts tels que la corrosion des pipelines. In this thesis, we focus on the simulation of guided wave nondestructive testing (NDT), a method used to assess the integrity of slender structures –called waveguides– such as pipelines and rails. The work first focuses on efficient modeling and simulation of guided wave propagation in one-dimensional (1D) periodic waveguides and their interaction with defects, based on the wave finite element method, with model reduction strategies using modal, wave-based, and parametric approaches. The second part of the work focuses on the experimental characterization of these guided waves with full-field vibration measurements (optical deflectometry and laser vibrometry) and subspace identification methods. The aim of these approaches is to perform automatic defect recognition –such as corrosion pits in pipelines– by training artificial neural networks using synthetic data generated with the fast and efficient simulation algorithms elaborated in this PhD project. Electronic Thesis or DissertationText en application/pdf1 : 39645 Kohttps://ged.univ-rennes1.fr/nuxeo/site/esupversions/b5695946-495f-40f4-be36-8451b364ef31 Gavilán Rojas Alvaro 1995-09-02 PY 299476456 alvaro.gavilan95@gmail.com 2025URENS147 http://www.theses.fr/2025URENS147 2025-12-16 Automatique, productique et robotique Université de Rennesthesis.degree.grantor_1 26693823X Université de Sherbrooke‎ (Québec, Canada)thesis.degree.grantor_2 026431475 Doctorat non ouiZhangQinghuaintervenant_1063466694DrozChristopheintervenant_2192522604RobinOlivierintervenant_3282123970MassonPatriceintervenant_4181431440ChevreuilMathildeintervenant_5109618122IchchouMohamedintervenant_6130458155BalmèsÉtienneintervenant_713030753XRumplerRomainintervenant_8163557705 MATISSEecoleDoctorale_1 267602553 INRIA-RENNES partenaireRecherche_1 133175863 ddc:620 ZhangQinghuaDrozChristopheRobinOlivierMassonPatriceChevreuilMathildeIchchouMohamedBalmèsÉtienneRumplerRomainUniversité de RennesUniversité de Sherbrooke‎ (Québec, Canada)MATISSE INRIA-RENNES ASCII PDF 40596413 confidentialité 2025-12-16 2027-12-16 restriction 2025-12-16 2027-12-16