Analyse et visualisation de la géométrie des matériaux composites à partir de données d'imagerie 3D

Les travaux présentés ici sont le résultat d'un projet de collaboration réalisé dans les années 2014 à 2017 dans le cadre d'une thèse en cotutelle entre la Chaire sur les Composites à Haute Performance (CCHP) du Département de Génie Mécanique de l'École Polytechnique de Montréal à Québec et le Laboratoire Roberval, UMR 737 à l'Université de Technologie de Compiègne, France. L'objectif principal des travaux était de proposer une méthodologie pour transformer les données d'imagerie tridimensionnelle obtenues à partir de la microtomographie aux rayons X en modèles numériques de taille réduite pour explorer la microstructure et raffiner la simulation numérique des procédés de fabrication des matériaux composites renforcés par des fibres courtes ou longues. La microtomographie aux rayons X est une technique d'étude non destructrice des matériaux, qui est de plus en plus populaire dans le domaine des composites. Ses applications sont vastes, de la détection des défauts dans les pièces fabriquées à la calibration de modèles de compression de renforts tissés. Bien que l'évaluation qualitative de la microstructure avec cette méthode soit relativement simple, son potentiel majeur réside dans l'analyse quantitative des caractéristiques structurelles du composite. En raison de la quantité de données très large fournie par chaque essai tomographique, l'automatisation de l'interprétation des mesures est indispensable ainsi que l'estimation de l'incertitude qui accompagne le traitement. Etant donné la grande variété des aspects de microstructures étudiés avec la microtomographie, nous nous sommes proposés d'identifier les éléments clés de chaque type d'analyse dans le but d'élaborer une approche générale de caractérisation d'un matériau composite. Les étapes du traitement considérées du point de vue de la caractérisation du matériau consistent à identifier les éléments homogènes (de phase chimiquement distincte) et/ou hétérogènes (des agrégats de différentes phases) de la microstructure, suivi par la description de leur morphologie et de leur distribution spatiale. De point de vue algorithmique, le traitement consiste à la segmentation de phase et des structures, l'extraction de paramètres géométriques et spatiaux, la recherche des regroupements (ang. «clustering») et leur classification. Une étude approfondie de l'état de l'art sur des concepts reliés à ces opérations est présentée dans le Chapitre 2. Chacune des étapes du traitement des données microtomographiques est illustrée dans les articles qui constituent le coeur de la thèse.

Abstract

The work presented here is the result of a joint Ph.D. project realized during the years 2014 to 2017 between the Chair on Composites of High Performance (CCHP) at the Mechanical Engineering Department of École Polytechnique de Montréal, Québec, and Laboratoire Roberval of Université de Technologie Compiègne, France. The main objective was to propose a methodology to transform data from digital imagery into reduced models suitable for both the exploration of the microstructure and numerical simulations, with a particular emphasis on composite materials visualized by X-ray microtomography. This technique allows a nondestructive investigation of materials and is becoming increasingly popular in the field of composites. Its applications go from defect detection to the calibration of models of textile compression. Although the qualitative evaluation of the microstructure is straightforward with this technique, its main potential lies in the quantitative analysis. Due to the amount of data provided with each scan, an automated approach is necessary as well as a proper evaluation of the uncertainty of the proposed measurements. Given the wide variety of aspects of a microstructure that are studied with the aid of microtomography, an effort was made to identify the key elements of such analyses and propose a general approach to characterize a composite material. These elements may be considered from the point of view of a material scientist, and include the identification of homogeneous (chemically distinct phases) and heterogeneous (aggregates of different phases) elements of a microstructure, the description of their morphology and the analysis of their spatial distribution. From the algorithmic point of view, this consists of phase and structure segmentation, extraction of geometric and spatial features, clustering and classification. An in-depth study of the state of the art of concepts related to those aspects is provided in Chapter 2. The illustrations of each of those aspects are provided in four articles. The first article describes in-depth image processing techniques leading to phase segmentation and proposes methods for extraction of geometric features that are subsequently used to identify different morphological types in the material with the aid of clustering algorithms. The application of the method is presented for a composite reinforced with short natural fibers, where fiber degradation was estimated during the manufacturing process. The second article expands this approach by adding spatial features to the morphological characterization and proposes higher-order descriptors for the comparison of defect geometry and distribution in composites manufactured with different processing parameters.