Déborah MOERLEN – Modélisation d'un capteur ETDR pour la mesure distribuée de hautes températures (>1000 °C) : Validations Expérimentales, Durabilité et Machine Learning

Jury

Dr. Guylaine Poulin-Vittrant, Directrice de recherche au CNRS Centre Limousin Poitou Charente, Rapporteure
Prof. Lionel Duvillaret, Professeur et Président de la société Kaptéos SAS, Rapporteur
Prof. Alain Sylvestre, Professeur à l'Université Grenoble Alpes, Président du Jury
Dr. Virgil Optasanu, Maitre de conférence à l'Université de Bourgogne, Examinateur
Prof. Fabien Volpi, Professeur à l'Université Grenoble Alpes, Directeur de thèse
Dr. Valérie Parry, Maitresse de conférence à l'Université Grenoble Alpes, Co-Directrice de thèse
Dr. Mickaël Boinet, Ingénieur R&D à Saint-Gobain Research Provence, Invité
Mr. Jean-Luc Parouty, Ingénieur de Recherche CNRS au laboratoire SIMaP, Invité
 

Abstract

Le contrôle en temps réel des dérives structurelles d’installations industrielles opérant à hautes températures (> 1000°C) est un enjeu de sécurité majeur. Le « contrôle de santé intégré » (ou « Structural Health Monitoring ») appliqué à de telles installations permet autant de corriger les dérives de procédés sur des lignes de production que d’intervenir avant la défaillance de ces dernières. La mesure de température est un indicateur clé pour détecter les premiers signes de dégradations structurelles. Cependant, les thermocouples permettent des mesures locales jusqu’à de très hautes températures, mais ne peuvent pas suivre de potentielles dérives en tout point d’une installation. Une alternative, la réflectométrie optique dans le domaine temporel (OTDR), a montré sa capacité à mesurer des températures distribuées, mais les fibres optiques ne résistent pas à des températures supérieures à 600°C sur de longues durées. Pour surmonter cette double contrainte, ce travail de thèse a participé au développement d’un capteur capable de mesurer continument et de localiser spatialement des températures dépassant 1000°C dans des installations industrielles en atmosphère oxydante. Le capteur étudié repose sur la technique de réflectométrie électrique dans le domaine temporel (ETDR) qui consiste à analyser le signal électromagnétique haute fréquence rétrodiffusé par une ligne de transmission. Une preuve de concept a été réalisée avec une ligne de transmission bifilaire composée de matériaux réfractaires. Des analyses préliminaires ont ainsi montré la faisabilité de la technique pour extraire un profil de température à partir des signaux rétrodiffusés par les hétérogénéités distribuées sur la ligne. Cependant, afin de gagner en sensibilité et en durabilité, l’impact des caractéristiques du capteur doit être quantifié : sa géométrie, les propriétés physico-chimiques des matériaux le constituant, ainsi que leurs évolutions dans le temps et en température. Ainsi, trois axes de recherche pluridisciplinaires ont été explorés : i) identifier les paramètres pilotant les réflectogrammes expérimentaux et quantifier leurs effets, ii) optimiser le capteur iii) proposer de nouvelles approches pour le traitement du signal. Le capteur ETDR a d’abord été décrit par un modèle analytique intégrant sa géométrie, les propriétés des matériaux (permittivité, résistivité, perméabilité, dilatation…) et leurs dépendances en température mesurées expérimentalement. Ce modèle a été complété par une approche numérique utilisant la méthode des éléments finis. Sans aucun paramètre ajustable, toutes les observations expérimentales ont pu être retrouvées, en particulier la sensibilité aux variations de température. Une étude paramétrique a ensuite été réalisée, permettant d’identifier un design optimal de ce capteur bifilaire. Afin de sélectionner les matériaux les plus performants pour ce capteur, des essais de durabilité ont été effectués, permettant ainsi de corréler l’évolution des signaux rétrodiffusés au vieillissement des matériaux. Cette démarche a permis d’identifier le platine FKS et le Kanthal AF © comme les matériaux conducteurs optimaux. Enfin, une méthode d'analyse des réflectogrammes basée sur le machine learning a été développée pour extraire des profils de température sur capteurs simulés. Cette méthode a montré des résultats très prometteurs pour obtenir des profils extrêmement sensibles. Elle pourrait ainsi être employée pour renforcer le traitement du signal existant basé sur l’intercorrélation entre réflectogrammes. En conclusion, cette étude montre la faisabilité de mesurer en continu et de manière distribuée des températures dépassant 1000°C avec ce type de capteur. Ces avancées ont des implications significatives pour améliorer le suivi des installations industrielles à hautes températures, pouvant potentiellement conduire à des solutions de monitoring des structures plus fiables et plus efficaces.