La fabrication additive permet la réalisation de structures lattices qui revêtent un grand intérêt pour la fabrication de prothèse médicales, ou encore pour la réduction du poids de certains composants dans l'aéronautique, par exemple. Il va de soi que pour de telles applications, l'intégrité des produits finis est un enjeu critique, mais l'assurance qualité de géométries complexes comporte de nombreux défis, en particulier pour la détection des défauts internes. Lorsque des éléments constitutifs de ces structures lattices peuvent être manquantes, il est indispensable de pouvoir non seulement le caractériser, mais également de les dénombrer. La spectroscopie par résonance acoustique est une méthode prometteuse pour l'évaluation non-destructive des géométries complexes, mais elle nécessite des méthodes de traitement analytique des données pour assurer l'identification et la classification des signaux. Les résultats des travaux entrepris par les auteurs de cette étude montrent qu'associée à une approche de type machine learning, la méthode par résonance acoustique proposée constitue un outil très performant pour l'évaluation des structures lattices.
Auteur(s) : OBATON A.F., WANG Y., BUTSCH B., HUANG Q.
Affiliation(s) : Laboratoire National de Métrologie et d’Essais (LNE), Paris, University of Southern California, Los Angeles, The Modal Shop, Inc., Cincinnati
Pays : Etats-Unis, France
Source : Welding in the World, vol.65, n°3, 2021, pp. 361-371 (11 pages), en anglais
Cote ISDOC : WW202103.361-371
