Guilhem Mollon ; Apprentissage automatique pour la tribologie

Apprentissage automatique pour la tribologie

Dans ce travail, nous nous intéressons au troisième corps tribologique, qui est la couche de matière solide située à l'intérieur d'un contact et issue de la dégradation des deux premiers corps. Cette couche peut avoir des aspects très variables selon le type de matériau et les conditions de contact (vitesse, pression, environnement physico-chimique, température, etc.). L'objectif du projet est de mettre en relation la morphologie du troisième corps (obtenue par observation microscopique) et son comportement mécanique, en particulier sa rhéologie. La compréhention de cette relation pourait permettre à terme de prédire le frottement et l'usure dans les contacts mécaniques.

Fig1

Figure 1. Observation multimode d'une même particule de troisième corps. On constate que les deux modes d'observation (microscopie optique et électronique) permettent d'accéder à des informations différentes et complémentaires.

Fig2

Figure 2. Un code matlab développé spécialement permet de traiter des images microscopiques de façon semi-automatique et d'extraire des descripteurs morphologiques de particules de troisième corps.

Fig3

Figure 3. Processus expérimental dédié à la mise en place d'une approche en apprentissage automatique pour la tribologie. Courbe de frottement obtenue lors d'un essai sur tribomètre pion-disque, prises de vues in-operando de la piste d'usure, vues MEB du pion usé et de la piste.

Fig4

Figure 4. Procédure d'analyse d'image semi-automatique conçue pour extraire des descripteurs morphologiques de particules de troisième corps.

Fig5

Figure 5. Statistiques de descripteurs morphologiques collectées sur des particules issues de neuf essais différents, avec des contours de particules illustratifs correspondant aux valeurs extrêmes.

Fig6

Figure 6. Comparaison entre les tests d'origines réel et prédit pour chaque particule, après application d'un algorithme entraîné à partir des descripteurs morphologiques.

Publications liées à cette thématique

Articles de revues internationales

40. Bouchot, A., Ferrieux-Paquet, A., Mollon, G., Descartes, S., and Debayle, J. (2022). “Segmentation and morphological analysis of weartrack/particles images using machine learning”, Journal of Electronic Imaging, 31(5), 051605

33. Bouchot, A., Ferrieux, A., Debayle, J., Mollon, G., and Descartes, S. (2021). "Image processing applied to tribological dry contact analysis", Wear, Accepted

32. Jaza, R., Mollon, G., Descartes, S., Paquet, A., and Berthier, Y. (2021). "Lessons learned using Machine Learning to link third body particles morphology to interface rheology", Tribology International, 153, 106630

Congrès internationaux

85. Bouchot, A., Ferrieux-Paquet, A., Mollon, G., Descartes, S., and Debayle, J. (2023). “Inferring friction from third body morphology using Machine Learning”, Leeds-Lyon Symposium for Tribology, Leeds, UK, September 2023

83. Bouchot, A., Ferrieux-Paquet, A., Debayle, J., Descartes, S., and Mollon, G. (2023). “How to correlate physical characterics of tribological interfaces with rheological properties?”, Wear of Materials Conference, Banff, Canada, April 2023

82. Bouchot, A., Ferrieux-Paquet, A., Debayle, J., Descartes, S., and Mollon, G. (2023). “Le Machine learning comme outils de prédiction du frottement”, Journées Internationales Francophones de Tribologie, Lille, France, June 2023

77. Sayilan, A., Bouchot, A., Descartes, S., Mollon, G., Debayle, J., Steyer, P., and Mary, N. (2022). Texture analysis of friction track during running-in period”, MSE 2022, Francfort, 03-07/09/2022

68. Bouchot, A. ,Ferrieux-Paquet, A., Debayle, J., Mollon, G., and Descartes, S. (2022). “Dry friction analysis: A correlative study”, 7th World Tribology Congress, WTC 2022, Lyon, France

61. Bouchot, A., Ferieux, A., Debayle, J., Mollon, G., and Descartes, S. (2021). “Image processing applied to tribological dry contact analysis“,Wear of Materials 2021, 26-29 April 2021, held online

57. Bouchot, A., Ferrieux-Paquet, A., Descartes, S., Mollon, G., and Debayle, J. (2021). “Towards a quantitative characterization of wear particles using image analysis and machine learning”, QCAV 2021, May 12-14 2021, Tokushima, Japan

44. Jaza, R., Mollon, G., Descartes, S., Paquet, A., and Berthier, Y. (2019). “Relating the morphological description of the third body to its rheological behavior“, Journées Internationales Francophones de Tribologie 2019, 25th of April 2019, Tours, France

33. Jaza, R., Mollon, G., Descartes, S., and Berthier, Y. (2018). “Mechanical behaviours of a texture contact: from the morphological description of the third body to the rheological parameters”, 45th Leeds-Lyon Symposium on Tribology, 5th of September 2018, Leeds, UK

28. Jaza, R., Mollon, G., Descartes, S., and Berthier, Y. (2017). “From the morphological description of the third body to its rheological behavior”, 2nd African Conference on Tribology, 19th of April 2017, Marrakech, Morocco

Apprentissage automatique pour la tribologie

Collaborations

Publications liées à cette thématique

Articles de revues internationales

Congrès internationaux