Abstract FR:

Cette thèse présente une méthode de classification automatique de type de cavitation par l'analyse du signal acoustique qu'elle engendre. Tout d'abord, les connaissances théoriques et expérimentales des bruits de cavitation sont présentées. Une simulation de bruit de bulles et sa validation font l'objet d'une étude détaillée afin de mettre en évidence des spécificités du signal. Puis, certaines techniques de traitement du signal sont utilisées pour extraire du signal une information pertinente. Le moteur de la classification est un réseau de neurones de type perceptron multicouche utilisant l'apprentissage par la méthode de la retropropagation du gradient de l'erreur. Différentes paramétrisations sont testées en entrées des réseaux, à partir desquelles une étude comparative est menée. Les performances du classifieur ainsi obtenues sont comparées à celle de deux operateurs humains et des techniques de classification traditionnelles.