Présentation de Shreedhar Savant Todkar
Shreedhar Savant Todkar est né à Belgaum (Inde) en 1990. Il obtient sa licence en Télécommunications en 2012 à l’université Technologique de Visvesvaraya (Inde).
De 2012 à 2014, il travaille comme analyste-programmeur pour l’entreprise Accenture (Inde). Il reprend des études en 2014 pour obtenir en 2016 un diplôme de master recherche en électronique (spécialité radiocommunications sans fil) de l’ESIEE-Paris.
Il poursuit depuis fin 2016 une thèse commune Cerema-IFSTTAR. Il travaille au sein de l’équipe projet de recherche ENDSUM (Cerema Ouest, Angers) et du laboratoire Structure et Instrumentation Intégrée (Département Cosys, IFSTTAR). Il soutiendra sa thèse fin 2019.
Présentation des travaux de thèse de Shreedhar Savant Todkar
Dans le domaine du génie civil, la détection et la caractérisation de défauts (décollements, fissures non débouchantes) sont des éléments importants de diagnostic qui influencent la mise en œuvre de politique d’entretien et de gestion. Les défauts sont représentatifs d’un état d’altération de la structure. Les caractéristiques géométriques de ces défauts (forme, largeur et longueur) ainsi que l’étendue et les cheminements d’eau induits par ces défauts est un indicateur de durabilité des ouvrages important. Cette détection permet de localiser une éventuelle pathologie, d’évaluer l’état de santé de la structure et de prédire son évolution.
Dans ce contexte, les systèmes « radar à impulsions », appelé aussi GPR (Ground Penetrating radar) est utilisé depuis une trentaine d’années pour réaliser des opérations de contrôle non destructif dans le flux du trafic. Ils fournissent une mesure en continu de l’épaisseur de la couche de chaussée, mais permettent aussi la détection de décollements significatifs (centimétrique) entre couches, et de déterminer ainsi l’emplacement de contrôles structurels destructifs ultérieurs.
Néanmoins, la résolution temporelle des GPR conventionnels ne permet pas de détecter directement des décollements d’interface millimétriques.
L’objectif de ce travail est donc de réaliser une détection précoce de ce type de défauts. Ainsi, mes travaux se sont focalisés à la fois sur l’utilisation du radar ultra large bande (RSF) et sur le développement de méthodes d’intelligence artificielle (basées sur l’apprentissage supervisé).
Des approches théoriques et expérimentales (dalle de chaussée Cerema et manège de fatigue de l’IFSTTAR) ont été réalisées. Elles ont permis de montrer la faisabilité de détecter des décollements fins dans les chaussées.