Prévision de résistances d'assemblages bois par organes multiples à l'aide des réseaux de neurones

par Alain Cointe

Thèse de doctorat en Sciences physiques et de l'ingénieur. Mécanique

Sous la direction de Frédéric Rouger.

Soutenue en 2003

à Bordeaux 1 .


  • Résumé

    Du fait de la complexité du dimensionnement des assemblages dans les constructions en bois, nous avons restreint notre étude à la prévision de la résistance ultime des assemblages bois, par organes métalliques multiples, en double cisaillement. L'éventail des configurations possibles, en pratique, rend illusoire toute tentative de détermination réaliste de ces valeurs par voie d'essais. De plus, il existe dans ces assemblages des mécanismes de ruine particuliers que les différents règlements en vigueur ne parviennent à mettre en e��quation. Ces règlements présentent également des divergences en de nombreux autres points. On s'est donc attaché à modéliser la résistance ultime de ces assemblages par une approche numérique alternative : celle des réseaux de neurones. Pour cela, on a tout d'abord constitué une base de données qui a servi à alimenter le réseau de neurones. La prévision donnée par ces réseaux est très proche des données expérimentales mais il est difficile de mettre en application ce genre de modèle dans un code de calcul. Nous avons donc simplifié le modèle généré par réseau de neurones en employant des modèles quadratiques généralisés, obtenus par des techniques de régression classiques qui prennent en compte les variables d'entrée les plus significatives.

  • Titre traduit

    Predicting the load carrying capacity of dowel type connections by using the neural netword approach


  • Résumé

    In this thesis, we are interested by predicting the load carrying capacity of single or multiple dowel-type connections. When investigating this aspect of design, we find out that current design rules are still inaccurate and that this lack of accuracy cannot be supplemented by mechanical models, especially concerning multiple fasteners connections. Therefore, a numerical approach disconnected from mechanics has been investigated, i. E. The neural network approach. This method shows some benefits since we want to predict a variable, the load carrying capacity, which is highly complex with the respect of input parameters. To reach this goal, the first part of the work was to gather existing data throughout the literature. The results illustrated in the thesis demonstrate that the approach is powerful and could lead us to propose alternative design rules disconnected from Johansen's theory : we propose a simplification of the neural network model, which is quite complex, by using generalized quadratic models in order to implement the model in a design code.

Consulter en bibliothèque

La version de soutenance existe sous forme papier

Informations

  • Détails : 139 p.
  • Notes : Reproduction de la thèse autorisée
  • Annexes : Bibliogr. p. 100-103. Annexes

Où se trouve cette thèse ?

  • Bibliothèque : Université de Bordeaux. Direction de la Documentation. Bibliothèque Sciences et Techniques.
  • Disponible pour le PEB
  • Cote : FTA 2754
Voir dans le Sudoc, catalogue collectif des bibliothèques de l'enseignement supérieur et de la recherche.