Un cadre basé en réseaux bayésiens pour l'identification probabiliste des paramètres du modèle à partir d'essais normaux et accélérés: application à la pénétration des chlorures dans le béton
Auteur / Autrice : | Thanh Binh Tran |
Direction : | Franck Schoefs, Emilio Bastidas-Arteaga, Stéphanie Bonnet |
Type : | Thèse de doctorat |
Discipline(s) : | Sciences de l’ingénieur – Génie civil |
Date : | Soutenance en 2015 |
Etablissement(s) : | Nantes |
Ecole(s) doctorale(s) : | École doctorale Sciences pour l'ingénieur, Géosciences, Architecture (Nantes) |
Partenaire(s) de recherche : | Laboratoire : Institut de Recherche en Génie Civil et Mécanique (Nantes) |
autre partenaire : Université de Nantes. Faculté des sciences et des techniques | |
Jury : | Président / Présidente : David Bigaud |
Examinateurs / Examinatrices : Franck Schoefs, Emilio Bastidas-Arteaga, Stéphanie Bonnet, David Bigaud, Joan Ramon Casas, Joan Ramon Casas, Bruno Capra, Thomas de Larrard | |
Rapporteurs / Rapporteuses : Joan Ramon Casas, Joan Ramon Casas |
Mots clés
Résumé
La pénétration des chlorures dans le béton est l'une des causes principales de dégradation des ouvrages en béton armé. Sous l’attaque des chlorures des dégradations importantes auront lieu après 10 à 20 ans. Par conséquent, ces ouvrages devraient être périodiquement inspectés et réparés afin d’assurer des niveaux optimaux de capacité de service et de sécurité pendant leur durée de vie. Des paramètres matériels et environnementaux pertinents peuvent être déterminés à partir des données d’inspection. En raison de la cinétique longue des mécanismes de pénétration de chlorures et des difficultés pour mettre en place des techniques d'inspection, il est difficile d'obtenir des données d'inspection suffisantes pour caractériser le comportement à moyen et à long-terme de ce phénomène. L'objectif principal de cette thèse est de développer une méthodologie basée sur la mise à jour du réseau bayésien pour améliorer l'identification des incertitudes liées aux paramètres matériels et environnementaux des modèles en cas de quantité limitée de mesures. Le processus d'identification est appuyé sur des résultats provenant de tests normaux et accélérées effectués en laboratoire qui simulent les conditions de marée. Sur la base de ces données, plusieurs procédures sont proposées pour : (1) identifier des variables aléatoires d'entrée à partir de tests normaux ou naturels; (2) déterminer un temps équivalent d'exposition (et un facteur d'échelle) pour les tests accélérés; et (3) caractériser les paramètres en dépendants du temps. Les résultats indiquent que le cadre proposé peut être un outil utile pour identifier les paramètres du modèle, même à partir d’une base de données limitée.