Influence des incertitudes des données d'inspection CND sur la cartographie d'alarme de corrosion des armatures: modèle de prévision du risque de corrosion avec un réseau bayésien
Abstract
L'article présente une méthodologie pour établir une cartographie d'alarme de corrosion liée aux niveaux de corrosion des armatures de la première couche dans des structures en béton armé (RC). Les données d'inspection par contrôle non destructifs (CND) obtenues à partir de campagnes d'inspection sur différentes structures RC sont utilisées pour construire un modèle prédictif basé sur un réseau bayésien (RB). La méthodologie consiste en trois étapes principales : la construction de la base de données à partir des données d'inspection CND, l'apprentissage de la structure du RB et de ses paramètres à partir des données CND, et l'utilisation du RB pour avoir la cartographie des alarmes de corrosion. L'incertitude des mesures sur site est prise en compte dans ce modèle prédictif pour améliorer la précision des probabilités d'alarme de corrosion obtenues. Les paramètres de la structure RB physiquement optimale sont le potentiel de corrosion, le taux de corrosion, la résistivité électrique et l'alarme de corrosion. Les données d'inspection CND d'une face de pile de pont sont utilisées comme nouvelles informations pour mettre à jour le RB dans la dernière étape. La méthodologie permet d'estimer la probabilité d'alarme de corrosion lorsque les indicateurs ne sont pas disponibles simultanément (en raison des contraintes de mesures CND sur site). La cartographie obtenue à partir du modèle prédictif RB peut être utilisée comme un outil efficace pour la stratégie de maintenance en indiquant les zones les plus critiques de la structure inspectée vis-à-vis de la corrosion.
