Surveillance de la santé structurale par apprentissage profond basé sur la matrice de covariance de la réponse temporelle stochastique

Abstract

Cet article propose une approche innovante pour l'identification des désordres structuraux au sein des infrastructures de de génie civil, soumises aux excitations ambiantes stochastiques. L’ouvrage est modélisé par éléments finis, afin de permettre la création de la base de données, comprenant les rigidités aléatoires des éléments, d’une part, et les matrices de covariance correspondantes, d’autre part. Ces matrices de covariance sont calculées à partir de la réponse temporelle de la structure sous les conditions normales de trafic.

L’ensemble d’apprentissage permet l’entrainement du réseau de neurones, qui est composé de six couches convolutives suivies de deux couches totalement connectées. Etant entrainé et validé, ce réseau de neurones permet l’identification, la localisation et la quantification des désordres dans l’ouvrage.

La capacité prédictive du modèle est démontrée au moyen de l’analyse du pont de Longues au département du Puy-de-Dôme, sous différentes conditions de trafic et d’ampleur des désordres. Les résultats montrent le grand potentiel du modèle élaboré dans la surveillance de la santé structurale.