Fusion de données appliquée à l'END du béton

1. Laboratoire de Caractérisation Non Destructive Université de la Méditerranée – Aix-en-Provence Fusion de donnéesappliquée à l'END du béton SENSO Stratégie d’Evaluation Non destructive pour la Surveillance des Ouvrages en béton V. Garnier M.A. Ploix J. Moysan D. Breysses et beaucoup d’autres Vincent.Garnier@univmed.fr

2. Projet ANR Objectifs du projet: Début janvier 2006 Fin Juillet 2009 • 7 partenaires universitaires LMDC (Toulouse), CDGA (Univ. Bordeaux I), GEA (EC Lille), LCND (Univ. Méditerranée), LCPC (Nantes), LEAT (Univ. Nice Sophia-Antipolis) ONERA (Toulouse), • 5 partenaires industriels CEIDRE EDF, GETEC, Exam-BTP, SOVEP, Port Autonome de Nantes-Saint-Nazaire Définir des protocoles d’essais non destructifs pour lier les observables aux indicateurs d’état et de pathologie du béton. Définir une démarche de fusion cohérente avec les données. Appliquer la méthode au cas des essais sur site Introduction

3. Fusion de données • Principe : • Théorie des possibilités • Gérer les incertitudes et les conflits • Souplesse des opérateurs • Objectifs de la fusion : • Collecter des informations d’observables multiples (lois empiriques) . • Obtenir une solution issue de la combinaison de plusieurs observables. • Estimer la confiance dans le résultat. Aide au diagnostic

4. 5 niveaux de porosité (%) : 12,5 14,3 15,5 15,9 18,1 90 dalles 5 niveaux de saturation (%) : 0 40 60 80 100 • techniques CND: Radar, Résistivité, Capacité, ultrasons ~ 80 observables (vitesse, attenuation...) Projet ANR • Indicateurs : • Taux de porosité, Saturation, Résistance Compression, Module d’élasticité Profondeur des Chlorure et de la Carbonatation Large base de données Introduction

5. Fusion de données • Connaissances de départ (campagne de mesure): Corrélations observables/indicateurs (= régressions bilinéaires) Fiabilité propre de chaque observable (= IQ) Écart type de mesure de chaque observable (V1, V2, V3) • Entrées Valeurs mesurées de chaque observable sur le béton considéré • Vitesse(US) = … • Fréq.(Radar) = … • … FUSION • Sorties Porosité ≈ … Saturation ≈ …Rc, E… Estimation des indicateurs recherchés : Indice de qualité

6. Fusion de données Trois étapes : • Modélisation des connaissances • Combinaison des distributions • Décision

7. Modélisation des connaissances = construction des distributions de possibilité πx (u) πx (u) = 0 => “x = u” est impossible 1 πx (u) = 1 => rien n’empêche x de valoir u Degré de possibilité u [ πx (u) > 0 ] = ensemble flou des valeurs possibles de x 0 uo • Combinaison des distributions Fondée sur les opérateurs logiques : π1 π2 π3 π(u) 1 adaptatif 0 Fusion de données • comportement conjonctif • comportement disjonctif • adaptatif (fonction du conflit) u • Décision Maximum des possibilités ou Seuil

8. Modélisation des connaissances Ultrasons Capacité Cpttes = -162 F VOS = 2209 m/s Porosité (%) Porosité (%) Peu sensible à la saturation Peu sensible à la porosité saturation (%) saturation (%) Radar Radar tarr.14,7cm = 1,106 ns Porosité (%) Porosité (%) VOR = 14 cm/ns saturation (%) saturation (%) Paramètres influençant : écart type, correlation, pente de la corrélation 8/20

9. π Mesure observable π measure Principe d’extension correlation 1,1 Degré de possibilté porosité (%) Porosité % Valeurs lesplus plausibles / mesure Saturation % saturation (%) Distribution des possibilités des indicateurs Modélisation des connaissances Mesure Observable Corrélations empiriques Cas simple à 1 indicateur observable Porosité% Saturation % porosité (%)

10. Distribution des données Distribution de fusion Combinaison Fiabilité globale de chaque source porosity (%) saturation (%) Combinaison • Opérateur de Delmotte Adaptatif ti: fiabilité globale d’une source i : fiabilité moyenne

11. Décision • Prise de décision Deux principaux critères de décision couramment utilisés : • Critère du maximum de degré de possibilité Solution proposée : p = 18.3 % w = 48 %

12. Décision • Prise de décision Deux principaux critères de décision couramment utilisés : • Critère du maximum de degré de possibilité • Critère du seuil

13. ApplicationsComparaison fusion – mesure

14. Module Matlab développé

15. Comparaison fusion - mesure Ecarts maximum : 2,5 pts Porosité/ 4,7 pts Saturation Gâchée 6 : seule à agrégats différents

16. Comparaison fusion - mesure Ecarts maximum : 5 320 pts / 5,6 pts Saturation

17. Comparaison fusion - mesure Ecarts maximum : 16,6 pts Rés Comp 4,7 pts Saturation /

18. Indice de qualité

19. ApplicationsChoix automatique des observables

20. Objectif: Choix automatique des observables pour le résultat le plus fiable Paramètres à choisir Nombre de techniques utilisées Incertitude de la solution ΔS et ΔP Fiabilité minimale de la solution ΔP Paramètres influençant le résultat Largeur de distributions Angle minimal  Concordance X ΔS • Indice de confiance IC = Fiabilité propre (possibilité maximale) + pertinence de la solution (émergence solution) Complémentarité des observables = Angle entre les fuseaux solution Choix automatique des observables • Paramètres

21. Choix automatique des observables L’indice de confiance reste du même ordre de grandeur Problèmes d’estimation des indicateurs pour certaines éprouvettes, notamment à l’état de saturation S1

22. Choix automatique Bordeaux US1 Re2 Rad1 Rad7a Indice de confiance = 0.598

23. Conclusions • Estimation quantitative d’indicateurs de pathologie et de durabilité • Opérateur de fusion adaptatif qui prend en compte la fiabilité des sources • Bons résultats de fusion / valeurs mesurées • Automatisation du processus possible • Apport potentiel au gestionnaire d’ouvrages Perspectives • Transfert procédure in situ => recalage et optimisation • Définition du nombre d’essais nécessaires sur site • Optimisation des corrélations pour chaque béton • Nouveaux opérateurs