Sujet de thèse IFSTTAR

English version
Fiche détaillée :

Titre : Prévision des propriétés des mécaniques et hydrauliques des sols traités au ciment, à la chaux et avec des liants alternatifs à partir de l'analyse d'images. Utilisation des méthodes d'apprentissage.

Laboratoire principal - Référent principal GERS - SRO  -  LE KOUBY Alain      tél. : +33 181668272

Directeur du laboratoire principal REIFFSTECK Philippe  -

Spécialité de la thèse Géotechnique

Axe 2 - COP2017 - Améliorer l'efficience et la résilience des infrastructures

Site principal Marne-la-Vallée

Etablissement d'inscription UNIVERSITE GUSTAVE EIFFEL

Ecole doctorale SCIENCES, INGENIERIE ET ENVIRONNEMENT (SIE)

Directeur de thèse prévu   -    -

Type de financement prévu Contrat doctoral 01-2B  - Université Gustave Eiffel

Résumé

Contexte et problématique
Le renforcement des sols représente un enjeu important dans le domaine de la géotechnique. De nombreux paramètres influencent les propriétés mécaniques et hydrauliques des sols support de construction et des traitements sont souvent requis avec des liants tels que la chaux, le ciment et plus récemment des liants alternatifs bas carbone comme les ciments riches en laitiers de hauts fourneaux ou liants LC3 incorporant des argiles calcinées.
Que ce soit dans le domaine du deep soil mixing (mélange de sol en place, de ciment et d’eau) ou de béton de terre coulé imaginé pour le domaine de la construction terre crue, les techniques de mise en œuvre permettent d’obtenir des matériaux avec une microstructure spécifique qui contrôle les performances mécaniques et hydrauliques une fois durci et la durabilité sur le long terme.
Pour élaborer des formulations et valider les performances escomptes, des essais sur les matériaux après traitement (formulation en laboratoire et prélèvement sur site après traitement) sont généralement effectués à différentes phases de projet, Or pour pallier les difficultés rencontrées dans les projets de renforcement de sol, la prévision des propriétés des matériaux traités puis leur vérification par des méthodes d’auscultation sur site, reste un atout majeur à la fois pour gagner en temps et en efficacité.
Dans le but d’améliorer les corrélations existantes, l’approche au cœur de ce projet de thèse doit permettre d’utiliser l’analyse d’images de prélèvement sur site, faciles à mettre en œuvre et rapides, afin de donner une estimation des propriétés escomptées sans passer par des essais longs et couteux de laboratoire. Outre la structure et morphologie des échantillons de sol traités contenant graves/cailloux, sable et fraction fines limoneuse/argileuses avec des inclusions de sols non traités (le traitement agissant autour des inclusions), la composition chimique des liants impacte fortement le comportement des matériaux traités et vieillis sur site. Etant donné qu’il est difficile de traiter tous les cas de figure (nature des sols, natures des liants traditionnels ou innovants, état de maturation/dégradation dans des conditions de site), le recours aux méthodes d’apprentissage couplé à une base de données s’est imposée et fournit les base des réflexions menées dans ce travail de thèse.

Dans ce travail de recherche, les méthodes utilisées pour prévoir ou vérifier les propriétés des matériaux traités auront pour objectif d’estimer les propriétés mécaniques et hydrauliques du matériau à partir d’une fonction complexe dépendant de plusieurs variables. Il est en effet difficile de décrire les influences de chaque paramètre pris séparément en appliquant l’analyse statistique traditionnelle telle que la régression linéaire. La méthode « data-mining » telle qu’utilisée par Tinoco (2011) a montré sa capacité d’apprentissage permettant d’analyser les données riches d’information. Cette méthode a ainsi été utilisée pour identifier l’impact des caractéristiques des sols sur les propriétés des mélanges de sol-ciment. Une approche par imagerie couplée à cette approche data-mining permettrait de multiplier les estimations à partir de quelques échantillons prélevés et de constituer rapidement une base de données pour améliorer les prévisions. Des approches manuelles existent pour corréler les résistances à la compression ainsi que certains modules à partir d’images d’éprouvettes comme appliqué dans le travail de Amrioui (2023). Quoique fiables dans leur prévision, ces méthodes ne sont pas automatisées ce qui les rendent particulièrement gourmande en temps pour être appliquées.

En termes de retombées socio-économiquee, le travail de thèse vise à répondre aux préoccupations de maitres d’ouvrage en améliorant la performance des simulations numériques par l’utilisation de modèles rhéologiques avancés combinée à celle d’essais de laboratoire à forte valeur ajoutée.

Les étapes du travail de thèse
Cette approche d’évaluation des propriétés des matériaux à partir de l’analyse d’images est l’innovation majeure de ce travail de recherche. Il s’agit de choisir les outils qui permettront de créer une base de données contenant des images macro micro associées aux propriétés qui sont associées. Plusieurs méthodes d’apprentissage seront testées pour améliorer les méthodes de prévision.
Une première étape consisterait à proposer un modèle de prédiction pour les mélanges sol-liant à partir des résultats des essais de laboratoire et de la base de données en utilisant par exemple les méthodes SVM (support vector machines) et ANN (artificial neural networks), qui sont deux méthodes courantes dans le domaine du « data-mining ». L’utilisation de logiciel tel que R ou des programmes Python seront également requises.
Une des difficultés est le grand nombre de paramètres qui influencent les propriétés du matériau traité. On peut citer quelques-unes des variables :
nombre de jour de cure, la teneur en eau du mélange sol/ciment, la teneur en ciment du mélange, la température de cure et pour le sol naturel non traité : la limite de liquidité, le pourcentage de sable, de kaolinite, d’illite, de montmorillonite de silt, le pourcentage d’inclusions... Le nombre de paramètres est assez élevé par rapport aux données disponibles.
Deux modèles seront établis à partir de ces données en appliquant les méthodes respectives. Il s’agira de trouver une bonne corrélation entre les données mesurées (val) et calculées (pred). Les coefficients de détermination seront calculés pour évaluer la précision de modèle et aider à établir le plus adapté pour prédire certaines des propriétés la Rc. En complément, une hiérarchisation de l’influence des paramètres utilisés dans la base de données des propriétés pourrait être proposée.
Une base de données d’essais est en cours de construction et pourrait être complétée avec les données de la littérature ainsi que avec données d’essais sur des matériaux de laboratoire ou de site en fonction des opportunités de chantier.
Dans un second temps, on s’intéressera à l’utilisation de l’analyse d’image, il s’agit de définir le type d’image (2D, 3D, coupe, …) avec une résolution à choisir et en définissant le nombre de points à analyser. Des corrélations entre les images (coupes ou partie extérieure des éprouvettes …) et les propriétés des matériaux recherchées (modules E50 , E0, Vp , Rc ainsi que pour les paramètres hydrauliques (perméabilité k, porosité)) seront recherchées et validées à partir de résultats d’essais et d’une base de données. Plusieurs méthodes d’apprentissage seront testées afin d’évaluer celles qui seront les plus adaptées à notre cas d’étude. Des images haute résolution peuvent être obtenues par différentes techniques, telles que la microscopie électronique à balayage (MEB), la tomographie par rayons X, ou la photographie numérique. Ces images permettent d'analyser les caractéristiques de la structure des sols traités, telles que la porosité, la texture, la distribution des particules, et la présence de fissures.
Résultats attendus
- Méthodologie pour construire une base de données à partir d’images et de propriétés des matériaux associées,
- Alimentation de la base de données à partir des travaux de recherche antérieurs du laboratoire d’accueil et de la littérature,
- Validation de la méthode d’apprentissage sur des échantillons de site. Les coefficients de détermination sont calculés pour évaluer la précision du modèle et aider à établir le modèle le plus adapté pour l’estimation des paramètres non destructifs et éventuellement destructifs de ces matériaux.
Valorisation scientifique
Des publications dans des revues scientifiques ainsi que dans des congrès seront également effectués. Une partie des données expérimentales et numériques de ce projet seront publiées sous forme de Datapaper et seront diffusées à la communauté scientifique. Ces travaux de recherche seront utilisés par la profession dans le domaine du traitement et renforcement des sols par les méthodes telles que le Deep soil mixing, Jet Grouting et le traitement de sol par compactage,

Mots-clefs: Propriétés mécaniques, perméabilité, traitement de sol, méthode d’apprentissage, analyse d’images.

Laboratoire principal - Référent principal	GERS - SRO - LE KOUBY Alain tél. : +33 181668272
Directeur du laboratoire principal	REIFFSTECK Philippe -
Spécialité de la thèse	Géotechnique
Axe	2 - COP2017 - Améliorer l'efficience et la résilience des infrastructures
Site principal	Marne-la-Vallée
Etablissement d'inscription	UNIVERSITE GUSTAVE EIFFEL
Ecole doctorale	SCIENCES, INGENIERIE ET ENVIRONNEMENT (SIE)
Directeur de thèse prévu	- -
Type de financement prévu	Contrat doctoral 01-2B - Université Gustave Eiffel
Résumé Contexte et problématique Le renforcement des sols représente un enjeu important dans le domaine de la géotechnique. De nombreux paramètres influencent les propriétés mécaniques et hydrauliques des sols support de construction et des traitements sont souvent requis avec des liants tels que la chaux, le ciment et plus récemment des liants alternatifs bas carbone comme les ciments riches en laitiers de hauts fourneaux ou liants LC3 incorporant des argiles calcinées. Que ce soit dans le domaine du deep soil mixing (mélange de sol en place, de ciment et d’eau) ou de béton de terre coulé imaginé pour le domaine de la construction terre crue, les techniques de mise en œuvre permettent d’obtenir des matériaux avec une microstructure spécifique qui contrôle les performances mécaniques et hydrauliques une fois durci et la durabilité sur le long terme. Pour élaborer des formulations et valider les performances escomptes, des essais sur les matériaux après traitement (formulation en laboratoire et prélèvement sur site après traitement) sont généralement effectués à différentes phases de projet, Or pour pallier les difficultés rencontrées dans les projets de renforcement de sol, la prévision des propriétés des matériaux traités puis leur vérification par des méthodes d’auscultation sur site, reste un atout majeur à la fois pour gagner en temps et en efficacité. Dans le but d’améliorer les corrélations existantes, l’approche au cœur de ce projet de thèse doit permettre d’utiliser l’analyse d’images de prélèvement sur site, faciles à mettre en œuvre et rapides, afin de donner une estimation des propriétés escomptées sans passer par des essais longs et couteux de laboratoire. Outre la structure et morphologie des échantillons de sol traités contenant graves/cailloux, sable et fraction fines limoneuse/argileuses avec des inclusions de sols non traités (le traitement agissant autour des inclusions), la composition chimique des liants impacte fortement le comportement des matériaux traités et vieillis sur site. Etant donné qu’il est difficile de traiter tous les cas de figure (nature des sols, natures des liants traditionnels ou innovants, état de maturation/dégradation dans des conditions de site), le recours aux méthodes d’apprentissage couplé à une base de données s’est imposée et fournit les base des réflexions menées dans ce travail de thèse. Dans ce travail de recherche, les méthodes utilisées pour prévoir ou vérifier les propriétés des matériaux traités auront pour objectif d’estimer les propriétés mécaniques et hydrauliques du matériau à partir d’une fonction complexe dépendant de plusieurs variables. Il est en effet difficile de décrire les influences de chaque paramètre pris séparément en appliquant l’analyse statistique traditionnelle telle que la régression linéaire. La méthode « data-mining » telle qu’utilisée par Tinoco (2011) a montré sa capacité d’apprentissage permettant d’analyser les données riches d’information. Cette méthode a ainsi été utilisée pour identifier l’impact des caractéristiques des sols sur les propriétés des mélanges de sol-ciment. Une approche par imagerie couplée à cette approche data-mining permettrait de multiplier les estimations à partir de quelques échantillons prélevés et de constituer rapidement une base de données pour améliorer les prévisions. Des approches manuelles existent pour corréler les résistances à la compression ainsi que certains modules à partir d’images d’éprouvettes comme appliqué dans le travail de Amrioui (2023). Quoique fiables dans leur prévision, ces méthodes ne sont pas automatisées ce qui les rendent particulièrement gourmande en temps pour être appliquées. En termes de retombées socio-économiquee, le travail de thèse vise à répondre aux préoccupations de maitres d’ouvrage en améliorant la performance des simulations numériques par l’utilisation de modèles rhéologiques avancés combinée à celle d’essais de laboratoire à forte valeur ajoutée. Les étapes du travail de thèse Cette approche d’évaluation des propriétés des matériaux à partir de l’analyse d’images est l’innovation majeure de ce travail de recherche. Il s’agit de choisir les outils qui permettront de créer une base de données contenant des images macro micro associées aux propriétés qui sont associées. Plusieurs méthodes d’apprentissage seront testées pour améliorer les méthodes de prévision. Une première étape consisterait à proposer un modèle de prédiction pour les mélanges sol-liant à partir des résultats des essais de laboratoire et de la base de données en utilisant par exemple les méthodes SVM (support vector machines) et ANN (artificial neural networks), qui sont deux méthodes courantes dans le domaine du « data-mining ». L’utilisation de logiciel tel que R ou des programmes Python seront également requises. Une des difficultés est le grand nombre de paramètres qui influencent les propriétés du matériau traité. On peut citer quelques-unes des variables : nombre de jour de cure, la teneur en eau du mélange sol/ciment, la teneur en ciment du mélange, la température de cure et pour le sol naturel non traité : la limite de liquidité, le pourcentage de sable, de kaolinite, d’illite, de montmorillonite de silt, le pourcentage d’inclusions... Le nombre de paramètres est assez élevé par rapport aux données disponibles. Deux modèles seront établis à partir de ces données en appliquant les méthodes respectives. Il s’agira de trouver une bonne corrélation entre les données mesurées (val) et calculées (pred). Les coefficients de détermination seront calculés pour évaluer la précision de modèle et aider à établir le plus adapté pour prédire certaines des propriétés la Rc. En complément, une hiérarchisation de l’influence des paramètres utilisés dans la base de données des propriétés pourrait être proposée. Une base de données d’essais est en cours de construction et pourrait être complétée avec les données de la littérature ainsi que avec données d’essais sur des matériaux de laboratoire ou de site en fonction des opportunités de chantier. Dans un second temps, on s’intéressera à l’utilisation de l’analyse d’image, il s’agit de définir le type d’image (2D, 3D, coupe, …) avec une résolution à choisir et en définissant le nombre de points à analyser. Des corrélations entre les images (coupes ou partie extérieure des éprouvettes …) et les propriétés des matériaux recherchées (modules E50 , E0, Vp , Rc ainsi que pour les paramètres hydrauliques (perméabilité k, porosité)) seront recherchées et validées à partir de résultats d’essais et d’une base de données. Plusieurs méthodes d’apprentissage seront testées afin d’évaluer celles qui seront les plus adaptées à notre cas d’étude. Des images haute résolution peuvent être obtenues par différentes techniques, telles que la microscopie électronique à balayage (MEB), la tomographie par rayons X, ou la photographie numérique. Ces images permettent d'analyser les caractéristiques de la structure des sols traités, telles que la porosité, la texture, la distribution des particules, et la présence de fissures. Résultats attendus - Méthodologie pour construire une base de données à partir d’images et de propriétés des matériaux associées, - Alimentation de la base de données à partir des travaux de recherche antérieurs du laboratoire d’accueil et de la littérature, - Validation de la méthode d’apprentissage sur des échantillons de site. Les coefficients de détermination sont calculés pour évaluer la précision du modèle et aider à établir le modèle le plus adapté pour l’estimation des paramètres non destructifs et éventuellement destructifs de ces matériaux. Valorisation scientifique Des publications dans des revues scientifiques ainsi que dans des congrès seront également effectués. Une partie des données expérimentales et numériques de ce projet seront publiées sous forme de Datapaper et seront diffusées à la communauté scientifique. Ces travaux de recherche seront utilisés par la profession dans le domaine du traitement et renforcement des sols par les méthodes telles que le Deep soil mixing, Jet Grouting et le traitement de sol par compactage,
Mots-clefs:	Propriétés mécaniques, perméabilité, traitement de sol, méthode d’apprentissage, analyse d’images.

Liste des sujets

N'oubliez pas de contacter préalablement le référent ou le Directeur du laboratoire