MAADISON - Modèles par apprentissage automatisés pour la surveillance des ouvrages névralgiques | FEREC 2020

41 Figure 48 Exemple d’application d’une baisse de tension anormale sur le capteur S27. Sur ce capteur, on constate qu’à partir de 2021, les mesures sont systématiquement 1kN sous la prédiction, ce capteur a donc rapidement été identifié comme étant à surveiller. L’étude aprè s ce constat du rapport de pose des capteurs a montré que ce câble en particulier avait déjà fait preuve d’une baisse de tension plus forte que les autres lors de la mise en service, et la poursuite de la surveillance aura montré par la poursuite de cette baisse de tension (dans des seuils restant largement acceptables po ur la sécurité de l’ouvrage). IV.A.4. Application sur un pont fissuré Le dernier ouvrage considéré ici est un pont en béton précontraint, d’une longueur totale d’environ 1200m dont la travée la plu s longue mesure environ 150m. L’ouvrage est suivi en raison de la présence d’une fissure importante au niveau d’un joint de voussoir. Plusieurs extensomètres ont été déployés pour la suivre. L’ouvrage comporte également une instrumentation thermique complè te permettant une bonne estimation de la température du béton dans plusieurs sections. L’ouverture de la fissure ayant augmenté en 2021, une action de mise en peinture blanche du tablier de l’ouvrage a été réalisée dans l’attente du renforcement de l’ouvra ge, afin de diminuer le gradient thermique du tablier et par conséq uent l’ouverture de la fissure. L’exemple ci - dessous est issu d’un modèle LSTM d’un fissuromètre installé sur la fissure (Figure 49), réalisé avec un apprentissage sur 2 ans avec des données de température réparties à différentes profondeurs de l’ouvrage :