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

4 L’instrumentation d’un ouvrage est une approche qui consiste à y déployer des capteurs pour assurer , parfois en continu, le suivi d’une partie ou de l’ensemble d’un ouvrage à travers la mesure de grandeurs physiques (déplacement, déformation, contrainte, accélérations , température, etc…). Aujourd’hui, elle est généralement couplée à la télésurveillance, approche qui consiste à collecter automatiquement les données pour les traiter et les rendre accessibles à distance en continu (voire en temps réel). L’inst rumentation et la télésurveillance sont aujourd’hui essentiellement mises en service dans des régimes de surveillance spéciaux, c’est -à-dire pour le suivi d’ouvrages sur lesquels des anomalies sont soupçonnées ou ont été détectées, mê me si elles ne s’y can tonnent pas (surveillance d’ouvrages exceptionnels, instrumentation à neuf). Ces ouvrages correspondent généralement à ceux ayant une notation IQOA de 2, 2E, 3 ou 3U. Le nombre d’ouvrage s nécessitant une surveillance accrue étant en constante augmentation, l’instrumentation et la télésurveillance sont appelées à devenir des outils de plus en plus utilisés par les gestionnaires d’ouvrages. Avec le développement de nouvelles technologies de capteurs et de transmission des données (IoT, capteurs sans fils), l ’instrumentation s’accompagne de nouveaux défis liés à l’exploitation des données, notamment la question de leur traitement : quels outils utiliser pour traiter des volumes de données parfois très importants pour en tirer une information ? Comment traiter les données pour identifier un changement de comportement de l’ouvrage voire une anomalie ? À noter que le travail réalisé dans le cadre de ce projet ne traite pas des questions de stockage des données, (cyber-) sécurité, et autres éléments « nouveaux » venant avec ces nouvelles technologies. I.C. Contexte technique et scientifique L’objectif d’une instrumentation étant de détecter les prémices d’un endommagement structurel de l’ouvrage, il est nécessaire d’identifier au plus tôt un chang ement de son comportement à travers les séries de données acquises. L’approche la plus simple et la plus courante de détection et d’alerte repose sur l’utilisation de seuils : si les mesures d’un capteur se trouvent hors des bornes définies, une alerte est lancée, soit à desti nation de l’expert pour inspection des données, soit de l’exploitant. Ces seuils peuvent être définis à partir d’une connaissance a priori du comportement de l’élément suivi (par exemple, à partir des hypothèses de dimensionnement d’u n ouvrage), ou bien encore empiriquement : après avoir accumulé des mesures sur une période donnée (par exemple une année), les minima et maxima observés sont utilisés pour définir les seuils. Cette approche présente néanmoins de nombreuses limites, comme la non-prise en compte de plusieurs phénomènes : - Les conditions environnementales et leur effet sur la structure, - Les conditions d’exploitation , - Le vieillissement de la structure. Il existe des méthodes d’analyse plus avancées pour appréhender au mieux le comportement d’un ouv rage et détecter les changements de comportement dans les mesures. La famille d’approche s historique est celle de l’analyse model-driven , où la recherche de changements repose sur la comparaison entre les acquisitions et un comporteme nt de référence de l’ouvrage. Des modèles mécaniques sont utilisés pour modéliser la réponse de la structure en fonction des conditions ambiantes et/ou des cond itions d’exploitation, et fournir ainsi un comportement de référence. Une anomalie est identifié e lorsque le comportement mesuré s’écarte significativement du comportement prédit. Cependant, le déploiement de modèles mécaniques peut être un processus complexe, nécessitant la connaissance de nombreuses données du modèle, relatives à l’ouvrage et à ses matériaux , ainsi qu’une validation des lois mécaniques utilisées. Pour éviter d’avoir recours à un modèle mécanique pour l’analyse des données d’instrumentat ion, une approche statistique peut être envisagée : l’analyse data-driven , qui repose sur l’util isation d’outils ne prenant en compte que les distributions statistiques des mesures sans faire d’hypothèse sur l e comportement structurel.