Titre : |
Techniques hybrides de détection de dommages basées sur l'intelligence Artificielle pour la surveillance de l'état structurel du barrage de Tabellout |
Type de document : |
document électronique |
Auteurs : |
Anis Laouar, Auteur ; Nouredine Bourahla, Directeur de thèse ; Abdelmadjid Tadjadit, Directeur de thèse |
Editeur : |
[S.l.] : [s.n.] |
Année de publication : |
2024 |
Importance : |
1 fichier PDF (6.6 Mo) |
Note générale : |
Mode d'accès : accès au texte intégral par intranet.
Mémoire de Projet de Fin d’Études : Génie Civil : Alger, École Nationale Polytechnique : 2024
Bibliogr. p. 110-111 |
Langues : |
Français (fre) |
Mots-clés : |
Barrages
IA (intelligence artificielle)
Masse ajoutée |
Index. décimale : |
PB01124 |
Résumé : |
Les barrages jouent un rôle vital en assurant l'approvisionnement en eau pour la population et l'agriculture. Cependant, le vieillissement ou les conditions externes peuvent les endommager, entraînant des interruptions de service ou des risques pour la sécurité.
La surveillance de l'état structural (SHM) est cruciale pour atténuer ces risques.
Malgré l'existence de diverses techniques de détection de dommages basées sur la vibration ambiante et l'intelligence artificielle (IA), surveiller efficacement de grandes structures pour détecter des dommages localisés reste un défi. Le projet actuel vise à examiner les nouvelles techniques de détection de dommages et à mettre en œuvre une méthode hybride basée sur l'IA pour surveiller les barrages, en tenant compte des variations du niveau d'eau grâce à la méthode de Westergaard des masses ajoutées.
Un algorithme d'optimisation déterminera le type, le nombre et l'emplacement des capteurs. L'évaluation de l'efficacité du système SHM se fera en fonction de sa capacité à détecter les dommages, à les localiser et à évaluer leur gravité, quelle que soit le niveau d'eau. Ce projet contribue à renforcer la sécurité des barrages en améliorant la détection précoce des dommages, ce qui est essentiel pour prévenir les incidents et garantir un approvisionnement en eau stable pour les communautés environnantes. |
Techniques hybrides de détection de dommages basées sur l'intelligence Artificielle pour la surveillance de l'état structurel du barrage de Tabellout [document électronique] / Anis Laouar, Auteur ; Nouredine Bourahla, Directeur de thèse ; Abdelmadjid Tadjadit, Directeur de thèse . - [S.l.] : [s.n.], 2024 . - 1 fichier PDF (6.6 Mo).
Mode d'accès : accès au texte intégral par intranet.
Mémoire de Projet de Fin d’Études : Génie Civil : Alger, École Nationale Polytechnique : 2024
Bibliogr. p. 110-111 Langues : Français ( fre)
Mots-clés : |
Barrages
IA (intelligence artificielle)
Masse ajoutée |
Index. décimale : |
PB01124 |
Résumé : |
Les barrages jouent un rôle vital en assurant l'approvisionnement en eau pour la population et l'agriculture. Cependant, le vieillissement ou les conditions externes peuvent les endommager, entraînant des interruptions de service ou des risques pour la sécurité.
La surveillance de l'état structural (SHM) est cruciale pour atténuer ces risques.
Malgré l'existence de diverses techniques de détection de dommages basées sur la vibration ambiante et l'intelligence artificielle (IA), surveiller efficacement de grandes structures pour détecter des dommages localisés reste un défi. Le projet actuel vise à examiner les nouvelles techniques de détection de dommages et à mettre en œuvre une méthode hybride basée sur l'IA pour surveiller les barrages, en tenant compte des variations du niveau d'eau grâce à la méthode de Westergaard des masses ajoutées.
Un algorithme d'optimisation déterminera le type, le nombre et l'emplacement des capteurs. L'évaluation de l'efficacité du système SHM se fera en fonction de sa capacité à détecter les dommages, à les localiser et à évaluer leur gravité, quelle que soit le niveau d'eau. Ce projet contribue à renforcer la sécurité des barrages en améliorant la détection précoce des dommages, ce qui est essentiel pour prévenir les incidents et garantir un approvisionnement en eau stable pour les communautés environnantes. |
|