L’intelligence artificielle aide à la conception et à la maintenance des ponts

Des images d’un pont de tramway effondré au-dessus de la rivière Elbe à Dresde ont été vues dans le monde en septembre 2024. C’est un miracle que personne n’a perdu la vie, contrairement à l’effondrement du pont automobile à Gênes en 2018, ce qui a entraîné 43 décès. Les deux catastrophes n’ont pas été causées par des influences externes, mais plutôt par des processus de dommages associés à l’âge des structures. Ces processus n’ont pas été détectés et rectifiés dans le temps.

« La Suisse est également confrontée à une situation dans laquelle une proportion considérable de son infrastructure approche de la fin de sa durée de vie prévue et doit être inspectée et renforcée si nécessaire », explique Sophia Kuhn. « Nous développons un outil qui aide à maintenir le fonctionnement des ponts aussi longtemps que possible et donc à conserver les ressources sans courir un risque disproportionné d’accident. »

Kuhn est chercheur doctoral dans le groupe dirigé par Walter Kaufmann, professeur d’Eth de génie structurel (structures en béton et conception de ponts). Son doctorat est co-supervisé par Fernando Pérez-Cruz, professeur d’ETH en informatique, et professeur Michael Kraus de Tu Darmstadt. Les recherches de Kuhn se concentrent sur l’utilisation de l’intelligence artificielle dans la construction, en particulier les algorithmes d’apprentissage automatique.

En collaboration avec la collègue Marius Weber et les chemins de fer fédéraux suisses (SBB), elle a développé un modèle d’IA pour les « ponts à cadre rigide » – des ponts ferroviaires simples en béton armé, qui sont particulièrement courants en Suisse et permettent aux chemins de fer de passer au-dessus ou ci-dessous routes ou sentiers, par exemple.

Pratiquement au toucher d’un bouton, le modèle d’IA fournit une évaluation initiale de la sécurité structurelle, prédisant ainsi si un pont est potentiellement critique ou non. « Il est donc possible de hiérarchiser les ponts devraient subir une évaluation structurelle sans délai et peut nécessiter des interventions structurelles », explique Kuhn.

L’œuvre est publiée dans la revue Automatisation dans la construction.

L’IA peut évaluer si les analyses seront efficaces

Le modèle offre non seulement une valeur prévue pour la sécurité structurelle, mais indique également si cette valeur est fiable; En d’autres termes, il quantifie l’incertitude du modèle. En particulier, cela aide également à la décision de savoir comment procéder lors de la réalisation d’une évaluation structurelle d’un pont.

Les ingénieurs effectuent toujours des calculs plus ou moins complexes sur un ordinateur, mais cela peut être fait soit en utilisant des méthodes conventionnelles, qui fournissent des résultats avec relativement peu d’efforts, soit en utilisant des analyses raffinées, qui sont beaucoup plus intensives en termes de temps et de puissance de traitement et donc Plus cher, bien qu’ils fournissent des résultats plus précis et moins conservateurs.

« Souvent, vous ne savez pas s’il est logique d’effectuer ces analyses raffinées ou si ce n’est qu’une dépense inutile », explique Kuhn. « Notre outil d’IA peut évaluer si les analyses sont susceptibles d’être efficaces et si le coût impliqué en vaut la peine. »

Le pipeline de simulation fournit des données supplémentaires

En tant que base du modèle, les chercheurs ont utilisé le portefeuille de ponts à cadre rigide SBB. « Nous avons examiné de nombreux exemples – comment ils sont construits, à quel point ils sont variables et avons développé un pipeline de simulation paramétrique basé sur eux », explique le chercheur. Cela a généré des structures virtuelles à partir de divers paramètres de pont, a calculé l’étendue de l’utilisation de la capacité structurelle et a ainsi produit des données supplémentaires.

Les chercheurs ont construit un réseau neuronal artificiel, un algorithme qui apprend des données de la même manière à notre cerveau. Cela a donné naissance à un modèle basé sur l’apprentissage automatique qui fournit les prédictions souhaitées pour de nombreux ponts à cadre rigides existants, même si ceux-ci n’ont pas été calculés par des experts ou par le pipeline de simulation.

« Nous avons validé notre modèle sur un ensemble de données de test et l’avons évalué avec de vrais exemples de pont », explique Kuhn. « Le modèle présente un bon alignement et le niveau de précision nécessaire pour SBB. Nous avons donc développé un prototype initial. »

L’étape suivante consiste à travailler avec SBB pour s’assurer que les ingénieurs de ponts peuvent appliquer le modèle en pratique, puis faciliter une applicabilité plus large du modèle.

Le processus de conception des inverses d’assistants AI

Dans un deuxième projet du président de Kaufmann, Kuhn a travaillé avec le professeur Michael Kraus et le Swiss Data Science Center sur la conception de nouveaux ponts. « Notre objectif était de développer un assistant d’IA qui aide activement l’équipe d’ingénieurs à concevoir le pont et conduit à des structures rentables qui sont aussi durables que possible sans altérer la sécurité », explique Kuhn.

Traditionnellement, les ingénieurs rédigent une conception de ponts puis utilisent le logiciel de calcul conventionnel pour déterminer la sécurité structurelle, la facilité de service, les coûts et d’autres caractéristiques. Si ces valeurs ne répondent pas aux spécifications, l’équipe modifie la conception jusqu’à ce que les objectifs du projet soient atteints – un long processus dans lequel souvent beaucoup de potentiel ne se détresse.

« En fait, ce qui est préféré, c’est inverser ce processus, mais ce n’est pas possible avec le logiciel de calcul conventionnel », explique le chercheur. « Ce que l’on veut, c’est saisir les objectifs du projet et les conditions aux limites, puis recevoir des conceptions proposées qui répondent à ces spécifications sans avoir besoin d’itérations laborieuses. »

L’assistant d’IA développé par les chercheurs, qui utilise des algorithmes d’IA « génératifs », le permet précisément. Il accélère non seulement l’approche avant en évaluant divers conceptions presque en temps réel, mais génère également de manière proactive des conceptions qui répondent aux contraintes et objectifs définis.

En tant qu’étude de cas pour développer leur assistant d’IA, les chercheurs, en collaboration avec la collègue Vera Balmer, ont utilisé le projet d’un pont piétonnier à St. Gallen conçu par la société d’ingénierie Basler & Hofmann avec les paysages NAU2 et DGJ. Ce pont, connu sous le nom de pont piétonnier de Wiborada, traverse un parc dans la vieille ville et devrait éviter de toucher l’un des arbres protégés si possible.

Au cours de leur travail sur ce projet, les chercheurs de l’ETH étaient en contact avec la société d’ingénierie, qui a été impressionnée par la présentation des résultats. L’assistant d’IA a livré divers exemples de pont possibles et a également effectué une « analyse de sensibilité » qui indiquait quels paramètres ont la plus grande influence sur la sécurité structurelle conformément aux normes, ou sur les coûts ou la durabilité estimés.

« L’assistant de l’IA soutient donc les ingénieurs mais ne les remplace pas », souligne Kuhn. Par exemple, si l’assistant d’IA propose une conception qui, bien qu’elle soit inattendue, répond aux spécifications en termes de sécurité structurelle et de compatibilité environnementale, les ingénieurs doivent toujours évaluer s’il est possible de construire un tel pont et s’il sera durable.

« Nous ne fournissons pas de solution en un clic. Cela implique toujours une interaction entre l’ingénieur et l’IA », explique le chercheur.

Toolkit pour les modèles d’IA adaptés

La construction de ponts n’est pas la seule application potentielle de ces techniques avancées d’apprentissage automatique. En collaboration avec d’autres chercheurs de l’ETH du Swiss Data Science Center et du président de l’architecture Grraazio Kohler Research, le groupe de recherche du président de Kaufmann a développé une boîte à outils qui a également rendu les algorithmes d’IA accessibles à d’autres ingénieurs et architectes sans avoir besoin de compétences en programmation approfondies.

« Avec seulement quelques lignes de code, notre boîte à outils open source permet aux utilisateurs de créer à la fois des modèles à terme et des modèles génératifs qui peuvent être utilisés pour résoudre des problèmes complexes et à grande dimension en architecture, l’industrie de la construction et au-delà », explique Kuhn. Ceci est destiné à fournir un soutien large pour la planification économique et durable dans la construction.

« Dans le secteur de la construction, ces approches sont moins répandues que dans d’autres industries telles que l’ingénierie mécanique », explique le chercheur. « Il y a encore un potentiel considérable pour une plus grande efficacité et durabilité en utilisant des méthodes basées sur les données – et c’est notre objectif. »