Les chercheurs utilisent l’apprentissage automatique pour assurer une conception structurelle sûre des colonnes en acier
Dans la quête de bâtiments et d’infrastructures plus résistants et plus résilients, les ingénieurs se tournent vers des solutions innovantes, telles que les colonnes de tubes en acier remplies en béton (CFST) renforcées avec du polymère renforcé de fibre de carbone (CFRP). Ces structures composites avancées combinent les capacités de charge robustes et la résistance des colonnes CFST avec les propriétés légères résistantes à la corrosion du CFRP. Le résultat est un matériau de construction de pointe qui non seulement améliore les performances structurelles mais offre également une durabilité accrue et une réduction de l’entretien.
Compte tenu du potentiel des colonnes CFST renforcées par CFRP dans des projets de construction modernes, les chercheurs ont mené de vastes campagnes expérimentales et en développement de modèles qui peuvent prédire leurs propriétés. Cependant, les données disponibles sur ces colonnes sont limitées, conduisant à des performances de prédiction douteuses, même lors de l’utilisation des meilleurs modèles alimentés par l’apprentissage automatique.
Heureusement, une équipe de recherche dirigée par le professeur agrégé Jin-Kook Kim de l’Université nationale des sciences et de la technologie de Séoul a décidé de trouver une solution à cet obstacle. Dans leur dernier article, publié dans Systèmes experts avec des applicationsl’équipe a présenté et vérifié un nouveau modèle d’habitage hybride capable de prédire avec précision la résistance axiale ultime des colonnes CFST renforcées par CFRP – un paramètre structurel critique dans les projets de construction.
Pour surmonter la rare disponibilité des données sur les colonnes CFST renforcées par CFRP, les chercheurs ont utilisé une forme d’IA générative pour créer une base de données synthétique. « Nous avons utilisé un réseau contradictoire génératif tabulaire conditionnel, ou CTGAN, pour générer de nouvelles données avec des caractéristiques similaires aux données réelles », explique le Dr Kim.
Ensuite, ils ont utilisé cette base de données pour former et valider un modèle d’apprentissage automatique hybride combinant la technique des arbres supplémentaires (ET) et l’algorithme d’optimisation de la flamme de papillon (MFO).
Grâce à des tests rigoureux, les chercheurs ont évalué les performances du modèle proposé. « Par rapport aux modèles empiriques existants dans la littérature, les performances prédictives et fiables du modèle MFO-ET sont exceptionnelles », explique le Dr Kim.
Le modèle hybride a montré une meilleure précision que même les meilleures alternatives disponibles, atteignant des taux d’erreur plus bas sur plusieurs mesures clés. Les résultats ont été plus solidifiés via une analyse de fiabilité, qui a indiqué que le modèle peut cohérencer des prévisions précises dans diverses conditions.
En utilisant le modèle proposé, les ingénieurs pourront créer des conceptions plus sûres et plus efficaces en utilisant des colonnes CFST conçues par CFRP, qui sont utiles dans les gratte-ciel, les constructions de grande hauteur et les structures offshore. De plus, il pourrait aider à faire les prédictions nécessaires pour renforcer les bâtiments ou les ponts plus anciens en les modernisant avec des matériaux CFRP.
Notamment, les colonnes CFST renforcées par CFRP sont résilientes contre la corrosion et d’autres processus naturels, ce qui est important face au changement climatique et aux événements météorologiques extrêmes plus fréquents.
Pour rendre le modèle proposé plus facilement accessible et largement applicable, l’équipe de recherche a également créé un outil basé sur un navigateur Web qui peut être utilisé pour faire gratuitement des prévisions de résistance axiale ultime dans les colonnes CFST renforcées par CFRP. Il est accessible à partir de n’importe quel appareil et sans installer de logiciel localement.
Dans l’ensemble, le modèle proposé représente un outil précieux pour améliorer la conception et l’évaluation des colonnes CFST renforcées par CFRP. En fournissant des prévisions de résistance fiables, il aidera les ingénieurs à optimiser les processus de construction et à améliorer la sécurité des structures nouvelles et existantes à moindre coût.
Fourni par l’Université nationale des sciences et technologies de Séoul
