Des chercheurs de l’Institut indien de technologie (IIT) de Mandi et de l’Institut national de recherche en sciences et technologies numériques (INRIA) en France ont développé des techniques avancées d’intelligence artificielle (IA) et de traitement du signal pour prédire avec précision l’état structurel des ponts et autres structures. .

Cet algorithme basé sur l’IA a de larges applications, qui ne se limitent pas aux seuls ponts, et peut être étendu à des structures telles que des téléphériques, des bâtiments, des structures spatiales, des pylônes de transmission et divers éléments d’infrastructure qui nécessitent des évaluations sanitaires régulières et des mesures de protection, affirment les chercheurs.

Selon les autorités, il existe plus de 13 500 ponts à travers l’Inde.

« La structure subit un vieillissement naturel en raison de facteurs environnementaux tels que les fluctuations de température et l’exposition à l’eau et à l’air, associés à un trafic routier intense. Traditionnellement, l’évaluation de l’état des ponts reposait sur une inspection visuelle, une méthode jugée inadéquate par les experts.

« Cela ne parvient pas à détecter tous les problèmes structurels et est subjectif et prend du temps, impliquant une analyse manuelle de nombreuses photos », a déclaré Subhamoy Sen, professeur agrégé à l’École de génie civil et environnemental de l’IIT Mandi.

Les résultats de la recherche ont été récemment publiés dans les revues Mechanical Systems and Signal Processing et Neural Computing and Applications.

Les progrès récents en matière d’instrumentation, d’analyse de données et d’outils d’IA tels que l’apprentissage profond sont très prometteurs pour la surveillance de l’état structurel (SHM) des ponts et autres structures.

Cette technologie permet de détecter, mesurer, comprendre et même prédire facilement l’évolution des défauts dans le temps. Ceci, à son tour, permet une planification plus efficace des travaux de rénovation ou de réparation, réduisant ainsi les coûts de maintenance et prolongeant la durée de vie et la disponibilité du pont.

L’équipe de recherche de l’IIT Mandi affirme avoir développé une approche SHM basée sur le Deep Learning. Leurs algorithmes d’IA peuvent identifier et isoler les dommages structurels en analysant les enregistrements de la réponse dynamique de l’environnement, le tout sans nécessiter d’intervention humaine.

« Nous avons utilisé des méthodes basées sur les données telles que l’apprentissage automatique, l’IA et l’inférence statistique bayésienne pour estimer l’état des ponts et estimer leur durée de vie restante. Ces résultats ont le potentiel de réduire les risques pour les infrastructures dans de mauvaises conditions opérationnelles et de chargement », a déclaré Sen.

« Les fluctuations de température peuvent grandement influencer les propriétés dynamiques d’un pont, en particulier les ponts en béton précontraint et à haubans. Par conséquent, il est important de prendre en compte ces effets de la température sur le SHM en temps réel et basé sur l’IA.

« L’algorithme IIT Mandi a été rigoureusement validé sur des ponts réels dans des régions froides avec des changements de température annuels et quotidiens extrêmes », a-t-il ajouté.

Sen a expliqué que pour évaluer les capacités de détection des dommages de l’algorithme, les chercheurs de l’IIT Mandi l’ont d’abord testé sur un pont réel et non endommagé.

Ensuite, ils ont intentionnellement inclus les dommages dans le modèle informatique pour évaluer la précision de l’algorithme permettant de déterminer l’emplacement des dommages. Ces tests ont confirmé l’efficacité de l’algorithme pour identifier les dommages structurels.

Dans une autre étude connexe, les chercheurs ont utilisé des techniques de dépistage avancées pour estimer l’état de différents composants structurels sans nécessiter de mesures directes de leurs relations.

« Cette technique permet d’évaluer la santé de chaque composant séparément, ce qui peut aider à évaluer l’intégrité structurelle globale. « La méthode a été validée à l’aide de simulations informatiques de faisceaux exposés à diverses forces et a démontré des performances robustes face à des défis tels que le bruit de fond et la gravité des dommages », a-t-il déclaré.

(Cette histoire n’a pas été éditée par le personnel de Devdiscourse et est générée automatiquement à partir d’un flux syndiqué.)