• Langue : Français
• Discipline : Génie civil
• Identifiant : 2022ULILN015
• Type de thèse : Doctorat
• Date de soutenance : 12/07/2022

Résumé en langue originale

La durabilité des structures de Génie Civil, et en particulier des structures en béton, est un enjeu majeur tant sur le plan de la sécurité et de leur durée de vie, qu’au travers de considérations énergétiques et environnementales. La présente thèse se concentre sur l'étude du séchage des matériaux cimentaires. Le séchage est la cause du phénomène appelé retrait de dessication. Le retrait est une contraction volumique de la pâte de ciment. Cette déformation est indépendante de l’historique de chargement. Le retrait de dessication peut être la source de fissurations au sein du matériau. C'est pourquoi la maîtrise et la compréhension de ce phénomène est nécessaire pour assurer la durabilité des ouvrages en béton.Pour étudier ce phénomène, nous allons simuler le comportement du matériau vis-à-vis du séchage de l'échelle matériau la plus grande à la plus fine. Dans un premier chapitre, nous avons effectué un calcul éléments finis du séchage du béton couplé au retrait. Pour ce calcul numérique, nous nous situons à l'échelle mésoscopique du béton, à cette échelle le matériau est composé d'une matrice cimentaire continue et d'hétérogénéités représentant les granulats. Cette échelle est efficace pour observer des phénomènes comme la fissuration du matériau lié au retrait. Dans le second chapitre, nous avons créé un outil numérique permettant de simuler une image tridimensionnelle idéalisée d'un matériau poreux en se basant sur la courbe de distribution de tailles de pores (PSD) du matériau en question. Les pores représentés, les pores capillaires, sont de calibre sub-micrométrique. Nous nous situons à une échelle matériau nanométrique. Cette image permet ensuite d'observer les phénomènes hydriques liés au séchage et à l'imbibition du béton. À partir de cette image du réseau poreux, nous simulons les isothermes de sorption et désorption du matériau cimentaire considéré. Dans le dernier chapitre, nous proposons la démarche inverse. Nous cherchons cette fois la porosimétrie à partir du comportement hydrique du matériau. Nous avons utilisé le modèle du second chapitre pour fabriquer des données et l'inverser avec un algorithme d'apprentissage automatique. Le machine learning est une science jeune et son application dans le domaine du génie civil reste encore marginale. C'est pourquoi, ce dernier chapitre est construit afin de permettre au lecteur de s'approprier certaines notions et possibilités qu'offre l'apprentissage automatique. Une fois inversé, le modèle est donc un moyen supplémentaire permettant de caractériser le réseau capillaire d'un matériau cimentaire.

Résumé traduit

The durability of civil engineering structures, and in particular concrete structures, is a major issue both in terms of safety and service life, and through energy and environmental considerations. This thesis focuses on the study of the drying of cementitious materials. Drying is the cause of the phenomenon called desiccation shrinkage. Shrinkage is a volume contraction of the cement paste. This deformation is independent of the loading history. Desiccation shrinkage can be the source of cracking within the material. This is why the control and understanding of this phenomenon is necessary to ensure the durability of concrete structures.To study this phenomenon, we will simulate the behavior of the material with respect to drying from the largest to the finest material scale. In a first chapter, we have performed a finite element simulation of the drying of concrete coupled with shrinkage. For this numerical calculation, we are located at the mesoscopic scale of concrete, at this scale the material is composed of a continuous cementitious matrix and of heterogeneities representing the aggregates. This scale is effective to observe phenomena such as cracking of the material related to shrinkage. In the second chapter, we have created a numerical tool to simulate an idealized three-dimensional image of a porous material based on the pore size distribution (PSD) curve of the material in question. The pores represented, the capillary pores, are of sub-micrometer size. We are at a nanometric material scale. This image then allows to observe the hydric phenomena related to the drying and the imbibition of the concrete. From this image of the pore network, we simulate the sorption and desorption isotherms of the considered cementitious material. In the last chapter, we propose the opposite approach. This time, we look for the porosimetry from the hydric behavior of the material. We used the model from the second chapter to make data and inverse it with a machine learning algorithm. Machine learning is a young science and its application in civil engineering is still marginal. That is why this last chapter is built to allow the reader to appropriate some notions and possibilities that machine learning offers. Once inverted, the model is thus an additional means to characterize the capillary network of a cementitious material.