Thèse soutenue

Analyse probabiliste de la vulnérabilité sismique des bâtiments existants : application aux structures à portiques en béton armé

FR  |  
EN
Auteur / Autrice : Sami Hamza
Direction : Guy Bonnet
Type : Thèse de doctorat
Discipline(s) : Mécanique
Date : Soutenance en 2007
Etablissement(s) : Université de Marne-la-Vallée (1991-2019)

Mots clés

FR

Mots clés contrôlés

Résumé

FR  |  
EN

Les codes parasismiques actuels sont élaborés essentiellement pour prévenir le risque sismique dans les constructions neuves. Ces codes étant assez récents, une grande part du parc immobilier n'est donc pas conforme aux règles parasismiques. De plus, la méconnaissance des caractéristiques mécaniques des bâtiments existants rend ces données entachées d'incertitudes plus ou moins grandes. Le présent travail propose une méthodologie d'étude des bâtiments existants pour estimer leur résistance aux séismes jusqu'à la ruine. La méthodologie est appliquée au cas particulier des bâtiments à portiques en béton armé. Elle tient compte d'une part du comportement non linéaire de certains éléments structuraux et de leurs états de ruine, d'autre part, des incertitudes liées aux caractéristiques du bâtiment par un modèle probabiliste. L'étude est menée sur une structure de référence discrétisée par éléments finis. Ses propriétés physiques sont définies par une approche d'ingénierie standard. Le comportement sous chargement monotone puis sismique est étudié ainsi que la ruine de la structure. Le modèle discrétisé sert ensuite de modèle moyen pour le modèle probabiliste développé par la suite. La modélisation non paramétrique des incertitudes est utilisée pour construire ce modèle dans le cas de la dynamique linéaire. Le modèle est étendu à la dynamique non-linéaire par une approche mixte, paramétrique - non paramétrique. Les différents modèles sont mis en oeuvre numériquement et appliqués à la structure de référence pour évaluer l'incidence des incertitudes sur la réponse de la structure aux séismes. Une étude de sensibilité aux incertitudes et à leurs sources (paramétrique ou non paramétrique) permet de caractériser la robustesse de la modélisation.