Thèse soutenue

Évaluation de la fiabilité des structures de contrôle à base de TMD : un apprentissage statistique Perspective
FR  |  
EN
Accès à la thèse
Auteur / Autrice : Weizhen You
Direction : Mohamed IchchouAlexandre SaïdiAbdel Malek Zine
Type : Thèse de doctorat
Discipline(s) : Mécanique, Energétique, Génie Civil et Acoustique
Date : Soutenance le 28/01/2020
Etablissement(s) : Lyon
Ecole(s) doctorale(s) : Ecole Doctorale Mecanique, Energetique, Genie Civil, Acoustique (MEGA) (Villeurbanne)
Partenaire(s) de recherche : établissement opérateur d'inscription : École Centrale de Lyon (1857-....)
Laboratoire : Laboratoire de tribologie et dynamique des systèmes (Écully, Rhône ; 1970-)
Jury : Président / Présidente : Michel Massenzio
Examinateurs / Examinatrices : Mohamed Ichchou, Alexandre Saïdi, Abdel Malek Zine, Michelle Salvia, Sergio De Rosa
Rapporteurs / Rapporteuses : Imad Tawfiq, Abdelkhalak El Hami

Mots clés

FR  |  
EN

Résumé

FR  |  
EN

L’étude de la fiabilité structurelle concerne principalement l’évaluation et la prévision du risque de violation de l'état limite pour une structure d'ingénierie à n'importe quel stade de son la vie. L’évaluation de la fiabilité contribue à améliorer la conception de la structure et la qualité du produit, qui revêt une grande importance pour les entreprises et les consommateurs. C'est aussi la base de modélisation et prédiction de la fiabilité. Le contrôle des vibrations est une technique permettant de réduire la énergie d'une structure vibrante lorsqu'elle est excitée par des forces extérieures. Cette technique est largement utilisé dans divers systèmes, tels que les bâtiments, les ponts, les machines-outils et véhicules. La prévision de fiabilité aide les entreprises à planifier la production et à mettre en œuvre la maintenance préventive. Pour faire les prédictions, un modèle de fiabilité est d'abord déterminé. En raison de facteurs intérieurs et extérieurs complexes, la structure les propriétés dévient toujours leurs valeurs de conception. Les incertitudes structurelles jouent un rôle important dans la modélisation de la fiabilité. Les modèles de fiabilité traditionnels sont généralement sur la base d'informations a priori et de connaissances professionnelles, ce qui était irréaliste pour les systèmes d’aujourd’hui, plus complexes et non linéaires en raison des technologies avancées. méthodologies de conception. Dans cette situation, une attention croissante a été accordée à approches d'apprentissage statistique non paramétriques. Vu comme une classification / regression procédure, la tâche de prédiction peut être réalisée par des modèles d’apprentissage automatique, tels que méthodes d’arborescence, machines à vecteurs de support, réseaux de neurones artificiels, etc. Les modèles attirent de plus en plus l'attention dans les recherches récemment publiées. Dans cette recherche, nous avons étudié plusieurs modèles d’apprentissage automatique tels que: Forêts aléatoires, Boosting adaptatif, Machines à vecteurs de support, Neural artificial Réseaux, etc. En outre, nous avons développé une nouvelle méthode d'évaluation de la fiabilité du système. pour les systèmes structurels complexes. Ces méthodes étendent les méthodes d'apprentissage statistique sur l’analyse et la prévision de la fiabilité structurelle.