Je présente une approche cognitive pour la planification de trajectoire sous contraintes. Elle repose en premier lieu sur DKP : une approche de planification de trajectoire par échantillonage. DKP construit un arbre d’exploration dans les parties atteignables de l’environnement à la manière d’un A*. Les solutions sont des trajectoires splines adaptées au contrôle de robots à deux roues indépendantes. La couche de propagation construit un espace des paramètres, contenant toutes les valeurs des paramètres laissés libres dans les solutions. Il est représenté sous la forme d’une surface contenant toutes les solutions locales du problème qui respectent les contraintes du problème : vitesse, accélération, évitement d’obstacle,. . .Ensuite, une recherche de solutions est effectuée sur l’espace des paramètres selon un critère de recherche. DKP a la propriété d’êtredéterministe : les résultats sont reproductibles et son comportement est entièrement contrôlable. Ce contrôle me sert à définir des comportements de pilotage. Ils sont exprimés sous la forme d’un arbre de comportements : chaque comportement agit sur la manière dont l’arbre d’exploration progresse dans l’environnement. Les comportements sont appliqués en fonction de la partie explorée. Ainsi, seuls les comportements faisables sont développés. TÆMS permet de décrire ces comportements de pilotage puis d’évaluer les solutions ainsi construites par DKP. Au final, mon approche cognitive repose sur l’évolution conjointe d’un arbre de comportements de pilotage et d’un arbre d’exploration : elle fait ainsi le lien entre planification classique et planification de trajectoire sous contraintes. / In this thesis, I present two new contributions. First, I provide DKP : a sample-based approach for trajectory planning.DKP uses a selection/propagation architecture to build an exploration tree in the reachable part of the environment, guided in an A∗ manner. Solutions are spline trajectories that are immediately executable by two-wheeled robots. The propagation level builds a parameter space which contains all the values of the free parameters in the solution. It is represented as a surface containing all local solutions which respect kinodynamic constraints : speed, acceleration, obstacle avoidance,. . .Then, a search is applied on the parameter space using a search criterion. DKP is deterministic : every result produced by DKP may be repeated. Second, this control is used to define steering behaviors. These are expressed within a steering tree : every behavior acts on the way the exploration tree progresses in the environment. Steering behaviors are applied according to the explored part. Thereby, TÆMS is used to describe the steering behaviors and to evaluate the solutions provided by DKP. Finally, my cognitive approach takes advantage on the common building of a steering tree and an exploration tree which validates respect of constraints : we thus get a link between classing planning and trajectory planning under constraints.

Dans le domaine du génie civil, le dimensionnement des structures en béton armé est essentiellement basé sur des démarches déterministes. Cependant, les informations fournies par des analyses déterministes sont insuffisantes pour étudier la variabilité de la réponse de la dalle. Le manque de connaissance des charges appliquées ainsi que les incertitudes liées à la géométrie de la dalle et les caractéristiques des matériaux nécessitent donc l’utilisation d’une approche fiabiliste qui permet la propagation de ces incertitudes dans les analyses déterministes. L'approche fiabiliste est basée sur le principe de couplage mécano-fiabiliste qui consiste à coupler un modèle stochastique et un modèle déterministe. Cependant un couplage mécano-fiabiliste peut être très exigeant en temps de calcul. Dans le cadre de cette thèse, la méthodologie propre aux problématiques des ouvrages du génie civil est développée et validée tout d'abord sur un cas simple de structures en béton armé. Le cas d'une poutre encastrée en béton armée est proposé. Le système est modélisé sous CASTEM par une approche aux éléments finis de type multifibre. Puis la fiabilité d'une dalle en béton armé impactée par une masse rigide à faible vitesse est étudiée en couplant OpenTURNS à Abaqus. Enfin, une enceinte de confinement en béton précontrainte modélisée sous ASTER est étudiée d'un point de vue probabiliste. Seul le problème physique des dalles en béton armé soumises à une chute de colis dans les centrales nucléaires est examiné en détail. Deux modèles déterministes sont utilisés et évalués afin d’étudier les phénomènes dynamiques appliqués aux dalles en béton armé sous impact : un modèle par éléments finis en 3D modélisé sous Abaqus et un modèle simplifié de type masse-ressort amorti à deux degrés de liberté. Afin d’étudier la fiabilité des dalles en béton armé, nous avons couplé les méthodes Monte Carlo et simulation d’importance avec le modèle de type masse-ressort. FORM est utilisée avec le modèle par éléments finis. L’objectif de cette étude est de proposer des solutions pour diminuer le temps de calcul d'une analyse fiabiliste en utilisant deux stratégies dans le cas des dalles impactées. La première stratégie consiste à utiliser des modèles analytiques qui permettent de prédire avec précision la réponse mécanique de la dalle et qui sont moins coûteux en temps de calcul. La deuxième consiste à réduire le nombre d’appels au modèle déterministe, surtout dans le cas des modèles par éléments finis, en utilisant des méthodes probabilistes d'approximation. Ces deux stratégies sont comparées afin de vérifier l’efficacité de chacune pour calculer la probabilité de défaillance. Enfin, une étude paramétrique est réalisée afin d’étudier l’effet des paramètres d’entrées des modèles déterministes sur le calcul de la probabilité de défaillance. / Reinforced concrete structures (RC) are subjected to several sources of uncertainties that highly affect their response. These uncertainties are related to the structure geometry, material properties and the loads applied. The lack of knowledge on the potential load, as well as the uncertainties related to the features of the structure shows that the design of RC structures could be made in a reliability framework. This latter allows propagating uncertainties in the deterministic analysis. However, in order to compute failure probability according to one or several failure criteria, mechanical and stochastic models have to be coupled which can be very time consuming and in some cases impossible. The platform OpenTURNS is used to perform the reliability analysis of three different structures . OpenTURNS is coupled to CASTEM to study the reliability of a RC multifiber cantilever beam subjected to a concentrated load at the free end, to Abaqus to study the reliability of RC slabs which are subjected to accidental dropped object impact during handling operations within nuclear plant buildings, and to ASTER to study the reliability of a prestressed concrete containment building. Only the physical problem of reinforced concrete impacted by a free flying object is investigated in detail. Two deterministic models are used and evaluated: a 3D finite element model simulated with the commercial code “Abaqus/Explicit” and an analytical mass-spring model. The aim of this study is to address this issue of reliability computational effort. Two strategies are proposed for the application of impacted RC slabs. The first one consists in using deterministic analytical models which predict accurately the response of the slab. In the opposite case, when finite element models are needed, the second strategy consists in reducing the number of simulations needed to assess the failure probability. In order to examine the reliability of RC slabs, Monte Carlo and importance sampling methods are coupled with the mass-spring model, while FORM is used with the finite element model. These two stategies are compared in order to verify their efficiency to calculate the probability of failure. Finally, a parametric study is performed to identify the influence of deterministic model parameters on the calculation of failure probability (dimensions of slabs, impact velocity and mass, boundary conditions, impact point, reinforcement.