No description available.

L'analyse sismique des structures de génie civil est une problématique majeure pour la sécurité des personnes et la pérennité des ouvrages. L'étude expérimentale permet de comprendre le comportement réel de la structure mais occasionne des problèmes de coût important et d'effet d'échelle souvent inévitable dû aux dimensions des structures. D'un autre côté, l'étude numérique propose une bonne approximation du comportement global mais la représentation précise des phénomènes locaux (fissuration, perte de matière, flambement, grands déplacements) dans les zones fortement endommagées est délicate et souvent insuffisante. Ce travail de thèse propose l'élaboration d'une technique de sous-structuration hybride pour coupler un modèle numérique à une plateforme expérimentale. Ainsi, la partie faiblement endommagée de la structure est modélisée numériquement tandis que la partie fortement endommagée est testée expérimentalement. Cette méthode permet de coupler le réalisme de l'expérimental avec le faible coût numérique sans toutefois perdre en précision. Après avoir élaboré une méthode de couplage hybride peu intrusive pour le code de calcul (Cast3m), un modèle d'endommagement anisotrope adapté aux chargement sismique (effet unilatéral, déformations permanentes) est développé dans le cadre de la thermodynamique des milieux continus. Afin de valider la méthode hybride, une étude expérimentale est menée sur une structure type en béton armé. La fissuration de la partie expérimentale est étudiée grâce à la corrélation d'images. Ce travail expose donc une alternative intéressante aux analyses classiques des structures importantes soumises à des sollicitations complexes. / The seismic analysis of civil engineering structures is a major problem for the safety of the persons and the sustainability of the structures. The experimental study allows to understand the real behavior of the structure but causes problems of important cost and often inevitable scale effect owed in dimension of the structures. On the other hand, the numerical study proposes a good estimate of the global behavior but the accurate modelling of the local phenomena (cracking, losses of material, buckling, large displacements) in the strongly damaged zones is delicate and often insufficient. This work of this thesis proposes the elaboration of a hybrid technique of sub-structuring to couple a numerical model with an experimental platform. So, the weakly damaged part of the structure is numerically modelled whereas the strongly damaged part is experimentally tested. This method allows to couple the precision and the realism of the experimental with the numerical moderate cost without losing however in precision. Having elaborated a few intrusive hybrid method of coupling for the code of calculation (Cast3m), a anisotropic damage model adapted for seismic load (unilateral effect, permanent strains) is developed within the framework of the thermodynamics of the continuous media. To validate the hybrid method, an experimental study is led on a typical reinforced concrete structure. The cracking of the experimental part is studied thanks to images correlation. This work thus exposes an interesting alternative to the classic analyses of the important structures subjected to complex loading.

De cette thèse, une nouvelle méthode éléments finis hybride MAX-FEM dédiée à la modélisation thermomécanique des structures avec couches minces a été développée. Cette nouvelle approche se base sur un couplage analytique-numérique de deux méthodes : les Développements Asymptotiques Raccordés (MAE) et la Partition de l'Unité (PUM). Ce couplage consiste à construire l'enrichissement de la PUM par MAE est mène à une forme corrigée de la méthode des éléments finis classique (FEM). Cette correction est obtenue à travers des matrices de correction contenant les informations géométriques et caractéristiques du matériau de la couche mince. Les matrices introduites par l'approche MAX-FEM simplifient son implémentation numérique sous différents codes de calculs (MATLAB, ABAQUS, ...) et permettent l'obtention de la solution globale en un seul calcul. Les résultats obtenus par la MAX-FEM pour des applications 1D et 2D thermomécaniques montrent une très bonne précision avec un temps de calcul minimal et sans raffinement de maillage. De plus, la MAX-FEM surmonte les limitations de la MAE ainsi que celle de la PUM en termes de nombre de calculs, de la sensibilité aux propriétés des matériaux, des conditions aux limites ainsi que l'intégration numérique. Finalement, l'approche MAX-FEM est exploitée pour le développement d'un nouveau protocole expérimental dédié à la caractérisation thermique des couches minces. Ce protocole vise l'identification, de manière simple, de la conductivité thermique de la couche mince après son élaboration et sous les deux régimes transitoire et permanent. L'approche consiste à confronter la nature du transfert thermique d'une éprouvette homogène à une contenant une couche mince. La différence relevée est directement liée à la conductivité thermique de la couche mince. Les résultats obtenus, après réalisation du banc d'essais, montrent une bonne précision de l'approche avec une méthodologie de mesure simple à mettre en oeuvre / This work introduces a new simplified finite elements method MAX-FEM based on hybrid analytical-numerical coupling. This method is intended to the multi-scales analysis of transient thermomechanical behavior of mediums containing thin layers such as bounded and coated structures. The MAX-FEM consists in correcting the classical Finite Elements Method (FEM) by correction matrices taking into account the presence of thin layers without any mesh refinement. The proposed correction is based on the analytical approach of Matched Asymptotic Expansions (MAE) and the numerical method of Partition of Unity Method (PUM). The developed approach can easily implemented under different numerical codes (MATLAB, ABAQUS, ...) and can be used to perform mechanical, thermal and thermomechanical analyses of 1D and 2D bounded and coated structures. The obtained results show a good accuracy with short computation time, and without any required mesh refinement. Also, the developed method overcomes the limitation of the MAE and PUM methods by exploiting the advantages of their coupling. Finally, the MAX-FEM approach was also used to develop an experimental test bench intended to the thermal characterization of thin layers. Indeed, a simple confrontation between the heat transfer in an homogeneous structure and a second structure with thin layer allows identifying the thermal conductivity in both transient and stationary regimes. The test bench is simple to release and the obtained results for brazed structure show a good accuracy of the developed approach.

<div>This dissertation addresses the problem of how to design a convolutional neural network (CNN) for giving semantic labels to the points on the ground given the satellite image coverage over the area and, for the ground truth, given the noisy labels in OpenStreetMap (OSM). This problem is made challenging by the fact that -- (1) Most of the images are likely to have been recorded from off-nadir viewpoints for the area of interest on the ground; (2) The user-supplied labels in OSM are frequently inaccurate and, not uncommonly, entirely missing; and (3) The size of the area covered on the ground must be large enough to possess any engineering utility. As this dissertation demonstrates, solving this problem requires that we first construct a DSM (Digital Surface Model) from a stereo fusion of the available images, and subsequently use the DSM to map the individual pixels in the satellite images to points on the ground. That creates an association between the pixels in the images and the noisy labels in OSM. The CNN-based solution we present yields a 4-8% improvement in the per-class segmentation IoU (Intersection over Union) scores compared to the traditional approaches that use the views independently of one another. The system we present is end-to-end automated, which facilitates comparing the classifiers trained directly on true orthophotos vis-`a-vis first training them on the off-nadir images and subsequently translating the predicted labels to geographical coordinates. This work also presents, for arguably the first time, an in-depth discussion of large-area image alignment and DSM construction using tens of true multi-date and multi-view WorldView-3 satellite images on a distributed OpenStack cloud computing platform.</div>