Return to search

Contribution à l'amélioration de la production de béton prêt à l'emploi : exploitation de capteurs embarqués pour la détection de fin de malaxage, la mesure de densité et l'anticipation de l'évolution de l'affaissement

Afin de garantir une mise en place adéquate au chantier ainsi que les propriétés requises à l'état durci, les producteurs de béton prêt à l'emploi doivent être capables de contrôler l'ensemble du cycle de production, du dosage des matériaux à la livraison. Les conditions météorologiques, la variabilité intrinsèque des matières premières, les conditions de livraison, ou encore le facteur humain sont autant de paramètres ayant une incidence directe sur la fluctuation des propriétés du béton à la fois à l'état frais et à l'état durci. Dans le but d'aider davantage les producteurs de béton, un système embarqué pour bétonnière a été développé depuis plus d'une dizaine d'années. Ce système aidant à assurer la qualité du béton frais s'articule essentiellement autour d'une sonde installée directement sur la paroi interne du tambour malaxeur. En plus de mesurer les mouvements du tambour, cette sonde collecte les données d'interaction avec le béton qui, une fois traitées, permettent déjà d'obtenir l'affaissement, le volume, ou encore la température du béton dans la toupie. Dans un premier temps, ce travail s'est intéressé à l'étude de l'homogénéisation du béton dans le tambour dans le cas d'une production en usine à gâchée sèche. Une fois les outils de traitement du signal mis au point, un algorithme permettant de déterminer l'atteinte de l'homogénéité en se basant sur les données mesurées par le système embarqué a été développé. À la suite de l'élaboration d'un protocole expérimental nécessaire à l'évaluation de l'homogénéité du béton produit, l'algorithme a été mis au banc d'essai au travers d'une campagne expérimentale réalisée entre autres à l'aide de la bétonnière dédiée au projet de recherche. Outre une garantie accrue de la qualité du béton, l'association du système embarqué et de l'algorithme développé participe à l'optimisation du procédé de production du béton prêt à l'emploi en usine à gâchée sèche par une rationalisation du temps et de l'énergie consacrée au malaxage. Dans un second temps, une réflexion quant à la manière d'évaluer l'homogénéisation du béton a conduit à la volonté de mettre au point un capteur basé sur une propriété jugée plus fondamentale: la densité du matériau. À la manière des nucléodensimètres, cette thèse tâche de poser les premières pierres du développement d'une nouvelle technologie de capteurs embarqués pour bétonnière utilisant la radioactivité pour la mesure de la densité. En plus de valider la technologie sur du béton frais, les travaux expérimentaux en laboratoire ont permis de déterminer les éléments techniques et l'arrangement nécessaires à l'obtention d'une précision de mesure suffisante. Outre la détermination de l'homogénéité, la mesure de la densité se révèle un outil de contrôle qualité indéniable grâce entre autres à la détection d'inhomogénéités ou encore à la mesure de la teneur en air. Finalement, face à la multiplication des données recueillies par le système embarqué, la dernière partie de cette thèse explore l'intérêt de l'utilisation des méthodes d'apprentissage automatique au travers d'une démonstration de faisabilité se concentrant sur la prédiction de l'évolution de l'affaissement au cours de la livraison. Ce travail essaie de faire ressortir les capacités de ces méthodes d'analyses récemment popularisées, mais aussi les pièges qui y sont associés. / To ensure proper concrete placement on site and targeted properties in the hardened state, ready-mixed concrete producers must be able to control the entire production cycle, from material batching to delivery. Weather conditions, intrinsic variability of raw materials, delivery conditions, or human factor are all parameters having a direct impact on the fluctuation of both fresh and hardened concrete properties, resulting in additional difficulties for producers. In order to further assist concrete producers, an on-board system for concrete truck mixers has been developed over the last ten years. This system, which helps ensure concrete quality, is essentially built around a probe installed directly on the internal wall of the drum. In addition to measuring the drum movements, this probe collects data from its interaction with concrete. This data, once processed, already offers the slump, the volume or the concrete temperature in the drum. At first, this work concentrates on the study of concrete homogenization during a dry-batch production. Once the signal processing tools were adapted, an algorithm has been developed to determine the homogeneity completion based on the data measured by the on-board system. Following the elaboration of an experimental protocol to evaluate the produced concrete homogeneity, the algorithm was put to the test through an experimental campaign using the concrete truck mixer dedicated to the research project. In addition to an increased guarantee of concrete quality, the combination of the on-board system and the developed algorithm contributes to the optimization of the ready-mixed concrete production process by a rationalization of time and energy devoted to mixing in dry-batch plants. Later, a reflection concerning the way to assess concrete homogenization led to the desire to develop a sensor based on a property considered more fundamental: the density of the material. Like nuclear gauges, this thesis laid the foundations for the development of a new on-board sensor technology for concrete truck mixers using radioactivity to measure in-drum density. In addition to validating the technology on fresh concrete, the experimental work in the laboratory helped to select the technical elements needed and the necessary arrangement to obtain sufficient measurement precision. Besides the homogeneity evaluation, density measurement proves to be an undeniable quality control tool thanks to, among other things, the detection of inhomogeneities or the measurement of concrete air content. Finally, faced with the ever-increasing amount of data collected by the system, the last part of this thesis explores the interest of using machine learning methods. The proof of concept presented focuses on predicting the concrete slump evolution during transportation from the plant to the construction site. This work highlights the capabilities of these recently popularized methods, but also the pitfalls associated with such tools.

Identiferoai:union.ndltd.org:LAVAL/oai:https://corpus.ulaval.ca:20.500.11794/100904
Date19 September 2022
CreatorsSiccardi, Pierre
ContributorsJolin, Marc, Bissonnette, Benoît
Source SetsUniversité Laval
LanguageFrench
Detected LanguageFrench
TypeCOAR1_1::Texte::Thèse::Thèse de doctorat
Format1 ressource en ligne (xviii, 214 pages), application/pdf

Page generated in 0.0014 seconds