HAL will be down for maintenance from Friday, June 10 at 4pm through Monday, June 13 at 9am. More information
Skip to Main content Skip to Navigation
Conference papers

Méthodes de machine learning pour la prédiction de trajets de fissures dans les matériaux cimentaires sur la base de descripteurs morphologiques locaux

Résumé : La construction d'un matériau numérique repose sur des descripteurs morphologiques qui caractérisent un matériau réel à l'aide d'informations statistiques et géométriques. La microstructure numérique générée est qualifié statistiquement semblable par rapport à la réalité. Or deux microstructures statistiquement semblables peuvent présenter des comportements de fissuration différents. Ces différences peuvent avoir une influence sur la perméabilité des enceintes. Pour contourner cette limitation, nous proposons dans ce travail un nouvelle approche qui combine descripteurs morphologiques et modèle de prédiction de fissure pour évaluer la similarité entre 2 microstructures.
Complete list of metadata

Cited literature [6 references]  Display  Hide  Download

https://hal.archives-ouvertes.fr/hal-02456777
Contributor : François Gibier Connect in order to contact the contributor
Submitted on : Monday, January 27, 2020 - 3:38:48 PM
Last modification on : Wednesday, November 3, 2021 - 5:51:18 AM

File

Conf_Pele_al_CSMA_2019.pdf
Files produced by the author(s)

Identifiers

  • HAL Id : hal-02456777, version 1

Citation

Kathleen Pele, Frédéric Perales, Jean Baccou, Yann Monerie, Loïc Daridon, et al.. Méthodes de machine learning pour la prédiction de trajets de fissures dans les matériaux cimentaires sur la base de descripteurs morphologiques locaux. 14e Colloque National en Calcul de Structures - CSMA 2019, May 2019, Giens, France. ⟨hal-02456777⟩

Share

Metrics

Record views

146

Files downloads

209