La vitrine de diffusion des mémoires et thèses de l'ÉTS
RECHERCHER

Étude et prédiction des propriétés de matériaux cimentaires à l'état frais pour la fabrication additive à l'aide de réseaux de neurones

Téléchargements

Téléchargements par mois depuis la dernière année

Plus de statistiques...

Charrier, Malo (2019). Étude et prédiction des propriétés de matériaux cimentaires à l'état frais pour la fabrication additive à l'aide de réseaux de neurones. Mémoire de maîtrise électronique, Montréal, École de technologie supérieure.

[img]
Prévisualisation
PDF
Télécharger (14MB) | Prévisualisation
[img]
Prévisualisation
PDF
Télécharger (1MB) | Prévisualisation

Résumé

Ces dernières années, la fabrication additive a su gagner l’intérêt des acteurs du domaine de la construction. La réduction potentielle des coûts et l’automatisation des procédés permettent d’entrevoir une nouvelle façon de penser les méthodes de fabrication. L’impression 3D par extrusion fait face à de nouveaux enjeux liés aux matériaux cimentaires. Le mélange doit être suffisamment fluide pour être mis en place correctement, mais aussi assez solide pour maintenir sa forme sous son propre poids ainsi que sous celui des futures couches reposant sur lui. Cette seconde condition est liée au seuil d’écoulement du matériau. Afin de répondre à ces problématiques, des adjuvants peuvent être utilisés dans les formulations. Dans ce contexte, cette étude s’intéresse aux propriétés de matériaux cimentaires à l’état frais. Un plan expérimental factoriel complet à deux niveaux et quatre facteurs est utilisé pour étudier l’influence : d’un accélérateur, d’un agent modificateur de viscosité, de nano argiles et de cristaux de CSH. Tout d’abord, des mortiers ont été confectionnés puis testés avec des expériences conventionnelles telles que l’essai d’affaissement et l’essai d’écoulement. Un test de stabilité a également été mis en place pour essayer de simuler les conditions de la superposition des couches lors de l’impression 3D. Des régressions linéaires entre ces différents tests permettent d’établir que l’essai d’affaissement décrit correctement la stabilité du matériau en plus d’être facile à mettre en place. Par conséquent, le test d’affaissement est un test rapide lorsqu’il est question d’évaluer les propriétés des matériaux cimentaires à l’état frais pour l’impression 3D. Par la suite, la pâte de ciment a été étudiée à l’aide d’un rhéomètre et du test du mini-cône d’Abrams. Il a été montré que le mini-cône permet de déterminer avec une bonne corrélation le seuil d’écoulement de la pâte. Des réseaux de neurones artificiels ont ensuite été entraînés afin d’être en mesure de prédire le seuil d’écoulement ainsi que l’étalement lors du test du mini-cône en fonction des proportions des adjuvants incorporés aux mélanges. De cette façon l’influence de chaque adjuvant a pu être mise en lumière. Il en résulte que l’accélérateur étudié diminue le seuil d’écoulement tandis que les trois autres adjuvants ont tendance à l’augmenter. Néanmoins, les cristaux de CSH semblent avoir la plus grande capacité à augmenter la stabilité du mélange. De plus, à l’aide d’un critère d’imprimabilité proposé sur le seuil d’écoulement, il a été possible de statuer sur les proportions d’adjuvants à utiliser afin de garantir une bonne stabilité du mélange lors d’une impression. Enfin, deux cents cinquante mélanges ont été simulés puis leurs seuils d’écoulement et leurs étalements respectifs ont été calculés à l’aide des réseaux de neurones afin de conclure sur l’efficacité de ces régressions. L’utilisation de réseaux de neurones se révèle être un outil puissant pour prédire les caractéristiques étudiées.

Titre traduit

Study and prediction of cementitious materials fresh properties for additive manufacturing using artificial neural networks

Résumé traduit

Additive manufacturing has gained the interest of the construction actors during these past few years. Potential cost reduction and process automation provide a new way of thinking about the manufacturing methods. 3D printing faces new challenges related to cementitious materials, especially with extrusion techniques. The mixture has to be fluid enough to be extruded properly but also stiff enough to maintain its shape under its own weight. Moreover, the printed element has to support the next layers placed upon it. This second condition is related to the yield stress of the material. In order to address these issues, admixtures can be used in formulations. In this context, this study focuses on the properties of cementitious materials in their fresh state. To do so, a two-level full-factorial design with four factors was implemented. The factors were the proportions of accelerator, viscosity modifying agent, nanoclays and CSH seeds used in the mixes under study. First, mortars were tested in conventional experiments such as the slump test and the flow test. In order to simulate the conditions of the layer overlay during 3D printing, a stability test was implemented. Linear regressions between these different experiments make it possible to establish that the slump test is well correlated to the stability test. The fact that the slump test is easy to realize makes it a very useful tool to investigate cementitious materials fresh properties. Cement pastes were then studied using a rheometer and a mini-cone to perform the mini-slump test. It was shown that the mini-slump test correlates very well with the yield stress of the paste. Artificial neural networks were trained to be able to predict the yield stress and the mini-slump as a function of the proportions of the different admixtures incorporated in the mix. Therefore, the influence of each admixture was highlighted. The accelerator under study decreases the yield stress while the other three tend to increase it. The CSH seeds admixture seem to have the greatest capacity to increase the stiffness of the paste. In addition, using a printability criterion on the yield stress, it was possible to conclude on the proportions of the admixtures ensuring a good stability of the mix during printing. Finally, two hundred and fifty mixtures were simulated, their respective yield stress and mini-slump were computed thanks to the artificial neural networks in order to conclude on the effectiveness of these regressions. Artificial neural networks are proving to be powerful tools for determining the characteristics studied.

Type de document: Mémoire ou thèse (Mémoire de maîtrise électronique)
Renseignements supplémentaires: "Mémoire par article présenté à l'École de technologie supérieure comme exigence partielle à l'obtention de la maîtrise avec mémoire en génie de la construction". Comprend des références bibliographiques (pages 121-131).
Mots-clés libres: pâte de ciment, seuil d’écoulement, rhéologie, adjuvants, réseau de neurones, mortiers
Directeur de mémoire/thèse:
Directeur de mémoire/thèse
Ouellet Plamondon, Claudiane
Programme: Maîtrise en ingénierie > Génie de la construction
Date de dépôt: 08 oct. 2019 20:03
Dernière modification: 08 oct. 2019 20:03
URI: http://espace.etsmtl.ca/id/eprint/2374

Actions (Identification requise)

Dernière vérification avant le dépôt Dernière vérification avant le dépôt