Upload
dinhdieu
View
216
Download
0
Embed Size (px)
Citation preview
Estimation du module réversible des matériaux granulaires de chaussées
Présenté par :Claudia Andrea MellizoDirecteur : Guy DoréCodirecteur: Jean‐Pascal Bilodeau
Séminaire de maîtrise
Plan de la présentation1. Mise en contexte et problématique2. Revue de littérature3. Objectif4. Développement du modèle5. Validation du modèle6. Discussion 7. Conclusion
Plan de la présentation1. Mise en contexte et problématique2. Revue de littérature3. Objectif4. Développement du modèle5. Validation du modèle6. Discussion 7. Conclusion
Dimensionnement d’un tel ouvrage consiste àdéterminer la nature et l’épaisseur des couches qui leconstituent .
Mise en contexte
Quelle épaisseur?
Chaussée: est un système multi couche linéaire, degrande envergure, soumis à l’action d’agents agressifscomme le climat et le trafic. Doré (2004).
Un des paramètres importants pour laconception et le dimensionnement deschaussées est leModule Réversible
dR
rM
Mise en contexte…
La valeur du MR est difficile et dispendieuse àobtenir en considérant :
Problématique
La complexité de l’essai Le coût des équipements
Il est nécessaire de développer des méthodesempiriques approximatives d’estimation du MRpar rapport à l’utilisation de valeurs typiques.
Plan de la présentation1. Mise en contexte et problématique2. Revue de littérature3. Objectif4. Développement du modèle5. Validation du modèle6. Discussion 7. Conclusion
Facteurs influençant le MR
Revue de littérature…
Contraintes
Densité
Granulométrie
Teneur en eau
• Tian et coll. (1998): Les valeurs de MR ont une tendance àaugmenter pour une granulométrie plus grossière.
• Doucet et Doré (2004) ont développé un modèle pour lesmatériaux granulaires qui relie le MR à la succionmatricielle ( a‐ w).
• Seed et coll. (1962) ont démontré que le MR est influencépar la densité sèche.
• Lekarp et coll. (2000): Le MR a tendance à augmenter avecl’augmentation de la pression de confinement et de lasomme des contraintes principales.
Revue de littérature…
Laboratoire Terrain Modèles généraux
Façons de mesurer et d’estimer le MR
Lois constitutives
2
1
k
R aa
M k pp
2 3
1
k k
octR a
a a
M k pp p
RM a b
r octE a b c
LC 22-400 (2004)
LC 22-400 (2006)
Uzan (1985)
K-ϴ (1971)
Revue de littérature…
Laboratoire
Terrain
Modèles généraux
Façons de mesurer et d’estimer le MR
- Méthode LC 22-400, MTQ- Méthode LTPP P46, SHRP- Autres essais: CBR, Rvalue
-Déflectomètre- DCP
- Rahim et Géorge (2005)- Malla et Joshi (2006)
LC 22 400
P46Sols à grains
finsSols à grains grossiers
2
1 11
k
dR a
c
M k p
2
1 11
k
R ad
M k p
0.639
1 1.12( )6drLLk wc
0.471.04 1.462 0.27( ) ( ) .200dr
LLk wcr N
1 0.12 0.90( ) 0.53( )dr crk w
0.017( .200) 0.314(log )uN C
0.1241.2385
2.2000.226( . )
logdr cru
Nk wC
Plan de la présentation1. Mise en contexte et problématique2. Revue de littérature3. Objectif4. Développement du modèle5. Validation du modèle6. Discussion 7. Conclusion
Objectif
o Développer un modèle d’estimation duModule réversible (MR) des matériauxgranulaires de chaussées adaptés auxmatériaux du Québec
Déterminer à partir des relations entre les propriétés des matériaux et leurs caractéristiques mécaniques.
Plan de la présentation1. Mise en contexte et problématique2. Revue de littérature3. Objectif4. Développement du modèle5. Validation du modèle6. Discussion 7. Conclusion
Développement du modèle
Modèle de prédiction du
MR
État saturé
Base de données
Analyse statistique
Calcul du MR en fonction des changementsde saturation
Base de données
Charlesbourg
Lac Saint‐Charles
Saint‐Flavien
PROVINCE DU QUÉBEC
Chaudière‐Appalaches
Capitale Nationale Bilodeau(2009)
Doucet etDoré(2004)
Base de données
Facteur qui influence le MR
Propriété physiques Minimale Maximale
Granulométrie
Cu Coefficient d’uniformité 3 117n (%) Porosité total 13 36nf (%) porosité de la fraction fine 55 94,5nc (%) porosité de la fraction grossière 17.5 43
Teneur en eauSat (%) degré de saturation 69 100
Wopt (%) teneur en eau optimal 4.3 13.1W (%) teneur en eau 7,1 17
Densitéρdmax (kg/m3) masse volumique sèche
maximale1579 2442
ρd (kg/m3) masse volumique sèche 1686 2280
Source Type de matériau Type de granulat Classification unifiée des sols (USCS)
Bilodeau(2009)
MG-20 Gneiss granitiqueCalcaireBasalte
SW-SM,GW
Doucet (2004) MG-20MG-112
varié SP-SM, SP-SC,GW-GC, SM
o Développé en 2006 par le MTQ, (versionpréliminaire 2004).
o Cette méthode est basée sur la norme américaineAASHTO T307‐99 et la norme européenne NF EN13286‐7.
o Méthode d’essai pour la caractérisation du MR desmatériaux granulaires qui permet de prendre encompte l’effet de la teneur en eau.
o L’échantillon est soumis à 10 000 cycles de chargement pour le conditionnement, et à quinze états de contrainte pour la caractérisation du MR.
La méthode d’essai LC22-400
Base de données
Équation du modèle
2
1
k
R aa
M k pp
2 3
1
k k
octR a
a a
M k pp p
RM a b
r octE a b c
LC 22-400 (2004)
LC 22-400 (2006)
Uzan (1985)
K-ϴ (1971)
Équation du modèle
MR : module réversible (MPa)ϴ : contrainte totale (kPa)c1s, c2s : constantes de régression à l’état saturé. ∆MR : l’augmentation du MR pour le
changement du degré de saturation (Bilodeau (2009), Doucet et Doré (2004)).
( )
( ) 1 2R R
M MPa M MR Rsat R
M MPa c s c s M
Matrices de corrélation
Logiciel SAS 9.2 (Statistical Analysis System),
c1s
c2s
c1s P80 Cu Cc n nf nc Sat pdmax pd wopt w cu_nf pdmax_pdc1s 1 ‐0,3595 ‐0,26168 ‐0,00214 ‐0,27947 0,14964 ‐0,43046 0,25731 0,29497 0,2149 ‐0,10428 ‐0,19315 ‐0,24942 0,31354P80 ‐0,3595 1 0,35928 ‐0,18545 ‐0,0943 ‐0,87519 0,40712 0,11951 ‐0,20413 ‐0,14439 0,26453 0,03073 0,47499 ‐0,24138Cu ‐0,26168 0,35928 1 0,20384 ‐0,47078 ‐0,51386 ‐0,25643 0,26558 0,51379 0,4721 ‐0,41661 ‐0,47621 0,98475 0,34952Cc ‐0,00214 ‐0,18545 0,20384 1 ‐0,09205 0,08523 ‐0,17446 ‐0,16412 0,25089 0,31012 ‐0,02602 ‐0,25793 0,18057 0,02103n ‐0,27947 ‐0,0943 ‐0,47078 ‐0,09205 1 0,55335 0,87036 ‐0,43868 ‐0,70546 ‐0,84658 0,58121 0,93708 ‐0,50491 ‐0,19765nf 0,14964 ‐0,87519 ‐0,51386 0,08523 0,55335 1 0,07287 ‐0,31057 ‐0,17772 ‐0,28486 0,0736 0,41949 ‐0,6294 0,08069nc ‐0,43046 0,40712 ‐0,25643 ‐0,17446 0,87036 0,07287 1 ‐0,34162 ‐0,73846 ‐0,84402 0,65107 0,87429 ‐0,22899 ‐0,28473Sat 0,25731 0,11951 0,26558 ‐0,16412 ‐0,43868 ‐0,31057 ‐0,34162 1 0,28721 0,35638 ‐0,50312 ‐0,20333 0,27268 0,07121pdmax 0,29497 ‐0,20413 0,51379 0,25089 ‐0,70546 ‐0,17772 ‐0,73846 0,28721 1 0,90782 ‐0,79127 ‐0,73864 0,48125 0,73246pd 0,2149 ‐0,14439 0,4721 0,31012 ‐0,84658 ‐0,28486 ‐0,84402 0,35638 0,90782 1 ‐0,72386 ‐0,8813 0,45587 0,38144wopt ‐0,10428 0,26453 ‐0,41661 ‐0,02602 0,58121 0,0736 0,65107 ‐0,50312 ‐0,79127 ‐0,72386 1 0,58516 ‐0,37664 ‐0,60025w ‐0,19315 0,03073 ‐0,47621 ‐0,25793 0,93708 0,41949 0,87429 ‐0,20333 ‐0,73864 ‐0,8813 0,58516 1 ‐0,49487 ‐0,20995cu_nf ‐0,24942 0,47499 0,98475 0,18057 ‐0,50491 ‐0,6294 ‐0,22899 0,27268 0,48125 0,45587 ‐0,37664 ‐0,49487 1 0,3049pdmax_pd 0,31354 ‐0,24138 0,34952 0,02103 ‐0,19765 0,08069 ‐0,28473 0,07121 0,73246 0,38144 ‐0,60025 ‐0,20995 0,3049 1
c2s P80 Cu Cc n nf nc Sat pdmax pd wopt w cu_nf pdmax_pdc2s 1 ‐0.61085 ‐0.20435 0.12697 0.25069 0.59453 ‐0.06414 ‐0.12921 0.0936 ‐0.14241 ‐0.15183 0.12791 ‐0.26774 0.45662P80 ‐0.61085 1 0.35928 ‐0.18545 ‐0.0943 ‐0.87519 0.40712 0.11951 ‐0.20413 ‐0.14439 0.26453 0.03073 0.47499 ‐0.24138Cu ‐0.20435 0.35928 1 0.20384 ‐0.47078 ‐0.51386 ‐0.25643 0.26558 0.51379 0.4721 ‐0.41661 ‐0.47621 0.98475 0.34952Cc 0.12697 ‐0.18545 0.20384 1 ‐0.09205 0.08523 ‐0.17446 ‐0.16412 0.25089 0.31012 ‐0.02602 ‐0.25793 0.18057 0.02103n 0.25069 ‐0.0943 ‐0.47078 ‐0.09205 1 0.55335 0.87036 ‐0.43868 ‐0.70546 ‐0.84658 0.58121 0.93708 ‐0.50491 ‐0.19765nf 0.59453 ‐0.87519 ‐0.51386 0.08523 0.55335 1 0.07287 ‐0.31057 ‐0.17772 ‐0.28486 0.0736 0.41949 ‐0.6294 0.08069nc ‐0.06414 0.40712 ‐0.25643 ‐0.17446 0.87036 0.07287 1 ‐0.34162 ‐0.73846 ‐0.84402 0.65107 0.87429 ‐0.22899 ‐0.28473Sat ‐0.12921 0.11951 0.26558 ‐0.16412 ‐0.43868 ‐0.31057 ‐0.34162 1 0.28721 0.35638 ‐0.50312 ‐0.20333 0.27268 0.07121pdmax 0.0936 ‐0.20413 0.51379 0.25089 ‐0.70546 ‐0.17772 ‐0.73846 0.28721 1 0.90782 ‐0.79127 ‐0.73864 0.48125 0.73246pd ‐0.14241 ‐0.14439 0.4721 0.31012 ‐0.84658 ‐0.28486 ‐0.84402 0.35638 0.90782 1 ‐0.72386 ‐0.8813 0.45587 0.38144wopt ‐0.15183 0.26453 ‐0.41661 ‐0.02602 0.58121 0.0736 0.65107 ‐0.50312 ‐0.79127 ‐0.72386 1 0.58516 ‐0.37664 ‐0.60025w 0.12791 0.03073 ‐0.47621 ‐0.25793 0.93708 0.41949 0.87429 ‐0.20333 ‐0.73864 ‐0.8813 0.58516 1 ‐0.49487 ‐0.20995cu_nf ‐0.26774 0.47499 0.98475 0.18057 ‐0.50491 ‐0.6294 ‐0.22899 0.27268 0.48125 0.45587 ‐0.37664 ‐0.49487 1 0.3049pdmax_pd 0.45662 ‐0.24138 0.34952 0.02103 ‐0.19765 0.08069 ‐0.28473 0.07121 0.73246 0.38144 ‐0.60025 ‐0.20995 0.3049 1
Modèle de prédiction
1 8.97620 0.50796* 02717 * 7.72547 * 0.10661* 0.16825*0.u dmaxat opt
f d
CC
S w wn
s
m2 ax* 6.21307* 2.06996* 0.25323*672.47622 14.352 0.55721* 27.53323*77 c at d dC s n n S w
R2 = 0.7271
R2 = 0.7978
Cu : Coefficient d’uniformitén : Porosité totale (%)nf : Porosité de la fraction fine(%)nc : Porosité de la fraction grossière(%)Wopt : Teneur en eau optimale(%)
w : Teneur en eau(%)dmax : Densité maximale (kg/m3)d : Densité sèche (kg/m3)Sat : Degré de Saturation (%)
( )
( ) 1 2R R
M MPa M MR Rsat R
M MPa c s c s M
375 données
25 materiaux à 15 états de contrainte
Coeff Var (%)
RMSE (MPa)
Moyennes (MPa)
15.833 71,53745 451,82349
Modèle de prédiction
200 MPa
231.6 MPa
168.4 MPa0 200 400 600 800 1000 1200
0
200
400
600
800
1000
1200
MR p
rédi
t (M
Pa) é
tat s
atur
é
MR mesuré (MPa) état saturé0 200 400 600 800 1000 1200
0
200
400
600
800
1000
1200
MR p
rédi
t (M
Pa) é
tat s
atur
é
MR mesuré (MPa) état saturé
15.83%
-15.83%
Calcul de ΔMR
( )
( ) 1 2R R
M MPa M MR Rsat R
M MPa c s c s M
Méthode Bilodeau (2009):
Méthode Doucet et Doré (2004):
Calcul de ΔMR
Bilodeau(2009)
( )R RM MPa S S 100R R Rsat RS S S S
% s f sMPaS a n b
0.00003 0.0206 0.0034089 2.022597% f fMPas n n
50 55 60 65 70 75 80 85 90 95-2,5
-2,0
-1,5
-1,0
-0,5
0,0
0,5
S (M
Pa/
%)
nf (%)
Calcul de ΔMR
Bilodeau(2009)
0 200 400 600 800 1000 1200 14000
200
400
600
800
1000
1200
1400
état initial-Bilodeau
MR
pré
dit (
MPa
) - e
tat i
nitia
l
MR mesuré (MPa) - etat initial
État Coeff Var (%)
RMSE (MPa)
Moyennes (MPa)
Initial 16.143 80,8 500,8
Drainé 15,015 72,2 480,9
0 200 400 600 800 1000 1200 14000
200
400
600
800
1000
1200
1400
état drainé- Bilodeau
MR p
rédi
t (M
Pa)
- ét
at d
rain
é
MR mesuré (MPa) - état drainé
Calcul de ΔMR
-25 -20 -15 -10 -5 00
20
40
60
80
100
Courbe succion-saturation
Deg
ré d
e sa
tura
tion
(%)
Succion matricielle (kPa) (aw
(-2,4, 52)
(-15, 21)
(-10, 28)
(-20, 16)
(-5, 40)
( ) 8700( ) 17000a wMR kPa u u
Doucet et Doré(2004)
( ) ( )21.87879 1.5959357.48383* 38.353* 7.85849a w a wu u u u
RS e e
Calcul de ΔMR
0 200 400 600 800 1000 12000
200
400
600
800
1000
1200
état initial- Doucet et Doré
MR p
rédi
t (M
Pa) é
tat i
nitia
l
MR mesuré (MPa) état initial
Doucet et Doré(2004)
État Coeff Var (%)
RMSE (MPa)
Moyennes (MPa)
Initial 19.25 109.4 568.5
Drainé 19.33 92.0 467.0
0 200 400 600 800 1000 12000
200
400
600
800
1000
1200
état drainée- Doucet et Doré
MR p
rédi
t (M
Pa) é
tat d
rain
é
MR mesuré (MPa) état drainé
Plan de la présentation1. Mise en contexte et problématique2. Revue de littérature3. Objectif4. Développement du modèle5. Validation du modèle6. Discussion 7. Conclusion
Cu n nf nc Sat wopt w pdmax pd(%) (%) (%) (%) (%) (%) (kg/m3) (kg/m3)
max 117 36 95 43 100 13,1 17,0 2442 2280min 3 13 55 18 69 4,3 7,1 1579 1686moyenne 44 19 80 24 88 5,9 9,2 2206 2142
B.D modèle de prédiction
teneur en eau densitégranulométrie
Validation du modèle
États
Kentucky
Michigan
Minnesota
Montana
South dakota
Wisconsin
Arizona
Alaska
Colorado
Hawaii
Idaho
Kanzas
Base de données
Validation du modèle…
0 200 400 600 800 1000 1200 14000
200
400
600
800
1000
1200
1400
modèle de validation--» différentes méthodes d'essai entre les valeurs prédits et mesurés--» différents degrés de saturation entre les valeurs prédits et mesurésM
R p
rédi
t (M
Pa)
MR mesuré (MPa)
Coeff Var(%)
RMSE (MPa)
Données Moyennes
(MPa)74,15 309,64 417,57344
600 données
40 matériaux à 15 états de contrainte
Validation du modèle…
1.Différentes méthodes d’essai, (position des capteurs LVDT)
MR mesuré--- » Protocole P46
MR prédit --- » LC 22 400
Analyse de l’écart entre MR prédit et MR mesuré
Mesure au Laboratoire
mesure position 3 = 1.93 mesure position 1
Validation du modèle…Analyse de l’écart entre MR prédit et MR mesuré
2. Effet de saturation des éprouvettes
SR moyen =55% MR mesuré--- » Protocole P46
Cu n nf nc Sat wopt w pdmax pd(%) (%) (%) (%) (%) (%) (kg/m3) (kg/m3)
max 116 41 94 45 77 16,0 15,5 2307 2216min 3 16 68 22 30 5,0 3,2 1666 1575moyenne 40 23 79 29 55 6,9 6,2 2171 2046
B.D modèle de validation
teneur en eau densitégranulométrie
État saturéMR prédit --- » LC 22 400
Cu n nf nc Sat wopt w pdmax pd(%) (%) (%) (%) (%) (%) (kg/m3) (kg/m3)
max 117 36 95 43 100 13,1 17,0 2442 2280min 3 13 55 18 69 4,3 7,1 1579 1686moyenne 44 19 80 24 88 5,9 9,2 2206 2142
B.D modèle de prédiction
teneur en eau densitégranulométrie
Validation du modèle…
0 100 200 300 400 500 6000
100
200
300
400
500
600
modèle corrigéMR p
rédi
t (M
Pa)
MR mesuré (MPa)
Coeff Var(%)
RMSE(MPa)
Moyenne (MPa)
42,99 118,84 237,71
Plan de la présentation1. Mise en contexte et problématique2. Revue de littérature3. Objectif4. Développement du modèle5. Validation du modèle6. Discussion 7. Conclusion
o Base de données appropriée pour le développementdu modèle. (25 données typiques du Canada),
o Estimation du MR à n’importe quel degré desaturation.
o Le RMSE du modèle est de 15.833%, ce qui donne un bon niveau de confiance .
o Différences trouvées pour la deformation en fatigue et ornierage, entre les valeurs par defaut du logicielchausse2 et le modèle de prédiction‐‐‐‐‐‐‐»
Discussion
DiscussionRévêtement 160mm
300mm
400mm
Fondation
Sous-Fondation
Sol D’infrastructure
Structure de Chaussée
Logiciel Chaussé 2
( )
( ) 1 2R R
M MPa M MR Rsat R
M MPa c s c s M
=3.291 * 0.8540.0796 (145 )f tN E
9 4.4471.365 10 ( )p cN
Nombre de passajes admissibles (fatigue)
Nombre de passajes admissibles (ornierage)
vs
Discussion
121 - 202
1 -1.9Logiciel Chaussée 2
Fatigue:
Révêtement 160mm
300mm
400mm
Fondation
Sous-Fondation
Sol D’infrastructure
120 140 160 180 2000,8
1,0
1,2
1,4
1,6
1,8
2,0
Fatigue
Nf -
fatig
ue (m
illion
)
MR Fondation (MPa)
Discussion
121 - 202
25-43Logiciel Chaussée 2
Ornierage:
Révêtement 160mm
300mm
400mm
Fondation
Sous-Fondation
Sol D’infrastructure
120 140 160 180 20020
25
30
35
40
45
Ornierage
Np
- orn
iera
ge (m
illion
)
MR Fondation (MPa)
DiscussionEssais pour obtenir le module réversible:
MODÈLE DE PREDICTION ESSAI TRIAXIAL
Proctor
Granulométrie
Densité de grains
Essai triaxial
Plan de la présentation1. Mise en contexte et problématique2. Revue de littérature3. Objectif4. Développement du modèle5. Validation du modèle6. Discussion 7. Conclusion
Conclusions o Ce modèle fourni une estimation fiable du MR baséesur les caractéristiques des MG.
o Le modèle est une première approximationstatistiquement significative en comparaison auxapproximations utilisées actuellement au Québec.
o Ce modèle est valide pour les MG (non‐valide pourles sols à grains fins).