Description du projet :
Les agrégats naturels pour la production de béton sont de moins en moins accessibles en Suisse, car les dépôts deviennent occupés par l'habitat et l'excavation des rivières est fortement régulée. Parallèlement, les déchets de construction et de démolition (DCD) - qui comprennent de grandes quantités de déchets minéraux granulaires (béton, briques, et autres matériaux céramiques concassés) - constituent le flux de déchets le plus important. Même lorsque les DCD sont bien triés (pour le recyclage), la réutilisation de la fraction minérale reste un défi majeur. De grandes quantités sont stockées à un coût d'opportunité élevé ou utilisées dans des applications de faible valeur.
L'utilisation des DCD minéraux comme agrégats recyclés pour le béton (recycled aggregate concrete, RC) a un grand potentiel écologique et économique. Mais, les approches actuelles de définition et d'optimisation des recettes RC sont empiriques par défaut et nécessitent des travaux coûteux et fastidieux. L'impact des agrégats recyclés sur les performances physique, écologique et économique du RC est un phénomène multifactoriel complexe, influencé par plus de dix propriétés des agrégats. Toutes ces propriétés sont affectées négativement par des résidus de pâte de ciment adhérant aux agrégats, dont la concentration et les caractéristiques varient significativement entre les différentes sources de DCD. Ainsi, les résultats d'un développement empirique traditionnel sont spécifiques au stock de DCD utilisé et ne peuvent à priori pas être transposés à d'autres sources.
Dans le cas des agrégats fins, où la concentration en résidus de ciment est notoirement plus élevée, ces approches sont inadaptées aux reformulations récurrentes nécessaires pour répondre aux fortes variations des sources de DCD et, donc, pour permettre leur utilisation à grande échelle en remplacement des sables naturelles. Pour ceci, Il faut se réorienter : du développement de formulations spécifiques, à celui de méthodes et d'outils pour les trouver plus efficacement.
L'objectif principal de ce projet est de contribuer au développement d'un nouvel outil adaptatif de formulation de RC capable de traiter efficacement la grande variabilité des agrégats recyclés fins. Pour ce faire, nous proposons d'appliquer à des images du FRA associées à certaines de leurs données physiques, des techniques d'apprentissage automatique (Machine Learning, ML) en vue de prédire la performance physique du RC, et d'informer l'utilisateur en temps réel des ajustements de la recette qui seraient nécessaires pour atteindre la performance physique requise, et de l'impact que ces ajustements auraient sur les performances économique et environnementale du RC qui serait obtenu.
Ce projet complétera de manière significative l'exploration méthodologique initiée dans notre projet ORCADEMO (Optimised Recycled Concrete mix design by Artificial intelligence image processing of DEMOlition waste) avec le financement du Smart Living Lab Fribourg, sur trois fronts, en permettant :
1. d'établir la base méthodologique pour la prédiction holistique de l'impact environnemental des formulations RC ajustées.
2. d'explorer davantage de techniques d'imagerie sériée dans le temps afin d'intégrer le comportement dynamique des matériaux granulaires.
3. d'élargir considérablement la base de données utilisée pour entraîner les outils prédictifs, grâce à l'extension de la campagne d'évaluation empirique à des sources supplémentaires d'agrégats recyclés.
Research team within HES-SO:
Citherlet Stéphane
, Favre Didier
, Zwicky Daia
, Chabbi Houda
, Ruffieux Killian
, Fringeli Samuel
, Guinchard Basile
, Maillard Philippe
, Pauletta Stefano
, Frossard Mija
, Cau Sonia Anselmina
, Ston Julien
Partenaires académiques: FR - EIA - Institut iCoSys; FR - EIA - Institut iTEC; iE; Zwicky Daia, FR - EIA - Institut iTEC
Durée du projet:
16.03.2023 - 14.03.2025
Montant global du projet: 220'000 CHF
Statut: Ongoing