Stage M2 : Étude expérimentale et modélisation prédictive de la corrosion dans le béton armé

Unité : CERI MP

Responsable hiérarchique : Directrice du Centre d’Enseignement, de Recherche et d’Innovation Matériaux Procédés (CERI MP)

Catégorie : Étudiant

Nature de l’emploi : Stage

Lieu de travail : IMT Nord Europe Centres de Recherche Matériaux et Procédés 764, Boulevard Lahure 59508 Douai

Contexte :

École sous tutelle du ministère de l’économie, des finances et de la souveraineté industrielle et numérique, IMT Nord Europe est née en 2017 de la fusion de Télécom Lille et de l’École des Mines de Douai. Elle compte aujourd’hui parmi les plus Grandes Écoles d’ingénieurs au Nord de Paris avec plus 2200 élèves, dont un quart d’apprentis, plus de 600 diplômés par an et un réseau de 15 000 diplômés. Elle fait partie de l’Institut Mines Télécom, premier groupe public de Grandes Écoles d’ingénieurs et de management de France, et est partenaire de l’université de Lille.

IMT Nord Europe a 3 missions principales : former des ingénieurs responsables aptes à résoudre les grandes problématiques du XXIème siècle ; mener des recherches débouchant sur des innovations à haute valeur ajoutée ; soutenir le développement des territoires notamment en facilitant l’innovation et les créations d’entreprises. Son objectif est de former les ingénieurs de demain, maîtrisant à la fois les technologies numériques et les savoir-faire industriels. Idéalement située au carrefour de l’Europe, à 1 heure de Paris, 30 minutes de Bruxelles et 1H30 de Londres, IMT Nord Europe a l’ambition de devenir un acteur majeur des grandes transformations industrielles, numériques et environnementales du XXIème siècle en combinant, tant dans ses enseignements et que dans sa recherche, les sciences de l’ingénieur et les technologies du digital.

Localisée sur 2 sites principaux d’enseignement et de recherche, à Lille et à Douai, IMT Nord Europe s’appuie sur plus de 20 000 m² de laboratoire pour développer un enseignement de haut niveau et une recherche d’excellence dans les trois domaines « Systèmes Numériques », « Energie Environnement » et « Matériaux et Procédés ».

Pour plus de détails, consulter le site internet de l’École : www.imt-nord-europe.fr

La corrosion des armatures constitue une des principales causes de dégradation des infrastructures en béton armé. Ce phénomène, influencé par des facteurs environnementaux tels que les sels de déverglaçage, l'humidité, et les variations thermiques, fragilise les structures en réduisant leur durabilité. Ces agents agressifs pénètrent dans le béton, déclenchant des processus électrochimiques qui affaiblissent les armatures, entraînant des coûts élevés de maintenance et de réhabilitation. Pour anticiper ces problématiques, il est essentiel de mieux comprendre la propagation de la corrosion et de développer des outils de prédiction fiables.

Face à ce défi, la combinaison d’approches expérimentales et numériques offre une opportunité unique. En laboratoire, des essais de corrosion accélérée permettent de simuler des conditions environnementales variées, tandis que l’analyse des données récoltées avec des techniques avancées d’intelligence artificielle (IA) ouvre la voie à la prédiction précise de la durée de vie des structures en béton armé.

Méthodologie :

Ce stage propose une approche structurée pour étudier la corrosion des armatures dans des conditions contrôlées, combinant des essais expérimentaux en laboratoire et l’analyse des données avec des outils numériques avancés :

1. Études expérimentales en laboratoire :

o   Conditions environnementales : Réalisation d’essais de corrosion accélérée en variant des paramètres tels que l’humidité, la température, et l’exposition aux chlorures.

o   Caractérisation de la corrosion : Suivi régulier de l’évolution de la corrosion à travers des mesures (potentiels électrochimiques, courants de corrosion) et des observations visuelles.

2. Collecte et traitement des données :

o   Acquisition : Utilisation de capteurs et de techniques d’imagerie pour recueillir des données sur les paramètres clés de la corrosion.

o   Prétraitement : Nettoyage et organisation des données pour garantir leur qualité et faciliter l’analyse.

3. Analyse des données avec IA :

o   Modèles prédictifs : Développement d’algorithmes de machine learning pour relier les conditions environnementales à la progression de la corrosion.

o   Simulation : Modélisation de la durée de vie résiduelle des structures à partir des données collectées.

Objectif du Stage :

Ce stage vise à développer une méthodologie intégrant des essais expérimentaux et des outils d’analyse basés sur l’IA pour :

o   Mieux comprendre la propagation de la corrosion dans les armatures de béton.

o   Concevoir un modèle prédictif de durée de vie des structures en béton armé.

o   Proposer un outil opérationnel pour anticiper les besoins en maintenance et améliorer la durabilité des infrastructures.

Profil recherché :

• Étudiant(e) en dernière année de cycle ingénieur ou master en sciences des matériaux, génie civil, ou data science.

• Compétences en mécanique des matériaux, intelligence artificielle (Machine Learning/Deep Learning).

• Autonomie, rigueur, esprit d’analyse, et capacité à travailler en équipe.

Références

[1] Bolzoni, Fabio, Andrea Brenna, and Marco Ormellese. "Recent advances in the use of inhibitors to prevent chloride-induced corrosion in reinforced concrete." Cement and Concrete Research 154 (2022): 106719.

[2] Hu, J. Y., et al. "A review on corrosion detection and protection of existing reinforced concrete (RC) structures." Construction and Building Materials 325 (2022): 126718.

[3] Feng, Weipeng, et al. "Methods of accelerating chloride-induced corrosion in steel-reinforced concrete: A comparative review." Construction and Building Materials 289 (2021): 123165.

[4] Hong, Shuxian, et al. "Determination of impressed current efficiency during accelerated corrosion of reinforcement." Cement and Concrete Composites 108 (2020): 103536.

[5] Cai, Yikun, et al. "Atmospheric corrosion prediction: a review." Corrosion Reviews 38.4 (2020): 299-321.

[6] Wang, Changxi, and Elsayed A. Elsayed. "Stochastic modeling of corrosion growth." Reliability Engineering & System Safety 204 (2020): 107120.

[7] Pan, Yue, and Limao Zhang. "Roles of artificial intelligence in construction engineering and management: A critical review and future trends." Automation in Construction 122 (2021): 103517.

[8] Lin, Zhifeng, et al. "Application of artificial intelligence (AI) in the area of corrosion protection." Anti-Corrosion Methods and Materials 70.5 (2023): 243-251.

[9] Coelho, Leonardo Bertolucci, et al. "Reviewing machine learning of corrosion prediction in a data-oriented perspective." npj Materials Degradation 6.1 (2022): 8.

Conditions :

Le stage est à pourvoir à compter de la date de début de stage selon les conventions pour une durée de 5 à 6 mois.

Renseignements et modalités de dépôt de candidature :

•          Pour tout renseignement sur le poste, merci de vous adresser à Nikzad Motamedi, Walid Maherzi, Salim Chaki

• Nikzad Motamedi (Enseignant Chercheur): nikzad.motamedi@imt-nord-europe.fr

• Walid Maherzi (Enseignant Chercheur): walid.maherzi@imt-nord-europe.fr

• Salim Chaki (Enseignant Chercheur): salim.chaki@imt-nord-europe.fr

•          Pour tout renseignement administratif, merci de vous adresser à la Direction des Ressources Humaines : jobs@imt-nord-europe.fr  

•          Cet emploi est proposé en mobilité pour un fonctionnaire ou bien sous forme de contractuel de droit public.

•          Par ailleurs, le poste peut être aménagé pour une personne en situation de handicap.

Date limite de candidature : 15/01/2025