Optimization of Fire Protection Systems Using Machine Learning : Application to Intumescent Systems
Year: 2024
Type: dissertation
Abstract: Optimisation des systèmes de protection incendie par machine learning : Application aux systèmes intumescents L'optimisation est un élément majeur en science des matériaux et est particulièrement importante dans le développement de formulations complexes, comme par exemple les formulations retardatrices de flamme. Ce travail de thèse se concentre sur le développement d'une méthode d'optimisation active basée sur une technique de machine learning appelée Optimisation Bayésienne (BO). Parmi les différents types de systèmes retardateurs de flamme, les systèmes intumescents suscitent un grand intérêt et ont fait l’objet de cette étude. Nous avons étudié deux systèmes complexes : une formulation intumescente à base de polypropylène (PP) et un revêtement intumescent applicables à des substrats de type bois. Pour le système à base de PP, une approche d’ignifugation en masse i.e. par ajout d’additif a été choisie. L’optimisation a été menée selon deux approches: (a) une approche mono-objective visant à optimiser uniquement le Pouvoir Calorifique Superieur (PCS) obtenue à partir du Bombe calorimètre, et (b) une approche multi-objective visant à optimiser à la fois l'indice limite d'oxygène (LOI) et la teneur en additifs dans la formulation. Dans le cas du revêtement intumescent, plusieurs paramètres incluant la chaleur totale libérée (THR) mesurée par le cône calorimètre en position horizontal, et la vitesse de perte de masse, mesuré en position verticale ont été optimisés. Un test à petite échelle permettant de mesurer le flux de chaleur critique à l'extinction (CFE) a également été utilisé pour mesurer la propagation des flammes. D’autre part, une segmentation d'image basée sur du machine a été appliquée pour évaluer le front de dégradation. Cette étude a permis de démontrer dans les cas d’études, la pertinence de l’OB en science des matériaux
Author: Éric Verret
Institution: Centrale Lille Institut
Language: English
Subfield: Polymers and Plastics
Field: Materials Science
Domain: Physical Sciences
Open Access status: green
OpenAlex ID: W7152070909