Fiabilité des Structures

Dr H. Bournine
Rappel des outils d’analyse probabiliste
L'espérance (expected value) d'une variable aléatoire discrètes

m=
L'espérance (expected value) d'une variable aléatoire continue

m=
La variance d'une variable aléatoire discrètes.

La variance d'une variable aléatoire continue

Outils d’analyse probabiliste
L’espérance de la distribution jointe h(X, Y) de 2 variable X et Y est

Si X et Y sont 2 variables indépendantes, leur espérance jointe est donnée par

E(X, Y) = E(X)E(Y)

Preuve:

Pour les variable non-indépendantes, ca ne s’applique pas

Outils d’analyse probabiliste
La covariance entre 2 variables jointement distribuées X et Y avec les espérances µ x
et µy est

Covariance positive Covariance négative

Outils d’analyse probabiliste
Théorème:

Preuve:

Théorème: Si les X et Y sont des variables indépendantes Cov(X, Y)=0

Preuve:

Remarque: Une covariance égale a zéro n’implique pas l’indépendance des

variables
Exemple 1.
1-Prouvez que cov(x,y)=E(xy)- E(x)E(y)
2-Une société d’électricité utilise des panneaux solaires et des éoliennes. Si X est le
pourcentage du temps les panneaux génèrent de l'électricité, et Y est le pourcentage
du temps les éoliennes génèrent de l'électricité. La fonction de densité jointe est
h(x;y) =8/3 (1/2-x+y) pour 0 ≤ x ≤ 0.5 and 0 ≤ y ≤ 1.
Calculez la cov(X,Y) et leur corrélation
Exemple 2.
Les salaires des fonctionnaire dans une société y est une fonction de s, leur
années d’études et t leur années de services.
y = 10,000 + 500s + 200t
Prouvez que la covariance suivante est correcte , x est l’age de l’individu
cov(x,y)=500 cov(x,s)+200cov(x,t)
Individu âge études service Salaire

Exemple 3.
Une société de dépannage de véhicules reçoit un nombre d’appels x1 par jour et
effectue le nombre d’intervention x2. la fonction de probabilité jointe p(x1;x2) est
comme suivant
p(0,0) = 0,04, p(1,0) = 0,16, p(1,1) = 0,10, p(2,0) = 0,20, p(2,1) = 0,30, p(2,2) =
0;20.
Calculez la covariance et le facteur de corrélation et interprétez les résultats
 Exercices (cont.)
Solution exemple 4
la fonction de probabilité jointe p(x1;x2) est comme suivant
p(0,0) = 0,04, p(1,0) = 0,16, p(1,1) = 0,10, p(2,0) = 0,20, p(2,1) = 0,30, p(2,2) =
0;20.
Calculez la covariance et interprétez les résultats
E(X1) = 0 x 0.04+1 x 0.16+1 x 0.10+2 x 0.20+2 x 0.30+2 x 0.20
= 1.66
E(X2) = 0 x 0.04+0 x 0.16+1 x 0.10+0 x 0.20+1 x 0.30+2 x 0.20
= 0.8
E(X1X2) = 0 x 0.04+0 x 0.16+1 x 0.10+0 x 0.20+2 x 0.30+4 x 0.20
= 1.5
Cov(X1;X2) = 1.5-1.66 x 0.8= 0.172

V(X1) = (0-1.66)2 0.04+(1-1.66)2 0.16+(1-1.66)2 0.10 +(2-1.66)2 0.20+(2-1.66)2

0.30+(2-1.66)2 0.20 = 0.3044
V(X2) = (0-0.8)2 0.04+(0-0.8)2 0.16+(1-0.8)2 0.10 +(0-0.8)2 0.20+(1-0.8)2
0.30+(2-0.8)2 0.20 = 0.56

Corr(X1, X2) = 0.4166

Exemple
Calculez la covariance de ces données et interprétez le résultat
Machine Durée de vie Cout de maintenance /heurs
1 15 17.3
2 16 15
3 8 14.9
4 6 4.5
5 15 18
6 12 6.2
7 12 19
8 18 17.3
9 12 7
10 20 42
Outils d’analyse probabiliste
Le Coefficient de corrélation de 2 variables jointement distribuées est défini
comme

Il est toujours entre -1 et 1

Corrélation forte

Corrélation modéré

Corrélation faible

Non-corrélées

Il est égale a 1 ou -1 que quand Y= aX+b et a ≠ 0

Preuve page suivante
Outils d’analyse probabiliste
Preuve:
Outils d’analyse probabiliste
La covariance Cov [X1 , X2] = E[( X1 −μ1)( X2 − μ2)]

Pour un vecteur stochastique X = (X1 , X2 ,..., Xn)

Le Coefficient de corrélation

Pour un vecteur stochastique X = (X1 , X2 ,..., Xn)

L’état limite de défaillance
Le concept de l’état limite représente l’état de la structure sous toutes ses sollicitation
juste avant la défaillance. C’est la limite entre fiabilité et défaillance

Il est très important de bien choisir les variable aléatoire et celle déterministe

Les variable aléatoire sont en général les caractéristiques géométriques, mécanique et

la sollicitation agissant sur la structure. En général désignées par

X=(X1 ,X2 ,.., Xn)

Et l’état limite pour un nombre de variable (x1 , ..., xn) est donnée par

g (x1 , ..., xn) =0

Ou g (x) est la fonction de défaillance.

En général, les valeurs positives de g correspondent a l’état sures et celles négatives

a l’état de défaillance.
 L’état limite de défaillance
Le concept de l’état limite représente l’état de la structure sous toutes ses sollicitation juste
avant la défaillance. C’est la limite entre fiabilité et défaillance.
Il est trés important de bien choisir les variable aléatoire et celle déterministe

Les variable aléatoire sont en général les caractéristiques géométriques, mécanique et la

sollicitation agissant sur la structure. En général désignées par
X=(X1 ,X2 ,.., Xn)

Et l’état limite pour un nombre de variable (x1 , ..., xn) est donné par

g (x1 , ..., xn) =0

Ou g (x) est la fonction de défaillance.

Elle est aussi désignée comme marge de sécurité

M=g(X)
La probabilité de défaillance est Pf=P(g(X) ≤ 0)

En général, les valeurs positives de g correspondent a

l’état sures et celles négatives a l’état de défaillance.
Etat limite linéaire
C’est le cas ou la marge de sécurité est une fonction linéaire de toutes les variables
M = a0 + a1X1 + ... + an Xn

Ou a0 ,a1 , an sont des constantes. Les éléments de X ont une distribution normal

Remarque. Si les variable X ont une distribution normale, M aura une distribution
normale.

L’espérance de M est
μM = a0 + a1 μX1 + ... + an μXn = a0 + aT μX Ou

Et sa variance σM2 = aTCovx a ou

pour les systèmes qui sont indépendants,

(σ M )2= a12 σ X12 + ... + an 2 σ Xn 2
Cas élémentaire
Considérons une fonction d'état limite g(r,s)= r-s avec R résistance et S
sollicitation, supposées indépendantes. Sur la figure suivante sont représentées les
densités de probabilité fs(s) et fr(r) , r et s étant de même unité.
Pour un cas de traction,

g (a, l ,E, r, s) = d aE - l s
Ou
d= l’élongation de la barre
a= La surface
l= la longueur de la barre
Interprétation géométrique
g(x) >0
g(x) >0
0

g(x)<0
)=

=0 g(x)<0
)
x

(x
g(

g
L’indice de fiabilité de Cornell
L’indice de fiabilité est donc
β =μM /σM

L’interprétation géométrique paramètre β

=0
(x )
g
L’indice de fiabilité
La probabilité de défaillance peut être définie comme suivant

L’indice de fiabilité est donc

β =μM /σM

Ou Φ est la fonction de distribution normale et U est variable avec une

distribution normal des valeurs suivantes (μU = 0, σU =1).
 Une Fcn de défaillance non linéaire
On général, la fonction de défaillance est non linéaire et la marge de sécurité M=g(x)
n’a pas une distribution normale

La première étape est de linéariser M comme suivant

Et l’indice de sécurité peut être calculée comme décrit précédemment.

Mais le problème est que ce calcule sera limite a la marge linearisée
Et la on introduit un autre indice de fiabilité de Hasofer & Lind
 L’indice de Hasofer-Lind
Première étape est de définir une transformation de variable X a UX = N(0,1)
Remarque. les variables X ont une distribution normale

U est le vecteur Gaussien standard. Avec cette transformation, la défaillance dans le

plan u est comme suivant
 L’indice de Hasofer-Lind
L’indice de Hasofer-Lind est définie comme la distance minimale entre l’origine de
l’espace u et la surface de défaillance g (u) = 0
 L’indice de Hasofer-Lind
Au point b , la relation suivante doit être satisfaite: u*=lg(u*)

Ou g(ui) =

Pour formuler un problème itératif, on pose une valeur initiale u0 donc la valeur prochaine
peut être écrite de la manière suivante u*= u0 +Du

Une approximation de premier ordre a g(u*) est donnée par

en appliquant : u*=lg(u0)

Sachant que g(u*)=0. l est définie comme suivant:

Et la loop peut être formulée comme suivant:

 Model d’itération
1. Imaginer une valeur (u0 )
i=0
2. Calculer g(ui )
3. Calculer ∇g(ui )
4. Calculer une meilleur valeur de ui

5. Calculer l’indice de fiabilité

6. Calculer la convergence: si b i+1-b i ≤e arrêtez l’itération

Exemple 1. Variable Esperance écart type

Les variable aléatoire sont W, L, le module d’élasticité E et le moment d’inertie I

La fonction d’état limite a considérer et celle de flexion permissible de L/360. La flexion
maximale dans cette barre est à 0.446L des 2 limites.

La procédure suivante est a suivre

1. La définition de la fonction d’état limite g(x) dans le domaine des variable x
2. La transformation de de la fonction d’ état limite dans le domaine des variables réduites
3.

4. Ecrire g en fonction de a et b pour cela on choisi un point de design en fonction des 2

paramètres

ou
 Variable Esperance écart type
Exemple.

La fonction d’état limite.

La forme réduite des variables.

La fonction g(z)=0 est donc

On pose b la distance entre le centre de l’hyperplan U et a est le vecteur unitaire de la surface
hyperplan d’état limite

Donc
Exemple.

La fonction g(z)=0 est donc

Donc.

Les valeurs de a sont

Exemple.

Les valeurs initiales choisies sont

et

Les itération vont mener vers

 Exemple 2
Considère le problème suivant

Le déplacement maximale est.

La défaillance aura lieu quand

La forme matricielle.
La fonction d’état limite et les paramètres approprié pour les variables aléatoires.
On va mettre

Donc

Pour les valeurs initiales, nous allons utiliser les valeurs moyennes de ces variables i.e.

Et la valeur initiale de x3* on l’obtient a partir de g(x)=0 est donc

Déterminer les valeurs des variables réduites

Déterminer le vecteur G ou
La forme matricielle.
En utilisant les valeurs initial

Calculer et

Calculer un nouveau design point

Et la valeur de x3* on l’obtient a partir de g(x)=0 est donc

Itérer jusqu’à la convergence

 Solution
g( p,l,e,i) = 48ei −100 pl 2 = 48ei − 3600 p

Les variables sont. X1 = P, X2 = E et X3 = I

Donc

Et
Les dérivée en fonction de U sont
 Model d’itération

Dans l’espace basique

 Le facteur de sensibilité a l’omission
Il mesure l’importance de l’incertitude d’une variable dans la fiabilité. Il exprime l’erreur
relative dans l’indice de fiabilité si la variable est remplacée par une valeur fixe.
La marge de sécurité peut être écrite de la manière suivante
M= b-a TU,
a est le vecteur unitaire de la surface hyperplan d’état limite au point le plus central
U le vecteur Gaussien standard. Si on fixe une des valeurs de a u i On peut réécrir La marge
conditionnelle

L’indice de de fiabilité simple est

Et le facteur de sensibilité a l’omission est donc

Et plus généralement

Dans l’example précédent on fixe u3=0

 Fcn non linéaire et variable corrélées
On a les variables stochastiques normalement distribuées Xi , i =1,…,n, leurs espérances µX1
…, µXn et leurs écarts types σX1 ,…,σXn leurs coefficients de
.correlation ρij , i, j =1,…,n
.Une fonction d’état limite g(x) est donnée
Pour déterminer l’indice de fiabilité une transformation des variables corrélées a une forme
non-corrélée est nécessaire
:La première étape c’est la normalisation

Y ont une corrélation r . L’étape prochaine est la transformation des variables Y a des
variables normalisé
et non corrélées U telle que
Y=TU

Ou T est une matrice triangulaire inferieure ( T ij=0 si j>i). La matrice de covariance CY pour Y
est ecrite comme suivant
 Fcn non linéaire et variable corrélées
Les valeurs de T sont définies a partir de TTT=r

:Exemple
Les variables normalisées Y=(Y1, Y2, Y3) qui ont la matrice de correlation suivante
 Fcn non linéaire et variable corrélées
Les transformation de X a U sont écrites de la manière suivante

Ou D est la matrice des écarts types de X. La fonction d’état limit peut etre ecrite de la
manière suivante

:Exemple
Soit X=(X1, X2, X3) avec
:Donc

et la fonction d’état limite suivante

: Dans le domaine U