2023/01/18
Automating mix design for 3D concrete printing using optimization methods
Sergis, V.; M. Ouellet-Plamondon, C. (2022). Automating mix design for 3D concrete printing using optimization methods. Digital Discovery, 2022, 1, 645-657.
L’automatisation va de pair avec l’impression 3D dans le secteur de la construction. Bien que l’un des grands avantages de cette technologie soit la personnalisation, elle ajoute une complexité au niveau de la conception ou encore de la formulation des mélanges. En effet, le nombre d’intrants composant les mélanges est plus important pour les bétons utilisés en fabrication additive comparativement au béton conventionnel. Cette étude porte donc sur l’optimisation de méthodes pour optimiser les mélanges de mortier pour la fabrication additive; les objectifs étant d’améliorer la maniabilité, la facilité d’impression ou encore de construction et la résistance à la compression. Huit facteurs sont analysés au total, trois sont qualitatifs et cinq quantitatifs. Ces facteurs comprennent les types de ciment, de sable et de superplastifiant ainsi que les rapports eau/liant, sable/liant et les doses d’adjuvants. 18 mélanges à composition optimale ont été formés pour limiter le nombre d’expérience. Des réseaux neuronaux à action directe sont utilisés pour prédire les propriétés des nouveaux mélanges. Pour augmenter la précision des modèles, l’algorithme génétique est utilisé pour optimiser les hyperparamètres de chaque réseau. Enfin, l’algorithme d’optimisation de Pareto est utilisé pour contrôler les matériaux et leurs dosages dans le but d’optimiser simultanément la maniabilité, la facilité d’impression et la résistance à la compression. Cette approche a permis d’améliorer les propriétés des mélanges après seulement cinq itérations ; 21 mélanges supplémentaires ont découlé de cette méthodologie. Les résultats indiquent que cette méthodologie peut réduire la charge de travail requise tout en générant des compositions de mélanges aux propriétés améliorées.