Documente Academic
Documente Profesional
Documente Cultură
1. Introduction
Rsum
En fiabilit des structures, la modlisation de la structure repose sur un systme physique
dterministe des mcanismes de dgradations. Les mcanismes pris en compte sont par exemple, la
propagation de fissure, la propagation de dfauts par fatigue thermique ou vibratoire, la corrosion-
rosion etc Dans son environnement, la structure est donc soumise des chargements qui
dfinissent un nombre fini de modes de dgradations. Pour chacun deux, deux tats sont possibles :
Dfaillant ou non .
Le risque de dfaillance peut donc tre considr dans un cadre dterministe ou probabiliste ;
Avec une approche probabiliste, le risque doit donc tre valu sous forme de probabilit de
dfaillance. Cette valuation constitue toute la problmatique de ce document ;
Plusieurs mthodes dvaluations ont t mises en place dont la Mthode de simulation de Monte
Carlo ; Nous nous intresserons dans ce document au dveloppement de deux mthodes de
fiabilit structurelle les plus utilises : Les mthodes de fiabilit du premier et du second ordre
(FORM et SORM). Nous en prciserons enfin les avantages et les inconvnients.
Mots Cls : Fiabilit des structures , Form , Sorm , Surface dtat limite , Fonction de dfaillance ou
dtat limite , Indice de fiabilit , Probabilit de dfaillance , point de conception .
Notations :
1. Introduction
1.1 Gnralits dun problme de Fiabilit et Notion de fonction de dfaillance
Dans la plupart des problmes de fiabilit , le soucis de modliser les mcanismes de dgradations et
les contraintes de lenvironnement de la structure conduit la dfinition dune fonction de
dfaillance et dun critre de dfaillance .
Ce critre est fonction des paramtres du modle et il implique une sparation de lespace en deux
zones : La zone de fiabilit et la zone de dfaillance .
La frontire entre ces deux sous espaces est une hypersurface dquation G(Y) = 0 ; Elle est
appele surface dtat limite ou surface de dfaillance .
G dsignant la fonction de dfaillance du modle ; Il ya donc dfaillance lorsque G (Y) 0 .
Lensemble des tats dfaillants est not D ou F ( Domaine ou Zone de dfaillance ) :
D = F = { , () 0 }
Lensemble des tats fiables du modle ou domaine de bon fonctionnement est le complmentaire
de D ; Il est not S (Zone de fiabilit ou safe set ) : S = { , () 0 }
La surface dite de dfaillance ou dtat limite est lensemble { , () = 0 }
La figure 1 ci-dessous illustre parfaitement le contexte gnral dun problme de fiabilit en 2D .
Zone de Dfaillance (D )
2 (1 , 2 ) < 0
F(2 )
(1 , 2 ) = 0
(1 , 2 ) > 0
F(1 )
Aprs avoir mis en place le cadre dtude dun problme de fiabilit , il devient vident que le
paramtre que lon veut connaitre est la fiabilit de la structure ;
Autrement dit , sa probabilit de dfaillance .
La fiabilit correspond la probabilit que la structure soit en bon fonctionnement :
= ( ) = ( () 0)
De mme , la probabilit de dfaillance est la probabilit que la structure soit dfaillante ;
Il sagit de la probabilit complmentaire ; Elle vaut donc 1 ;
Soit : = ( ) = ( () 0) .
Cette probabilit de dfaillance peut scrire sous diverses formes , notamment sous forme
desprance ou dintgrale :
En effet , = ( () 0)
= E [1{() 0} ]
= 1{() 0} ()
De ce fait ,le calcul de se ramne un calcul desprance mathmatique ou dune intgrale sur
le domaine D dun espace multidimensionnel.
Toutefois , la solution analytique de cette intgrale est en gnral complexe , voire impossible .
En effet, la complexit des fonctions de dfaillance et le grand nombre de variables du modle
rendent en gnral impossible le calcul direct de .
Une manire destimer consiste utiliser une mthode de Monte Carlo : On gnre un grand
nombre de valeurs alatoires suivant les lois statistiques connues , et lon compte le nombre de cas
ou G est ngatif .
Cependant , cette mthode ncessite un nombre considrable de simulations pour avoir une bonne
estimation de .
Cest pourquoi , on utilise en pratique les mthodes FORM et SORM qui sont bases sur une
approximation du domaine de dfaillance D par un domaine simplifi pour lequel lintgrale peut
tre calcule par des techniques numriques .
1.3 Diffrentes mthodes dvaluation de lintgrale de dfaillance
Comme nous venons de voir, lvaluation de lintgrale de dfaillance est en pratique complexe ;
Nanmoins , on a dvelopp plusieurs mthodes pour y remdier ; En occurrence, la fameuse
simulation de Monte Carlo ;
Les mthodes de simulation de Monte carlo sont des mthodes gnrales destimation dintgrale
multi-dimensionnelle et desprance mathmatique .
Elle peuvent ainsi tre utilises pour lestimation de probabilit de dfaillance en fiabilit des
structures .
Lapproche est compltement diffrente de celle des mthodes FORM-SORM que lon verra dans la
deuxime partie de ce document . En effet , ici , on ralise une estimation statistique de la
probabilit de dfaillance , et non une approximation de celle-ci par simplification du domaine de
dfaillance D .
Cette simulation se fonde essentiellement sur lapplication de loi des grands nombres et sur le
thorme central limite. Lestimateur obtenu est sans biais et sa variance peut tre estime.
Dans un modle de Fiabilit des structures , le paramtre estimer est la probabilit de dfaillance
donne par lquation : = ( () 0)
= E [1{() 0} ]
Le principe de la simulation est bas sur lapplication de la loi des grands nombres : la moyenne de
ralisations indpendantes de la fonction converge presque surement(ps) vers lesprance
1
mathmatique de . ie :
=1 ( ) [()] lorsque les sont iid et
[|()|] < + .
Ainsi pour un modle de fiabilit des structures , lestimateur est dfini de par :
1
=
=1 1{() 0} , avec et N le nombre de tirages . (1.3)
Lestimateur est compos de termes dont les valeurs sont 0 ou 1 du fait de la fonction indicatrice de
dfaillance ; Il reprsente donc le nombre moyen de tirages dfaillants obtenus parmi les N tirages .
La simulation de Monte Carlo permet donc de contrler la prcision de lestimation ralise grce
la variance et lintervalle de confiance de lestimateur ;
En effet , la variance de lestimateur peut tre estime par la simulation et lintervalle de confiance
est quant elle construite partir de cette variance et de lapplication du thorme central limite
1
(TCL). Il est not que la variance de lestimateur est gale : 2 =
[()] Car les termes
1 1
sont iid et elle est estime par : 2 = 1
[ 2
=1 ( ) 2 ] (1.4)
La variance tend donc vers 0 lorsque le nombre de tirages N + , ce qui signifie que la prcision
de lestimateur est une fonction croissante du nombre de simulations ralises .
Par contre , pour obtenir des estimateurs suffisamment prcis , il faut raliser un nombre important
de simulations . Ce qui a pour inconvnient un temps de calcul lev. Do la ncessit dune
autre mthode afin dvaluer ; En occurrence , FORM ET SORM qui contrairement la
simulation de Monte Carlo sont essentiellement bases sur une simplification du domaine de
dfaillance .
2. First and Second Order Reliability Method (FORM et SORM)
En fiabilit des structures , les mthodes FORM et SORM sont des mthodes dapproximation
permettant de dterminer un point particulier appel point de conception de la structure , et donc
destimer la probabilit dfaillance . Ces mthodes sont donc intrinsquement lies ce fameux
point de conception ; Plus prcisment la distance qui spare ce point la surface de
dfaillance dans lespace dorigine ;
Les indices de fiabilit permettent de rendre compte de la fiabilit dun systme et ainsi de comparer
les fiabilits de diffrentes structures .
En effet , plus lindice de fiabilit est lev , plus la probabilit de dfaillance est faible et par
consquent , plus la structure est fiable .
Cet indice a t introduit par Cornell en 1969 . Il est adapt une surface de dfaillance hyperplane.
Il est dfini en termes de marge de scurit M partir de la valeur [] et de lcart
type () . Avec M = () ou Y est le vecteur des variables de base , G la fonction de
dfaillance du modle tudi et Var(M) est la variance de la marge de scurit .
On fixe comme critre de dfaillance M = () 0 .
()
lindice de Cornell est dfini par : = ()
(2.1)
Dans le cas unidimensionnel , la surface de rupture est reprsente par le point M = 0.
Lide exprime par cette dfinition de lindice de fiabilit est que la distance de la valeur
moyenne E(M) la surface de rupture (exprime en nombre d carts types ) donne une bonne
mesure de la fiabilit .
Si la fonction dtat limite G(Y) est linaire , alors E(M) et Var (M) peuvent tre calcules facilement
en fonction des caractristiques des variables de base .
Dans le cas ou G(Y) nest pas linaire , Cornell suggre de lapprocher par son dveloppement de
taylor au premier ordre au point moyen . Cette valuation ne ncessite pas la connaissance des
deux premiers moments des variables alatoires .
On peut galement avoir recours aux simulations de Monte Carlo pour des formes complexes et non
explicites de la fonction de dfaillance G(Y) . Avec un nombre relativement restreint de simulations ,
on obtient en gneral de bonnes estimations de E(M) et de Var (M) .
Ensemble de Ensemble de
Defaillance D Fiabilit S
E(M)
carts types
= () + =1 ()( ) (2.2)
()+
=1 ()(( ) )
= 1 (2.3)
2
|
=0
=1 ()
()(( , )|
A noter que lorsque le point de linarisation est la moyenne , lindice est appel indice de fiabilit du
second moment du premier ordre de la valeur moyenne .
Dans ce nouvel espace , les variables X sont telles que : E(X) = 0 et =Cov (X, ) = .
La transformation scrit alors = ( ()) A est dtermine par A = daprs des
techniques dalgbre linaire .
On a donc :
1
= ( ) 2 (2.5)
()=0
1
= ()=0
[( ()) 1 ( ()) ] 2 (2.6)
1
Il est noter que le point solution du problme Min ( ) 2 est fondamental dans ltude des
mthodes FORM et SORM ; Il est appel Design point ou point de conception de la structure .
Il sagit du point appartenant la surface de dfaillance pour lequel la densit conjointe des variables
est la plus leve . Cest le point de dfaillance le plus probable de la structure . Nous le
dvelopperons davantage plus tard .
Dautre part , la valeur de coincide avec lindice Cornell quand la surface de dfaillance est
hyperplane . Lindice de hasofer Lind est donc une gnralisation de cet indice des structures
ayant des surfaces de dfaillances non linaires .
Comme nous lavons vu , la principale fonctionnalit dun indice de fiabilit est de permettre la
comparaison en terme de fiabilit de diffrentes structures .
Or lindice de hasofer-Lind que nous venons de voir ne prend pas en compte les courbures de la
surface de dfaillance au point de conception ; Cette ngligence peut ainsi mener des
comparaisons errones et non satisfaisantes .
Cest pourquoi un nouvel indice de fiabilit gnralis a t dvelopp par DITLEVSEN [3]
Ce nouvel indice est beaucoup plus prcis ; Il sagit en effet dune fonction de la probabilit de
dfaillance exacte lorsque les variables sont indpendantes centres rduites .
Pour cela , on calcule une mesure de la fiabilit en intgrant une fonction de poids (choisie comme
la densit gaussienne standard ) sur le domaine de la fiabilit S du modle .
= (2.7)
= 1 () = 1 ( ) avec = 1 (2.8)
Malheureusement le calcul de cet indice ncessite une intgration sur le domaine de fiabilit qui
peut savrer longue et difficile.
2.2 Mthodes FORM - SORM et Notion de point de Conception
Les mthodes Form et Sorm sont deux techniques dapproximation de la probabilit de dfaillance
dune structure . Elles proposent une approche trs diffrentes de la simulation monte carlo .
Ces mthodes sont directement appliques au calcul de fiabilit .
On utilise donc une transformation de lespace de base pour dfinir un espace U dans lequel les
variables sont gaussiennes centres rduites indpendantes et dans lequel certaines proprits
pour la probabilit de dfaillance sont vrifies .
A. Transformation de Rosenblatt
La transformation de Rosenblatt est une transformation isoprobabiliste qui est utilise dans le
contexte dfini ci-haut ;
1 = 1 ( 1 ( 1 ))
2 = 1 ( 2 ( 2 \1 ))
T: . (2.9)
.
.
1
{ = ( \ 1 , , 1 ))
(
Il sagit dun diffomorphisme de lespace dorigine (le Y-espace ) vers lespace standard (le U-
espace).
Il est noter que cette transformation nest pas unique ; il dpend intrinsquement de lordre des
variables dentres.
En effet , une modification de cet ordre entraine diffrentes estimations de lindice de fiabilit .
Dautres part lorsque les variables de base ( 1 , . . , ) sont indpendantes , alors le rsultat de
la transformation est unique et la transformation T scrit plus simplement :
1 = 1 ( 1 ( 1 ))
2 = 1 ( 2 ( 2 ))
T: . (2.10)
.
.
1
{ = ( ( ))
( ( ( )
Soit
d =
d (2.11)
(
= (2.12)
( )
En outre , il peut savrer ncessaire dutiliser une autre transformation lorsque connaissance sur la
loi jointe nest pas totale . La transformation de Nataf est alors suggr . [1]
= (() 0 )
= [1{() 0} ]
Transformation De
Z Rosenblatt
S D
Contribution prpondrante
U*
0 0
U1
FORM
Surfaces Diso-probabilit
B. Transformation de Nataf
La transformation de Nataf est une transformation isoprobabiliste qui est utilise dans le contexte
ou X est le vecteur alatoire , les fonctions de rpartition de ses composantes et C sa copule
qui est cense tre elliptique .
Remarque :
On appelle copule , une fonction de rpartition dfinie sur [0 , 1] dont les lois marginales sont
gales la loi uniforme sur [0 , 1] .
Soit F une fonction de rpartition N-Dimensionnelle dont les lois marginales sont 1 , .,
Il existe une copule C de dimension N telle que , on ait :
(1 , ., ) = ( ( 1 ) ,, ( ) )
Si les lois marginales 1 , ., sont continues alors la copule C est unique , sinon elle est
dtermine de manire unique sur (1 ) . . ( )
Dans le cas de lois marginales continues , [0 , 1] ,
on a : C() = ( 11 (1 ), , 1 ( )
Rappel :
1 :
= (1 (1 ), . , ( ))
2 :
= ( 1 (1 ), . , 1 ( ))
3 :
G(Y) =0 Uj G(U) =0
Transformation
Nataf
Ui
On appelle Point de conception un point de la surface dtat limite le plus proche de lorigine du U-
espace ; Il correspond au point de dfaillance le plus probable du systme ; Il est not .
Pour le (s) dterminer , il faudrait rsoudre le problme : ()=0
( ) .
Remarque :
Il est noter que ce problme qui est rsolu grce un algorithme d optimisation peut avoir
plusieurs solutions et donc plusieurs points de conception ;
Il peut donc arriver quil ait plusieurs points de la surface dtat limite de distance minimale
lorigine . Il peut galement y avoir plusieurs minima locaux au problme doptimisation .
Bref , rsoudre le problme ci haut , ncessite le calcul du gradient de la fonction g et par consquent
la mise en place dhypothses de diffrentiabilit de cette fonction est indispensable .
On dfinit lindice de fiabilit dans ce nouvel espace par la distance lorigine de la fonction de
dfaillance dans ce U-espace . Lindice de fiabilit peut donc scrire plus simplement : =
On se place dans le cas ou lorigine du U espace nappartient pas la zone de dfaillance (cas des
structures fiables ) .Dans le cas inverse , il faudrait considrer un indice fiabilit ngatif .
( () )
(+1) = (( () ) () ) () + () avec () qui vaut
|( () |
( () )
() = et qui correspond au vecteur unit normal la trajectoire G(x) =G( () )
|( () |
au point () .
Lalgorithme de Rackwitz-Fiessler est trs utilis pour les problmes de recherche de conception
dans le U espace . Il est dcrit avec prcision dans [3].
Cet algorithme complte celui prsent ci haut qui peut tre difficile dappliquer dans le U-espace .
On dfinit le Z-espace comme le transform du Y-espace par une application inhomogne linaire L
telle que : = () = 1 ( ) (2.15)
On construit une suite de point () du Y-espace telle que la limite () soit un point stationnaire
pour la distance lorigine dans le U-espace.
- Pour cela , chaque itration on dtermine la matrice A =( et le vecteur de la
transformation L telsque lhyperplan tangent en () = ( () ) la surface dans le U
espace coincide avec lhyperplan tangent en () = ( () ) la surface dans le Y-
espace .
()
=0 =0 ( ) ( () ) ( )= 0 (2.17)
Ou est la drives de G par rapport la jime variable .
Lhyperplan tangent au point () a pour equation :
=0 =0 ( ) ( () ) = 0 (2.18)
=
(() ) () = () (2.19)
On a alors : = () ()
Et ainsi la distance de lorigine du Z-espace lhyperplan coincide avec la distance
lorigine du U-espace lhyperplan .
On obtient () par () = () () () .
Dans le cas ou les variables de base sont mutuellement indpendantes et la transformation T est
celle de Rosenblatt , les paramtres de la transformation L de lalgorithme de Rackwitz-Fiessler sont
obtenues trs facilement grce aux lois normales .
On a alors : ( ) = 1 ( ( )) Soit ( ) = ( ( ) .
()
(
Lquation = ( () ) scrit donc : = () . (2.20)
( )
()
() () () (
Ainsi , () est simplement la matrice diagonale ( 1 , . . , ) = () .
( )
Aprs avoir coup coup transform lespace en un espace standard , et trouver le design
point par lintermdiaire dun des nombreux algorithmes doptimisation ; il nous reste
maintenant approximer la probabilit de dfaillance dans le U-espace par rapport au design
point.
Ceci est caus par le fait que les variables tant gaussiennes standard, alors la probabilit
2
dcroit en exp ( 2
) lorsque d est la distance lorigine .
Ainsi , les mthodes Form et Sorm consistent approcher la surface de dfaillance par un
Hyperplan dans le cas de la mthode Form ou par une Surface Quadratique dans le cas dune
mthode Sorm au point de conception .
Bref , avec ceci , nous venons de mettre en place les grandes tapes fondamentales et
communes aux deux mthodes de fiabilit structurelles que sont Form et Sorm.
Nous allons prsenter dans ce qui va suivre les ralisations obtenues lors de lvaluation de
la probabilit de dfaillance dune part par la mthode Form et dautre part par la mthode
Sorm .
Nous prsenterons galement une dmonstration de ces rsultats ainsi quune illustration
de ces approximations .
Nous ferons mention galement du cas particulier ou nous obtenons plusieurs points de
conceptions ou plusieurs minima-locaux .
3. First Order Reliability Method (FORM)
Le principe de la mthode Form est de remplacer ltat limite rel par un Hyperplan .
Ltat limite est donc linaris grce au dveloppement de taylor au premier ordre autour
du point de conception .
Lquation de lhyperplan obtenue qui est une droite en deux dimensions est la suivante :
() = =0 + = 0 (3.1)
Ou reprsente le cosinus directeur (dont la valeur varie entre -1 et 1 ) associ et
permet de dfinir lorientation de ltat limite .
= (3.2)
.
Cet hyperplan est orthogonal la droite ( ) .
Donc le domaine de dfaillance approxim = { , () 0 } est dlimit par
Lhyperplan et ne contient pas lorigine (si 0.5 ).
= ( ) (3.3)
1 2
Donc , ( ) = exp( ). (3.4)
2 2
() = 0
H(u)
() = ( ( )) (u - ) (3.5)
( ( )) (u - ) = 0 (3.6)
() = + (3.7)
b = ( ). (3.8)
Lindice de fiabilit de cette fonction vaut = . Ainsi :
( () 0 ) = ( ) = ( ) (3.9)
( ).
= ( ) (3.10)
Comme je lai mentionn plus haut , il peut arriver que le problme doptimisation de recherche
du design point aboutisse non pas une, mais plusieurs solutions ou plusieurs minima locaux ;
Dans ce cas lapproximation FORM doit en tenir compte : On parle alors de multi FORM ( ou multi
SORM).
Des prcisions sur ces cas particuliers se trouvent notamment dans la thse [2] .
4. Second Order Reliability Method (SORM)
La mthode de fiabilit de second ordre fut dveloppe par Breitung et les autres dans une
srie de papiers traitant de lanalyse asymptotique . notamment , (Breitung 1984 , Breitung
et Hohenbishler 1989, Breitung 1994 )
Alors que la mthode FORM vise remplacer ltat limite par un hyperplan , la mthode
SORM le remplace par une hypersurface dordre 2 . voir [5]
Le principe consiste donc raliser une approximation de la fonction dtat limite au point
de conception par une surface du second ordre (dveloppement& de taylor dordre 2 en .
1
= ( ) ||2 (4.1)
Q(u)= 0
g(u)= 0
2
Ou () = () dsigne la matrice hessienne de la fonction g au point u .
Lapproximation SORM de la surface dtat limite par une surface quadratique conduit une
approximation asymptotique de la probabilit de dfaillance et elle ncessite le calcul des courbures
principales de la fonction g .
Des prcisions sur les calculs sont donnes ci-dessous . Larticle de Breiting [6] fournit les
explications complmentaires .
1 2
= ()0 exp ( 2
) (4.5)
(2) 2
Ou dsigne la surface de dfaillance dans lespace des variables alatoires normales standards
indpendantes. On suppose quil ya un unique point de conception 0 , tel que 0 = 0
Approximation asymptotique de
1 02 2
= 0 ()0 exp ( 2
) (4.6)
(2) 2
1 2 2
() = ()0 exp ( 2
) (4.7)
(2) 2
1 1
2 0 2
() ~ (2) 2 exp ( ) (+1) ||2 , (4.8)
2
|| = =0 =0 0 0 ( ( 2 ) ) (4.9)
0 ()
2
Avec ( 2 ) = () ,
() .
{
1 1
02
(2)2 01 exp(
2
) ||2 (4.10)
1
2
(2)2 exp(
La relation : () 2
) 1 , + (4.11)
1
donne ( 0 ) ||2
(4.12)
1
(()0)
( ()0)
||2
, + (4.14)
|| = | ( ( 2 ) )|
= | ()| (4.15)
Avec = ( ( 2 ) ),=1,,1 .
Pour se placer dans ce cas , il faut faire une rotation du systme daxes et dfinir une
nouvelle fonction de dfaillance . La rotation est dfinie par une matrice R et les
nouvelles coordonnes y scrivent = .
On dfinit ainsi la fonction g par :
() = ( 1y) (4.16)
2
1 02 1
= 0 (1 )0 exp( ) det( 1 )
(2) 2 2
1 1
= 0 ()0 exp ( 2 02 2 ) (4.17)
(2) 2
1 1
02
(2)2 01 exp(
) ||2 , + (4.18)
2
1 1
Avec || = det() = (0 )
= (0 )
Avec det( ) = 0
= ( 2 () ),=1,,1 .
On pose une matrice carre symtrique de
dimensin (n-1) qui possde (n-1) valeurs propres notes .
(1 ) )= 0
Det( ) = 0 ( (4.19)
Donc = 1 .
() = 1
=1 (1 ) (4.20)
Soit = 1
=1 (1 ) . (4.21)
1
de ( g( 2 ((0 ) 0 ) = 0 , ce qui signifie = 0 . Alors :
0 )
1 1
(0 )||2 = (0 ) =1 (1 0 )2
(4.22)
1
Avec ( 2 ( (0 )) 1 ou = (0 )
Remarque :
Comme nous venons de voir , les mthodes fiabilistes fournissent une approximation de la
probabilit de dfaillance ; Mais elles prsentent entre autre de nombreux avantages ;
Notamment , elles permettent des analyses de sensibilit .
En effet , dans la pratique , deux indicateurs existent pour quantifier limpact des
incertitudes des variables dentre du modle sur le rsultat final de lapproximation :
On a la sensibilit paramtrique qui mesure la sensibilit des valeurs finales par rapport aux
valeurs initiales , et on a les facteurs dimportance qui exprime limportance stochastique
des variables dentre .
Sensibilite paramtrique
Elle est dfinie par la formule : ( ) = = (5.1)
Facteur dimportance
Les sont les mmes cosinus directeurs dfinies plus haut dans ce document .
Elles correspondent au facteur de sensibilit de par rapport la valeur moyenne de la
variable i .
= (5.3)
Le facteur dimportance rpresente donc la part de lincertitude due la variable i dans la probabilit
FORM .
Bref , autre avantage de ces mthodes est quelles sont rapides pour calculer des probabilits de
dfaillance et en plus le temps de calcul ne dpend pas du niveau de probabilit recherch .
Dautres part les approximations donnes par le calcul de Breitung [6] sont valables pour
+ ;
C'est--dire pour une forte fiabilit , soit une probabilit de dfaillance faible .
Aprs avoir list les avantages de ces mthodes Form et Sorm , il est naturel den prciser les
inconvnients ;
Entres autre , ces mthodes ne permettent pas de contrler les erreurs dapproximation .
Aussi , lorsque lexistence de plusieurs minima locaux dans lalgorithme de recherche du design point
nest pas prise en compte , cela peut conduire des approximations de la probabilit de dfaillance
qui sont errones .
Il est noter quil existe dautres approximations fiabilistes que celles donnes par FORM et Sorm .
Notamment ,la formule de Tvedt [8] qui prend en compte les termes correctifs dans la mthode
SORM .
Rfrences Bibliographiques :
[1] Dtermination des distributions dont les marges sont donnes A . Nataf
[2] Fiabilit et Mcanique : mthodes FORM SORM et couplages avec les codes
lments finis par des surfaces de rponses adaptatives N .Devixtor .
[3] Methods of Structural Safety H.O Madsen , S.Krenk &N.C.Lind .
{4] Principle of normal Tail Approximation O.Ditlevsen
[5] Ditlevsen &Madsen , Lemaire , 2009
[6] Asymptotic Approximations for Multinormal Integrals K.Breitung
[7] Asymptotic Expansions of Integrals. N. Bleinstein & R.A. Handelman.
[8] Distribution of quadratic Forms in Normal Space Application to Structural Reliability
L. Tvedt