Approche basée sur l'apprentissage automatique pour la détection d'anomalies lors de la surveillance d'ouvrages - Centre d'études et d'expertise sur les risques, l'environnement, la mobilité et l'aménagement Access content directly
Conference Papers Year : 2023

Approche basée sur l'apprentissage automatique pour la détection d'anomalies lors de la surveillance d'ouvrages

Abstract

L'un des principaux objectifs de la surveillance de santé structurale (SHM) est de détecter, et éventuellement localiser, quantifier ou prédire les dommages sur les structures. Sans connaissances détaillées du comportement mécanique structurel, l'analyse des données est une tâche complexe, et la surveillance opérationnelle est souvent limitée à l'utilisation de seuils plus ou moins arbitraires. Les approches data-driven qui reposent sur une analyse statistique des données, ont suscité un intérêt croissant ces deux dernières décennies. Cet article propose une approche basée sur plusieurs modèles automatisés construits par apprentissage automatique, pour la détection et la localisation des anomalies dans les données de surveillance d'un grand pont en béton. Pour chaque capteur, plusieurs modèles de régression sont générés à l’aide de réseaux de neurones récurrents en utilisant les données d'autres capteurs déployés sur la structure. Les anomalies sont ensuite identifiées dans le jeu de données en fonction des résidus entre les sorties des modèles et les données mesurées in situ. Pour un capteur donné, les résidus de tous les modèles sont ensuite compilés pour produire un indicateur d'anomalie.
Fichier principal
Vignette du fichier
diagnobeton-manzini.pdf (854.38 Ko) Télécharger le fichier
Origin : Files produced by the author(s)

Dates and versions

hal-04279028 , version 1 (27-11-2023)

Identifiers

Cite

Nicolas Manzini, Franziska Schmidt, Jean-François Bercher, André Orcesi, Pierre Marchand, et al.. Approche basée sur l'apprentissage automatique pour la détection d'anomalies lors de la surveillance d'ouvrages. 8ème congrès international francophone Diagnobéton 2023, Université Gustave Eiffel; Institut de recherche en Génie civil et Mécanique - GEM; Confédération Française pour les Essais Non Destructifs - COFREND, Oct 2023, Nantes, France. pp.169-177, ⟨10.26168/ajce.41.4.20⟩. ⟨hal-04279028⟩
46 View
5 Download

Altmetric

Share

Gmail Facebook X LinkedIn More