Centre dedocumentation
scientifique

Machine learning models applied to a GNSS sensor network for automated bridge anomaly detection / Nicolas Manzini in Journal of structural engineering, Vol 148 n° 11 (November 2022)  

Public [article]  inJournal of structural engineering > Vol 148 n° 11 (November 2022) . - n° 3469 Titre : Machine learning models applied to a GNSS sensor network for automated bridge anomaly detection Type de document : Article/Communication Auteurs : Nicolas Manzini, Auteur ; André Orcesi, Auteur ; Christian Thom , Auteur ; Marc-Antoine Brossault, Auteur ; Serge Botton , Auteur ; Miguel Ortiz, Auteur ; John Dumoulin, Auteur Année de publication : 2022 Projets : 2-Pas d'info accessible - article non ouvert / Article en page(s) : n° 3469 Note générale : bibliographie EN ATTENTE DU DOCUMENT Langues : Anglais (eng) Descripteur : [Vedettes matières IGN] Topographie [Termes IGN] apprentissage automatique [Termes IGN] classification par réseau neuronal récurrent [Termes IGN] détection d'anomalie [Termes IGN] ouvrage d'art [Termes IGN] pont [Termes IGN] régression [Termes IGN] série temporelle [Termes IGN] surveillance d'ouvrage [Termes IGN] topométrie de précision Résumé : (auteur) Structural health monitoring (SHM) based on global navigation satellite systems (GNSS) is an interesting solution to provide absolute positions at different locations of a structure in a global reference frame. In particular, low-cost GNSS stations for large-scale bridge monitoring have gained increasing attention these last years because recent experiments showed the ability to achieve a subcentimeter accuracy for continuous monitoring with adequate combinations of antennas and receivers. Technical solutions now allow displacement monitoring of long bridges with a cost-effective deployment of GNSS sensing networks. In particular, the redundancy of observations within the GNSS network with various levels of correlations between the GNSS time series makes such monitoring solution a good candidate for anomaly detection based on machine learning models, using several predictive models for each sensor (based on environmental conditions, or other sensors as input data). This strategy is investigated in this paper based on GNSS time series, and an anomaly indicator is proposed to detect and locate anomalous structural behavior. The proposed concepts are applied to a cable-stayed bridge for illustration, and the comparison between multiple tools highlights recurrent neural networks (RNN) as an effective regression tool. Coupling this tool with the proposed anomaly detection strategy enables one to identify and localize both real and simulated anomalies in the considered data set. Numéro de notice : A2022-672 Affiliation des auteurs : UGE-LASTIG+Ext (2020- ) Thématique : POSITIONNEMENT Nature : Article nature-HAL : ArtAvecCL-RevueIntern DOI : 10.1061/(ASCE)ST.1943-541X.0003469 En ligne : https://doi.org/10.1061/(ASCE)ST.1943-541X.0003469 Format de la ressource électronique : URL article Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=101615 [article]

Performance analysis of low-cost GNSS stations for structural health monitoring of civil engineering structures / Nicolas Manzini in Structure and Infrastructure Engineering, vol 18 n° 5 ([01/05/2022])  

Public [article]  inStructure and Infrastructure Engineering > vol 18 n° 5 [01/05/2022] . - pp 595 - 611 Titre : Performance analysis of low-cost GNSS stations for structural health monitoring of civil engineering structures Type de document : Article/Communication Auteurs : Nicolas Manzini, Auteur ; André Orcesi, Auteur ; Christian Thom , Auteur ; Marc-Antoine Brossault, Auteur ; Serge Botton , Auteur ; Miguel Ortiz, Auteur ; John Dumoulin, Auteur Année de publication : 2022 Projets : 2-Pas d'info accessible - article non ouvert / Article en page(s) : pp 595 - 611 Note générale : bibliographie Langues : Anglais (eng) Descripteur : [Vedettes matières IGN] Applications de géodésie spatiale [Termes IGN] auscultation d'ouvrage [Termes IGN] déformation d'édifice [Termes IGN] effet thermique [Termes IGN] pont [Termes IGN] RTKLIB [Termes IGN] surveillance d'ouvrage [Termes IGN] test de performance [Termes IGN] topométrie de précision Résumé : (auteur) Global Navigation Satellite Systems (GNSS) have been used in various monitoring applications for the past two decades, as one of the very few options to provide absolute positions in a global reference frame. However, high performance GNSS stations are expensive, and sometimes may be impractical because of their size, power consumption or software requirements. Thus, the use of low-cost GNSS stations for structural health monitoring (SHM) has gained increasing attention. This paper presents a detailed experimental assessment of multiple combinations of GNSS receivers and antennas, and highlights an optimal cost-efficient solution for monitoring applications. Several sets of processing parameters and constraints are also evaluated using open source RTKLib software. The performance of the proposed solution is evaluated through two experimental dynamic scenarios, proving its ability to track quick displacements down to 4 mm and oscillations of 1 cm with a frequency up to 0.25 Hz with a 1 Hz receiver. Finally, a two-week dataset acquired from on a network of low-cost GNSS stations deployed on a suspended bridge is used to validate on-site performance. Results show good agreement between GNSS time series, traditional displacement sensors, and numerical simulations made using an operational mechanical model of the bridge, highlighting the potential of such low-cost solutions for structural health monitoring applications. Numéro de notice : A2021-170 Affiliation des auteurs : UGE-LASTIG+Ext (2020- ) Thématique : POSITIONNEMENT Nature : Article nature-HAL : ArtAvecCL-RevueIntern DOI : 10.1080/15732479.2020.1849320 Date de publication en ligne : 30/11/2020 En ligne : https://doi.org/10.1080/15732479.2020.1849320 Format de la ressource électronique : URL article Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=97105 [article]

Proceedings of the 1st Conference of the European Association on Quality Control of Bridges and Structures : EUROSTRUCT 2021. An automated machine learning-based approach for structural novelty detection based on SHM / Nicolas Manzini (2022)  

Public Titre de série : Proceedings of the 1st Conference of the European Association on Quality Control of Bridges and Structures : EUROSTRUCT 2021 Titre : An automated machine learning-based approach for structural novelty detection based on SHM Type de document : Article/Communication Auteurs : Nicolas Manzini, Auteur ; Ndeye Mar, Auteur ; Franziska Schmidt, Auteur ; Jean-François Bercher, Auteur ; André Orcesi, Auteur ; Pierre Marchand, Auteur ; Julien Gazeaux , Auteur ; Christian Thom , Auteur Editeur : Springer Nature Année de publication : 2022 Collection : Lecture Notes in Civil Engineering num. 200 Projets : 2-Pas d'info accessible - article non ouvert / Conférence : EUROSTRUCT 2021, 1st Conference of the European Association on Quality Control of Bridges and Structures 29/08/2021 01/09/2021 Padoue Italie Proceedings Springer Importance : pp 1180 - 1189 Note générale : bibliographie Langues : Anglais (eng) Descripteur : [Vedettes matières IGN] Applications de géodésie spatiale [Termes IGN] apprentissage automatique [Termes IGN] détection d'anomalie [Termes IGN] ouvrage d'art [Termes IGN] pont [Termes IGN] régression multiple [Termes IGN] réseau de capteurs [Termes IGN] résidu [Termes IGN] surveillance d'ouvrage Résumé : (auteur) One major goal of structural health monitoring (SHM) is to detect, and possibly locate, quantify or predict damage on structures. Without detailed knowledge of structural mechanical behavior, data analysis is a complex task and operational monitoring is often limited to the use of more or less arbitrary thresholds. Data-driven techniques, which rely on a statistical analysis of data, have encountered a growing interest over the past two decades. In parallel, SHM is now increasingly considered for several types of structures with the development of low-cost sensors and IoT. In this context, this paper proposes an approach based on multiple automated machine learning-based models for novelty detection and location in monitoring data. This study focuses on the monitoring of large structures with multiple sensors. For each sensor, multiple regression models (based on neural networks) are generated using the same training set, with various input data: internal temperature, environmental conditions, or data from other sensors deployed on the structure. Anomalies are then identified in the dataset based on residuals between model outputs and in situ data. For a given sensor, residuals of all models are then compiled to produce an anomaly indicator. This paper presents some of the results obtained on data acquired from the monitoring of a large concrete bridge. Some anomalies are simulated and added to the dataset to demonstrate the detection performance of the proposed approach. Numéro de notice : C2021-086 Affiliation des auteurs : UGE-LASTIG+Ext (2020- ) Thématique : POSITIONNEMENT Nature : Communication nature-HAL : ComAvecCL&ActesPubliésIntl DOI : 10.1007/978-3-030-91877-4_134 Date de publication en ligne : 12/12/2021 En ligne : https://doi.org/10.1007/978-3-030-91877-4_134 Format de la ressource électronique : URL article Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=99378

Récepteurs GNSS bas coût pour la surveillance des grands ponts / Nicolas Manzini in XYZ, n° 167 (juin 2021)

Public [article]  inXYZ > n° 167 (juin 2021) . - pp 39 - 44 Titre : Récepteurs GNSS bas coût pour la surveillance des grands ponts Type de document : Article/Communication Auteurs : Nicolas Manzini, Auteur ; André Orcesi, Auteur ; Christian Thom , Auteur ; Marc-Antoine Brossault, Auteur ; Miguel Ortiz, Auteur ; Serge Botton , Auteur ; John Dumoulin, Auteur Année de publication : 2021 Article en page(s) : pp 39 - 44 Note générale : Bibliographie Langues : Français (fre) Descripteur : [Vedettes matières IGN] Applications de géodésie spatiale [Termes IGN] analyse comparative [Termes IGN] analyse spatio-temporelle [Termes IGN] Géocube [Termes IGN] pont [Termes IGN] qualité des données [Termes IGN] récepteur GNSS [Termes IGN] Seine-maritime (76) [Termes IGN] station GNSS [Termes IGN] surveillance d'ouvrage Résumé : (Auteur) L’instrumentation et la télésurveillance des structures, qui visent à suivre en continu et en temps réel l’évolution de leurs comportements, sont aujourd’hui des éléments clés des politiques de gestion des parcs d’ouvrages. Le conseil départemental de la Seine-Maritime (76) a fait appel à l’IGN (Institut national de l'information géographique et forestière) pour instrumenter le pont de Brotonne à l’aide d’un réseau d’une douzaine de stations GNSS “bas coût” Géocube à partir de 2017. L’objectif de cette instrumentation est de compléter le suivi géométrique de l’ouvrage assuré par des relevés topographiques périodiques. Dans le cadre d’un projet de recherche en collaboration entre SITES, l’Université Gustave Eiffel et l’IGN, visant à étudier le potentiel des outils GNSS pour la surveillance de santé structurale des ouvrages d’art, les données acquises sur le pont de Brotonne sur la période 2017-2018 ont été analysées. Dans cet article, nous proposons une étude globale de la qualité des données à travers leur disponibilité, la comparaison aux comportements attendus par parties d’ouvrages et la comparaison avec les données thermiques disponibles. Numéro de notice : A2021-463 Affiliation des auteurs : UGE-LASTIG+Ext (2020- ) Thématique : POSITIONNEMENT Nature : Article nature-HAL : ArtAvecCL-RevueNat DOI : sans Date de publication en ligne : 01/06/2021 Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=97945 [article]

Réservation

Réserver ce document

Exemplaires (1)

Code-barres	Cote	Support	Localisation	Section	Disponibilité
112-2021021	SL	Revue	Centre de documentation	Revues en salle	Disponible

Surveillance de santé structurale des ouvrages d'art incluant les systèmes de positionnement par satellites / Nicolas Manzini (2020)  

Public Titre : Surveillance de santé structurale des ouvrages d'art incluant les systèmes de positionnement par satellites Type de document : Thèse/HDR Auteurs : Nicolas Manzini, Auteur ; André Orcesi, Directeur de thèse ; Christian Thom , Directeur de thèse Editeur : Champs/Marne : Université Paris-Est Année de publication : 2020 Projets : 1-Pas de projet / Importance : 215 p. Langues : Français (fre) Descripteur : [Vedettes matières IGN] Applications de géodésie spatiale [Termes IGN] auscultation d'ouvrage [Termes IGN] déformation d'édifice [Termes IGN] Géocube [Termes IGN] pont [Termes IGN] positionnement par GNSS [Termes IGN] récepteur GPS [Termes IGN] réseau de capteurs [Termes IGN] RTKLIB [Termes IGN] surveillance d'ouvrage Résumé : (auteur) La surveillance de santé structurale, ou structural health monitoring (SHM), a pour objectif de caractériser et suivre au cours du temps le comportement et les performances de structures de génie civil. Le SHM repose sur l'établissement d'indicateurs de santé ou de performance permettant de détecter, et si possible localiser, quantifier ou prédire un endommagement de la structure. Aujourd'hui, le SHM exploite encore très peu les déplacements absolus d'une structure, la majorité des capteurs étant limités à des mesures locales ou relatives. Le Global Positioning System (GPS) est accessible au grand public depuis l'an 2000. Il a depuis été rejoint par d'autres systèmes aux principes similaires, formant les Global Navigation Satellite Systems (GNSS), qui offrent des solutions de positionnement absolu pouvant atteindre une précision millimétrique. Cette thèse prend place dans le contexte où les GNSS apparaissent comme de bons candidats pour compléter des instrumentations SHM traditionnelles. Des résultats d'études récentes sur des solutions GNSS à bas coût (antennes de petite taille, récepteurs monofréquence) ont motivé l'orientation des travaux sur l'utilisation de ce type de solutions. Le compromis effectué sur les performances matérielles est contrebalancé par l'utilisation d'un traitement spécifique et par la possibilité de déployer plus de capteurs sur un ouvrage pour un investissement identique. Ces travaux se concentrent sur les structures de grande taille, comme les ouvrages d'art ou les immeubles de grande hauteur, dont le suivi est complexe en raison de leurs dimensions, et qui sont plus à même de produire des déplacements observables par des stations GNSS. La finalité des travaux entrepris est de répondre à la question suivante : peut-on, et comment, utiliser des stations GNSS à bas coût pour détecter des anomalies ou un changement sur une structure de génie civil ? La première partie de cette thèse a été consacrée à l'évaluation expérimentale de solutions GNSS à bas coût. Différentes combinaisons d'antennes et de récepteurs ont été évaluées en utilisant un positionnement relatif sur la phase, afin de sélectionner une station efficiente. En parallèle, l'impact de plusieurs paramètres de calcul ont été évalués dans des scénarios expérimentaux fixes et dynamiques afin de proposer une solution GNSS, comprenant matériel et traitement, optimale. Un positionnement infracentimétrique est obtenu avec la solution sélectionnée. La seconde partie de la thèse considère les données issues de l'instrumentation de deux ouvrages d'art par des réseaux de capteurs GNSS intelligents, les Geocubes, dont les composantes sont similaires à celles évaluées dans la première partie. L'analyse des séries par comparaison et corrélation aux températures et gradients internes des structures a permis de valider la capacité des stations déployées à suivre la réponse des ouvrages aux effets environnementaux. Leur étude a également mis en avant la redondance des observations grâce à l'étude des corrélations plus ou moins fortes entre les séries GNSS acquises. La dernière partie de la thèse est consacrée à l'utilisation de modèles prédictifs des séries GNSS pour la détection d'anomalies sur ouvrage. En l'absence de données thermiques et de modèles mécaniques complets et disponibles pour les structures étudiées, l'approche des modèles par apprentissage exploitant les données d'un réseau de capteurs GNSS a été choisie. La comparaison de plusieurs outils de régression a permis de sélectionner les réseaux de neurones récurrents (RNN) comme outil privilégié. Enfin, une stratégie de détection des anomalies, exploitant plusieurs modèles prédictifs pour chaque série temporelle, a été proposée et testée sur des anomalies réelles observées, puis simulées. Numéro de notice : 17532 Affiliation des auteurs : non IGN Thématique : POSITIONNEMENT Nature : Thèse française Note de thèse : thèse : Génie civil : Université Paris-Est : 2020 Organisme de stage : laboratoire EMGCU nature-HAL : Thèse En ligne : https://hal.science/tel-03143785 Format de la ressource électronique : URL Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=97347

Structural health monitoring using a GPS sensor network / Nicolas Manzini (2018)  

Permalink

Use of low-cost GNSS receivers for structural health monitoring / Nicolas Manzini (2018)  

Permalink