Structural damage: robust, real-time, and data-driven adaptive modeling for online control

Informations projet

DREAM-ON

N° de convention de subvention: 101002857

DOI

10.3030/101002857

Date de signature de la CE 8 Avril 2021

Date de début 1 Juin 2021

Date de fin 31 Mai 2026

Financé au titre de

• EXCELLENT SCIENCE - European Research Council (ERC)

Coût total

€ 1 937 500,00

Contribution de l’UE

€ 1 937 500,00

Coordonné par

ECOLE NORMALE SUPERIEURE PARIS-SACLAY
France

CORDIS fournit des liens vers les livrables publics et les publications des projets HORIZON.

Les liens vers les livrables et les publications des projets du 7e PC, ainsi que les liens vers certains types de résultats spécifiques tels que les jeux de données et les logiciels, sont récupérés dynamiquement sur OpenAIRE .

Publications

Book chapters (4)

A novel DDDAS architecture combining advanced sensing and simulation technologies for effective real-time structural health monitoring

Auteurs: Chamoin, Ludovic; Baranger, Emmanuel; Benady, Antoine; Charbonnel, Pierre-Étienne; Diaz, Matthieu; Farahbakhsh, Sahar; Fribourg, Laurent; Xavier, Daniel Martin; Poncelet, Martin
Publié dans: Handbook of Dynamic Data Driven Application Systems, 2025, ISBN 978-3-031-88573-0
Éditeur: Springer Cham

Intégrer les connaissances physiques dans les réseaux de neurones: application à l'apprentissage des lois de comportement matériaux à partir de mesures de déformation par fibres optiques

Auteurs: A. BENADY, L. CHAMOIN, E. BARANGER
Publié dans: La Revue 3EI, Numéro 109, 2022, ISSN 1252-770X
Éditeur: SEE

Model verification, updating, and selection from the constitutive relation error concept

Auteurs: L. CHAMOIN, P. LADEVEZE
Publié dans: Advances in Applied Mechanics, Error Control, Adaptive Discretizations, and Applications, Part 2, 2025, Page(s) 311-362
Éditeur: Elsevier
DOI: 10.1016/bs.aams.2024.08.005

DREAM-ON: merging advanced sensing techniques and simulation tools for future structural health monitoring technologies

Auteurs: L. CHAMOIN
Publié dans: The Project Repository Journal, Numéro 10, 2021, Page(s) 124-127
Éditeur: EDMA
DOI: 10.54050/prj10124127

Conference proceedings (23)

A modified dual Kalman filter for damage detection using distributed optic fiber measurements

Auteurs: S. FARAHBAKHSH, L. CHAMOIN, M. PONCELET
Publié dans: 9th European Congress on Computational Methods in Applied Sciences and Engineering, 2024
Éditeur: ECCOMAS

Structural health monitoring and model updating with distributed optic fiber measurements

Auteurs: S. FARAHBAKHSH, M. PONCELET, L. CHAMOIN
Publié dans: 17th International Conference on Advances in Experimental Mechanics, 2023
Éditeur: Univ. Strathclyde

Model updating with a Modified Dual Kalman Filter acting on distributed strain measurements

Auteurs: S. FARAHBAKHSH, L. CHAMOIN, M. PONCELET
Publié dans: 11th Conference on Adaptive Modeling and Simulation, 2023
Éditeur: ECCOMAS
DOI: 10.23967/admos.2023.021

Identification et suivi de l'endommagement structural à l'aide de mesures expérimentales et d'une approche par filtre de Kalman modifié

Auteurs: S. FARAHBAKHSH, L. CHAMOIN, M. PONCELET
Publié dans: 16e Colloque National en Calcul des Structures, 2024
Éditeur: CSMA

Physics-augmented neural networks for constitutive modeling: toward an application for structural health monitoring

Auteurs: A. BENADY, S. FARAHBAKHSH, E. BARANGER, L. CHAMOIN
Publié dans: 9th European Congress on Computational Methods in Applied Sciences and Engineering, 2024
Éditeur: ECCOMAS

A modified Constitutive Relation Error framework to learn nonlinear constitutive laws using physics-augmented Neural Networks

Auteurs: A. BENADY, L. CHAMOIN, E. BARANGER
Publié dans: 2nd IACM Mechanistic Machine Learning and Digital Engineering for Computational Science Engineering and Technology, 2023
Éditeur: IACM

Training and generalization errors for Underparametrized Neural Networks

Auteurs: D. MARTIN-XAVIER, L. CHAMOIN, L. FRIBOURG
Publié dans: American Control Conference, 2024
Éditeur: AACC

Physics-augmented neural networks for constitutive modeling: training with the modified constitutive relation error

Auteurs: A. BENADY, E. BARANGER, L. CHAMOIN
Publié dans: 6th International Workshop on Model Reduction Techniques, 2023
Éditeur: ECCOMAS

In situ structural damage tracking and monitoring from advanced sensing techniques and hybrid twins

Auteurs: L. CHAMOIN
Publié dans: 6th International Conference on Multi-scale Computational Methods for Solids and Fluids, 2023, ISBN 978-9958-638-73-2
Éditeur: ECCOMAS

Commande garantie pour le contrôle et la prévention de l'endommagement des structures

Auteurs: D. MARTIN-XAVIER, L. CHAMOIN, L. FRIBOURG
Publié dans: 16e Colloque National en Calcul des Structures, 2024
Éditeur: CSMA

Physics-informed neural networks derived from a mCRE functional for constitutive modeling

Auteurs: A. BENADY, L. CHAMOIN, E. BARANGER
Publié dans: 2nd International Workshop on Artificial Intelligence and Augmented Engineering, 2022
Éditeur: INRIA

Real-time monitoring of evolutive structural damage from advanced sensing and simulation

Auteurs: L. CHAMOIN
Publié dans: Colloque IUF, 2023
Éditeur: IUF

Contrôle en ligne garantissant la sûreté de fonctionnement de structures en mode dégradé

Auteurs: D. MARTIN-XAVIER, L. CHAMOIN, L. FRIBOURG
Publié dans: 1er Congrès Annuel de la Société Française d'Automatique, de Génie Industriel et de Productique, 2023
Éditeur: SAGIP

A modified Constitutive Relation Error (mCRE) framework to learn nonlinear constitutive models from strain measurements with thermodynamics-consistent Neural Networks

Auteurs: A. BENADY, E. BARANGER, L. CHAMOIN
Publié dans: 11th Conference on Adaptive Modeling and Simulation, 2023
Éditeur: ECCOMAS
DOI: 10.23967/admos.2023.020

Apprentissage non-supervisé de lois de comportement non-linéaires avec réseau de neurones thermodynamiquement consistent par minimisation de l'erreur en relation de comportement modifiée

Auteurs: A. BENADY, E. BARANGER, L. CHAMOIN
Publié dans: 16e Colloque National en Calcul des Structures, 2024
Éditeur: CSMA

Damage tracking using distributed optic fiber sensors in structures

Auteurs: S. FARAHBAKHSH, L. CHAMOIN, M. PONCELET
Publié dans: 25e Congrès Français de Mécanique, 2022
Éditeur: AFM

Data-driven MPC applied to nonlinear systems for real-time applications

Auteurs: D. MARTIN-XAVIER, L. CHAMOIN, L. FRIBOURG
Publié dans: 14e Colloque sur la Modélisation des Systèmes Réactifs, 2023
Éditeur: LAAS-CNRS

Réseaux de neurones informés par la physique pour l’apprentissage de lois de comportement

Auteurs: A. BENADY, L. CHAMOIN, E. BARANGER
Publié dans: 25e Congrès Français de Mécanique, 2022
Éditeur: AFM

Some recent advances in structural damage tracking and monitoring

Auteurs: L. CHAMOIN, S. FARAHBAKHSH, M. DIAZ, M. PONCELET, PE. CHARBONNEL
Publié dans: 16th World Congress on Computational Mechanics, 2024
Éditeur: IACM

Data-based model updating, selection, and enrichment using the modified constitutive relation error concept

Auteurs: L. CHAMOIN, A. BENADY, S. FARAHBAKHSH, E. BARANGER, M. PONCELET
Publié dans: 15th World Congress on Computational Mechanics, 2022
Éditeur: IACM

Réseaux de neurones informés par la physique pour l’apprentissage de lois de comportement

Auteurs: A. BENADY, L. CHAMOIN, E. BARANGER
Publié dans: Workshop CNRS, l’IA pour les sciences et l’ingénierie, 2022
Éditeur: CNRS

Physics-informed neural networks derived from a mCRE functional for constitutive modelling

Auteurs: A. BENADY, L. CHAMOIN, E. BARANGER
Publié dans: IUTAM Symposium on Data-driven mechanics, 2022
Éditeur: IUTAM

Adaptive modeling and learning of material laws for effective data assimilation

Auteurs: L. CHAMOIN, A. BENADY, S. FARAHBAKHSH, E. BARANGER, M. PONCELET
Publié dans: 16th World Congress on Computational Mechanics, 2024
Éditeur: IACM

Other (5)

Optimization of optic fiber sensor placement for structural health monitoring

Auteurs: Z. ZHOU, B. SOULIER, L. CHAMOIN
Publié dans: 2022
Éditeur: ENS Paris-Saclay

Use of physics-augmented neural networks for unsupervised learning of material constitutive relations - Comparison of the NN-Euclid and NN-mCRE methods

Auteurs: E. ZEMBRA, A. BENADY, E. BARANGER, L. CHAMOIN
Publié dans: 2023
Éditeur: ENS Paris-Saclay

Scientific machine learning and physics-augmented neural networks for hybrid digital twins

Auteurs: A. BENADY, F. LEHMANN, A. PULIKKATHODI, E. BARANGER, L. CHAMOIN, F. GATTI, D. CLOUTEAU
Publié dans: Journée du GDR I-GAIA, 2023
Éditeur: CNRS

OFDR optic fiber measurements: performance limitations

Auteurs: S. FARAHBAKHSH, M. PONCELET, L. CHAMOIN
Publié dans: Colloque National Mecamat, 2024
Éditeur: Mecamat

High resolution strain measurement using optic fiber sensors

Auteurs: S. FARAHBAKHSH, L. CHAMOIN, M. PONCELET
Publié dans: Journées des doctorants du LMPS, 2022
Éditeur: LMPS, ENS Paris-Saclay

Peer reviewed articles (7)

Experimental Learning of a Hyperelastic Behavior with a Physics-Augmented Neural Network

Auteurs: C. Jailin, A. Benady, R. Legroux, E. Baranger
Publié dans: Experimental Mechanics, Numéro 64, 2024, Page(s) 1465-1481, ISSN 0014-4851
Éditeur: Sage Science Press
DOI: 10.1007/s11340-024-01106-5

An educational review on distributed optic fiber sensing based on Rayleigh backscattering for damage tracking and structural health monitoring

Auteurs: L. CHAMOIN, S. FARAHBAKHSH, M. PONCELET
Publié dans: Measurement Science and Technology, Numéro 33:124008, 2022, ISSN 0957-0233
Éditeur: Institute of Physics and the Physical Society
DOI: 10.1088/1361-6501/ac9152

Training and generalization errors for Underparametrized Neural Networks

Auteurs: D. MARTIN-XAVIER, L. CHAMOIN, L. FRIBOURG
Publié dans: IEEE Control Systems Letters, Numéro 7, 2023, Page(s) 3926-3931, ISSN 2475-1456
Éditeur: IEEE
DOI: 10.1109/lcsys.2023.3344139

Data-driven material modeling based on the Constitutive Relation Error

Auteurs: Pierre Ladevèze, Ludovic Chamoin
Publié dans: Advanced Modeling and Simulation in Engineering Sciences, Numéro 11, 2024, ISSN 2213-7467
Éditeur: Springer Science and Business Media LLC
DOI: 10.1186/s40323-024-00279-x

Model and mesh selection from a mCRE functional in the context of parameter identification with full-field measurements

Auteurs: Hai Nam Nguyen, Ludovic Chamoin
Publié dans: Computational Mechanics, Numéro 76, 2025, Page(s) 251-277, ISSN 0178-7675
Éditeur: Springer Verlag
DOI: 10.1007/s00466-025-02598-1

Unsupervised learning of history-dependent constitutive material laws with thermodynamically-consistent neural networks in the modified Constitutive Relation Error framework

Auteurs: Antoine Benady, Emmanuel Baranger, Ludovic Chamoin
Publié dans: Computer Methods in Applied Mechanics and Engineering, Numéro 425, 2024, Page(s) 116967, ISSN 0045-7825
Éditeur: Elsevier BV
DOI: 10.1016/j.cma.2024.116967

NN-mCRE: a modified Constitutive Relation Error framework for unsupervised learning of nonlinear state laws with physics-augmented Neural Networks

Auteurs: A. BENADY, E. BARANGER, L. CHAMOIN
Publié dans: International Journal for Numerical Methods in Engineering, 2024, ISSN 0029-5981
Éditeur: John Wiley & Sons Inc.
DOI: 10.1002/nme.7439