Yves Le Guennec

Yves Le Guennec

Auto-generated profile, based on publicly available information

Yves Le Guennec

Nantes Université IRT Jules Verne 44340 Bouguenais France

Research Focus & Metrics

Academic Career Length

5Years (2022-Present)

(Calculated once Scilit publication data is synced: current year − year of first publication + 1)

Representative Publications

View All Publications
12 January 2024 in Composites Part A: Applied Science and Manufacturing
Verified
Journal Article
Closed access
JHJohn M. Hanna
John M. Hanna
JAJosé V. Aguado
José V. Aguado
SCSebastien Comas-Cardona
Sebastien Comas-Cardona
YGYves Le Guennec
Yves Le Guennec
DBDomenico Borzacchiello
Domenico Borzacchiello

27 September 2022 in International Journal for Numerical Methods in Engineering
Verified
Journal Article
Closed access
KKKiran Sagar Kollepara
Kiran Sagar Kollepara
JNJosé M. Navarro‐Jiménez
José M. Navarro‐Jiménez
YGYves Le Guennec
Yves Le Guennec
LSLuisa Silva
Luisa Silva
JAJosé V. Aguado
José V. Aguado

16 January 2025 in Machine Learning
Verified
Journal Article
Open access
PDF file
MEMouad Elaarabi
Mouad Elaarabi
DBDomenico Borzacchiello
Domenico Borzacchiello
PBPhilippe Le Bot
Philippe Le Bot
YGYves L. E. Guennec
Yves L. E. Guennec
SCSebastien Comas-Cardona
Sebastien Comas-Cardona
The promising outcomes of dynamical system identification techniques, such as SINDy (Brunton et al. in Proc Natl Acad Sci 113(15):3932–3937, 2016), highlight their advantages in providing qualitative interpretability and extrapolation compared to non-interpretable deep neural networks (Rudin in Nat Mach Intell 1(5):206–215, 2019). These techniques suffer from parameter updating in real-time use cases, especially when the system parameters are likely to change during or between processes. Recently, the OASIS (Bhadriraju et al. in AIChE J 66(11):16980, 2020) framework introduced a data-driven technique to address the limitations of real-time dynamical system parameters updating, yielding interesting results. Nevertheless, we show in this work that superior performance can be achieved using more advanced model architectures. We present an innovative encoding approach, based mainly on the use of Set Encoding methods of sequence data, which give accurate adaptive model identification for complex dynamic systems, with variable input time series length. Two Set Encoding methods are used: the first is Deep Set (Zaheer et al. in Adv Neural Inf Process Syst 30, 2017), and the second is Set Transformer (Lee et al. in: International conference on machine learning, PMLR, pp 3744–3753 2019). Comparing Set Transformer to OASIS framework on Lotka–Volterra for real-time local dynamical system identification and time series forecasting, we find that the Set Transformer architecture is well adapted to learning relationships within data sets. We then compare the two Set Encoding methods based on the Lorenz system for online global dynamical system identification. Finally, we trained a Deep Set model to perform identification and characterization of abnormalities for 1D heat-transfer problem.

30 January 2024 in Mechanics & Industry
Verified
Journal Article
Open access
PDF file
YGYves Le Guennec
Yves Le Guennec
SMSimon Morville
Simon Morville
This article demonstrates the time saving in industrial process setup using numerical reduced order modelling (ROM). The numerical simulations may supply useful information to design manufacturing processes but are often time consuming and then not suited with multi-query study such as inverse problem. ROM aims at replacing the original simulation (so-called high-fidelity (HF)) by a low rank model that will run fast according to the HF simulation time. Multi-query studies will use the ROM instead of the HF simulation to save time and deliver a solution consistent with industrial timeline. To validate the solution, the HF simulation will be used. In this paper, a problem of calibration of TIG welding parameter will illustrate this approach.

20 January 2025 in arXiv
Verified
Preprint
Open access
PDF file
MEMouad Elaarabi
Mouad Elaarabi
DBDomenico Borzacchiello
Domenico Borzacchiello
YGYves Le Guennec
Yves Le Guennec
PBPhilippe Le Bot
Philippe Le Bot
SCSebastien Comas-Cardona
Sebastien Comas-Cardona
The promising outcomes of dynamical system identification techniques, such as SINDy [Brunton et al. 2016], highlight their advantages in providing qualitative interpretability and extrapolation compared to non-interpretable deep neural networks [Rudin 2019]. These techniques suffer from parameter updating in real-time use cases, especially when the system parameters are likely to change during or between processes. Recently, the OASIS [Bhadriraju et al. 2020] framework introduced a data-driven technique to address the limitations of real-time dynamical system parameters updating, yielding interesting results. Nevertheless, we show in this work that superior performance can be achieved using more advanced model architectures. We present an innovative encoding approach, based mainly on the use of Set Encoding methods of sequence data, which give accurate adaptive model identification for complex dynamic systems, with variable input time series length. Two Set Encoding methods are used, the first is Deep Set [Zaheer et al. 2017], and the second is Set Transformer [Lee et al. 2019]. Comparing Set Transformer to OASIS framework on Lotka Volterra for real-time local dynamical system identification and time series forecasting, we find that the Set Transformer architecture is well adapted to learning relationships within data sets. We then compare the two Set Encoding methods based on the Lorenz system for online global dynamical system identification. Finally, we trained a Deep Set model to perform identification and characterization of abnormalities for 1D heat-transfer problem.

31 March 2026
Verified
Thesis
Closed access
YGYves Le Guennec
Yves Le Guennec
Dynamique transitoire des treillis de poutres soumis à des chargements impulsionnels: Ce travail de recherche est dédié à la simulation de la réponse transitoire des assemblages de poutres soumis à des chocs. De tels chargements entraînent la propagation d’ondes haute fréquence dans l’ensemble de la structure. L’énergie qu’elles transportent peut être dommageable pour son fonctionnement ou celui des équipements embarqués. Dans des études précédentes, il a été observé sur des structures expérimentales qu’un régime vibratoire diffusif tend à s’installer pour des temps longs. Le but de cette étude est donc de développer un modèle robuste de la réponse transitoire des assemblages de poutres soumis à des chocs permettant de simuler, entre autres, cet état diffusif. Les champs de déplacement étant très oscillants et la densité modale élevée, la simulation numérique de la réponse transitoire à des chocs peut difficilement être menée par une méthode d’éléments finis classique. Une approche utilisant un estimateur de la densité d’énergie de chaque mode de propagation a donc été mise en œuvre. Elle permet d’accéder à des informations locales sur les états vibratoires, et de contourner certaines limitations intrinsèques aux longueurs d’onde courtes. Après avoir comparé plusieurs modèles de réduction cinématique de poutre à un modèle de Lamb de propagation dans un guide d’ondes circulaire, la cinématique de Timoshenko a été retenue afin de modéliser le comportement mécanique haute fréquence des poutres. En utilisant ce modèle dans le cadre de l’approche énergétique évoquée plus haut, deux groupes de modes de propagation de la densité d’énergie vibratoire dans une poutre ont été isolés : des modes longitudinaux regroupant un mode de compression et des modes de flexion, et des modes transversaux regroupant des modes de cisaillement et un mode de torsion. Il peut être également montré que l’´evolution en temps des densités d’énergie associées obéit à des lois de transport. Pour des assemblages de poutres, les phénomènes de réflexion/transmission aux jonctions ont du être pris en compte. Les opérateurs permettant de les décrire en termes de flux d’´energie ont été obtenus grâce aux équations de continuité des déplacements et des efforts aux jonctions. Quelques caractéristiques typiques d’un régime haute fréquence ont été mises en évidence, tel que le découplage entre les modes de rotation et les modes de translation. En revanche, les champs de densité d’énergie sont quant à eux discontinus aux jonctions. Une méthode d’éléments finis discontinus a donc été développée afin de les simuler numériquement comme solutions d’´equations de transport. Si l’on souhaite atteindre le régime diffusif aux temps longs, le schéma numérique doit être peu dissipatif et peu dispersif. La discrétisation spatiale a été faite avec des fonctions d’approximation de type spectrales, et l’intégration temporelle avec des schémas de Runge-Kutta d’ordre élevé du type ”strong stability preserving”. Les simulations numériques ont donné des résultats concluants car elles permettent d’exhiber le régime de diffusion. Il a été remarqué qu’il existait en fait deux limites diffusives différentes : (i) la diffusion spatiale de l’´energie sur l’ensemble de la structure, et (ii) l’équirépartition des densités d’énergie entre les différents modes de propagation. Enfin, une technique de renversement temporel a été développée. Elle pourra être utile dans de futurs travaux sur le contrôle non destructif des assemblages complexes et de grandes tailles.