L’ED SISMI propose le sujet de thèse suivant :

Intitulé du sujet : Apprentissage Temps-Réel à partir de Données des Systèmes Dynamiques Complexes : Application aux Machines Tournantes à Très Haute Vitesse utilisant le Principe de Lévitation Magnétique.

Ce projet serait sous la direction de Guillaume MERCERE du LIAS à l’Université de Poitiers

Co-directeurs renseignés : Xavier BOMBOIS / Joel MOUTERDE

Les financements sont : Financement Université de Poitiers

Le début de la thèse est prévu pour : 10/2022

Mots clés du sujet : dynamical model learning, optimal input design, mechatronics, magnetic bearings, rotor

Présentation du sujet : Ces dernières années, les machines tournantes à très haute vitesse utilisant la technologie des paliers magnétiques actifs ont connu un essor considérable (aussi bien dans la diversité que dans le nombre d’applications). La complexité de comportemtent de ce type de procédé demande d’être capable, à tout instant, d’avoir accès à un modèle fiable représentant au mieux le comportement dynamique de ces machines tournantes. Ces modèles temps réel peuvent en effet être utilisés (i) pour régler en ligne les correcteurs nécessaires à la commande de ce type de procédé ou pour (ii) l’estimation de son état de fonctionnement.

Objectifs : Actuellement, un modèle de la dynamique du système (machine tournante + paliers magnétiques + processus) est déterminé à partir de données collectées hors ligne et le contrôle actif de ce système instable et fortement résonant est synthétisé d’une manière définitive lors de l’installation. L’apprentissage en ligne à partir de données, par sa capacité à suivre l’évolution de la dynamique du système, ouvre la possibilité d’optimiser les conditions de fonctionnement et d’adapter les lois de commande en temps réel. En effet, l’identification en temps réel du système complet en prenant en compte l’évolution des interactions « machine/processus » nous permettrait d’adapter les lois de contrôle afin d’optimiser les conditions de fonctionnement (notion de point de fonctionnement optimal). De plus, cette identification permettrait également de prédire avec une grande fiabilité une défaillance à venir (Maintenance Prédictive).

Description du sujet : La thèse sera structurée en trois phases principales :
1 – Recherche bibliographique et état de l’art :
• Appropriation et test (en simulation) des méthodes d’identification/apprentissage en ligne et de synthèse optimale des signaux d’excitation actuellement disponibles dans la littérature scientifique,
• Définition des avantages et inconvénients de chaque méthode (en particulier par rapport au déploiement des algorithmes dans un système embarqué et temps réel).
2 – Développement théorique et validation en simulation:
• Développement de nouveaux outils d’identification en ligne avec une attention particulière aux indicateurs de performances de la boucle fermée.
• Appropriation du modèle multiphysique actuellement disponible (mis à disposition par la société SKF).
• Implémentation et test de ces nouvelles méthodes en simulation sur ce modèle multiphysique.
3 – Implémentation et validation sur banc d’essais :
• Implémentation des algorithmes et des procédures d’identification sur un banc de test en prototypage rapide (matériel utilisé – OpalRT).
• Mise en place et réalisation des différents essais et mesures (un technicien d’essais sera mis à disposition par la société SKF).
• Comparaison des résultats théoriques et pratiques et recherche des causes expliquant de possibles écarts.
• Détermination de la méthode la plus appropriée à notre classe de système (compromis entre performance et complexité d’implémentation).

Compétences acquises à l’issue de la thèse : Maitrise de toutes les techniques d’apprentissage temps réelle,
Maitrise de la mécatronique sous-jacente aux machines tournantes à très haute vitesse utilisant la technologie des paliers magnétiques actifs ,
Capacités d’analyse et de synthèse.
Compétences en programmation des algorithmes développés.
Capacités à mener un travail d’équipe.
Capacités à mener un travail expérimental en collaboration avec des chercheurs issus d’autres domaines scientifiques.
Compétences en écriture d’articles scientifiques et d’un mémoire.
Développement des capacités de présentation devant un public scientifique.

Présentation de l’équipe d’accueil : Ce projet de thèse sera encadré à la fois par des partenaires académiques et industriels.
L’équipe de contrôle de SKF (dirigée par J. Mouterde) supervisera le projet du point de vue industriel.
Du côté académique, le projet sera encadré par G. Mercère (Maître de Conférences à l’Université de Poitiers) et X. Bombois (Directeur de Recherche CNRS au Laboratoire Ampère).

Compétences souhaitées pour les candidats : Un Master 2 de recherche et/ou un diplôme d’une Ecole d’Ingénieurs réputée est nécessaire pour se porter candidat. Ce sujet de thèse requiert des compétences en automatique/mathématiques appliquées. En plus de maîtriser les bases de l’automatique, des connaissances en identification des systèmes sont un atout.

Pour plus d’informations et pour candidater, merci de contacter :

Date de dépôt : 25/05/2022 à 12 h 19 min