offre de thèse sur le jumeau numérique

Type de contrat : Bourse UJM
Durée : 36 mois (Sep. 2022-Sept. 2025)
École Doctorale : ED 488 Sciences, Ingénierie, Santé

Détecter et identifier les défauts dans les machines, réduire les pannes et les temps d'arrêt non planifiés sont les exigences croissantes de l'industrie moderne. L'analyse vibratoire est considérée par la communauté scientifique comme le moyen de détection et de diagnostic des défauts mécaniques des machines par excellence [1-4]. En se basant sur des indicateurs de l'état pour déchiffrer les signatures vibratoires de diverses défaillances, l'analyse vibratoire permet de détecter les défauts naissants et graves des composants de la machine, tels que les engrenages et les roulements. Avec le développement des outils informatiques en général et des outils de modélisation numérique en particulier, les approches de maintenance à base de modèle sont devenues très répandues. Le concept du "modèle" a pu aller au-delà de son rôle classique, qui se limite à la phase de conception d'un produit ou à simuler son comportement théorique isolé de la réalité. Il résulte de cette évolution le jumeau numérique "Digital Twin" qui a l’ambition d’être un véritable miroir de la réalité [1, 2, 3, 4]. Concept récent dans un monde industriel en quête de compétitivité, d'efficacité et de valeur ajoutée, le jumeau numérique pourrait être utilisé comme solution alternative aux expérimentations difficiles et coûteuses en vue de générer une base de données variées pour l'équipement modélisé. Le recours à des données simulées dans l'apprentissage des algorithmes de classification permettra de surmonter le problème d'insuffisance des données d’apprentissage. Nous proposons une nouvelle approche de diagnostic des machines tournantes, notamment les engrenages et par la suite les roulements. L'approche développée réunit la modélisation dynamique (jumeau numérique) avec les techniques d'apprentissage machine (techniques de classification) en vue de réaliser un diagnostic vibratoire fiable basé sur la classification via des indicateurs de défauts associés à un jumeau numérique. L’approche proposée est validée sur deux bancs d'essais réels existant au laboratoire LASPI.

tous les détails ici