Dynamique des structures assemblées, réduction de modèle et apprentissage automatique : Application aux jumeaux numériques immersifs

SUJET DE THÈSE DE DOCTORAT
SEPTEMBRE 2022 – SEPTEMBRE 2025

Sujet :

 

Dans le cadre du projet ANR JENII, le Laboratoire de Mécanique des Structures et des Systèmes Couplés s'intéresse au développement de jumeaux numériques de structures assemblées (typiquement une aile d'avion) intégrables dans des dispositifs immersifs et interactifs (xVR, réalité virtuelle), par exemple pour illustrer des concepts avancés de conception mécanique pour des apprenants. Ces jumeaux numériques doivent être capables de refléter un comportement mécanique le plus fidèle possible du système réel afin de fournir des résultats expérimentaux simulés crédibles en temps réel. Cette problématique fait apparaitre plusieurs verrous : (1) la résolution efficace du problème mécanique, potentiellement non-linéaire, pour de nombreuses configurations de chargements et/ou liées à des variations de paramètres de conception ; (2) la prise en compte de données expérimentales et leur variabilité issues d'une campagne d'essais sur le système réel et (3) l'application à une structure de grande dimension nécessitant de nombreux degrés de liberté.

Dans un premier temps, le candidat se concentrera sur la mise au point d'une méthode de résolution efficace du problème mécanique en dynamique transitoire s'appuyant, entre autres, sur des approches de type réduction de modèle paramétrique (par exemple POD, PGD). Cette démarche efficace et innovante permettra de proposer des solutions pour de nombreuses configurations du système en termes de chargement (chargement variable en localisation, en orientation et en intensité par exemple) et associés à des variations des paramètres de concept (géométrie, matériaux, serrage...).

Dans un deuxième temps, le modèle mécanique précédemment construit sera enrichi de manière intelligente par des informations expérimentales à l'aide d'approche de type apprentissage supervisé (machine learning). Cette intégration permettra, entre autres, d'obtenir à moindre coût des quantités d'intérêt scalaires ou des champs utiles à l'analyse et la compréhension de l'assemblage mécanique.

Enfin, cette stratégie complète sera mise en œuvre, validée et exploitée de manière graduelle sur des structures dont la complexité croissante permettra de challenger les performances de l'approche retenue. Les travaux réalisés conduiront à la mise en œuvre d'un démonstrateur en réalité virtuelle auquel le candidat sera amené à participer.

Profil de candidat(e) recherché :

  • Bonne maitrise des méthodes numériques et leur implémentation ;
  • Bonne maitrise d'un ou plusieurs langages de programmation (Python, fortran, C++...) ;
  • Solides bases en mécanique des structures (dynamique) ;
  • Intérêt pour les approches de type machine learning ;
  • Bonne capacité rédactionnelle en anglais ;
  • Des compétences en dynamique expérimentale seraient un plus.

Encadrement :

Antoine Legay (PU, CNAM, LMSSC, Directeur de thèse) - antoine.legay@lecnam.net Luc Laurent (MCF, CNAM, LMSSC, Co-encadrant de thèse) - luc.laurent@lecnam.net

Lieu :

Laboratoire de Mécanique des Structures et des Systèmes Couplés Conservatoire National des Arts et Métiers, 2 rue conté, 75003 PARIS