> Offres de formation > Offres de thèses

Détection et isolation de fautes des systèmes piles à combustible PEM par méthodes hybrides combinant IA et modèles physiques

Défi technologique : Data intelligence dont Intelligence Artificielle (en savoir +)

Département : Département de l'Electricité et de l'Hydrogène pour les Transports (LITEN)

Laboratoire : Laboratoire Architecture Electrique et Hybridation

Date de début : 01-10-2022

Localisation : Grenoble

Code CEA : SL-DRT-22-0799

Contact : vincent.heiries@cea.fr

Le sujet de thèse s'inscrit dans une thématique orientée vers l'amélioration de la durée de vie des piles à combustible PEMFC par l'optimisation du contrôle-commande des système piles pour application mobilité lourde. Il se focalise sur le développement d'outils de détection et d'isolation de défauts de conditions opératoires lors d'un fonctionnement dynamique. Il se propose d'explorer de nouvelles méthodes hybrides d'algorithmes d' Intelligence Artificielle combinant apprentissage sur données expérimentales (réseaux de neurones RNN) et modèles théoriques multi-physiques de la pile. Ces méthodes hybrides combinent les deux principales caractéristiques de l'approche basée modèle et de l'approche basée sur les données en sélectionnant un modèle physique du système et en l'améliorant par des blocs de traitement IA (couches RNN LSTM, autoencorders, variational autoencoders,?). Les travaux s'appuieront sur une base forte de modèles physiques déjà existants ainsi que sur des données expérimentales disponibles au laboratoire. De plus ils pourront bénéficier des travaux antérieurs, portant à la fois sur le diagnostic et le pronostic de la durée des piles réalisés avec une approche basée modèle physique. Une validation des algorithmes développés par simulation (MiL, Model in the Loop) puis sur un banc HiL(Hardware in the Loop) permettra d'évaluer les capacités des algorithmes développés à estimer le vieillissement de la pile et à prédire la fin de vie. La méthode développée pourra être étendue à différents types de pile afin de démontrer la généralisation. Le sujet de thèse s'inscrit dans une forte collaboration scientifique, rattachée aux projets ANR PEPR-H2.

Voir toutes nos offres Télécharger l'offre (.zip)

Email Bookmark and Share