Développement d’un Modèle d’Ordre Réduit (ROM) basé sur le Machine Learning pour la Simulation de Chocs

Contexte

• L’homologation des outils de forage en conditions de choc repose actuellement exclusivement sur des tests expérimentaux. Ces tests nécessitent une préparation importante et des ressources dédiées. De plus, la maîtrise des paramètres d’entrée lors de la qualification est limitée en raison de la nature statistique des événements de choc.

• La modification de la conception des outils sur la base des résultats des tests est compliquée par le manque de compréhension claire de l’impact des différents paramètres sur le processus de qualification. Ces facteurs rendent difficile l’anticipation du succès d’une qualification.

• La modélisation des chocs par Analyse par Éléments Finis (FEA) a été validée avec succès pour plusieurs cas de référence. Cependant, le coût computationnel élevé des simulations 3D (plusieurs heures par simulation) limite leur utilisation pour des études de sensibilité.

Objectifs du stage

L’objectif de ce stage est de développer un Modèle d’Ordre Réduit (ROM) en utilisant des méthodes de Machine Learning afin de remplacer les tests physiques de choc. Le modèle ROM sera construit à partir d’un nombre restreint de simulations 3D FEA, grâce à des techniques d’apprentissage automatique.
Une fois validé, ce modèle sera utilisé pour :

• Réaliser des études paramétriques pour des tests de choc virtuels.

• Développer un capteur virtuel pour des applications en temps réel.

Missions et livrables

• Réaliser une revue de littérature sur les modèles d’ordre réduit appliqués à la dynamique des structures transitoires.

• Étudier la sensibilité des paramètres dans la modélisation des chocs en 3D FEA et élaborer un plan d’expériences (Design of Experiment - DOE).

• Développer et valider un modèle ROM basé sur des techniques de Machine Learning.

Profil recherché

Étudiant(e) en Ingénierie Mécanique ou Générale (Grande École) avec de solides compétences en simulation numérique, ainsi qu’une bonne connaissance en Science des Données et Intelligence Artificielle.