L'électrification croissante des systèmes embarqués dans les aéronefs s'accompagne d'une augmentation des perturbations électromagnétiques générées par les convertisseurs d'électronique de puissance, du fait de l'électrification des fonctions propulsives et non propulsives. Ces perturbations peuvent affecter la robustesse des systèmes électriques et nécessitent des stratégies de gestion efficaces.

Dans le cadre de précédents travaux, une vaste campagne d'essais a permis de collecter des données expérimentales caractérisant ces perturbations sur un système donné. L'objectif du stage est d'exploiter ces données pour développer des modèles d'apprentissage machine capables de classifier / prédire / etc. les perturbations électromagnétiques en émissions conduites. Ces modèles permettront d'améliorer la compréhension des phénomènes en jeu et de faciliter la mise en place de stratégies de mitigation adaptées. A terme, les résultats d'essais normatifs (DO-160) de produits Safran pourraient enrichir la base de données et améliorer la robustesse des modèles par apprentissage. Cette approche se veut complémentaire aux travaux de modélisation prédictive des émissions conduites.

Enfin, ces modèles d'apprentissage pourraient également permettre d'extraire certaines caractéristiques du système à partir des signatures électriques mesurées, ouvrant ainsi la voie à une meilleure compréhension et caractérisation du système sous test.

• Formation Bac+5 (école d'ingénieur ou université) avec spécialisation en science des données, machine learning, électronique de puissance, traitement du signal, ou compatibilité électromagnétique.
• Compétences en traitement de données et en modélisation (Python, Scikit-learn, TensorFlow/Keras),
• Capacité à travailler en autonomie tout en interagissant avec une équipe pluridisciplinaire.