Génie mécanique

Development and experimental test of data-driven approaches for physics-informed wind-turbine digital twins

Dans un contexte de crise énergétique, le suivi de santé des éoliennes est un enjeu économique majeur. Ce suivi permet en effet de réduire les coûts en anticipant les opérations de maintenance, et en optimisant la durée d’exploitation. Les approches classiques proposent d’exploiter les mesures de quelques capteurs placés sur l’éolienne. Par-exemple, des approches OMA (Operational Modal Analysis) permettent de suivre un changement dans les fréquences propres ou les déformées modales de la structure.

Machine Learning based prediction of detailed chemistry phenomena in CFD computations

CFD simulations are currently used for the design and optimization of propulsion and industrial devices involving chemically reactive flows. They facilitate the research of new solutions that allows to reduce CO2 and pollutant emissions. Recently, the use of Machine Learning in physical sciences and engineering has attracted a lot of attention, with the goal of accelerating numerical simulations of physical processes. In this context, the main challenge is to reach a significant reduction in the computational costs while maintaining a high accuracy with respect to standard solvers.

Modélisation 3D de la dynamique des gaz d’évent et de leur combustion lors de l’emballement thermique des batteries Lithium-Ion

L’essor fulgurant des véhicules électrifiés entraîne une forte demande en batteries. Les batteries Lithium-Ion représentent actuellement la technologie dominante car elles offrent de bonnes performances, notamment une densité énergétique élevée. Néanmoins, ces batteries peuvent être sujettes au phénomène d’emballement thermique, qui peut conduire à la destruction du véhicule. Il est donc important de développer des outils numériques adéquats, permettant de prédire et de prévenir ce type d’accidents.