Systèmes de maintenance prédictive basés sur l’acoustique et les ultrasons pour les équipements industriels // Acoustic and Ultrasound-based Predictive Maintenance Systems for Industrial Equipment

Les convertisseurs de puissance sont essentiels dans de nombreuses applications telles que l’industrie, les systèmes photovoltaïques, les véhicules électriques et les centres de données. Leur maintenance conventionnelle est souvent basée sur des calendriers fixes, entraînant un remplacement prématuré des composants et une quantité importante de déchets électroniques.
Ce projet de doctorat vise à développer une nouvelle approche de surveillance non invasive et à faible coût, basée sur les ultrasons, afin d’évaluer l’état de santé et la durée de vie résiduelle (RUL) des convertisseurs de puissance déployés dans divers secteurs industriels.

La recherche se concentrera sur l’identification et la caractérisation des signatures ultrasonores émises par des composants électroniques vieillissants, ainsi que sur le développement de réseaux de neurones guidés par la physique (PINNs) pour modéliser leurs mécanismes de dégradation. Le projet combinera des études expérimentales avec des techniques avancées de traitement du signal et d’intelligence artificielle (compressed sensing), dans le but de détecter les premiers signes de défaillance et de permettre des stratégies de maintenance prédictive exécutées localement (edge deployment).

Les travaux de recherche seront menés dans le cadre d’un réseau doctoral Marie Sklodowska-Curie Actions (MSCA), offrant une formation internationale, une collaboration interdisciplinaire et des périodes de mobilité auprès de partenaires académiques et industriels de premier plan en Europe (Italie et Pays-Bas pour cette offre de doctorat).
------------------------------------------------------------------------------------------------------------------------------------------------------------------------
------------------------------------------------------------------------------------------------------------------------------------------------------------------------

Power converters are essential in numerous applications such as industry, photovoltaic systems, electric vehicles, and data centers. Their conventional maintenance is often based on fixed schedules, leading to premature replacement of components and significant electronic waste.
This PhD project aims to develop a novel non-invasive and low-cost ultrasound-based monitoring approach to assess the state of health and remaining useful life (RUL) of power converters deployed across various industries.
The research will focus on identifying and characterizing ultrasonic signatures emitted by aging electronic components, and on developing physics-informed neural networks (PINNs) to model their degradation mechanisms. The project will combine experimental studies with advanced signal processing and AI techniques (compressed sensing), aiming to detect early signs of failure and enable predictive maintenance strategies executed locally (edge deployment).
The research will be carried out within a Marie Sklodowska-Curie Actions (MSCA) Doctoral Network, offering international training, interdisciplinary collaboration, and secondments at leading academic and industrial partners across Europe (Italy and Netherlands for this PhD offer).

------------------------------------------------------------------------------------------------------------------------------------------------------------------------
------------------------------------------------------------------------------------------------------------------------------------------------------------------------

Pôle fr : Direction de la Recherche Technologique
Pôle en : Technological Research
Département : Département Systèmes (LETI)
Service : Service Systèmes de Capteurs, électroniques pour l’Energie
Laboratoire : Laboratoire Autonomie et Intégration des Capteurs
Date de début souhaitée : 01-05-2026
Ecole doctorale : Electronique, Electrotechnique, Automatique, Traitement du Signal (EEATS)
Directeur de thèse : BOISSEAU Sébastien
Organisme : CEA
Laboratoire : DRT/DSYS/SSCE/LAIC
URL : http://www.leti-cea.fr/cea-tech/leti/Pages/recherche-appliquee/plateformes/plateforme-systemes-cyber-physiques.aspx

Public/private mixed funding

Pôle fr : Direction de la Recherche Technologique
Pôle en : Technological Research
Département : Département Systèmes (LETI)
Service : Service Systèmes de Capteurs, électroniques pour l’Energie

Master’s degree in signal processing, applied physics, electrical/electronic engineering, or data science with an interest in physical systems.