Where PhDs and companies meet
Menu
Login

Already registered?

New user?

Construction de modèles d’homogénéisation généralisés avec une approche basée sur l’intelligence artificielle et les réseaux de neurones

ABG-97374 Thesis topic
2021-04-08 Public/private mixed funding
Université de Lille
Villeneuve d'Ascq - Les Hauts de France - France
Construction de modèles d’homogénéisation généralisés avec une approche basée sur l’intelligence artificielle et les réseaux de neurones
  • Digital

Topic description

Contexte

 

Dans l’objectif d’avoir une meilleure compréhension de l’influence des procédés de mise en forme des matériaux sur leurs performances, l’Unité de Mécanique de Lille UML développe des modèles numériques prenant en compte la morphologie de la microstructure de ces matériaux. L’UML s’intéresse à une large gamme de matériaux composites et milieux hétérogènes, qui connaissent un essor croissant dans de nombreux secteurs industriels dont l’aéronautique et l’automobile. Leur potentiel ne peut néanmoins être pleinement exploité à l’heure actuelle à cause de leur variabilité et de la complexité de leur morphologie microstructurale.

Afin de prédire les performances (e.g. thermiques, mécaniques, ..) de ces composites et milieux hétérogènes pour des arrangements et des morphologies d’hétérogénéités aussi variées que dans la réalité, il serait trop coûteux en temps et en moyens de se baser directement sur les données expérimentales. On peut toutefois se baser sur celles-ci pour générer de nombreuses microstructures virtuelles aléatoires mais statistiquement équivalentes. Le but est la prédiction systématique des modèles de comportement macroscopiques de ces matériaux. La grande gamme de matériaux qu’il faut traiter représente une base de données très complète pour utiliser l’intelligence artificielle et les réseaux de neurones pour construire des modèles de comportement homogénéisés et surtout bien optimisés au niveau de paramètres déterminants comme la forme, la fraction volumique, le contraste ..

 

Objectif de la thèse

 

Le projet de thèse consiste à développer des modèles de comportement macroscopiques et homogénéisés, numériques et analytiques, basés sur des calculs numériques sur des images expérimentales et la génération de microstructures virtuelles en plusieurs étapes :

  • Collecte de données morphologiques : les formes, les fractions volumiques, contraste, à partir de la littérature.
  • Génération de microstructures : en analysant la base de données avec des méthodes d’analyse / apprentissage de formes et / ou d’images. Le doctorant développera un algorithme pour générer une microstructure aléatoire en veillant à respecter des paramètres statistiques comme la fraction volumique, la forme et la dispersion.
  • Mise en œuvre et validation : l'algorithme proposé sera rigoureusement testé dans différents scénarios et comparé à d'autres algorithmes de génération existants.
  • Réalisation des calculs d’homogénéisation numérique de type Eléments Finis sur les morphologies expérimentales et virtuelles.
  • Développement de modèles homogénéisés à partir des résultats obtenus sur les données expérimentales et virtuelles.
  • Optimisation des modèles développés via les approches de type réseaux de neurones et intelligence artificielle.

Funding category

Public/private mixed funding

Funding further details

Presentation of host institution and host laboratory

Université de Lille

Laboratoire : Unité de Mécanique de Lille

Université de Lille

PhD title

Doctorat en Mécanique

Country where you obtained your PhD

France

Graduate school

Candidate's profile

Le candidat doit avoir un bac plus 5 avec une spécialisation dans les approches de type intelligence artificielle, réseaux de neurones, reconnaissance de forme, mathématiques morphologique. Une connaissance des calculs de type Eléments finis est souhaitée.

Partager via
Apply
Close

Vous avez déjà un compte ?

Nouvel utilisateur ?

More information?

Get ABG’s monthly newsletters including news, job offers, grants & fellowships and a selection of relevant events…

item1
They trusted us