PHYSICS-INFORMED DATA-DRIVEN APPROACHES TO NON-LINEAR SYSTEM-LEVEL ANALYSIS OF BATTERY STATE OF HEALTH

La prédiction de la durée de vie de la batterie haute tension est un sujet majeur dans l'industrie automobile. Il est donc important d'avoir un modèle de prévision robuste et fiable de l'état de santé (i.e. la durée de vie) de cette batterie. Les modèles de prédiction de l'état de santé de la batterie reposent généralement sur l'évolution de la quantité totale d'électricité générée, par rapport au temps de fonctionnement. Ces modèles sont principalement basés sur la physique, avec la "randomisation" de certains paramètres pour tenir compte de la variabilité observée dans les tests de laboratoire. Le premier objectif et la première partie de ce projet de doctorat est de proposer une évolution des modèles "historiques" reposant essentiellement sur la physique à des modèles exploitant conjointement les données et les connaissances physiques (i.e physics-informed data-driven approches). Une première étape de ces travaux consistera donc à comparer les outils et algorithmes existants pour évaluer les distributions des paramètres des modèles obtenues via des approches d'inférence bayésienne. Une deuxième étape consistera à faire évoluer les modèles en exploitant conjointement les connaissances physiques et les méthodes reposant essentiellement sur l'exploitation des données. Une troisième étape, s'appuyant par exemple sur la théorie des valeurs extrêmes, portera sur l'exploitation des modèles obtenus pour évaluer la durabilité de la batterie et quantifier les risques associés aux incertitudes. Un deuxième objectif et une deuxième partie de ce projet de doctorat peut être dédiée à une amélioration des plans de validation et/ou des plans d'expériences pour réduire le nombre d'essais qui sont couteux (en temps et en argent). Cette amélioration pourra reposer par exemple sur des approches d'active et de transfert learning. Enfin un dernier objectif et une dernière partie de ce projet pourront être consacrés à l’exploitation des données des véhicules connectés pour valider la performance effective des modèles développés.

The Industrial Engineering (IE) Research Department (Laboratoire Génie Industriel, LGI)  is one of the 16 Research Units of CentraleSupélec, a member of the University Paris-Saclay. It studies production, activity or socio-technical systems along their life cycles.These systems are engineered by humans and must be observed, diagnosed, exploited, regulated, maintained and recycled. It is composed of 112 people  divided into 4 research groups. It's also organized around 5 themes to exhibit and encourage cross-functional and collaborative inter-group activities. These themes are each driven by a duo of academic. Finally, the 3rd organizational layer of LGI is its set of 6 research chairs supported by companies.https://www.lgi.centralesupelec.fr/en/node/107