Classification des défauts dans les câbles par application du réseau de neurones artificiels H/F (Instrumentation, métrologie et contrôle)

Description de l'offre

Domaine : Instrumentation, métrologie et contrôle

Contrat : Stage

Description du poste :

Contexte du stage:
Que ce soit dans l’aéronautique, l’automobile, les télécommunications ou même la distribution d’énergie, les câbles sont victimes de leur environnement d’opération. Ils font souvent face à des conditions agressives telles que la vibration mécanique, le stress thermique, la pénétration de l’humidité, etc. Ces conditions favorisent l’apparition de défauts plus ou moins graves allant d’une simple fissure dans la gaine à une coupure du câble causant ainsi un dysfonctionnement du système.
Dans ce contexte, Le CEA LIST étudie des méthodes de diagnostic et pronostic des défauts dans les réseaux de câbles basés sur la méthode de la réflectométrie. L’idée est d’injecter un signal de test dans le câble. Chaque fois qu’il rencontre une discontinuité d’impédance (i.e. un défaut), une partie de son énergie est renvoyée vers le point d’injection. Le traitement du signal réfléchi permet par la suite de détecter et localiser ce défaut.
Dans la perspective du pronostic, la classification de ce défaut (endommagement du blindage, pincement, rayon de courbure, etc.) devient nécessaire pour déterminer la cause de son apparition afin de prédire voire étendre la durée de vie du câble grâce à la mise en place de la maintenance préventive.
Pour cela, l’application des méthodes de Machine Learning telles que les réseaux de neurones artificiels (RNA) sur les données issues des capteurs de réflectométrie s’avère une solution prometteuse pour résoudre cette problématique. C’est dans ce cadre que s’inscrivent les travaux de ce stage.

Objectifs:
Le stage propose d'appliquer les méthodes de Machine Learning telles que les réseaux de neurones artificiels (RNA) sur les données issues des capteurs de réflectométrie pour classifier les défauts dans les câbles.
Vous serez amener à :
Construire une base de données de défauts francs et non francs.
Identifier les paramètres du défaut à retenir.
Concevoir l’architecture du réseau de neurones artificiels.
Réaliser l’apprentissage supervisé du réseau de neurones artificiels.
Valider le réseau de neurones artificiels sur des données de validation.
Tester le réseau de neurones sur des données issues de l’expérimentation.
Intégrer les travaux du stage sur une carte électronique pour une preuve de concept.
Vous intégrerez une équipe expérimentée de chercheurs, ingénieurs et doctorants travaillant sur différents projets centrés autour du diagnostic de défauts dans les câbles et dans des secteurs tels que l’automobile, l’aéronautique ou l’énergie. Cette proposition est par ailleurs particulièrement adaptée aux étudiants désirant poursuivre en doctorat, puisqu’elle en lien avec un sujet de thèse à pourvoir dans le laboratoire à la rentrée 2020/2021.
La poursuite en doctorat n’est toutefois ni obligatoire ni systématique.


Profil: étudiant(e) master 2/ école d'ingénieurs

Compétences:
-Théorie des lignes de transmission, électromagnétisme, -traitement du signal, électronique/micro-électronique, mathématiques appliquées, statistiques

Ville : Palaiseau

Langue / Niveau :

Français : Courant

Langue / Niveau :

Anglais : Courant