Optimisation de la détection d'émission acoustiques pour le suivi de la santé structurelle à l'aide H/F
Stage Saclay (Essonne) Conception / Génie civil / Génie industriel
Description de l'offre
Détail de l'offre
Informations générales
Entité de rattachement
Le CEA est un acteur majeur de la recherche, au service des citoyens, de l'économie et de l'Etat.Il apporte des solutions concrètes à leurs besoins dans quatre domaines principaux : transition énergétique, transition numérique, technologies pour la médecine du futur, défense et sécurité sur un socle de recherche fondamentale. Le CEA s'engage depuis plus de 75 ans au service de la souveraineté scientifique, technologique et industrielle de la France et de l'Europe pour un présent et un avenir mieux maîtrisés et plus sûrs.
Implanté au cœur des territoires équipés de très grandes infrastructures de recherche, le CEA dispose d'un large éventail de partenaires académiques et industriels en France, en Europe et à l'international.
Les 20 000 collaboratrices et collaborateurs du CEA partagent trois valeurs fondamentales :
• La conscience des responsabilités
• La coopération
• La curiosité
Référence
2024-34154Description de l'unité
Le Laboratoire Instrumentation Intelligente, Distribuée et Embarquée (LIIDE) a pour mission de développer une plateforme mixte, matérielle et logicielle, pour concevoir les fonctionnalités de l'instrumentation du futur. Le laboratoire développe conjointement 1) le volet matériel, visant des cartes électroniques polyvalentes et modulaires, accompagnées des logiciels nécessaires à leur fonctionnement, pour couvrir une large gamme de technologie de capteurs ; et 2) des fonctionnalités innovantes d'intelligence artificielle pour la mesure répartie et l'apprentissage frugal et distribué.
Le laboratoire est ancré dans un environnement riche centré autour de l'instrumentation numérique pour le contrôle, le monitoring et le diagnostic. Le département auquel il appartient s'appuie sur une large gamme de capteurs (fibres optiques, capteurs piézo-électriques, sondes Courants de Foucault, rayons X) ainsi que sur des plateformes d'expérimentation de pointe. Les applications sont principalement focalisées sur le contrôle non-destructif (Non-Destructive Evaluation - NDE) ou la surveillance de l'état de santé de structures (Structural Health Monitoring - SHM).
Description du poste
Domaine
Mathématiques, information scientifique, logiciel
Contrat
Stage
Intitulé de l'offre
Optimisation de la détection d'émission acoustiques pour le suivi de la santé structurelle à l'aide H/F
Sujet de stage
La surveillance des infrastructures critiques, telles que celles du secteur nucléaire ou de l'ingénierie pétrochimique, est cruciale pour assurer leur sécurité. Les émissions acoustiques (EA) permettent une surveillance passive, en captant les ondes générées par des anomalies comme les fissures, sans nécessiter d'interruption des opérations. Cette technique permet de détecter précocement les anomalies, diminuant les risques de défaillances graves.
Cependant, cette méthode pose des défis techniques, car les signaux d'intérêt sont rares et souvent masqués par le bruit de fond, rendant la détection difficile et nécessitant le stockage de grandes quantités de données. Le stage vise à développer une méthode embarquée pour segmenter les signaux et ne sauvegarder que ceux contenant des salves d'émissions acoustiques, réduisant ainsi les besoins en stockage et transmission.
Durée du contrat (en mois)
6
Description de l'offre
Contexte
La surveillance des infrastructures critiques telles que celles du secteur nucléaire ; du génie civil et de l’ingénierie pétrochimique, est essentielle pour garantir leur sécurité et leur intégrité. Elle peut se faire de manière dite passive au moyen des émissions acoustiques (EA) qui sont des ondes produites au sein de la structure par des événements tels que la formations de fissures ou des micro-frictions. Cette approche non intrusive permet une surveillance continue sans nécessité d’arrêts prolongés des opérations, et une détection précoce des anomalies réduisant le risque de défaillances catastrophiques.
La mise en œuvre de la surveillance par émissions acoustiques présente cependant des challenges importants. Premièrement, les événements d’intérêt sont rares et souvent masqués par un bruit de fond important rendant la détection des formes d’onde recherchée complexe. De ce fait, la surveillance requiert généralement l’enregistrement d’une quantité importante de données ce qui entraîne de fortes contraintes matérielles pour le stockage et la transmission des signaux acquis.
L’objectif principal du stagesera de développer une méthode de segmentation embarquée de signaux de vibrations d’une structure mécanique afin de n’enregistrer que les segments de signaux contenant potentiellement des salves d’émissions acoustiques.
Déroulement du stage
Les travaux de stage se dérouleront en quatre grandes étapes décrites ci-dessous.
Acquisition de données expérimentales contrôlées
A l’aide de la plateforme du département dédiée au suivi de la santé structurelle, des émissions acoustiques seront simulées sur une structure expérimentale et les vibrations induites seront mesurées au moyen de capteur piézo-électrique et du carte d’acquisition dédiée.
Développement d’un modèle de détection d’émissions acoustiques
Une méthode précédemment développée pour la détection d’anomalie dans les séries temporelles sera évaluée, améliorée et adaptée au traitement de données en flux.
Portage sur cible matérielle
Il s’agira d’implémenter le modèle de détection sur la plateforme embarquée dédiée avec des contraintes de mémoire et de puissance. Cela inclut la quantification des paramètres du modèle, l’interfaçage avec l’environnement logiciel de la plateforme embarquée.
Evaluation de la robustesse
La robustesse du modèle face aux variations de distribution des données causées par les capteurs (par exemple un décollage) ou les changements du bruit ambiant sera évaluée et des pistes d’amélioration recommandée.
Profil recherché
Profil du candidat
Master 2/Bac+5 école d’ingénieurs, traitement du signal, data sciences ; compétences en IA embarquée appréciées.
Curieux, autonomes, à l'aise avec la méthodologie (travail algorithmique) et les manipulations expérimentales.
Conformément aux engagements pris par le CEA en faveur de l’intégration de personnes en situation de handicap, cet emploi est ouvert à tous et toutes.