PhD Position F/M Commande et optimisation du pas d’un propulseur cycloïdal

L’objet de la thèse est d’optimiser les performances d’un propulseur naval cycloïdal, pour différentes vitesses d’avance, en maximisant l’effort propulsif et le rendement par une approche multi-modèles numérique-expérience. Des méthodes d’optimisation originales seront mises en œuvre et appliquées aux modèles numériques et expérimentaux afin de déterminer les lois de calage optimales.

Le fonctionnement d’un propulseur marin à axe transverse est très différent de celui des hélices ou des turbines axiales classiques. Il est en effet caractérisé par la rotation de plusieurs pales autour d’un axe vertical, associée à un mouvement de chaque pale autour de son axe propre. L’avantage de ces systèmes est de générer une force de poussée vectorielle à 360°. La cinématique élaborée des pales produit une poussée horizontale dont le rendement hydrodynamique dépend fortement de la loi de commande des pales.

L’IRENav (Institut de Recherche de l’Ecole Navale) s’intéresse depuis de nombreuses années à ces propulseurs à axes transverses et a conçu une plateforme expérimentale SHIVA (Système     Hydrodynamique Intelligent à Variation d’Angle), largement instrumentée, de grande dimension (0.8- 1.6 m de diamètre), qui permet de générer toutes les formes de cinématiques par le biais de moteurs électriques auxiliaires indépendants qui assurent le calage instantané de chacune des pales autour de leur axe de rotation situé au quart de corde, synchronisés sur le moteur électrique principal.

Les études préliminaires menées ces dernières années sur l’optimisation de la loi de calage entre l’ENSTA Bretagne et l’Ecole Navale, ont montré des possibilités d’amélioration importantes et inédites sur le plan du rendement hydrodynamique. Ce genre de rotor présente une cinématique de pales très originale mais complexe en termes d’optimisation. En effet, la loi de calage dépend à la fois du paramètre d’avance lambda (𝜆 = 𝑉 𝜔𝑅, rapport de la vitesse d’avance sur la vitesse périphérique), des paramètres géométriques (profil et allongement des pales, solidité, i.e. rapport entre la surface des pales et celle balayée par les pales) et de la stratégie souhaitée : maximisation de l’effort propulsif et/ou du rendement. Une approche multi-modèles a donc été mise en œuvre afin d’étudier différents modèles hydrodynamiques du propulseur : modèles CFD (2D ou 3D, suite FINE/Marine) et mesures expérimentales avec la plateforme SHIVA. A partir de ces différents modèles, de premières confrontations et validations ont été effectuées dans le cas d’une optimisation par méta-modélisation simple-objectif (maximisation de l’effort propulsif) et multi-objectifs (détermination du front de Pareto par maximisation de l’effort propulsif et du rendement), pour un fonctionnement du propulseur en mode trochoïdal, plus facile, d’une part à modéliser en CFD, et d’autre part à reproduire expérimentalement en termes de loi de calage.

Les enjeux scientifiques et techniques de ce projet de thèse sont de mettre en œuvre des méthodes d’optimisation avancées par une approche multi-modèles (numériques et expérimentaux), et de les appliquer dans le cadre d’une application réelle d’un propulseur cycloïdal en mode propulsion navale pour les deux modes de fonctionnement : épicycloïdal et trochoïdal.

Ce projet de thèse s’inscrit dans un contexte de partenariat académique qui implique des compétences multidisciplinaires apportées par l’ENSTA Bretagne, l’Ecole Navale et l’IFREMER.

La thèse se déroulera sur le site de l’ENSTA Bretagne à Brest, au sein de deux laboratoires : le Lab- STICC (UMR CNRS 6285), dans l'équipe MATRIX (Modèles et Algorithmes pour le TRaItement et l'eXtraction de l'information) du pôle DMID (Données, Modèles, Informations & Décisions), et l'IRDL (UMR CNRS 6027), au sein du Pôle Thématique de Recherche (PTR) 3 « Fluides, Structures et leurs Interactions ».

La thèse s’inscrit dans le cadre d’un projet « Ecole AID (DGA) » porté par l’ENSTA Bretagne et l’Ecole Navale. Le salaire mensuel brut est de l’ordre de 2100 euros.

La date envisagée pour le début du contrat doctoral est le 1er octobre 2023.

Titulaire du grade de master (université ou école d’ingénieur), le(la) candidat(e) devra avoir une formation solide en mécanique et/ou en mathématiques appliquées. Des compétences dans au moins un des domaines suivants sont souhaitables : mécanique des fluides, CFD, méthodes d’optimisation, control optimal.

[1] E. Wang et al. “Deep Neural Network Approximation for Custom Hardware: Where We’ve Been, Where We’re Going”. ACM Comput. Surv. 52.2 May 30, 2019, 40:1–40:39. doi: 10.1145/3309551.

[2] G. Armeniakos, G. Zervakis, D. Soudris, and J. Henkel. “Hardware Approximate Techniques for Deep Neural Network Accelerators: A Survey”. ACM Comput. Surv. Mar. 2022. doi: 10.1145/3527156.

[3] K. Guo, S. Zeng, J. Yu, Y. Wang, and H. Yang. “[DL] A Survey of FPGA-based Neural Network Inference Accelerators”. ACM TRETS 12.1 Mar. 28, 2019, 2:1–2:26. doi: 10.1145/3289185.

[4] S. Mittal. “A Survey of FPGA-based Accelerators for Convolutional Neural Networks”. Neural Computing and Applications32.4 Feb. 2020, pp. 1109–1139. doi: 10.1007/s00521-018-3761-1.

[5] N. Papernot, P. McDaniel, A. Sinha, and M. P. Wellman. “SoK: Security and Privacy in Machine Learning”. 2018 IEEE European Symposium on Security and Privacy (EuroS&P). Apr. 2018, pp. 399–414. doi: 10.1109/EuroSP.2018.00035.

[6] M. Shafique et al. “Robust Machine Learning Systems: Challenges,Current Trends, Perspectives, and the Road Ahead”. IEEE Des Test 37.2 2020, pp. 30–57. doi: 10.1109/MDAT.2020.2971217.

[7] S. Mittal, H. Gupta, and S. Srivastava. “A Survey on Hardware Security of DNN Models and Accelerators”. J. Syst. Archit. 117 2021, p. 102163. doi: 10.1016/j.sysarc.2021.102163.

[8] V. Meyers, D. Gnad, and M. Tahoori. “Active and Passive Physical Attacks on Neural Network Accelerators”. IEEE Design & Test 2023, pp. 1–1. doi: 10.1109/MDAT.2023.3253603.