test

Thèse de doctorat : Caractérisation thermophysique de matériaux par méthode photothermique et apprentissage automatique – Evaluation in situ du vieillissement des récepteurs solaires

1 – Contexte

Afin d’optimiser le fonctionnement des centrales solaires à concentration, le laboratoire PROMES-CNRS (UPR 8521) s’intéresse depuis de nombreuses années à la compréhension du vieillissement des matériaux dont sont constitués les récepteurs solaires. En effet, il est nécessaire de comprendre comment ces matériaux se comportent dès lors qu’ils sont soumis à des hauts flux et comment, au cours de leur durée d’utilisation, leurs propriétés peuvent influencer l’efficacité des centrales.

Dans le cadre de plusieurs projets européens successifs (SFERA, SFERA II, RAISELIFE et SFERA III ; ce dernier est en cours), des montages expérimentaux innovants ainsi que des méthodes de conception optimale d’expérience ont été développés et mis au point. Les thèses financées par ces projets, parmi lesquelles la thèse de Reine Reoyo-Prats [1], traitent de l’étude des mécanismes de vieillissement des matériaux par le suivi de leurs propriétés thermophysiques au cours du temps. Aussi, il est nécessaire de disposer de méthodes d’estimation de ces propriétés qui soient performantes et les plus universelles possible. En effet, les matériaux à étudier sont nombreux : des matériaux massifs, bicouches ou plus, homogènes ou hétérogènes, etc. Notre préoccupation, à l’origine du sujet de thèse proposé, est unique : comment se comportent ces matériaux au cours du temps ? Comment évoluent leurs propriétés lorsque ces matériaux subissent de fortes contraintes thermiques et mécaniques ?

Dans le cadre de la maintenance en temps réel des centrales solaires à concentration, un dispositif de diagnostic in-situ et non destructif du récepteur solaire serait un outil à haute valeur ajoutée. La mise au point d’un tel dispositif nécessite le développement d’algorithmes à coût calculatoire maîtrisé pour la caractérisation thermophysique des matériaux dont sont constitués les récepteurs solaires. Le sujet de thèse proposé (axe thématique CSPG, pour « Centrales Solaires de Prochaines Générations », activité « Intelligence artificielle pour le solaire ») cible le développement de ces algorithmes. Les travaux seront financés en cas de succès au concours de l’ED 305 « Energie et environnement » (juin 2022).

 

2 – Objectifs

Les travaux proposés mettront à profit, d’une part, les données expérimentales collectées par Reine Reoyo-Prats (ces données sont peu nombreuses) et, d’autre part, les algorithmes d’estimation développés par cette dernière pendant sa thèse de doctorat [2]. Reine Reoyo-Prats a démontré que les réseaux de neurones artificiels à propagation avant pouvaient être utilisés comme outils d’estimation de propriétés thermophysiques et qu’ils permettaient, dans certains cas, de palier les limitations des méthodes inverses. L’estimation simultanée de la diffusivité thermique et de la conductivité thermique de matériaux massifs, à partir de leurs réponses photothermiques, s’est avérée possible grâce à ces outils. Il est toutefois nécessaire d’améliorer les algorithmes développés et d’en étendre, autant que possible, le domaine de validité. Ainsi, le travail proposé dans le cadre de cette thèse s’articule en trois grandes parties.

 

  1. La première partie des travaux sera consacrée à la consolidation de la base de données disponible au laboratoire PROMES-CNRS. A cet effet, deux voies seront explorées : (1) la modélisation des réponses photothermiques des matériaux à caractériser, que l’on soumettra à différents types d’excitation, pour la génération de données simulées et (2) l’augmentation de données par auto-encodeur variationnel (un réseau de neurones artificiels pour l’apprentissage non supervisé de caractéristiques discriminantes). Les modèles développés permettront, par ailleurs, d’optimiser les paramètres des dispositifs expérimentaux en menant des études de sensibilité. Cette étape de consolidation de la base de données est rendue nécessaire par le manque de données expérimentales.
  2. La deuxième partie des travaux ambitionne le développement, en un langage de programmation adapté aux contraintes de l’embarqué (Python), à partir de la base de données consolidée, d’algorithmes fondés sur l’apprentissage automatique/profond pour la caractérisation thermophysique des matériaux massifs dont sont constitués les récepteurs solaires. Seront associés des réseaux de neurones à convolution (ou CNN, pour Convolutional Neural Networks), pour le traitement des réponses photothermiques et l’extraction de caractéristiques de haut niveau, et réseaux de neurones à propagation avant ou réseaux de neurones récurrents (des réseaux LSTM, pour Long Short Term Memory) pour l’estimation simultanée de la diffusivité thermique et de la conductivité thermique des matériaux massifs à caractériser. Il sera impératif de maitriser le coût calculatoire de ces algorithmes, pour un fonctionnement en temps réel, dans l’optique du développement d’un dispositif de caractérisation in situ des récepteurs solaires et de l’évaluation de leur vieillissement. Les algorithmes développés par Reine Reoyo-Prats au cours de ses travaux de thèse [1, 2] fourniront des performances de référence. Il sera indispensable, au cours de ce travail, de garder à l’esprit que les méthodes utilisées doivent être implémentables dans un dispositif compact, transportable et facilement utilisable par un agent chargé du contrôle et de la maintenance d’une centrale solaire à concentration. Des solutions techniques pourraient alors être proposées.
  3. Au cours du projet RAISELIFE, nous avons testé des matériaux multicouches pour la fabrication des récepteurs solaires de prochaine génération. Certains de ces matériaux se sont avérés très prometteurs, tant par leurs qualités thermiques que mécaniques. De ce fait, la troisième partie des travaux aura pour finalité d’évaluer la validité, avec les matériaux multicouches testés, des algorithmes développés pour l’estimation de propriétés thermophysiques (diffusivité thermique et conductivité thermique) de matériaux massifs. Le cas échéant, ces algorithmes seront adaptés aux matériaux multicouches.

 

3 – Compétences recherchées

Le sujet de thèse proposé par PROMES-CNRS est pluridisciplinaire. Le candidat/la candidate devra se montrer à l’aise avec les outils de simulation et de programmation scientifique/embarquée (Python) pour le développement d’algorithmes d’estimation de propriétés thermophysiques à l’aide des outils de l’apprentissage automatique/profond. En outre, il lui sera demandé(e) de contribuer à l’amélioration d’un banc de photothermie. Il/elle devra donc faire preuve d’un goût particulier pour l’aspect expérimental. Ainsi, une formation initiale généraliste couplée à une formation de deuxième cycle dans le domaine de la modélisation et de l’intelligence artificielle serait le cursus idéal. Des compétences en science de la donnée, tout comme une connaissance des transferts thermiques, seraient particulièrement appréciées.

 

4 – Laboratoire d’accueil (www.promes.cnrs.fr)

PROMES (« Procédés, Matériaux et Énergie Solaire »), une unité propre de recherche du CNRS (UPR 8521) conventionnée avec l’Université de Perpignan Via Domitia (UPVD), aborde l’énergie solaire et sa valorisation. Ses activités de recherche sont structurées selon trois axes thématiques : Matériaux pour l’Energie et l’Espace (MEE), Centrales Solaires de Prochaines Générations (CSPG) et Stockage et Chimie Solaire (SCS).

 

5 – Contacts

Olivier Faugeroux, MCF HDR, 62e section du CNU, faugeroux@univ-perp.fr

Bernard Claudet, PR, 62e section du CNU, claudet@univ-perp.fr

Ferhat Tamssaouet, MCF, 61e section du CNU, ferhat.tamssaouet@univ-perp.fr

Stéphane Grieu, PR, 61e section du CNU, grieu@univ-perp.fr

 

6 – Bibliographie

[1] Reine Reoyo-Prats, Etude du vieillissement de récepteurs solaires – Estimation de propriétés thermophysiques par méthode photothermique associée aux outils issus de l’intelligence artificielle, thèse de doctorat, laboratoire PROMES-CNRS, 2020.

[2] Reine Reoyo-Prats, Stéphane Grieu, Olivier Faugeroux and Bernard Claudet, Novel artificial neural network-based method for the simultaneous estimation of thermophysical properties using experimental photothermal data, European Physical Journal Applied Physics 93 (1) (2021) 10901.

Etablissements : Université de Perpignan Via Domitia - Laboratoire PROMES-CNRS
Durée : 3 ans
Lieux de travail : Perpignan - Odeillo
Détail du contrat :