Thèse Diagnostic par Approche Inertielle et Hybridation des Données des Systèmes Tournants au Service d'Une Industrie Durable. H/F - Doctorat.Gouv.Fr

Établissement : Université de Reims Champagne - Ardenne
École doctorale : MPSNI - Mathématiques Physique Sciences du Numérique et de l'Ingénieur
Laboratoire de recherche : Institut de Thermique, Mécanique, Matériaux
Direction de la thèse : XAVIER CHIEMENTIN ORCID 0000000256851694
Début de la thèse : 2026-10-01
Date limite de candidature : 2026-04-30T23:59:59

Description de la problématique de recherche :

1.Contexte scientifique :
Dans un contexte de Développement Durable et de la Responsabilité Sociétale et Environnementale (DDRSE), la durabilité des systèmes est devenue un impératif pour les entreprises manufacturières. La surveillance et l'évaluation de l'état de santé des installations de production s'imposent comme être une piste de réflexion majeure pour établir une stratégie de durabilité efficace.

Le projet s'intéresse en particulier aux systèmes tournants soumis à des conditions de fonctionnement extrêmes : basses vitesses (<60 tours/minutes) avec des fortes charges et des conditions variables. Dans ces systèmes, le roulement constitue un élément critique suscitant beaucoup d'attention de la communauté scientifique et industrielle. Son diagnostic est donc un enjeu majeur pour la fiabilité des machines tournantes.

Les méthodes de surveillance classiques sont principalement basées sur de l'analyse vibratoire (accéléromètres piézoélectriques), technique fiable et éprouvée pour des régimes rapides et stationnaires. Toutefois, cette approche montre des limites en régime de basse vitesse en raison de la faible énergie des signaux générés et de la présence dominante du bruit de fond.

2.Description des travaux envisagés :
Dans ce contexte, et avec l'émergence des technologies de systèmes micro-électromécaniques (MEMS), les centrales inertielles, ou Inertial Measurement Units (IMUs), apparaissent comme un complément particulièrement pertinent. Montées directement sur les pièces en rotation, elles permettent une mesure locale des signatures inertielles (accélérations linéaires et des vitesses angulaires). Leur positionnement embarqué et leurs mesures multiaxes (6 axes) donnent accès à des signatures faibles mais significatives en basse vitesse, souvent indétectables par les approches vibratoires conventionnelles.

Des études expérimentales, initiées par l'axe DS3 (ITheMM), ont confirmé le potentiel des IMUs pour la détection de défauts de roulements ainsi que pour l'estimation de leur sévérité en régime de basse vitesse. Toutefois, trois verrous subsistent : (i) leur faisabilité à détecter d'autres avaries (balourd, défaut d'engrenage, désalignement.) n'a pas été étudié (ii) les signatures inertielles de l'IMU ne sont pas totalement expliquées par les modèles physiques. Le positionnement du capteur sur l'arbre tournant offre des signatures en rupture avec l'existant (capteur fixe) (iii) cette approche n'a pas encore été exploitée dans le cadre d'un diagnostic intelligent par apprentissage automatique. Le point (i) est certes important mais ne sera pas traité dans ce projet. Le projet se focalisera sur le roulement pour des raisons de temps. La méthodologie pourra être transférée sur les autres avaries.

Le projet INHYB a pour objectif de faire évoluer cette démarche selon deux axes principaux :
(*) Le développement d'un modèle dédié intégrant les spécificités d'une mesure sur arbre tournant (repère de Frenet, balourd, gravité), en régime de basse vitesse et en fonctionnement non stationnaire. Ce modèle permettra de cerner les capacités de ce type de mesures à diagnostiquer les avaries et permettra d'orienter les choix de traitement des signaux et d'indicateurs. Il reposera sur une analyse angulaire des signaux, qui s'accorde naturellement avec les mesures issues des IMUs.
(**) Le développement d'un diagnostic intelligent, fondé sur l'exploitation de jeux de données hybrides. Ceux-ci combineront, d'une part, des données expérimentales issues des mesures IMU, et d'autre part, des données numériques générées.

Le projet contribuera à développer une méthodologie robuste et transférable pour la maintenance prédictive des machines lentes, et également applicable à d'autres composants mécaniques comme les engrenages.

Nous recherchons un(e) étudiant(e) de niveau Bac +5 (école d'ingénieur ou master) en génie mécanique, mécatronique ou maintenance industrielle, disposant de solides bases en dynamique des systèmes et en vibrations.

Le/la candidat(e) devra présenter un intérêt et des compétences dans les domaines suivants :
-Instrumentation (capteurs, IMU)
-Techniques de traitement du signal
-Développement et utilisation d'outils sous Python ou MATLAB

Les compétences suivantes seront appréciées :
-Analyse de données et/ou apprentissage automatique
-Capacité à faire le lien entre phénomènes physiques et données expérimentales

Le/la candidat(e) devra également présenter des qualités essentielles pour la conduite d'un travail de thèse :
-Curiosité scientifique, rigueur et autonomie
-Force de proposition et capacité d'analyse
-Capacité à rédiger et à présenter en anglais (avec possibilité de préparation en amont)