CENTRALE LYON - Doctorat : caractérisation robuste et méta-modélisation pour la dynamique d’aubages

Présentation de l’Ecole / du département / du laboratoire

Dans ce contexte la chaire industrielle DyVA cofinancée par l’ANR et le groupe SAFRAN, a pour objectif de répondre aux enjeux environnementaux concernant le secteur de l’aéronautique impliquant une réduction drastique de ses émissions de CO2 à moyen et long terme avec un objectif de bas carbone en 2035 et de neutralité à l’échéance de 2050. Ainsi sur des programmes technologiques comme le RISE, lancé par SAFRAN, il sera nécessaire d’être en capacité d’analyser avec précision les nouveaux points de fonctionnement obtenus et leurs impacts sur la dynamique du moteur et la durée de vie. En effet, ce projet adresse un grand nombre de technologies en rupture vis-à-vis des architectures conventionnelles telles qu’un open-fan, un open-OGV et une turbine et un booster rapides.

Le projet DyVA s’inscrit donc pleinement dans ce contexte et ambitionne d’élaborer les outils numériques avancés à même de répondre à l’enjeu de prédiction vibratoire des nouvelles motorisations aéronautiques. Les développements envisagés se concentreront sur la simulation et la modélisation du comportement dynamique non-linéaire et des incertitudes afin d’offrir une connaissance approfondie de la dynamique sous-jacente du système et d’en maîtriser la physique, la simulation et l’ensemble des différents points de fonctionnement possibles. Ces résultats seront mis en corrélation avec des essais expérimentaux fournissant ainsi des mesures souvent peu présentes dans la littérature bien qu’indispensables pour une bonne compréhension de la physique.

Présentation de la ou les thématiques :

La thèse proposée est dédiée à la prédiction robuste des niveaux de vibration de pièces présentant une forte densité modale, comme les roues aubagées, les redresseurs monobloc sectorisés ou les compresseurs multi-étages. Le désaccordage empêche les concepteurs d’utiliser des hypothèses de symétrie cyclique pour réduire les coûts de calcul. Il donne aussi naissance à des modes de vibration localisés qui rendent difficile un dimensionnement fiable. De nombreux travaux ont montré que les incertitudes sur de telles pièces mécaniques peuvent conduire à des erreurs d’estimation des niveaux vibratoires pouvant atteindre jusqu’à 200%. Il s’agira donc de mettre en place des modèles numériques permettant de prédire de façon fiable les niveaux vibratoires malgré la présence de ces incertitudes souvent mal connues.

Description de la ou les missions / les activités

Une méthode statistique a été développée au LTDS [1] pour caractériser les effets du désaccordage en utilisant des modèles d’incertitude spécifiques. Elle est basée sur une réduction des champs stochastiques ainsi que des méta-modèles, grâce à des méthodes de réduction non – intrusives et des méthodes d’interpolation des espaces aléatoires. Une alternative à ces méthodes est d’utiliser des algorithmes de type « data-driven » pour construire un modèle aussi précis que possible sur les niveaux dynamiques. La démarche envisagée dans le cadre de cette thèse est l’hybridation d’approches, comme celle utilisée en [1], avec des techniques de deep-learning. L’objectif est d’améliorer les stratégies issues de l’état de l’art pour l’estimation de la dynamique des moteurs de prochaine génération. En tirant avantage des analyses statistiques et du machine learning (PINN), le modèle hybride ainsi créé sera basé sur la connaissance des incertitudes et complété par des aspects méta-modèles permettant d’améliorer la prédictivité du modèle global  [2].

Un essai expérimental sera développé pour évaluer l’efficacité de la stratégie développée, sur un compresseur multi-étages présentant du désaccordage naturel et intentionnel. Différents types de données (paramètres modaux, fonctions de réponse en fréquence, données temporelles...) serviront à nourrir les modèles. Des vérifications des enveloppes de réponse prédites seront faites. Cet exemple très ambitieux se basera sur des simulations en symétrie cyclique multi-étages [3]. Cette méthode combine des simulations mono-étages avec des stratégies de couplage d’étages. Elle n’a cependant jamais été testée en pratique. Les essais seront menés à l’arrêt pour améliorer les approches de simulation développées. Ils s’enrichiront des essais menés en rotation menés dans le cade de la chaire DyVA.

[1] J. Philippe, F. Thouverez, L. Blanc, et M. Gruin, « Vibratory behavior prediction of mistuned stator vane clusters: An industrial application », Comput. Struct., vol. 196, p. 12‑23, 2018.

[2] S.  T.  Kelly  et  B.  I.  Epureanu,  « Physics-Informed  Neural  Network  Modeling  Approach  for  Mistuned  Bladed Disks »,  in  Turbo  Expo:  Power  for  Land,  Sea,  and  Air,  American  Society  of  Mechanical  Engineers,  2023,  p. V11BT27A012.

[3] D. Laxalde et C. Pierre, « Modelling and analysis of multi-stage systems of mistuned bladed disks », Comput. Struct., vol. 89, no 3‑4, Art. no 3‑4, 2011.

Diplômes : Ingénieur ou master en sciences

Expérience : : 0-3 ans

Connaissances requises Connaissances en dynamique vibratoires, mathématiques appliquées

Compétences opérationnelles Matlab, Simulink, Python, Latex est un plus

Compétences comportementales anglais/français, travail d’équipe, communication, autonomie

Contexte de travail / Environnement de travail_______________________________

Le doctorant travaillera dans les locaux de l’Ecole Centrale de Lyon. Il intégrera l’équipe DySCo

Processus de recrutement_______________________________

Le processus de recrutement se déroule en deux étapes, supervisé par une commission de recrutement, en conformité avec la politique OTMR de Centrale Lyon.

·         Étude du dossier écrit : CV + lettre de motivation et autres documents requis

·         Entretien de sélection : en présentiel ou en visioconférence

Calendrier du recrutement :  06/2025 – 11/2025

Critères de sélection : Motivation, connaissances dans le domaine