Mécanismes de corrosion fatigue : du fil d’acier perlitique à la nappe composite d’un pneumatique poids lourd.

Doctorant : Jonathan QUIBEL

Laboratoire INSA : MATEIS
Ecole doctorale : ED34 : Matériaux de Lyon

Dans les pneumatiques poids lourds, la nappe carcasse est un matériau composite dont le rôle principal est de soutenir les contraintes mécaniques issues de la pression de gonflage et de la masse du véhicule. Ce composite est formé d’une gomme (mélange caoutchoutique) et de renforts métalliques composés de fils d’acier perlitique tréfilés assemblés sous forme de câbles. Lors du roulage, la nappe carcasse est sollicitée en flexion cyclique sous tension. De plus, différentes espèces chimiques diffusent dans la gomme jusqu’au renfort métallique. Il peut en résulter un endommagement de corrosion fatigue (ECF) du composite. La démarche liée à la réduction de la consommation de carburant et donc des émissions de gaz à effet de serre peut passer par une diminution de la masse du pneumatique et donc du métal utilisé. Cependant, il est nécessaire de comprendre l’ECF pour garantir les mêmes performances du pneumatique. Pour cela, cette étude est réalisée à deux échelles : le fil de 180 µm de diamètre constitutif du câble et la nappe composite.
A l’échelle du fil, les essais instrumentés de flexion rotative en environnement aqueux contrôlé montrent que l’endommagement est la conséquence d’un amorçage de fissure de fatigue par dissolution et/ou d’une fragilisation par l’hydrogène du métal. Ils montrent également que la durée de vie des fils est conditionnée par la réactivité de surface des fils par rapport aux ions en solution.
Pour la nappe composite, des essais de flexion cyclique sous tension sont réalisés parallèlement à des simulations par éléments finis des câbles gommés (champs des contraintes mécaniques au sein des fils des câbles). En combinant les résultats expérimentaux et numériques, un mécanisme d’endommagement du composite sollicité en fatigue sous environnement est proposé. Le mécanisme montre l’effet synergique entre l’environnement agressif, la sollicitation de fatigue et la géométrie d’assemblage du renfort métallique.

La soutenance est publique

Maître de Conférences : Florent Dalmas

Laboratoire INSA : MatéIS

Rapporteurs : Philippe Leclère, Christopher Plummer et Jacques Jestin

Jury : 

• Philippe Leclère Professeur, Université de Mons – Belgique
• Jacques Jestin Directeur de Recherche CNRS, Institut Laue-Langevin - Grenoble
• Christopher Plummer Maître d'enseignement et de recherche, École Polytechnique Fédérale de Lausanne
• Catherine Amiel Professeure, Université Paris-Est Créteil
• Elianne Espuche Professeure, Université Claude Bernard Lyon 1
• Laurent Chazeau Professeur, INSA Lyon

Numerical and Experimental Analysis of the Tribological Performance of a Diamond-Like Carbon Coated Piston Ring Cylinder Liner Contact

Doctorant :  Thomas LUBRECHT

Laboratoire INSA : LaMCos

Ecole doctorale : ED162 : Mécanique, Energétique, Génie Civil, Acoustique de Lyon

Motivé par l’urgence climatique et les normes d’émissions de polluants, l’industrie automobile mondiale initie l’électrification de sa flotte de véhicules. Cependant, cette technologie est, en l’état, incapable de répondre aux challenges de la mondialisation. Pour cette raison, les moteurs à combustion interne seront toujours utilisés dans les années à venir. Ainsi, améliorer leur efficacité, fiabilité et réduire leurs émissions de polluants est aujourd’hui plus que nécessaire. Les revêtements de surface, tel que le Diamond-Like Carbon (DLC), peuvent par leurs excellentes propriétés tribologiques améliorer le rendement et la durée de vie d’un moteur. Leur application au contact primordial Segment-Piston-Chemise (SPC) a peu été étudiée, mais semble prometteur. Afin d’évaluer la pertinence d’une telle solution, une étude expérimentale et numérique du contact SPC revêtu DLC est menée. Un solveur semi-analytique, transitoire, linéique pour la résolution du contact lubrifié est développé. Contrairement aux habituelles théories stochastiques, cette méthode repose sur un calcul déterministe du contact entre rugosité à partir du relevé topographique de la surface. L’influence de la macro- géométrie des pièces sur le contact est pris en compte par l’implémentation de coefficients analytiques. Ainsi, le solveur permet l’estimation rapide des forces de frottement du contact tout en considérant les phénomènes de sous-alimentation et de transport d’huile. Le solveur est validé expérimentalement et numériquement. En parallèle, un moyen d’essai dit à « chemise-flottante » équipé de vraies pièces moteur est améliorer. La réalisation d’une étude vibratoire du banc d’essai à permit l‘obtention d’un meilleur ratio signal sur bruit mesuré. En outre, une méthode permettant de reproduire des conditions d’essai à hautes vitesses tout en fonctionnant à basses vitesses est présentée.
A partir des méthodes développées, d’excellentes performances tribologiques sont observées pour le contact SPC revêtu DLC. Une réduction significative du frottement ainsi qu’une excellente résistance à l’usure pour une variété de lubrifiant sont obtenues.

Learning-Based Interactive Character Animation Edition

Doctorant : Léon Victor

Laboratoire INSA : LIRIS

Ecole doctorale : ED512 Informatique Et Mathématiques de Lyon

La principale méthode utilisée pour animer un personnage virtuel consiste à éditer le mouvement d’un squelette, sur lequel un modèle sous forme de maillage sera appliqué et déformé au besoin. Pour convaincre le spectateur, le mouvement d’un personnage doit respecter de nombreuses règles implicites, comme le modèle physique qui régit son monde ou les limites de sa morphologie. Ce faisant, il doit aussi rendre explicite l’action réalisée, et laisser transparaître l’état émotionnel du personnage. La subtilité de ces contraintes rend la création d’animation difficile et la production d’une animation réaliste et/ou plaisante repose fortement sur les connaissances, l’expérience et minutie de l’animateur. La démocratisation des techniques de capture de mouvement (Motion Capture, ou MoCap) permet de produire de plus en plus de données de mouvements tirés du monde réel, qui portent intrinsèquement des informations sur ces contraintes. Les travaux présentés dans cette thèse proposent d’exploiter ces données à l’aide de méthodes récentes d’apprentissage automatique, utilisant les réseaux de neurones pour fournir de nouveaux outils aux artistes animateurs.

Fabrication et Caractérisation de Jonctions Tunnel Ferroélectriques à base de Hf0.5Zr0.5O2 pour les Applications Neuromorphiques

Doctorant : Benoit MANCHON

Laboratoire INSA : INL
Ecole doctorale : EDA160 : Électronique, Électrotechnique, Automatique

Une conséquence de la séparation physique entre mémoire et calcul dans l’architecture de Von Neumann est le goulot d’étranglement de la mémoire. L’une des solutions consiste à s’inspirer du fonctionnement du cerveau dans lequel la mémoire (les synapses) est massivement intégrée au sein des unités de calcul (les neurones). Afin d’implémenter ce type d’architecture neuromorphique, il est nécessaire de développer des composants capables de reproduire les fonctions synaptiques. Les Jonctions Tunnel Ferroélectriques (FTJs) sont candidates au rôle de synapse artificielle grâce à leur capacité à moduler la quantité de courant qui les traverse en fonction de la direction de polarisation. La découverte de ferroélectricité dans l’oxyde d’hafnium dopé dès 2011, et plus tard dans le Hf0.5Zr0.5O2 (HZO), a permis de relancer la recherche sur les composants ferroélectriques en offrant une alternative aux pérovskites dont la température de cristallisation est limitante pour les procédés d’intégration industriels.
Dans ce travail, nous avons cherché à réaliser des FTJs à base de HZO pour la réalisation de synapses artificielles. Trois axes de recherche ont été définis : adapter un procédé préexistant de condensateurs ferroélectriques pour la fabrication de FTJ, développer un procédé pour intégrer les FTJs et réduire leurs dimensions, et mettre en place des protocoles de caractérisation et de programmation. Après avoir détaillé le contexte scientifique, les méthodes d’élaboration et de caractérisation sont présentées suivis des procédés de fabrication. Afin d’augmenter les courants tunnel des FTJs, nous avons cherché à réduire l’épaisseur de HZO sans dégrader ses propriétés ferroélectriques ; les solutions que nous avons exploré concernent l’insertion d ’une couche interfaciale, l’utilisation d’électrodes en tungstène et le dépôt par couches atomiques. Après avoir exposé l’étude des propriétés électrique des FTJ ainsi obtenues, nous présentons la caractérisation de l’imprint et de leur dynamique de retournement ainsi qu’un protocole de programmation multi- états.

Explaining machine learning models on graphs by identifying hidden structures built by GNNs

Doctorant : Luca VEYRIN-FORRER

Laboratoire INSA : LIRIS

Ecole doctorale : ED512 Infomaths

La dernière décennie a vu une énorme croissance dans le développement de techniques basées sur les réseaux de neurones profonds pour les graphes. Les réseaux de neurones sur graphes (GNNs) se sont avérés les plus efficaces pour de nombreux problèmes d'apprentissage automatique de graphes tels que les méthodes de noyaux. Cependant, le fonctionnement interne des modèles GNN reste opaque, ce qui constitue un obstacle majeur à leur déploiement, soulevant des questions d'acceptabilité sociale et de fiabilité, limites qui peuvent être surmontées par l'explication du fonctionnement interne de tels modèles. Dans cette thèse, nous étudions le problème de l'explicabilité des GNNs. Notre contribution principale, INSIDE, vise à extraire les règles d'activation dans les couches cachées du modèle pour comprendre quels descripteurs et caractéristiques de graphes ont été automatiquement extraits des graphes. Le défi consiste à fournir un petit ensemble de règles qui couvrent tous les graphes d'entrée. Nous proposons un domaine de motifs subjectif pour résoudre cette tâche. Nous proposons l'algorithme INSIDE qui est efficace pour énumérer les règles d'activation dans chaque couche cachée.  Les règles d'activation peuvent ensuite être utilisées pour expliquer les décisions du GNN. l'étude expérimentale montre des performances très compétitives par rapport aux audres méthodes de l'état de l'art. Cependant, les règles d'activation ne sont pas interprétables. Nous proposons d'interpréter ces règles en identifiant un graphe entièrement plongé dans le sous-espace associé à chaque règle. La méthode DISCERN que nous avons mise mise au point est basée sur une recherche arborescente de type Monte Carlo dirigée par une mesure de proximité entre le plongement du graphe et la représentation interne de la règle. Les graphes ainsi obtenus sont réalistes et pleinement compréhensibles par l'utilisateur final.

Soutenance publique

Maître de conférences : Mathieu Gautier

Laboratoire INSA :  DEEP

Rapporteurs :

• Mme DELUCHAT Véronique Professeur Université de Limoges
• M. ROUSSEAU Diederik Professeur Ghent University, Belgique
• M. MOTELICA-HEINO tefan Mikael Professeur Université d’Orléans

Jury :

Mme	DELUCHAT	Véronique	Professeur	Université de Limoges	Rapporteur
M.	ROUSSEAU	Diederik	Professeur	Ghent University, Belgique	Rapporteur
M.	MOTELICA-HEINO	Stefan Mikael	Professeur	Université d’Orléans	Rapporteur
Mme	GONDRAN	Natacha	Professeur	Mines Saint-Etienne	Examinateur
M.	MOLLE	Pascal	Directeur de Recherche	INRAE	Examinateur
M.	GROSSI	Vincent	Directeur de Recherche	CNRS - Université Claude Bernard, Lyon1	Examinateur
M.	LASSABATERE	Laurent	IDTPE-MTES, HDR	LEHNA ENTPE / Lyon1	Examinateur
M.	GOURDON	Rémy	Professeur	INSA Lyon	Examinateur

Configurable Convolutional Neural Networks: Applications to Breast Cancer Explainable Classification and Display Panel Defect Detection

Doctorant : Feng HE

Laboratoire INSA : CREATIS

Ecole doctorale : ED160 : Electronique, Electrotechnique, Automatique

Current deep learning methods such as convolutional neural networks (CNNs) are often dedicated to a specific task and object; they are generally fixed in network architecture, which limits their generalizability and prevents them from addressing multiple scenarios with different objectives. To achieve both the explainable classification of breast cancer and the online defect detection of display panels, we propose a configurable convolutional neural network (ConfigNet) capable of being transformed into different configurations according to the tasks and objects in question. The ConfigNet presents two main functional configurations. The first is composed of a feature extraction module (FEM), a decision map generator (DMG) and a classifier; it is devoted to image explainable classification, for which we propose two DMG structures and a weighted average pooling (WAP) classifier for histopathological breast cancer images. The second is an encoder- decoder configuration devoted to object segmentation and localization. In this second configuration, we propose an efficiency-favored decoder and an element-wise feature fusion module (EFFM) guiding the skip connection between the encoder and decoder for online defect detection of display panels. In addition, we develop a spatial and channel attention-guided feature fusion module (SCAFFM) and a bottleneck-structured decoder for breast tumor segmentation. The FEM or encoder in these two configurations is constructed through transfer learning from existing CNNs having deep convolutional layers.

Composition-dependent precipitation in Mg/Si graded 6xxx aluminium alloys: from powder metallurgy to hardening kinetics simulation

Doctorante : Justine TAURINES

Laboratoire INSA : MATEIS
Ecole doctorale : ED34 : Matériaux de Lyon

Recycling Al alloys often leads to uncontrolled ranges of alloying elements compositions. Alloy design based on recycling must therefore account for these composition variations on the alloy properties. High-throughput approaches, such as graded material studies are well adapted to tackle this problem. 6XXX series is a good case study since the contributions of Mg and Si on the metastability cascades are not perfectly understood.

In this PhD, graded materials, with a variation in both Mg and Si contents, are manufactured by powder metallurgy. Mg-rich powder is first poured on Si-rich powder. Then these two powder beds are consolidated by Spark Plasma Sintering and then subjected to a solutionizing treatment during which Mg and Si gradients form and widen. Microstructure and hardness are first characterised along the gradient. Then, an ageing treatment at 170°C is performed to get a whole range of precipitation sequences. The effect of composition on precipitation kinetics (precipitation pathways, precipitation state, hardness) are characterised using TEM, DSC and SAXS. A mean field framework based  on classical nucleation and growth theories coupled with a hardening model has been developed and successfully compared to the experiments.

Approche multi échelles pour l’étude du grippage des dentures d’engrenages

Doctorant : Nicolas GRENET--de BECHILLON

Laboratoire INSA : LaMCoS

Ecole doctorale : ED162 : Mécanique, Énergétique, Génie civil, Acoustique

Pour réduire les émissions, la prochaine génération de moteurs civils intègrera un réducteur à engrenages. Il convient donc de s’intéresser aux différents modes de défaillance d’un tel produit, parmi lesquels se trouve le grippage des dentures. Cet endommagement est caractérisé par la formation et l’arrachement de microsoudures pendant l’engrènement. Il engendre une dégradation de l’état de surface des dentures, qui induit une réduction du rendement du réducteur.
Un modèle numérique a été mis en place afin d’investiguer le rôle de la rugosité sur l’initiation du grippage. Les calculs réalisés montrent que les températures atteintes ne semblent pas en mesure d’expliquer la formation de microsoudures par fusion des surfaces en contact dans un contact lubrifié. Ces microsoudures semblent donc être la conséquence d’une potentielle rupture du film lubrifiant et non le point de départ de l’initiation du grippage.
Cette rupture du film a été étudiée expérimentalement sur disques et une procédure basée sur l’épaisseur du film lubrifiant a été développée. Les essais réalisés semblent montrer que la rupture du film lubrifiant est gouvernée par sa température, qui dépend des conditions de fonctionnement. Ainsi, une piste de critère de grippage a été établie sur disques.
Dans une dernière partie, des essais dentures ont été réalisés. Ceux-ci montrent, comme sur disques, que la température totale à elle seule ne permet pas de prédire le grippage. Cependant, ni le critère développé ni les critères classiques ne semblent expliquer les grippages des dentures lors des essais réalisés. Une nouvelle approche est proposée.
Enfin, les conclusions sur la chronologie du mécanisme d’initiation du grippage sont regroupées et des perspectives sont mises en avant. Celles-ci visent à améliorer la représentativité des disques vis-à-vis des dentures au sujet de l’état de surface, ou à investiguer expérimentalement l’hypothèse de la rupture du film lubrifiant comme mécanisme d’initiation du grippage.