A Quantitative Approach to EHD Friction Prediction Based on Rheometry and Molecular Dynamics Simulations

Doctorant : Ruibin XU

Laboratoire : LaMCos

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

Cette thèse présente une approche quantitative de la prédiction du frottement élastohydrodynamique (EHD), basée sur une combinaison de données expérimentales de rhéométrie et de simulations de dynamique moléculaire (MD). L'approche est appliquée à deux fluides de natures différentes : un lubrifiant, le squalane (SQ), et un fluide de type traction, le benzoate de benzyle (BB). La viscosité newtonienne des fluides est déterminée en utilisant des mesures de viscosimètres à haute pression (HPV) tirées de la littérature, ainsi qu'un nouveau modèle de viscosité newtonienne proposé dans ce travail, basé sur un modèle de mise à l'échelle thermique existant dans la littérature. Par la suite, une loi de contrainte d'Eyring complète, couvrant une large gamme de conditions de température et de pression, est construite à partir de simulations de dynamique moléculaire hors équilibre (NEMD). La viscosité newtonienne obtenue et la contrainte d'Eyring sont utilisées pour construire des modèles de viscosité généralisée de type Eyring pour les deux fluides. Celles-ci sont implémentées dans un modèle à éléments finis (FE) d'un contact lubrifié dans le régime élastohydrodynamique, en prenant en compte les effets non- Newtoniens et thermiques (TEHLnN) pour la prédiction du frottement. Les résultats sont comparés avec des mesures de frottement effectuées dans un tribomètre sous les mêmes conditions de contact et montrent une bonne concordance. Notamment, le plateau de frottement et le régime d'amincissement thermique observés expérimentalement sont reproduits avec précision par le modèle TEHLnN. Des recherches supplémentaires ont été menées pour étudier l'origine des plateaux de frottement. Les résultats suggèrent que les plateaux de frottement résultent d'une combinaison d'effets non-Newtoniens et thermiques. Les travaux révèlent également que l'effet thermique se produit presque simultanément avec l'effet non newtonien. Ce travail représente une étape cruciale vers une prédiction quantitative du frottement, en rassemblant la rhéométrie expérimentale, les simulations de dynamique moléculaire et la modélisation du contact.

 

 

 

Formation de voies adaptative et identification de microbulles pour l'imagerie par localisation ultrasonore

Doctorant : Alexandre CORAZZA

Laboratoire INSA : CREATIS
Ecole doctorale : ED160 : EEA

Caractériser le réseau vasculaire est essentiel pour diagnostiquer des pathologes liées à la structure vasculaire et au flux sanguin. Pour cela, l’imagerie par localisation ultrasonore (ILU) a récemment été élaborée. Son principe réside dans l’injection de microbulles (MBs) par voie veineuse. Des mesures ultrasonores (US) sont acquises au cours du temps. Des séquences d’images US sont construites à partir de celles-ci avec la méthode de formation de voies (FV) standard du Delay and Sum (DAS). Sur ces images, des points brillants en mouvement correspondant aux MBs peuvent être visualisés. L’ILU consiste à identifier les MBs, localiser avec précision leur centre et les suivre au cours du temps pour tracer la carte du réseau vasculaire avec une résolution de l’ordre de la dizaine de micromètre. L’objectif de cette thèse est d’étudier l’influence de l’étape de FV sur les résultats de l’ILU. Cette interrogation est motivée par la capacité de méthodes de FV adaptatives à améliorer la résolution des images US, et/ou à atténuer les tissus biologiques et le bruit sur ces images, ce qui permettrait de faciliter l’identification des MBs. Les contributions s’inscrivent tout d’abord dans l’évaluation des méthodes de FV adaptatives dans le contexte de l’ILU, montrant une augmentation du nombre de MBs détectées sur des données in silico. Sur des données in vivo, il est montré que les méthodes d’identification des MBs de la littérature ne sont pas adaptées pour une comparaison équitable des méthodes de FV. Puis, une nouvelle méthode d’identification de MB basée sur la théorie de la décision est proposée. D’abord évaluée avec le DAS sur des données in vivo, cette méthode d’identification offre une amélioration de la complétion et de la résolution des cartes de réseau vasculaire. Enfin, en combinant cette méthode à la FV adaptative, des cartes du réseau vasculaire plus complètes peuvent être générées.

.

Simulation de la diffusion de l'eau dans les tissus biologiques, application au tissu cardiaque

Doctorante : Yuhan JING

Laboratoire INSA : CREATIS
Ecole doctorale : ED205 : EDISS

Cardiovascular diseases remain one of the most serious health problems in the world, motivating research that deepens our understanding of the myocardial function. There are still large shadow areas in the understanding of the relationships between the mechanical function, hemodynamic/perfusion/diffusion/percolation/transfer rate and
the adaptive structural changes emerging in cardiac diseases (Cardiomyopathy, ischemia). To better understand the way the water molecules diffuse within the cardiac tissue, the Ph.D. will build a simulator able to mimic the motion of water molecules through both simple and realistic virtual 3D cardiac tissue models and will couple it to a Virtual
Magnetic Resonance Imaging device able to image the Diffusion (v_DMRI).

 

.

Study of Creep Fatigue Mechanical Characteristics and Constitutive Model of Salt Rock

Doctorant : Zongze LI

Laboratoire INSA : LaMCos

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

To meet the requirements of the United Nations Framework Convention on Climate Change, i.e., the Paris Agreement, countries around the world have developed carbon- peaking and carbon-neutral action programs. The use of renewable energy sources is an effective means of meeting this requirement. Because salt rock has good rheology, low porosity, low permeability and damage self-healing characteristics, compressed air energy storage using salt caverns is an effective way to enhance the efficiency of renewable energy use. Considering the operational requirements for load balancing in compressed air energy storage plants, the surrounding rock of salt cavern reservoirs is subjected to discontinuous cyclic loading with varying gas injection rates and pressures. Through a combination of theoretical analysis, laboratory experiments, and model studies, this research investigated the fatigue-damage mechanical characteristics of salt rocks under different loading rates, the creep-fatigue mechanical characteristics of salt rocks with varying high-stress interval times, and the creep-fatigue mechanical characteristics of salt rocks under different confining pressures. Additionally, the impact of different stress levels on the creep-fatigue damage evolution of salt rocks was monitored and analyzed using acoustic emission devices. Long-term creep-fatigue tests on salt rocks were conducted based on the actual frequency of load balancing in compressed air energy storage plants. The reasons and patterns of the salt rock's interaction between creep and fatigue under different conditions were analyzed. Based on the consideration of the creep-fatigue interaction in salt rocks, a state variable-based creep-fatigue constitutive model for salt rocks was proposed and established, and its validity was verified. The research findings provide important guidance for ensuring the stability of salt cavern reservoirs.

Virtual liver biopsy for Chronic liver disease monitoring by using mpMRI-based radiomic

Doctorant : Jiging Huang

Laboratoire INSA : CREATIS
Ecole doctorale : ED205 EDISS

Chronic liver disease (CLD) represents a broad spectrum of diseases involving different etiologies. These diseases are characterized by histological features such as inflammation, fibrosis, steatosis, ballooning, or iron overload. Among them, inflammation plays a critical role in the early liver fibrosis process, and fibrosis affects the CLD prognosis and treatment strategy. Although liver biopsy is the gold standard for the diagnosis of CLD, Its invasiveness limits its clinical use. Therefore, an alternative noninvasive, sensitive, and specific remains an unmet medical need.
Magnetic resonance imaging (MRI), especially with diffusion-weighted imaging (DWI) appears currently as an interesting imaging technique to detect CLD-related features. The objective of this thesis is to develop the concept of virtual biopsy to grade inflammation and fibrosis in CLD. To achieve this, the thesis is divided into two parts.
Firstly, using IVIM single sequence study, we studied the standard and advanced DWI’s parameters with different fitting approaches and diffusion models, and then the relationship between CLD- related features and DWI parameters were investigated. Significant differences were found between the groups with different degrees of fibrosis. The top four significant differences parameters were selected to build classifiers to characterize fibrosis.
Secondly, from multiple MRI sequences, a radiomics approach involving extraction of several feature combinations from conventional T1w or T2w images as well as proton density fat fraction, T2* and diffusion parameter maps was investigated. The best combinations were then searched to classify inflammation and fibrosis using random forest.
This study validated the utilization of multiparametric MRI for fibrosis and inflammation severity grading and proposed two effective classifiers for them.

Emissions codées simultannées en synthèse d'ouverture pour l'imagerie ultrasonore

Doctorant : Franck Nicolet

Laboratoire INSA : CREATIS
Ecole doctorale : ED160 EEA

Dans sa forme conventionnelle, l’imagerie ultrasonore focalisée, la cadence d’image est limitée à quelques dizaines d’images par seconde. Durant les deux dernières décennies, l’imagerie ultrasonore a connu une véritable révolution avec l’apparition de l’imagerie dite ultrarapide, permettant d’imager avec une cadence d’image de plusieurs milliers d’images par seconde. Cette augmentation de la cadence d’image a permis l’émergence de nouveaux modes d’imagerie ultrasonores tels que l’imagerie fonctionnelle ou paramétrique, proposant de nouveaux outils de diagnostic pour les cliniciens. Cependant, toutes les méthodes d’imagerie ultrasonore ultrarapide souffrent d’un compromis entre cadence et qualité d’image.
Dans ce contexte, l’objectif principal de cette thèse est de développer des méthodes d’acquisition et de reconstruction d’images ultrasonore permettant d’optimiser la cadence d’image sans dégradation de la qualité. Pour cela, les émissions codées, dérivées des télécommunications et de l’imagerie RADAR, sont utilisées. L’axe principal de cette thèse concerne l’augmentation de la cadence d’image en imagerie ultrasonore par synthèse d’ouverture (STA). Classiquement, cette méthode d’imagerie permet d’atteindre une grande qualité d’image mais souffre d’une cadence d’image réduite. Le principe développé dans cette thèse consiste à activer simultanément plusieurs émetteurs en appliquant un encodage spatio-temporel à ces derniers. En utilisant cette méthode, nous montrons dans le chapitre V qu’un gain en cadence d’image d’un facteur 5 peut être atteint lors d’acquisitions expérimentales, sans dégradation de la qualité d’image. Un second axe investigué dans cette thèse consiste à augmenter la cadence d’image en imagerie par ondes planes (PWI) par l’émission simultanée de plusieurs ondes planes codées. Cet axe est décrit dans le chapitre VI. Un modèle direct est décrit et utilisé pour résoudre le problème inverse associé afin de reconstruire le milieu imagé. Dans ce chapitre, nous montrons que cette méthode permet d’améliorer simultanément la cadence et la qualité d’image lors d’acquisitions expérimentales.
 

Language Models for Document Understanding

Doctorant : Thibault DOUZON

Laboratoire INSA : LIRIS

Ecole doctorale : ED512 Informatique Et Mathématiques de Lyon

First used for natural language related tasks, language models can understand documents better than any previous statistical model, provided enough data for training and pre-training. This thesis proposes several architectures and training procedures to better model visually-rich documents. Its main findings are the data-afficiency of pre- trained transformers compared to recurrent neural networks, the importance of pre- training tasks for downstream performance, the introduction of pre-training tasks specific to business documents and alternative architectures to transformers for multi-page documents.

A Data Mining Perspective on Explainable AIOps with Applications to Software Maintenance

Doctorant : Youcef REMIL

Laboratoire INSA : LIRIS

Ecole doctorale : ED512 Informatique Et Mathématiques de Lyon

La supervision des systèmes informatiques modernes est confrontée à des défis de scalabilité, de fiabilité et d'efficacité. Les approches traditionnelles de maintenance manuelle sont inefficaces, de même que les systèmes experts à base de règles pour gérer les alertes générées par les systèmes informatiques. AIOps for Operating Systems (AIOps) propose l'utilisation de techniques avancées d'apprentissage automatique centrées sur les données pour améliorer et automatiser la supervision des systèmes. Cependant, plusieurs défis doivent être relevés pour concrétiser cette vision. Le manque de terminologie claire et unifiée dans le domaine de l'AIOps rend difficile la progression et la comparaison des contributions. Les exigences et les métriques nécessaires à la construction de modèles AIOps alignés sur les contraintes industrielles ne sont pas suffisamment développées. Les contributions théoriques se sont principalement concentrées sur les modèles prédictifs, négligeant les défis liés à la qualité et à la complexité des données. La dépendance excessive aux modèles boîte noire opaques limite leur adoption par les praticiens de l'industrie. De plus, les solutions AIOps existantes accordent peu d'importance à l'évaluation des performances des modèles et aux problèmes de scalabilité. Nous proposons dans le cadre de cette thèse une approche systématique de l'AIOps en fournissant une catégorisation conforme aux normes industrielles. Nous explorons également la découverte de sous-groupes pour extraire des hypothèses intéressantes à partir de vastes ensembles de données diversifiées. Nos contributions dans cet axe de recherche comprennent l'identification de fragments de requêtes SQL suspects pour résoudre les problèmes de performance, un mécanisme d'interprétation pour les modèles de triage des incidents, et l'analyse des problèmes de saturation de mémoire Java caractérisé par un ensemble de données complexes intégrant des données hiérarchiques. Nous étudions également la scalabilité en se concentrant sur le problème de déduplication des incidents en se référant à la technique de hachage sensible à la localité.

Sustainability of industrial heat decarbonisation strategies through 4E (energy, exergy, economic and environmental) optimisation

Doctorant : Yoann JOVET

Laboratoire INSA : CETHIL

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

Ces travaux ont pour but d’évaluer la performance annuelle globale de différentes solutions de production de chaleur industrielle, par une méthode multicritère 4E (énergie, exergie, économie et environnement). Au-delà de cette évaluation, le travail proposé porte également sur le développement d’une méthode originale permettant de prendre en compte les limites planétaires dans la prise de décision visant à remplacer un moyen de production (généralement chaudières à gaz) par une solution moins carbonée.
L’atteinte de cet objectif a conduit au développement d’un modèle d’optimisation génétique multi- objectif original combinant critères technico-économiques et environnementaux, basés sur une approche par Analyse de Cycle de Vie (ACV). Afin d’être en mesure d’évaluer les transformations à l’échelle d’un secteur industriel, différents pays européens sont considérés sur trois périodes comprises entre 2015 et 2090 pour intégrer les évolutions de contraintes sur les émissions de GES et la disponibilité de technologies de capture et stockage de carbone (CCS). Une approche par regroupement (clustering) est proposée pour réduire l’étude à 100 pas de temps représentatifs de l’année afin de limiter le temps de calcul.
Une étude de sensibilité a été menée pour classer l’ensemble des solutions non-dominées trouvées par l’algorithme, aucune de ces solutions n’étant soutenable sur l’ensemble des critères environnementaux. Pour ce faire, trois approches d’évaluation sont proposées : R1 (Référence ACV de pondérations), R2 (pénalisation linéaire du dépassement des limites planétaires), et R3 (pénalisation exponentielle de ces limites et pénalisation du CCS).
Pour le classement R1, la technologie la plus performante est la pompe à chaleur, complétée par la chaudière biomasse quand le CCS devient suffisamment développé. Pour les méthodes R2 et R3, on observe des combinaisons de technologies qui dépendent du mix électrique : combinaison pompe à chaleur et chaudière gaz pour les mix majoritairement renouvelables ou chaudière biomasse pour les mix basés sur le nucléaire.

A Data Mining Perspective on Explainable AIOps with Applications to Software Maintenance

Doctorant : Youcef REMIL

Laboratoire INSA : LIRIS

Ecole doctorale : ED512 Infomaths

La supervision des systèmes informatiques modernes est confrontée à des défis de scalabilité, de fiabilité et d'efficacité. Les approches traditionnelles de maintenance manuelle sont inefficaces, de même que les systèmes experts à base de règles pour gérer les alertes générées par les systèmes informatiques. AIOps for Operating Systems (AIOps) propose l'utilisation de techniques avancées d'apprentissage automatique centrées sur les données pour améliorer et automatiser la supervision des systèmes. Cependant, plusieurs défis doivent être relevés pour concrétiser cette vision. Le manque de terminologie claire et unifiée dans le domaine de l'AIOps rend difficile la progression et la comparaison des contributions. Les exigences et les métriques nécessaires à la construction de modèles AIOps alignés sur les contraintes industrielles ne sont pas suffisamment développées. Les contributions théoriques se sont principalement concentrées sur les modèles prédictifs, négligeant les défis liés à la qualité et à la complexité des données. La dépendance excessive aux modèles boîte noire opaques limite leur adoption par les praticiens de l'industrie. De plus, les solutions AIOps existantes accordent peu d'importance à l'évaluation des performances des modèles et aux problèmes de scalabilité. Nous proposons dans le cadre de cette thèse une approche systématique de l'AIOps en fournissant une catégorisation conforme aux normes industrielles. Nous explorons également la découverte de sous-groupes pour extraire des hypothèses intéressantes à partir de vastes ensembles de données diversifiées. Nos contributions dans cet axe de recherche comprennent l'identification de fragments de requêtes SQL suspects pour résoudre les problèmes de performance, un mécanisme d'interprétation pour les modèles de triage des incidents, et l'analyse des problèmes de saturation de mémoire Java caractérisé par un ensemble de données complexes intégrant des données hiérarchiques. Nous étudions également la scalabilité en se concentrant sur le problème de déduplication des incidents en se référant à la technique de hachage sensible à la localité.