Étude du comportement thermomécanique des roulements à billes faiblement chargés

Doctorant : Lionel DARUL

Laboratoire INSA : LaMCoS

École doctorale :ED162 : MEGA de Lyon (Mécanique, Energétique, Génie civil, Acoustique)

Les roulements entraînent des pertes de puissance non négligeables. La chaleur générée se dissipe dans les différents éléments du système et impacte à nouveau les pertes de puissance. Ce couplage, entre pertes et thermique, doit donc être pris en compte afin d’avoir une prédiction satisfaisante du comportement du roulement. Cette étude s’intéresse à des conditions de fonctionnement particulières : vitesse de rotation modérée (produit N.d_m<10^6), charge appliquée faible (<5% de la charge statique du roulement) et lubrification par injection de faibles débits d’huile (≤15L/h ). Pour ces conditions, les travaux menés dans la littérature ne permettent pas une estimation et une compréhension satisfaisante du comportement thermomécanique du roulement.
Ces travaux de thèse développent un nouveau modèle thermomécanique de roulement à billes. La thermique est modélisée à l’aide de la méthodologie des réseaux thermiques. Les pertes de puissances sont modélisées à partir de considérations tribologiques. Les modèles développés sont comparés à des mesures expérimentales, réalisées sur un banc d’essai dédié. Ce dernier permet de mesurer le couple de pertes généré par un roulement, tout en contrôlant un certain nombre de paramètres (vitesse, débit, charge). Les températures des bagues du roulement sont également mesurées, afin de maîtriser le comportement thermique.
Il résulte de cette étude que, pour les conditions étudiées, les pertes de puissance dans les roulements à billes sont principalement dues à un phénomène de roulement hydrodynamique. La compréhension de ce phénomène permet notamment d’expliquer l’origine des pertes de puissance indépendantes de la charge, telles que définies dans le modèle de Harris. Concernant la thermique du roulement, l’étude met en avant l’importance de la température des billes, notamment sur les phases de démarrage. En conclusion, le modèle développé permet une prédiction des pertes de puissance à 5% d’erreur et une prédiction des températures des éléments du roulement à ±1-2°C.

De la transparence des graphes de connaissances à un cadre général pour la définition de mesures d'évaluation

Doctorante : Jennie ANDERSEN

Laboratoire INSA : LIRIS

École doctorale : ED512 Infomaths (Informatique et Mathématiques de Lyon)

De nombreux graphes de connaissances (KG) sont disponibles sur le Web, et il peut être difficile de décider avec lequel travailler. Au-delà de la pertinence du domaine et du contenu, l'utilisation de standards, l'identification des créateurs... peuvent également influencer ce choix. En effet, la mise à disposition de toujours plus de données s'accompagne d’attentes supplémentaires en termes de qualité et de transparence.
Pour aider les utilisateurs à choisir un KG plutôt qu'un autre, nous voulons fournir une estimation de la transparence des KG. Les informations liées à la transparence sont essentielles pour renforcer la confiance dans les données et favoriser leur réutilisation. Cependant, il n’existe pas de définition consensuelle de la transparence. Pour mieux la comprendre, nous explorons tout d'abord cette notion et ses concepts associés (accessibilité, vérifiabilité...). Face à l’absence d'exigences précises concernant la transparence, nous nous concentrons ensuite sur un concept proche, et proposons une mesure de « l’accountability » des KG. Nous utilisons notre mesure pour évaluer des centaines de KGs disponibles via des SPARQL endpoints. Enfin, nous comparons notre mesure avec d'autres mesures pour les KG sur la qualité des données et les principes FAIR.
Ces comparaisons mettent en évidence des spécificités et des points communs pour ces multiples mesures. Aussi, choisir la mesure appropriée pour évaluer les KG dans le cadre d'une tâche donnée n’est pas aisé, d’autant plus qu'elles sont décrites de manières variées. Puisque beaucoup reposent sur une structure hiérarchique, nous proposons de définir une base formelle pour décrire les mesures dans un cadre commun. Nous souhaitons ainsi faciliter leur compréhension, leur réutilisation, leur comparaison et leur partage en définissant des opérateurs permettant de les manipuler, soit pour en créer de nouvelles, soit pour les comparer. Nous prolongeons ce cadre en proposant une application web.

Méthode de détection et de diagnostic des attaques de blocage dans les systèmes manufacturiers flexibles incertains

Doctorant : Amaury BEAUDET

Laboratoire INSA : Ampère

École doctorale : ED160 : EEA

Les systèmes manufacturiers flexibles (FMSs en anglais) sont conçus avec l’objectif de pouvoir réaliser différentes recettes en parallèle en utilisant conjointement des ressources flexibles et un superviseur allouant ces ressources aux différentes recettes en cours. Par conception, un FMS évolue dans un environnement critique, en présence d’états d’allocation des ressources bloquants pour la réalisation des recettes, et incertain, en raison d’évènements imprévus conduisant à l’indisponibilités temporaire des ressources. Au sein des FMSs modernes, l’utilisation pour l’allocation des ressources de composants de contrôle hautement interconnectés entre eux et avec des réseaux internet ouverts a rendu ces systèmes vulnérables aux cyber-attaques. Aux origines de ces cyber- attaques, différents profils d’attaquant peuvent être distingués selon leurs objectifs, leurs origines, leurs compétences et leurs moyens.
Ainsi, bien qu’un FMS soit initialement construit pour faire face aux états de blocage et aux indisponibilités de ressources, un profil d’attaquant expert pourrait être capable de manipuler les décisions d’allocation et les disponibilités des ressources pour conduire ce FMS dans un état de blocage ciblé. A partir de cette observation, la problématique de recherche suivante émerge : Au sein du contexte incertain des FMSs, comment diagnostiquer correctement l’origine, naturelle ou malveillante, d’un état de blocage détecté et identifier le profil d’attaquant à l’origine de l’attaque ?
En réponse à cette problématique, nous proposons trois contributions principales. Premièrement, les attaques de blocage et les profils d’attaquant sont définis et modélisés dans un contexte certain afin de structurer le développement d’un module de diagnostic de ces derniers. Puis, ce module est étendu au contexte incertain des FMS au sein duquel l’indisponibilité des ressources est prise en compte et peut être manipulée par un attaquant. Enfin, ce module de diagnostic est implémenté sur une plateforme manufacturière expérimentale afin d’être évalué.

Di-electric liquid cooling for future 20 kV power modules

Doctorant : Lucas MOLINA BARROS

Laboratoire INSA : Ampère
École doctorale : ED160 : Électronique, Électrotechnique et Automatique

Cette thèse apporte une contribution à la résolution des problèmes d’encapsulation des semi-conducteurs haute tension. Cette innovation offre la possibilité de réduire considérablement la taille et la complexité des modules ´electroniques de puissance. Les structures d’encapsulation conventionnelles ont depuis longtemps été confrontées au compromis entre l’isolation électrique, qui exige des couches isolantes épaisses, et la performance thermique optimale, qui privilégie des couches minces à haute conductivité thermique. Ce travail présente un concept novateur visant à résoudre ce dilemme en utilisant un refroidissement direct par un liquide diélectrique et des dissipateurs thermiques en céramique. Avec une épaisseur d’AlN de 3 mm, le nouveau boîtier peut supporter encore des tensions plus élevées, jusqu’à 62 kV. Le refroidisseur atteint une résistivité thermique de 0.155 cm²K/W avec le Novec7500, et cette valeur est encore réduite à 0.114 cm²K/W avec de l’eau. Ces résultats permettent le refroidissement de dispositifs présentant des pertes de puissance allant jusqu’à 500W/cm².

Contributions to Wireless Sensor Networks for Air Quality Monitoring

Soutenance publique

Maître de conférences : Walid BECHKIT

Laboratoire INSA : CITI

Rapporteurs :

• Aline CARNEIRO VIANA, Directrice de recherche, INRIA
• Andrzej DUDA, Professeur, Grenoble INP – Ensimag
• Nathalie MITTON, Directrice de recherche, INRIA

Jury :

Civilité	Nom et Prénom	Grade/Qualité	Établissement
Mme	Aline CARNEIRO VIANA	Directrice de recherche, Rapportrice	INRIA- Saclay
M.	Andrzej DUDA	Professeur, Rapporteur	Grenoble INP – Ensimag
Mme	Nathalie MITTON	Directrice de recherche, Rapportrice	INRIA-Lille
M.	André-Luc BEYLOT	Professeur, Examinateur	Toulouse INP- ENSEEIHT
M.	Abdelmadjid BOUABDALLAH	Professeur, Examinateur	Université de Technologie de Compiègne
Mme	Isabelle GUERIN-LASSOUS	Professeur, Examinatrice	Université de Lyon 1
M.	Hervé RIVANO	Professeur, Examinateur	INSA-Lyon
M.	Mouloud KOUDIL	Professeur, invité	ESI-Alger

Shear-induced diffusion of road minerals within the tire tread: a solid flow modeling using a soft multibody approach

Doctorant : Kévin DAIGNE

Laboratoire : LaMCoS

École doctorale :  ED162 MEGA

Il peut être observé par des coupes longitudinales d'une bande de roulement que les minéraux de la route pénètrent à l'intérieur du pneumatique. L'objectif de ce travail est, pour une configuration expérimentale de référence, d'étudier expérimentalement et numériquement le processus menant à cette pénétration. Un modèle numérique pour étudier la pénétration des minéraux a été réalisé. Il consiste à cisailler une couche de minéraux déposée sur la surface d'un matériau composé de caoutchouc, modélisé comme un ensemble de corps discrets et déformables. Il a tout d'abord été montré que les phénomènes initiaux de pénétration des minéraux dans la matière, sont différents de ceux observés à plus long terme. Notamment, trois modes de pénétration ont pu être définis, que sont le labourage, l'abrasion et la fracturation. Ces modes modifient la vitesse à laquelle les minéraux pénètrent à l'intérieur du matériau. Lorsque les minéraux sont suffisamment incorporés au matériau, ils forment ce qui sera appelé une couche mixée. Les minéraux migrent de plus en plus profondément, du fait de contacts répétés entre agglomérats de minéraux, causés par leurs vitesses relatives (pilotées par le taux de cisaillement). Il est notamment montré que ces contacts conduisent à une évolution stochastique de la position d'un minéral. Si l'ensemble des minéraux est considéré, le comportement devient déterministe et suit une évolution proche de ce qui est attendu pour un processus diffusif. Ce dernier point permet ainsi d'utiliser les outils de la diffusion, notamment d'évaluer un coefficient de diffusion via la fluctuation de vitesse transverse et sa persistance. Il est ainsi montré que ces deux paramètres dépendent fortement de phénomènes plastiques locaux, qui dans le modèle actuel sont pilotés par la cohésion.

 

Programming language abstractions for the Internet of Things era

Doctorant : Patrik FORTIER

Laboratoire INSA : CITI

Ecole doctorale : ED512 : InfoMaths

The challenges posed by the Internet of Things (IoT) require modern applications to handle large volumes of data streaming from tiny devices, which then undergo processing, storage, and analysis. Developers have embraced the microservices architecture to address scalability concerns and facilitate a fast software delivery process. However, emerging computing paradigms like Fog and Edge computing introduce diverse resources and configurations, making it necessary for developers to adapt to increasingly complex environments and ecosystems. The emergence of new development methodologies like Function-as-a-Service and Serverless models has shifted the focus towards code simplicity. However, this has raised concerns that developers are now coding for infrastructures they have limited control over. In resource-constrained environments such as edge computing, applications even often compete for resources. Therefore, developers require tailored tools with appropriate abstractions to address modern challenges without succumbing to rising complexity.

In this thesis, we present programming language abstractions tailored for developing distributed software in the era of the Internet of Things. We have consolidated these abstractions into a framework that allows for the construction of distributed dataflow applications in the form of microservice applications, all within the same codebase. This framework abstracts both the underlying infrastructure on which applications run and the communication between services. We demonstrate the overhead introduced by our approach and compare it with existing Function-as-a- Service frameworks.

To offer precise control over the infrastructure, we introduce language primitives and a local runtime that manages contextual information about the cluster. Additionally, we introduce entropy as an innovative placement metric for applications. Developers can dictate how they want their application to be positioned within the cluster and how it should respond to scenarios such as resource contention between applications sharing the same infrastructure. These techniques enable a user-defined dynamic placement policy with a high level of granularity in an environment where they may not have complete control.

Apprentissage profond de variétés pour une meilleure caractérisation de l'hypertension artérielle en imagerie échocardiographique

Doctorant : Nathan PAINCHAUD

Laboratoire INSA : CREATIS
École doctorale : ED160 : EEA (Electronique, Electrotechnique, Automatique)

L'hypertension artérielle est une maladie cardiovasculaire répandue, affectant plus de 1,2 milliard de personnes dans le monde. Son diagnostic est difficile en raison de la variété des symptômes et du manque d'outils d'analyse rapides et précis. Cette thèse propose une méthode d'apprentissage automatique pour analyser les données médicales, particulièrement les images échocardiographiques, et extraire des informations pertinentes pour le diagnostic de l'hypertension. Les méthodes proposées combinent des modèles d'apprentissage automatique avec des techniques d'apprentissage de représentation pour garantir la cohérence des prédictions et améliorer leur interprétabilité. Des descripteurs de forme et de déformation sont extraits des images segmentées et combinés avec des données des dossiers médicaux électroniques. Un transformeur multimodal est utilisé pour apprendre une représentation commune de ces données, capable de mettre en évidence le continuum pathologique de l'hypertension. L'application de la méthode à une population de patients a permis de détecter des profils subtils de formes et de déformations corrélés avec l'hypertension. Ces résultats ouvrent la voie à de nouvelles études sur les mécanismes pathologiques de l'hypertension et à l'amélioration du diagnostic de la maladie.

Modélisation CFD du Transfert de Chaleur et de Masses dans une Remorque de Camion Réfrigérée équipée de Plaques Eutectiques

Doctorant : Jihyuk JEONG 

Laboratoire INSA : CETHIL

Ecole doctorale : ED162 : MEGA

Le système de refroidissement par plaques eutectiques (matériau à changement de phase, MCP) est une possible alternative aux systèmes conventionnels de réfrigération alimentés par des combustibles fossiles pour le transport de produits alimentaires surgelés ou réfrigérés dans des remorques de camions. Des modèles numériques ont été développés pour évaluer sa faisabilité et ont été validés avec succès par rapport à des résultats numériques et expérimentaux issus de la littérature.

Initialement, un modèle d'infiltration d’air dans la remorque a été développé utilisant un modèle de turbulence k-ω SST pour prédire le comportement thermoaéraulique de l'air pendant les périodes d'ouverture des portes. Différentes configurations des plaques eutectiques et des ventilateurs ont été analysées. Sans cargaison, les plaques disposées en série le long du plafond de la remorque ont montré un temps de renouvellement plus élevé que celles disposées en parallèle à l'arrière, en raison des zones de recirculation. Cependant, une fois la cargaison introduite, les deux configurations offrent des performances similaires car les zones de recirculation n'ont pas pu se former.

Par ailleurs, un modèle multiphasique granulaire eulérien-eulérien a été développé pour prédire la formation et la croissance du givre sur les plaques eutectiques. Le modèle de turbulence k-ω SST a été intégré pour étendre l'applicabilité du modèle de givre à une gamme plus large de vitesses d’air. Un modèle de solidification et de fusion a également été implémenté et couplé aux modèles précédents. Avec ce modèle combiné, les performances d'un système eutectique ont été étudiées pour des conditions estivales typiques à Montréal, Canada. Environ 2.3 % du MCP change effectivement de phase au cours des 120 premières secondes. Globalement, le système eutectique offre une alternative viable au système conventionnel, bénéficiant des mécanismes de prévention des infiltrations ou de dégivrage.

Unsupervised anomaly detection in neuroimaging: contributions to representation learning and density support estimation in the latent space. »

Doctorant : Nicolas PINON

Laboratoire INSA : CREATIS
Ecole doctorale : ED 160 : EEA (Electronique, Electrotechnique, Automatique)

This PhD thesis covers the topic of deep unsupervised anomaly detection (UAD) in neuroimaging. This research is partially grounded on the UAD model that was proposed in [Alaverdyan, MEDIA 2020], whose novelty was to perform the detection step in the latent representation space by adjusting density support model of the normative distribution. This model developed was applied to the detection of subtle epileptogenic zones in multiparametric MRI and evaluated on a private database. As a first part of this PhD, we optimize the architecture and hyperparameter setting of this UAD model, and evaluate its performance on different open datasets, including the non medical MVTec anomaly detection [Pinon, GRETSI 2023], the WMH challenge [Pinon, MIDL 2023], and the Parkinson's Progression Markers Initiative database [Ramirez, Pinon, MLCN 2021][Pinon, ISBI 2023]. This allows comparison with state of the art deep UAD methods, especially with the most common methods based on reconstruction error in the image space. The second main phase of this PhD work is to build on the limits of this model [Alaverdyan, MEDIA 2020] and propose original methodological contributions to 1) design patient specific models, relaxing the strong constraint to accurately coregister all control subjects and patients [Pinon, MIDL 2023], 2) provide a probabilistic detection framework to enable ensemble learning and probability calibration, 3) fuse the representation learning step and the outlier detection step, by proposing a novel end-to- end deep learning model.