Influence of gear transmission oils degradation on tribological performance and gearbox efficiency

Doctorante : Büşra DURAN

Laboratoire INSA : LaMCos

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

Les lubrifiants jouent un rôle clé dans la réduction du frottement, mais peuvent se dégrader au cours de leur utilisation, ce qui peut compromettre la fiabilité et l'efficacité des équipements. Définir une stratégie de lubrification optimale nécessite donc une compréhension approfondie des impacts potentiels de la dégradation des huiles.
Pour étudier ce phénomène, plusieurs lots d'huiles de transmission par engrenage ont été analysés et testés afin d'évaluer les changements entre les échantillons neufs et les échantillons prélevés en application. Dans un premier temps, certaines propriétés rhéologiques et chimiques des huiles ont été mesurées et analysées, telles que la viscosité, la composition chimique, l'acidité, la teneur en eau et la contamination en particules solides. Ensuite, les performances tribologiques des huiles ont été évaluées à l'aide de deux tribomètres distincts, complétés par des méthodes optiques de caractérisation des éprouvettes d’essais. Enfin, des essais sur un banc d’essai de transmission ont été effectués sous différentes conditions de fonctionnement pour étudier l'évolution de la dissipation de puissance et du comportement thermique du banc d'essai. De plus, un modèle numérique basé sur un couplage thermique a été utilisé pour exploiter davantage les données expérimentales.
Les résultats de cette étude démontrent une influence claire du fonctionnement des transmissions à engrenages sur les propriétés et la performance des lubrifiants. Les propriétés intrinsèques ont tendance à évoluer avec la dégradation donc les performances tribologiques sont également affectées. Dans le banc d'essai de transmission, la dégradation entraîne une évolution de la puissance dissipée, qui affecte à son tour le comportement thermique. Ces observations semblent également fortement dépendantes des conditions de fonctionnement en application.

Développement d'un procédé de traitement de surface par impulsions électromagnétiques et étude des transformations mécaniques induites

Doctorant : Loup PLANTEVIN

Laboratoire INSA : LaMCoS

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

Le traitement de surface de métaux est un point clé dans les secteurs nécessitant une forte résistance aux environnements très contraints, car il améliore les caractéristiques de la pièce traitée. Traditionnellement, le grenaillage (impacts de billes sur cette pièce) est la méthode la plus courante. Cette méthode, bien que simple à mettre en place, présente de nombreux inconvénients. Issu donc d'un besoin industriel, le grenaillage par impulsions électromagnétiques est une méthode innovante, traitant plus en profondeur, de manière plus contrôlée et sans pollution ni altération de l'état de surface.

Cette méthode, encore très peu étudiée dans le monde, sera présentée dans ces travaux. Le détail physique du phénomène sera d'abord exposé, afin d'en expliquer le fonctionnement, d'en caractériser ses bénéfices attendus ainsi que de dresser un cahier des charges pour sa réalisation pratique. Une fois ces fondations théoriques posées, une partie expérimentale présentera le dispositif de traitement retenu. De par la grande quantité d'énergie nécessaire pour le traitement, un soin particulier est pris pour la conception de ce dispositif. Celui-ci sera utilisé sur deux géométries d'aluminium AA6061 : un prisme et un cylindre.

Enfin, l'exploitation des résultats obtenus à partir du dispositif expérimental montreront la validation d'excellentes capacités du traitement de surface proposé. Notamment, la méthode a permis de multiplier par 15 la profondeur exploitable de traitement, ce qui ouvre la voie à de nombreuses applications inenvisageables jusque-là.

Par ailleurs, des méthodes originales de mesures et caractérisations ont été étudiées. De nombreux capteurs magnétiques ont été évalués et comparés. Ces capteurs permettent une indication rapide, simple et non-invasive sur la qualité du traitement effectué.

Incinération de déchets dangereux : vers une économie circulaire. Cas particulier de la valorisation du soufre

Doctorant : Rodolphe VAUTHERIN

Laboratoire INSA : DEEP

École doctorale : ED206 : Chimie de Lyon (Chimie, Procédés, Environnement)

Les déchets liquides contenant du soufre organique sont des déchets dangereux qui nécessitent une élimination par incinération. L’entreprise SUEZ IWS, via son unité de Roussillon, traite une grande quantité de ces déchets, générant du SO2 dans les fumées d’incinération. Actuellement, ce SO2 est simplement traité sur le site. Cette thèse vise évaluer l’intégration d’un nouveau procédé de désulfuration pour valoriser le SO2 sous forme d’une solution de bisulfite de sodium concentrée, tout en épurant la grande majorité du SO2 contenu dans les fumées. Une étude à échelle laboratoire a été menée sur un gaz synthétique pour examiner la réaction entre le dioxyde de soufre et le sulfite de sodium. L’influence de la concentration en Na2SO3, de la température et du taux de SO2, a été étudié, avec un focus concernant l’effet du pH sur le rendement d’absorption. Les performances du procédé ont ainsi été évalué en milieu acide et basique. Un pilote industriel a ensuite été installé sur le site de Roussillon pour tester le procédé en conditions réelles. Bien que des rendements d’absorption élevés aient été observés, les concentrations en bisulfite de sodium obtenues n’ont pas été suffisantes pour une commercialisation de la solution. De plus, certaines espèces secondaires indésirables ont été détectées dans les solutions. Des pistes d’améliorations ont été identifiées pour augmenter les concentrations en bisulfite et améliorer la qualité des solutions. La modélisation a finalement été utilisée pour analyser le procédé et mettre en évidence les paramètres clés pour optimiser les rendements d’absorption à pH acide, étude qui n’a pas pu être réalisé à échelle pilote. Cette partie a révélé la nécessité d’ajouter une étape supplémentaire au procédé initial pour obtenir une solution de bisulfite de sodium plus concentrée. Globalement, cette thèse présente des résultats prometteurs pour la mise en œuvre industrielle de ce procédé.

Uplink Resource Allocation Methods for Next-Generation Wireless Networks

Doctorant : Alix JEANNEROT

Laboratoire INSA : CITI

École doctorale : ED160 : EEA (Electronique, Electrotechnique, Automatique)

Face à la diversité des besoins en communication des réseaux 5G et 6G, l'allocation des ressources disponibles est considérée comme un élément clé pour augmenter la densité de dispositifs, leur débit ou la fiabilité des communications. Dans les réseaux de communication de type machine, des travaux récents ont proposé d'adapter l'allocation des ressources temporelles en fonction du processus sous-jacent qui régit l'activité des dispositifs. Cette thèse se concentre tout d'abord sur l'étude de l'impact d'une connaissance imparfaite de ce processus, et propose des méthodes pour atténuer le biais induit par les connaissances erronées. Ensuite, un algorithme permettant d'optimiser conjointement l'allocation des ressources temporelles et la puissance de transmission des dispositifs est proposé. L'algorithme permet aux dispositifs ayant une forte probabilité de transmettre sur les mêmes ressources de le faire avec une diversité de puissance suffisante pour assurer qu’ils soient décodables par la station de base. Enfin, dans les réseaux ayant un objectif de haut débit, nous proposons d'optimiser conjointement la puissance, les ressources fréquentielles ainsi que le nombre de couches utilisées par les dispositifs. Notre étude par simulations montre que notre optimisation conjointe est significativement plus performante que les méthodes utilisées actuellement en 5G pour lesquelles ces paramètres sont calculés indépendamment les uns des autres.
 

Integration of a priori data to optimise industrial tomographic reconstruction

Doctorant : Victor BUSSY

Laboratoire INSA : LVA

École doctorale : ED160 : EEA (Electronique, Electrotechnique, Automatique)

L'objectif de mes travaux est de proposer une nouvelle méthodologie optimisée en tomographie par rayons X qui inclue l'incorporation d'informations a priori. De part l'optimisation des choix des vues, du support de la reconstruction et d'une régularisation adapté, plusieurs contributions ont été faites afin d'optimiser la qualité du processus globale. Les résultats de chaque partie ont été publié et testé dans cette thèse sur une pièce expérimentale.
 

Unsupervised Open-World Information Extraction From Unstructured and Domain-Specific Document Collections

Doctorant : Pierre-Yves GENEST

Laboratoire INSA : LIRIS

École doctorale : ED512 : InfoMaths de Lyon

The exponential growth in data generation has rendered the effective analysis of unstructured textual document collections a critical challenge. This PhD thesis aims to address this challenge by focusing on Information Extraction (IE), which encompasses four essential tasks: Named Entity Recognition (NER), Coreference Resolution (CR), Entity Linking (EL), and Relation Extraction (RE). These tasks collectively enable extracting and structuring knowledge from unformatted documents, facilitating its integration into structured databases for further analytical processes.
Our contributions start with creating Linked-DocRED, the first large-scale, diverse, and manually annotated dataset for document-level IE. This dataset enriches the existing DocRED dataset with high-quality entity linking labels. Additionally, we propose a novel set of metrics for evaluating end-to-end IE models. The evaluation of baseline models on Linked-DocRED highlights the complexities and challenges inherent to document-level IE: cascading errors, long context handling, and information scarcity.
We then introduce PromptORE, an unsupervised and open-world RE model. Adapting the prompt-tuning paradigm, PromptORE achieves relation embedding and clustering without requiring fine-tuning or hyperparameter tuning (a major weakness of previous baselines) and significantly outperforms state-of-the-art models. This method demonstrates the feasibility of extracting semantically coherent relation types in an open-world context.
Further extending our prompt-based approach, we develop CITRUN for unsupervised and open-world NER. By employing contrastive learning with off-domain labeled data, CITRUN improves entity type embeddings, surpassing LLM-based unsupervised NERs, and achieving competitive performance against zero-shot models that are more supervised.
These advancements facilitate meaningful knowledge extraction from unstructured documents, addressing practical, real-world constraints and enhancing the applicability of IE models in industrial contexts.

Détection et segmentation des anomalies en imagerie ultrasonore 3D et en imagerie industrielle par des approches d’apprentissage automatique supervisées ou non supervisées

Doctorante: Flora ESTERMANN

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

La détection d’anomalies faiblement contrastées dans les images est une problématique partagée à la fois par le domaine médical et l'industrie. Au cours de cette thèse, nous avons développé des méthodes d’apprentissage automatique pour la détection d’anomalies dans deux contextes différents: la détection des lésions ponctuées de la substance blanche (PWML) en échographie 3D chez les enfants prématurés par apprentissage supervisé pour notre application médicale, et la détection de défauts par apprentissage non supervisé pour des applications industrielles.

Le premier chapitre du manuscrit fournit une vue d’ensemble des quatre thématiques principales de nos recherches avec l’état de l’art correspondant : segmentation et classification supervisées pour la détection des lésions, classification non supervisée pour la détection des défauts, quantification des incertitudes pour l’explicabilité des résultats. La suite du manuscrit décrit séquentiellement les contributions de la thèse au domaine. Le deuxième chapitre présente notre étude sur les caractéristiques des PWML à l’échographie et introduit l’approche que nous avons proposée afin de réaliser la sur-segmentation des PWML dans les volumes ETF. Le troisième chapitre s’attaque directement aux méthodes de classification multi-vues proposées pour améliorer la précision de nos prédictions après la segmentation, et détaille également la manière dont nous avons intégré le cadre des prédictions conformes afin d’apporter une meilleure interprétabilité des résultats et un niveau de confiance plus élevé pour les médecins. Enfin, le dernier chapitre présente les approches non supervisées proposées pour la détection des défauts dans les images industrielles, en intégrant la détection conforme des anomalies également.

Nos résultats sont très encourageants pour le futur de l’intégration des modèles d’IA dans l’aide au diagnostic. De plus, dans le but de rendre nos modèles plus interprétables aux yeux des praticiens et des industriels, nous avons également traité la quantification des incertitudes en considérant le cadre des prédictions conformes dans nos approches.
 

 

Développement de modèles champ complet pour la précipitation et le durcissement structural dans les alliages Al-Sc

Doctorante : Mathilde EYMANN

Laboratoire INSA : MATEIS

École doctorale : ED34 : Matériaux de Lyon

L’allègement des structures dans l’industrie du transport est une étape essentielle pour la transition écologique. Un levier important de cette problématique réside dans l’allègement des matériaux utilisés. Parmi eux, on trouve les alliages à durcissement structural. Leur propriétés mécaniques dépendent fortement de leur microstructure de précipités, aussi il est primordial de pouvoir prédire cet état et son impact sur le durcissement de l’alliage. L’objectif de ce travail de thèse est de construire un modèle numérique en champ complet pour la précipitation, dans lequel les précipités sont décrits par une fonction de forme. Ce modèle se situe entre les modèles de type champ de phase – qui donnent une description détaillée de l’évolution des précipités mais demandent une discrétisation très fine – et les approches champs moyen – très efficaces en terme de temps de calcul, mais reposant sur de fortes hypothèses. ShIFuMo est donc un modèle champ complet, décrivant efficacement les différentes étapes de la précipitation lors d’un traitement thermique isotherme. Des comparaisons avec des modèles champ moyen mettent en lumière les différences entre les deux types d’approches, notamment sur l’importance des interactions solutales et des coagulations au cours de la précipitation. De plus le modèle champ complet présente l’avantage de donner une représentation spatiale des précipités. En effet, l’étude de la fonction de distribution radiale montre l’importance de l’enchaînement des étapes de précipitation sur la microstructure finale, comparée à une microstructure obtenue aléatoirement. Afin de connaître leur impact sur les propriétés mécaniques, les microstructures obtenues avec ShIFuMo sont également utilisées dans un modèle de dynamique des dislocations afin d’étudier les interactions précipités-dislocations. Une comparaison avec les méthodes utilisées en champ moyen montre des différences, mettant en avant l’intérêt d’une modélisation champ complet.
 

Learning spatial representations for single-task navigation and multi-task policies

Doctorant : Pierre MARZA

Laboratoire INSA : LIRIS

École doctorale : ED512 Informatique Et Mathématiques de Lyon

Agir de manière autonome dans notre monde en 3 dimensions requiert un large éventail de compétences, parmi lesquelles la perception du milieu environnant, sa représentation précise et suffisamment efficace pour garder une trace du passé, la prise de décisions et l'action en vue d'atteindre des objectifs précis. Les animaux, par exemple les humains, font preuve de capacités très robustes lorsqu'il s'agit d'agir dans le monde. Ils se distinguent notamment par leur capacité à s'adapter efficacement à de nouveaux environnements dans diverses conditions (éclairage, conditions météorologiques, etc.), mais aussi à maîtriser rapidement de nombreuses tâches d'intérêt à partir de quelques exemples. Ce manuscrit étudie la manière dont les réseaux neuronaux artificiels peuvent être entrainés pour atteindre un sous-ensemble de ces capacités. Nous nous concentrerons tout d'abord sur l'entrainement d'agents neuronaux capables d'effectuer une cartographie sémantique, à la fois à partir d'un signal de supervision augmenté et avec des représentations neuronales de scènes. Les agents neuronaux sont souvent formés par apprentissage par renforcement (RL) à partir d'un signal de récompense peu dense. Guider l'apprentissage des capacités de cartographie de la scène en augmentant le signal de supervision de l'apprentissage par renforcement avec des tâches auxiliaires facilitant le raisonnement spatial aidera à naviguer plus efficacement. Au lieu d'améliorer le signal d'entraînement des agents neuronaux, nous verrons également comment l'incorporation de représentations neuronales spécifiques de la sémantique et de la géométrie dans l'architecture de l'agent peut contribuer à améliorer les performances de navigation lorsqu'il s'agit d'atteindre des objectifs sémantique spécifiques. Ensuite, nous étudierons la meilleure façon d'explorer un environnement 3D afin de construire des représentations neuronales de l'espace qui soient aussi satisfaisantes que possible sur la base de métriques pensées pour la robotique que nous proposerons. Enfin, nous passerons d'agents de navigation entraînés à généraliser à de nouveaux environnements à des agents multi-tâches et nous verrons à quel point il est important d'adapter les caractéristiques visuelles extraites des observations des capteurs à la tâche à accomplir afin de réaliser une grande variété de tâches, mais aussi d'essayer de généraliser à de nouvelles tâches inconnues à partir de quelques démonstrations seulement. Ce manuscrit abordera donc différentes questions importantes telles que : Comment représenter une scène 3D et garder une trace de l'expérience passée dans un environnement? — Comment s'adapter de manière robuste à de nouveaux environnements, à de nouveaux scénarios et potentiellement à de nouvelles tâches ? — Comment entrainer des agents à des tâches séquentielles à long terme? — Comment maîtriser conjointement toutes les sous-compétences requises? — Quelle est l'importance de la perception en robotique ?
 

Responsible production in agricultural supply chains: An impact of Information transparency

Doctorante : Qing LI

Laboratoire INSA : DISP

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

This thesis addresses a novel research problem in agricultural supply chains by integrating the study of responsible production with information transparency. Building on existing research in responsible production, we clarify responsible production to production efficiency, food waste reduction, and product quality improvement. Grounded in the research on information transparency, this thesis shows the specific format of information transparency in agriculture and models the characteristics of these phenomena based on the knowledge of agricultural cooperatives, blockchain technology, product traceability, quality testing, and moral hazard.