Dimensionnement par optimisation robuste des machines électriques dédiées aux véhicules électriques/hybrides

Suite à l’émergence rapide des véhicules électriques sur le marché automobile, les constructeurs cherchent à améliorer régulièrement les performances de leurs produits pour s’imposer face à la concurrence. La phase de dimensionnement de la machine électrique s’avère alors importante et les concepteurs font souvent appel à des méthodes d’optimisation multi-objectifs couplées à des modèles multi-physiques décrivant avec une grande précision le comportement de la machine. Ces modèles se basent sur les paramètres géométriques du design à simuler et sur les caractéristiques physiques des matériaux données par les fournisseurs. Cependant, dans un prototype, les valeurs réelles de ces paramètres géométriques ainsi que les caractéristiques des matériaux peuvent présenter des écarts par rapport à celles utilisées dans les simulations.
En effet, les tolérances de la méthode de fabrication utilisée peuvent causer des écarts entre les dimensions réelles dans la machine et les valeurs des paramètres géométriques données par l’optimisation. Ces mêmes méthodes de fabrication (découpe de tôles, moulage des aimants…) impactent aussi les caractéristiques des matériaux utilisés : dégradant souvent leurs performances par rapport à leurs caractéristiques initiales. Finalement, les techniques et conditions d’assemblage de la machine réalisée peuvent aussi impacter ses performances électromagnétiques.
Comment alors optimiser une machine électrique en présence de tous ces paramètres incertains ?
Le sujet de thèse proposé a pour objectif de mettre en place de nouvelles méthodes de dimensionnement optimal rendant plus robuste la solution finale face à toute incertitude liée aux paramètres d’entrée, assurant ainsi la qualité de la solution proposée.

Mots clefs : Machines électriques, incertitudes, optimisation, surfaces de réponses ou méta-modèles

• Directeur de thèse    Dr., HLIOUI Sami, MCF-HDR, Laboratoire SATIE, ORCID : 0000-0002-3992-8266
• Ecole doctorale    ED575 - Electrical, Optical, Bio-physics and Engineering (EOBE)
• Encadrants IFPEN    Dr. Ingénieur, NASR Andre, Département systèmes électrifiés, andre.nasr@ifpen.fr (ORCID)/Dr. SINOQUET Delphine, Département Mathématiques Appliquées delphine.sinoquet@ifpen.fr (pages personnelles)
• Localisation du doctorant    IFP Énergies nouvelles, Rueil-Malmaison, France  
• Durée et date de début    3 ans, début au cours du quatrième trimestre 2021 
• Employeur    IFP Énergies nouvelles, Rueil-Malmaison, France
• Qualifications    Master Génie électrique ou Mathématiques appliquées 
• Connaissances linguistique    Bonne maîtrise du français et de l’anglais indispensable
• Autres qualifications    Connaissances en programmation (Matlab, python, R), statistiques, optimisation, fort intérêt pour le domaine applicatif de la thèse