Nouvelle recherche

Cette offre n'est plus disponible

Évaluation d'un nouvel algorithme d'optimisation des paramètres cinétiques d'un schéma réactionnel implanté dans un modèle physique 0D d'un système de post-traitement

IFP Energies nouvelles - Sciences et Technologies du Numérique

Localisation
Hauts-de-Seine
Début
dès que possible
Durée
de 5 à 6 mois
Indem.
Oui

IFP Energies nouvelles (IFPEN) est un acteur majeur de la recherche et de la formation dans les domaines de l’énergie, du transport et de l’environnement. De la recherche à l’industrie, l’innovation technologique est au cœur de son action, articulée autour de trois priorités stratégiques : mobilité durable, énergies nouvelles et hydrocarbures responsables.

Dans le cadre de la mission d’intérêt général confiée par les pouvoirs publics, IFPEN concentre ses efforts sur :

  • l’apport de solutions aux défis sociétaux de l’énergie et du climat, en favorisant la transition vers une mobilité durable et l’émergence d’un mix énergétique plus diversifié ;
  • la création de richesse et d’emplois, en soutenant l’activité économique française et européenne et la compétitivité des filières industrielles associées.

Partie intégrante d’IFPEN, l’école d’ingénieurs IFP School prépare les générations futures à relever ces défis.

Évaluation d’un nouvel algorithme d’optimisation des paramètres cinétiques d’un schéma réactionnel implanté dans un modèle physique 0D d’un système de post-traitement

Contexte :

Dans le cadre d’un partenariat de plus de 10 ans avec la société Siemens Digital Industries Software, IFPEN co-développe la librairie IFP-Exhaust dédiée à la modélisation 0D des systèmes de post-traitement des gaz d’échappement et intégrée au sein de la plateforme Simcenter AmesimTM.

La simulation d’un modèle physique 0D d’un système de post-traitement des gaz d’échappement permet de reproduire avec une bonne précision et dans un temps de calcul raisonnable des mesures expérimentales acquises sur un véhicule en condition de roulage réaliste.

Cette précision s’obtient après un ajustement des paramètres cinétiques (constantes de réaction, énergies d’activation, …) du modèle (vitesse de réaction suivant une loi d’Arrhenius) ; cette opération est appelée calage et repose non seulement sur un savoir-faire capitalisé dans des guides méthodologiques mais aussi sur des approches automatiques basées sur des algorithmes d’optimisation, surtout lorsque des dizaines de réactions constituent le schéma réactionnel.

Actuellement deux techniques d’optimisation sont opérationnelles et intégrées dans IFP-Exhaust : un algorithme de type « downhill simplex » ou de Nelder-Mead et une méthode de type « least squares » basée sur le calcul des gradients et utilisant un algorithme de région de confiance.

L’objet du stage est d’étudier les atouts d’algorithmes sans dérivées [1] [2] basés sur un modèle de substitution, de sélectionner un algorithme prometteur et de l’évaluer sur un cas test disponible et de comparer les résultats obtenus avec les algorithmes actuels.

Description des activités :

  • Compréhension du fonctionnement d’un modèle physique 0D (intégration d’une équation différentielle ordinaire, EDO)
  • Etude de l’influence des différents paramètres cinétiques selon les schémas réactionnels avec ou sans mécanisme de stockage/déstockage d’espèce
  • Revue des algorithmes d’optimisation (actuels et candidats)
  • Prise en main d’un algorithme disponible dans la communauté scientifique
  • Analyse comparative des résultats de simulation avec les algorithmes actuels (qualité et temps de calcul) et les données expérimentales disponibles
  • Suggestion d’améliorations

Profil recherché :

  • Connaissances en : fonctionnement des moteurs à combustion interne, formation des émissions locales et globales, cinétique chimique, programmation PYTHON, modélisation 0D, algorithme d’optimisation (optimisation bayesienne, optimisation sans dérivées, optimisation avec modèles de substitution, , optimisation multi-objectifs).
  • Appétence pour la manipulation de données expérimentales et de simulation.
  • Capacité à :  mettre en œuvre des outils d’optimisation sur un cas d’application, analyser les résultats et comparer les différents réglages et options, être force de proposition pour améliorer les résultats, synthétiser et présenter ses travaux.

Références :

[1]

Katya Scheinberg, and Luis N. Vicente Andrew R. Conn, Introduction to Derivative-Free Optimization.: MOS-SIAM Series on Optimization ed., Society for Industrial and Applied Mathematics, Ed., 2009.

[2]

Audet C. and Hare W. Springer, Derivative-free and Black-box optimization.: Springer, 2017.


Cette offre n'est plus disponible

Contact

IFP Energies nouvelles - Sciences et Technologies du Numérique
Frederic NICOLAS
1&4, avenue de Bois-Preau
92852 Rueil-Malmaison cedex
Logo IFP Energies nouvelles - Sciences et Technologies du Numérique

Formations

Les formations en Electricité / Electrotechnique

Métiers

Vous recherchez des informations concernant les différents métiers ? Accédez à nos fiches décrivant les principaux métiers !

Conseils

Pour que la vie d’étudiant ne rime pas avec parcours du combattant, retrouvez tous nos conseils stage / alternance / emploi