Recrutement

recrutement

Stage-Ingénieur R&D - Bac +5 (Eybens) – Développement d'algorithmes de détection, identification et prédiction de défauts moteur pour applications industrielles

Type de recrutement
Stage
Durée
Urgent
oui
Rattachement
Schneider Electric / gipsa-lab
Fin de l'affichage

Environnement

Ce stage de M2/PFE est proposé dans le cadre d'une collaboration entre le gipsa-lab et Schneider Electric. Le candidat sera accueilli au sein de Schneider Electric dans le service Energy Management - Power Product situé à Eybens (Grenoble).

Contexte

Les moteurs électriques sont des actionneurs utilisés dans de nombreux secteurs d’activité, comme l’industrie, le transport (chaînes d’entraînement), ou le traitement et la gestion des eaux (pompes). Bien que robustes, ils sont sujets à des défauts de différentes natures (électrique ou mécanique) conduisant généralement à une dégradation de la fiabilité, la disponibilité et la sécurité des procédés dont ils font partie [1]. 

Afin de limiter ces effets tout en conservant un coût minimal de fonctionnement et de maintenance, une étape essentielle est celle de leur surveillance [2]. Elle consiste à estimer un ensemble d’indicateurs représentatifs de leur état de santé courant, qui peut ensuite être utilisé à des fins de diagnostic/pronostic à l’aide d’approches basées sur le machine learning et l’intelligence artificielle.

Sujet

Dans ce contexte général, Schneider Electric veut développer et déployer un système de surveillance de moteurs électriques triphasés basé sur l’analyse de données mesurées lors de leur fonctionnement. Plus précisément, il s’agit d’analyser les grandeurs électriques d’alimentation de ces actionneurs (courants, tensions, puissances, ...) pour élaborer des indicateurs représentatifs de leur état de santé. Les méthodes classiques reposent sur l’analyse de grandeurs électriques mesurées sur une seule phase du moteur [3], et permettent d’obtenir des résultats de détection corrects pour des défauts présentant un stade de développement avancé. Pour détecter les défauts à un stade de développement plus précoce, il faut s’inspirer de méthodes plus récentes permettant de prendre en compte l’information globale contenue dans les trois phases du moteur [4].

Missions

Suite à une étape de bibliographie générale autour des méthodes de surveillance des moteurs à induction basées sur des approches de traitement de données et de signaux, le stagiaire se concentrera principalement sur le développement de méthodes d’analyse des signaux électriques courant et tension (MCSA, ESA, MBVI) permettant de détecter en priorité des défauts de type mécanique. Il cherchera en particulier à identifier précisément leurs signatures électriques pour en déduire les contraintes sur les mesures et les traitements nécessaires à leur détection et leur identification. Les méthodes obtenues pourront être appliquées à différentes sources de données (simulation, laboratoire et client) que le stagiaire devra expertiser. Idéalement, ce travail de recherche devrait aboutir à la proposition d'algorithmes de détection et d'identification de défauts en développement sur les moteurs ou leur charges entraînées, qui seront ensuite évalués en vue de leur intégration dans des produits cibles.

Bibliographie

[1] H. A. Toliyat, S. Nandi, S. Choi, and H. Meshgin-Kelk, Eds., “Electric machines: modeling, condition monitoring, and fault diagnosis”, CRC Press, 2013, doi: 10.1201/b13008. 

[2] P. Zhang, Y. Du, T. G. Habetler and B. Lu, "A survey of condition monitoring and protection methods for medium-voltage induction motors", IEEE Transactions on Industry Applications, vol. 47, no. 1, pp. 34-46, Jan.-Feb. 2011, doi: 10.1109/TIA.2010.2090839.

[3] J. H. Jung, J. J. Lee and B. H. Kwon, "Online diagnosis of induction motors using MCSA", IEEE Transactions on Industrial Electronics, vol. 53, no. 6, pp. 1842-1852, Dec. 2006, doi: 10.1109/TIE.2006.885131.

[4] V. Choqueuse, P. Granjon, A. Belouchrani, F. Auger and M. Benbouzid, "Monitoring of three-phase signals based on singular value decomposition", IEEE Transactions on Smart Grid, vol. 10, no. 6, pp. 6156-6166, Nov. 2019, doi: 10.1109/TSG.2019.2898118.


Compétences requises

  • Connaissances dans le domaine des moteurs électriques, du traitement du signal et de l’analyse des données.
  • Volonté de mener une étude bibliographique.
  • Capacité à programmer et à utiliser des langages tels que Matlab, Python ou R pour l'analyse de données et l’utilisation et création de modèles.
  • Engagement et Motivation
  • Langues : Français, Anglais
  • Capacité à travailler en équipe et à communiquer efficacement.

Ce sujet de stage offre une opportunité de découvrir le milieu industriel et ses enjeux tout en collaborant avec le milieu universitaire de la recherche. Il permettra au candidat de développer des compétences en ingénierie électrique, mécanique et en analyse de données tout en contribuant au développement de solutions innovantes dans le domaine de l'efficacité énergétique et de la maintenance prédictive.

Diplôme visé : Bac +5 – Ingénieur spécialité électriques, du traitement du signal 

Durée du stage : 6 mois – février-juillet 2024

Date de démarrage souhaitée : 01/02/2024