Offre en lien avec l’Action/le Réseau : – — –/Doctorants

Laboratoire/Entreprise : Université de Toulouse
Durée : 3 ans
Contact : sophie.jan@math.univ-toulouse.fr
Date limite de publication : 2021-09-01

Contexte :
Intelligence Artificielle – Véhicule Hybride

Sujet :
La société Vitesco travaille depuis de nombreuses années sur le développement de véhicules hybrides, qui apparaissent comme une des solutions pour réduire la consommation d’énergie fossile et donc les émissions locales de CO2 liées au transport. L’expansion rapide des technologies permettant une connectivité accrue du véhicule à son environnement associée aux capacités de calcul sans cesse croissantes des ordinateurs permet aujourd’hui d’envisager de réaliser à bord et en temps réel une optimisation de la répartition de puissance entre moteur électrique et thermique, de la gestion de l’état de charge de la batterie ou encore de la température des circuits de refroidissement.
Plusieurs approches orientées programmation dynamique ou encore basées sur le principe du Maximum de Pontryagin ont déjà été explorées par Vitesco pour résoudre certains aspects de ces problèmes complexes de contrôle optimal. Cependant, les exigences environnementales rendent aujourd’hui nécessaire de traiter ces problèmes dans leur globalité en considérant dans leur ensemble les sous-systèmes constitutifs du véhicule ainsi que leurs interactions mutuelles, faisant intervenir des phénomènes physiques de nature différente, mécanique, électrique, thermique ou encore chimique.
Par ailleurs, de nombreuses sources d’incertitude sont à prendre en considération, et en particulier le comportement du conducteur.
Le travail de thèse consistera à identifier précisément ce problème global de l’optimisation d’un véhicule hybride du point de vue de critères environnementaux et d’en proposer une méthode de résolution suffisamment robuste et qui soit compatible avec les exigences de temps de calcul liées aux capacités des calculateurs embarqués. Pour cela, associées aux méthodes de contrôle optimal,
les techniques d’intelligence artificielle devraient permettre de réduire certaines incertitudes en améliorant les prédictions servant de base à l’optimisation, de renforcer les modèles déterministes
représentant le comportement des différents sous-systèmes du véhicule ou encore d’adapter de
manière dynamique les critères à optimiser. C’est cet accroissement des capacités des techniques
de contrôle optimal par l’introduction de l’intelligence artificielle qui constitue l’objectif global de
cette thèse.

Profil du candidat :
Master en mathématiques appliquées ou équivalent

Formation et compétences requises :
Forte connaissance des techniques de commande optimale,
des bases solides en intelligence artificielle.

Adresse d’emploi :
Université de Toulouse

Document attaché : 202105211452_Proposition_Thèse.pdf