Stage de Fin d'Études Ingénieur - Master H/F

CEA; Saclay; Sur place; EUR 40 000 - 60 000; Plein temps

Résumé du poste

Un institut de recherche majeur en France cherche un stagiaire en ingénierie pour un projet portant sur l'application des réseaux de neurones à la caractérisation de défauts en matériaux composites. Le candidat idéal a une maîtrise en Python et un goût pour l'IA, avec des responsabilités incluant simulations et développement d'algorithmes. Ce stage offre une expérience enrichissante au sein du domaine innovant de traitement de données.

Qualifications

• Goût pour la compréhension physique des phénomènes.
• Compétences solides requises en acoustique.

Responsabilités

• Étendre l'approche de réseaux de neurone à d'autres types de défauts.
• Réaliser des simulations complémentaires pour enrichir la base de données.
• Appliquer différents algorithmes d'imagerie pour identifier les défauts.

Connaissances

Maîtrise de Python

Compétences en traitement du signal

Intérêts en IA

Autonomie

Formation

Master ou école d'ingénieur en dernière année

Description du poste

Stage de fin d'études ingénieur/master, H/F

Description du poste

Instrumentation, métrologie et contrôle

Intitulé de l'offre

stage de fin d'études ingénieur/master, H/F

Sujet de stage

Application des réseaux de neurone à la caractérisation de défauts imagés par ondes élastiques guidées

Durée du contrat (en mois)

6 mois

Description de l'offre

Dans de nombreuses industries (aéronautique, énergie, spatial…), il est crucial de connaitre l’état de santé des structures pour assurer la sécurité des usagers et prolonger la durée de vie. Le monitoring à l’aide de capteurs intégrés à la structure, appelé SHM (Structural Health Monitoring), vise à répondre à cet enjeu. En particulier, la recherche de systèmes et algorithmes de traitement de données optimaux pour le SHM de structures minces en matériau composites est un sujet de recherche actif, car ces matériaux sont de plus en plus utilisés en raison des nombreux avantages qu’ils apportent (allègement des structures à propriétés mécaniques identiques, facilité d’assemblage, de forme…)

Parmi les techniques de surveillance possibles, le contrôle par ondes élastiques guidées est sensible aux principaux défauts structuraux pouvant apparaitre au cours de la vie de la structure. A partir de mesures ultrasonores avec un nombre limité de capteurs, des algorithmes permettent de détecter et localiser les défauts. Cependant, la caractérisation de ces derniers demeure complexe, or la sévérité d’un endommagement dépend de la nature du défaut et de son étendue.

Des travaux antérieurs menés au laboratoire ont démontré le potentiel de l’apprentissage par réseaux de neurone pour remonter, à partir d’images de défauts dans des plaques isotropes, la taille de défaut, les images étant obtenues à l’aide d’un algorithme classique de la littérature [1,2].

L’objectif du stage est d’étendre cette approche à d’autres types de défauts, notamment dans des structures composites qui sont anisotropes. Le stagiaire s’appuiera sur une base de données de signaux ultrasonores d’inspection de défauts dans des plaques en composite, obtenue à l’aide du module CIVA SHM. Il pourra être amené à réaliser des simulations complémentaires pour enrichir la base de données si besoin. Il s’agira d’appliquer différents algorithmes d’imagerie développés par ailleurs au LSPM pour identifier lesquels favorisent l’inversion de la nature du défaut par approche réseau de neurone (amélioration du taux de succès, et/ou réduction de la taille de la base de données pour l’entrainement du réseau à taux de succès identique). Dans une approche progressive, la méthode sera d’abord testée pour remonter à la taille du défaut, puis à sa profondeur, et enfin à sa nature. Des essais expérimentaux pourront également être menés par le stagiaire pour éprouver la méthode.

[1] https://doi.org/10.1088/0964-1726/17/3/035035
[2] https://doi.org/10.1016/j.ndteint.2021.102480

Moyens / Méthodes / Logiciels

À définir.

Profil du candidat

En dernière année de master ou école d'ingénieur, le candidat doit avoir un goût pour la compréhension physique des phénomènes, une bonne maîtrise de Python, être intéressé par et avoir des notions d’IA. Il doit également être autonome et force de proposition. Des compétences solides en traitement du signal ainsi qu’en acoustique seront nécessaires.

Localisation du poste

À préciser.

Entité de rattachement

Le CEA est un acteur majeur de la recherche, au service des citoyens, de l'économie et de l'Etat. Il apporte des solutions concrètes à leurs besoins dans quatre domaines principaux : transition énergétique, transition numérique, technologies pour la médecine du futur, défense et sécurité. Le CEA s'engage depuis plus de 75 ans au service de la souveraineté scientifique, technologique et industrielle de la France et de l'Europe pour un présent et un avenir mieux maîtrisés et plus sûrs.

Référence

2025-37888

Description de l'unité

Le CEA‑LIST est un institut de recherche dédié aux systèmes numériques intelligents. Dans le domaine du contrôle non destructif (CND), le CEA‑LIST se concentre sur le développement d'outils de simulations, de traitements de données, et le design de systèmes d'inspection innovants, que ce soit en ultrasons, électromagnétisme, ou rayons X. En particulier au sein du LSPM, des solutions de mesure et traitement avancé de données pour la surveillance continue des structures par capteurs piézo‑électriques ou capteurs sur fibres optiques sont étudiées.