Stage - Ingénieur en Modélisation Numérique 1D d'Un Système HVAC H/F Cetim

Il offre à ses collaborateurs un environnement de travail stimulant et de nombreuses opportunités de contribuer à des projets majeurs dans le développement durable et l'industrie du futur.

Contexte :

Wabtec, RATP Dev, Cetim et Devismes ont lancé le 13 décembre 2023 à Brest le déploiement de PropAir pour les rames de tramways du réseau de transport Bibus. Quatre partenaires réunis par la volonté de développer une innovation plus durable pour la climatisation des véhicules de transports publics.

Ce système de climatisation inédit se distingue en particulier par son impact écologique 75 000 fois moins élevé que celui des réfrigérants conventionnels. Cette technologie utilise comme gaz réfrigérant le R290, du propane. Il est naturel, et donc bien plus propre que les fluides de synthèse habituels, qui génèrent beaucoup plus de gaz à effet de serre. Ce gaz présente en outre une excellente efficacité énergétique, et donc demande moins d'énergie pour chauffer ou baisser la température. Un atout important alors que 30 % de la consommation énergétique d'un tramway est consacrée au chauffage et à la climatisation. Financé par l'État dans le cadre de France 2030, ce projet a pour objectif de réduire l'impact écologique des transports publics pour ainsi contribuer à l'objectif de l'Union Européenne visant à réduire les émissions de gaz à effet de serre d'ici 2030.

Dans ce cadre, le pôle 'Fluid & Sealing Technologies'' (FST) du Cetim travaille sur la modélisation numérique du système.

La modélisation de l'unité climatique (pour les fluides R134a et R290) sera réalisée avec le logiciel Dymola (édité par 3DS). Un certain nombre de données d'essai (banc d'essai, données constructeurs, unité en fonctionnement) sont disponibles et seront employées afin de calibrer et valider les modèles développés.

Les modèles 1D développés serviront à produire des résultats numériques pour différents types de scénarios de défaillance. Ces résultats serviront à l'entraînement des modèles de Machine Learning à des fins de maintenance conditionnelle (condition-based maintenance).

Missions :

- Vous familiariser avec le système d'unité climatique
- Finaliser les modèles développés
- Valider les modèles développés avec des résultats d'essais (corrélation calcul/essai)
- Présenter vos travaux à l'équipe et aux différents partenaires du projet.