Thèse Réduction d'Ordre et Machine Learning pour la Modélisation Multi-Echelle de Composites Magnétiques Doux H/F

Doctorat.Gouv.Fr

Établissement : Université Grenoble Alpes École doctorale : EEATS - Electronique, Electrotechnique, Automatique, Traitement du Signal Laboratoire de recherche : Laboratoire de Génie Electrique Direction de la thèse : Olivier CHADEBEC ORCID 0000000243341855 Début de la thèse : 2026-10-01 Date limite de candidature : 2026-05-31T23:59:59 L'amélioration de l'efficacité des dispositifs de conversion d'énergie électrique constitue un levier essentiel pour accompagner la transition vers une économie décarbonée. Dans ce contexte, le développement de matériaux innovants, en particulier les composites magnétiques, joue un rôle déterminant. Parmi eux, les composites magnétiques doux (SMC) apparaissent comme une solution technologique particulièrement prometteuse. Cependant, malgré le potentiel des SMC, leur utilisation industrielle des se heurte à une barrière scientifique majeure : la difficulté de prédire leurs comportements macroscopiques (comme la courbe d'aimantation B(H) ou les pertes par courants de Foucault) en fonction de leur microstructure. Les paramètres de fabrication tels que la morphologie des particules, le taux de compaction ou la qualité de l'isolation influencent fortement le comportement
non linéaire du matériau, mais ces relations restent encore mal comprises. La difficulté supplémentaire provient du fait que le comportement magnétique intrinsèque de la poudre isolée est impossible à mesurer directement, et que seules les propriétés de l'assemblage compacté sont accessibles à l'expérience.

Dans ce contexte, cette thèse poursuit deux objectifs principaux :
1. Développer des modèles prédictifs capables d'établir un lien entre les paramètres microstructuraux (géométrie et propriétés des matériaux) et les grandeurs macroscopiques(les courbes B(H) et les pertes).
2. Exploiter ces modèles, en les combinant aux données expérimentales fournies par les collaborateurs, afin de proposer des conceptions optimisées des SMC et d'améliorer la compréhension des relations entre paramètres de fabrication et propriétés macroscopiques.

L'amélioration de l'efficacité des dispositifs de conversion d'énergie électrique constitue un levier essentiel pour accompagner la transition vers une économie décarbonée. Dans ce contexte, le développement de matériaux innovants, en particulier les composites magnétiques, joue un rôle déterminant. Parmi eux, les composites magnétiques doux (SMC) apparaissent comme une solution technologique particulièrement prometteuse. Cependant, malgré le potentiel des SMC, leur utilisation industrielle des se heurte à une barrière scientifique majeure : la difficulté de prédire leurs comportements macroscopiques (comme la courbe d'aimantation B(H) ou les pertes par courants de Foucault) en fonction de leur microstructure. Les paramètres de fabrication tels que la morphologie des particules, le taux de compaction ou la qualité de l'isolation influencent fortement le comportement
non linéaire du matériau, mais ces relations restent encore mal comprises. La difficulté supplémentaire provient du fait que le comportement magnétique intrinsèque de la poudre isolée est impossible à mesurer directement, et que seules les propriétés de l'assemblage compacté sont accessibles à l'expérience.