Archive ouverte de Centrale Lyon
Not a member yet
32420 research outputs found
Sort by
Going further with Vertex Block Descent
No full textInternational audienceVertex Block Descent (VBD) is a fast and robust method for the real-time simulation of deformable objects using the finite element method. Originally, the method is designed for the popular linear tetrahedral elements. However, these elements have low accuracy and introduce locking artifacts. In this context, we propose an extension of VBD in order to: (i) support any isoparametric elements and shape function orders; (ii) improve its performance even for high-order elements; and (iii) enhance convergence through the use of sub-stepping. Overall, using other types of elements enables more accurate results while maintaining a computational cost comparable to linear tetrahedra
Vers un secteur photovoltaïque soutenable : Stratégies pour réduire la consommation de ressources limitées et modules hautement recyclables
No full textDecarbonisation and electricity production increase are made necessary by climate change. Renewable energies are then thriving , mainly carried out by solar photovoltaics (PV) burst. Such a strong sector growth from renewable energies and particularly PV, although it is a driving force for technological improvement and market strengthening, may question global supply chains ability to support such demands disruption. “Critical material” concept is then relevant to analyze this point. This PhD work aims at offering an innovative PV module interconnection reducing critical materials consumption and favouring high quality materials at the end-of-life. Existing material criticality classification methodologies have been first analyzed. This lead to an alternative methodology offering, in order to more finely capture PV sector specificities, which has been applied to the materials of interest: Ag, Al, Bi, Cu, In, Ni et Sn. From current recycling processes study, it emerges from current recycling processes study that current PV module design strongly hinders their recycling's interest. Ecodesign encourage conception to implement components sortability in the end-of-life, while not loosing performances all along module lifetime. This approach application resulted in the proposition of a two-layers (solid and liquid) encapsulation with mechanical electrical contact, allowing connectors fixing and a high incident irradiation transmission. Optical simulation shows that this encapsulation exhibits similar performances with standard encapsulation. Up to 0,5 % gains in photo generated current are expected from two encapsulation materials optical indexes optimisations. At the same time, straying away from linear PV cells stringing process allows to envision more freely PV cells disposition within the module, as well as their electrical interconnection. Fed by a module's surface paving by PV cells study, a generating tool has been developed to create metallization patterns from exotic interconnection schemes. From the experimental point of view, a few challenges have been taken up on the path to manufacture Pv module prototypes. A reliable process flow stem from these preliminary studies. Produced modules electrical characterisations showed satisfying performances, up to 95 % power output with respect to initial PV cells. Accelerated ageing tests suggest nonetheless that there is a progress margin in fabrication process control, although these results already pass commercial norms. UV exposure however revealed encapsulation colouration in PV module specific areas, of which characterisation showed detrimental effect on local external quantum efficiency. Components separability in the PV module end-of-life has been validating by opening modules. A few measurements protocols have been proposed to capture this PV module's architecture specific properties. One of them confirmed that contact resistivity between connectors and PV cells metallization is crucial to PV module fill factor's performance. As a conclusion, this work highlights potential threats on global supply chains for PV industry. It also underlines the strong necessity for PV module's design to focus on circular approaches in order to answer current and future challenges.L'une des nécessités induites par le changement climatique est la décarbonation et l'augmentation de la production d'électricité. Les énergies renouvelables connaissent dans ce cadre un développement massif, porté notamment par le solaire photovoltaïque (PV). Cette forte croissance des énergies renouvelables et du secteur PV en particulier, bien que moteur pour l'amélioration technologique et la consolidation de ce marché, interroge quant à la capacité des chaînes d'approvisionnement à soutenir une telle croissance. Le concept de « matière critique » est donc pertinent pour traiter cet aspect. Les travaux de cette thèse visent à proposer une interconnexion de module PV réduisant la consommation de matières critiques et favoriser la récupération de matériaux de haute qualité en fin de vie du module. Dans un premier temps, une analyse des méthodes existantes de classification de la criticité des matières premières a été réalisée, menant à la proposition d'une méthode alternative pour mieux capter les spécificités du secteur PV. Celle-ci a été appliquée aux matériaux d'intérêt : Ag, Al, Bi, Cu, In, Ni et Sn. Suite à l'étude des procédés de recyclage actuels, il ressort que la conception actuelle des modules PV limite fortement l'intérêt de leur recyclage. Les démarches d'écoconception poussent à la séparabilité des composants en fin de vie, sans perdre en performances durant l'utilisation du module. L'application de cette approche a conduit à la proposition d'une encapsulation en double couche (solide et liquide) permettant d'implémenter l'interconnexion par plaquage mécanique, le maintien en place des connecteurs ainsi qu'une transmission élevée du rayonnement incident. La simulation optique montre que cette encapsulation présente des performances au même niveau que les standards actuels. Deux propositions d'optimisation des indices optiques des matériaux d'encapsulation permettent d'espérer des gains jusqu'à 0,5 % de courant photo générés. Sans la contrainte du procédé de brasure des cellules PV en chaînes linéaires, la disposition des cellules PV dans le module et leur schéma électrique peut être envisagé plus librement. Une réflexion est approfondie autour du pavage de la surface du module par les cellules. Cela a nourri le développement d'un outil permettant de générer des motifs de métallisation issus de schémas d'interconnexion exotiques. L'aspect expérimental de ces travaux a consisté dans un premier temps à relever les défis technologiques de la réalisation de prototypes de modules PV. Ces études préliminaires ont permis de dégager un processus fiable de fabrication de module. La caractérisation électrique des modules produits a permis de constater leurs performances satisfaisantes, permettant d'atteindre 95 % de la puissance produite par les cellules initiales. Les résultats de tests après exposition à des vieillissements accélérés suggèrent qu'il reste une marge de progression sur la maîtrise de la fabrication, bien que ces résultats satisfassent déjà les normes commerciales. Dans le cas particulier de l'exposition UV, une coloration de l'encapsulation a été remarquée dans certaines zones du module et présente une forte détérioration des propriétés optiques. La capacité à séparer les différents composants du module à la fin de sa durée de vie a été validée par l'ouverture de modules réalisés. Quelques protocoles de mesure permettant de prendre en compte la spécificité de cette architecture de module ont aussi été mis en place. L'un d'entre eux a notamment confirmé l'importance cruciale de la résistance de contact entre connecteurs et métallisation de la cellule comme indicateur clé de la performance du module. Ces travaux mettent en lumière les risques significatifs qui pèsent sur les chaînes d'approvisionnement mondiales pour l'industrie PV. Ils soulignent la nécessité impérative de concevoir des modules PV plus alignés avec les principes de l'économie circulaire, afin de répondre aux défis actuels et futurs
Prise en compte du vieillissement des batteries lithium-ion dans un modèle d'analyse du cycle de vie environnementale
No full textInternational audienc
SEANN: A domain-informed neural network for epidemiological insights
No full textInternational audienceIn epidemiology, traditional statistical methods such as logistic regression, linear regression, and other parametric models are commonly employed to investigate associations between predictors and health outcomes. However, non-parametric machine learning techniques, such as deep neural networks (DNNs), coupled with explainable AI (XAI) tools, offer new opportunities for this task. Despite their potential, these methods face challenges due to the limited availability of high-quality, high-quantity data in this field. To address these challenges, we introduce SEANN, a novel approach for informed DNNs that leverages a prevalent form of domain-specific knowledge: Pooled Effect Sizes (PES). PESs are commonly found in published Meta-Analysis studies, in different forms, and represent a quantitative form of a scientific consensus. By integrating PES into the training loss, we demonstrate—under controlled simulations—significant improvements in predictive generalization and in the epidemiological plausibility of the learned relationships, relative to a domain-knowledge agnostic neural network
AI-Driven soil core analysis: a step toward quick, non-invasive site characterization.
No full textInternational audienceIn France, thousands of soil cores are drilled every day for various purposes in environmental and geotechnical engineering, agriculture and soil science research. The current method of diagnosis, based on soil sampling and laboratory analysis, is costly and time-consuming. To this end, GINGER R&D team aims to develop an image processing technique for estimating soil petrophysical properties, providing near-real-time quantitative data. In this context, representative samples of soil were created, and a classification model based on embeddings generated by neural networks is being developed, making it possible to exploit multiple descriptors such as color, and those derived from neural embeddings. These descriptors will be computed across various data modalities, including color images and images from different acquisition sources. The targeted soil properties include texture (proportions of sand, silt, clay, gravels, etc.), bulk density (mass per unit volume), water holding capacity (ability to retain moisture), and porosity (percentage of pore space), which are critical indicators for both environmental assessment and remediation planning. The proposed deep learning model will be evaluated on different scales: controlled-condition images and data from real sites. In this work, we present our initial results obtained by fine-tuning a pre-trained model to classify images into lithological classes, as well as by developing a model for water saturation level classification, thereby enhancing site characterization and remediation efforts
Leveraging Latent Space and Radiomics for Multi-Label Classification of Chest CT Scans
No full textInternational audienceIn this article, we propose two approaches for multi-label diagnosis from chest CT images. The first, called Seg2Clf, leverages the latent space of the encoder from a pre-trained segmentation model to extract discriminative representations for classification. The second approach relies on the extraction and integration of clinical radiomic features, allowing prediction refinement using a k-NN classifier. These two complementary methods are part of a broader strategy aimed at developing automated systems capable of simultaneously identifying multiple thoracic pathologies with improved accuracy.Dans cet article, nous proposons deux approches pour le diagnostic multi-label à partir d'images scanner thoraciques (CT). La première, nommée Seg2Clf, exploite l'espace latent de l'encodeur d'un modèle de segmentation pré-entraîné afin d'extraire des représentations discriminantes pour la classification. La seconde approche s'appuie sur l'extraction et l'intégration de caractéristiques radiomiques cliniques, permettant d'affiner les prédictions à l'aide d'un classificateur k-NN. Ces deux méthodes, complémentaires, s'inscrivent dans une stratégie globale visant à développer des systèmes automatisés capables d'identifier simultanément plusieurs pathologies thoraciques avec une meilleure précision
Bacterial tubular networks channel carbohydrates in insect endosymbiosis
No full textInternational audiencesitu high spatial resolution chemical analysis shows tubenets' enrichment in sugar• Bacterial tubenets increase the interface of exchange, maximizing nutrient</div
Outil d'aide à la décision en maintenance prévisionnelle et contrôle non destructif sur des phénomènes d'encrassement et de bouchage d'installations industrielles en milieu contraint
No full textPipelines are critical for transporting resources like water, oil, and gas while supporting industrial activities by enabling energy delivery for production, product creation, and heating. They also ensure the safe transport of hazardous materials, stabilizing critical infrastructure across various sectors. However, pipelines face issues such as clogging, cracks, leaks, corrosion, structural deformation, and material fatigue, causing significant disruptions. At the Orano/La Hague site, operated by a French multinational specializing in nuclear energy and fuel recycling, these challenges are intensified by harsh conditions and limited accessibility. Frequent clogging results in over 3,400 annual maintenance hours, disrupting operations, delaying processes, and increasing equipment damage risks. These inefficiencies raise energy consumption and operational costs, impacting productivity and long-term sustainability. Rapid and precise clog detection is essential for timely intervention, and non-destructive, predictive, and preventive maintenance solutions are vital for ensuring reliability.This thesis introduces a comprehensive pipeline health monitoring approach, integrating vibroacoustic methods with advanced machine learning. It aims to enhance early fault detection and prediction through finite element modeling, controlled experiments, and innovative prognostic frameworks. Tailored for industrial environments like Orano/La Hague, these solutions emphasize robust and precise monitoring.A numerical approach simulates acoustic wave propagation and vibration behavior in air-filled pipelines under various clogging conditions. Using 3D models, it examines how vibroacoustic parameters evolve across scenarios, offering insights into blockage effects on signals.The research also proposes machine learning and deep learning strategies for assessing pipeline conditions. Controlled experiments, involving active and passive techniques on test benches, generated valuable datasets to develop and validate advanced models, ensuring accurate and reliable fault detection.One hybrid approach combines model-centric and data-centric methodologies, leveraging their strengths to improve clog detection accuracy. By maintaining data integrity and optimizing model hyperparameters, this method enhances diagnostic precision under diverse conditions.Another innovative technique uses acoustic emissions from bubbles to detect pipeline faults. Analyzing unique acoustic signatures produced as bubbles detach from submerged, obstructed pipe ends allows accurate clog detection and characterization. This non-invasive method facilitates early issue identification, improving monitoring system efficiency.A significant contribution of this research is an asymmetric multi-task learning framework, integrating vision transformers, LSTM networks, and CNNs. This model independently processes different signal types, such as acoustic and acceleration data, providing flexibility when some signals are unavailable. Supporting multi-task learning, it assesses clog severity, shape, and airflow rates. Rigorous validation on noisy, realistic data demonstrates its robustness and adaptability to complex industrial conditions.Additionally, the thesis explores fully homomorphic encryption (FHE) to secure data processing within the monitoring framework. FHE enables computations on encrypted data, protecting sensitive information like acoustic signals from exposure. This approach ensures data confidentiality, crucial for secure industrial environments.This research advances pipeline health monitoring by combining vibroacoustic analysis, machine learning, and secure data processing. It provides scalable, reliable solutions for fault detection, enhancing predictive maintenance accuracy and operational sustainability while setting the stage for future innovations.Les pipelines sont essentiels pour le transport de ressources telles que l'eau, le pétrole et le gaz, tout en soutenant les activités industrielles grâce à la fourniture d'énergie pour la production, la création de produits et le chauffage. Ils assurent également le transport sécurisé de matériaux dangereux, stabilisant les infrastructures critiques dans divers secteurs. Cependant, les pipelines rencontrent des problèmes tels que l'encrassement, les fissures, les fuites, la corrosion, les déformations structurelles et la fatigue des matériaux, causant des perturbations importantes. Sur le site d'Orano/La Hague, exploité par une multinationale française spécialisée dans l'énergie nucléaire et le recyclage des combustibles, ces défis sont aggravés par des conditions difficiles et un accès limité. L'encrassement fréquent entraîne plus de 3 400 heures de maintenance annuelle, perturbant les opérations, retardant les processus et augmentant les risques de dommages. Ces inefficacités accroissent la consommation d'énergie et les coûts opérationnels, affectant la productivité et la durabilité. Une détection rapide et précise des obstructions est donc cruciale, et des solutions non destructives, prédictives et préventives sont nécessaires pour garantir la fiabilité.Cette thèse propose une approche globale de surveillance des pipelines, intégrant des méthodes vibroacoustiques et des techniques avancées d'apprentissage automatique. Elle vise à améliorer la détection précoce et la prédiction des défauts grâce à la modélisation par éléments finis, des expériences contrôlées et des cadres pronostiques innovants. Ces solutions, adaptées aux environnements industriels comme Orano/La Hague, mettent l'accent sur une surveillance robuste et précise.Une approche numérique simule la propagation des ondes acoustiques et le comportement vibratoire dans des pipelines remplis d'air soumis à différentes conditions d'obstruction. En utilisant des modèles 3D, elle analyse l'évolution des paramètres vibroacoustiques selon les scénarios, apportant des informations précieuses sur les effets des blocages.La recherche propose également des stratégies basées sur l'apprentissage automatique pour évaluer l'état des pipelines. Des expériences contrôlées, combinant des techniques actives et passives, ont généré des ensembles de données essentiels pour développer et valider des modèles avancés, garantissant une détection précise et fiable des défauts.Une approche hybride combine des méthodologies centrées sur les modèles et les données, optimisant la précision des détections grâce à des hyperparamètres rigoureusement sélectionnés. Une autre technique innovante utilise les émissions acoustiques des bulles pour détecter les obstructions. En analysant leurs signatures acoustiques distinctes, elle permet une détection et une caractérisation précises des obstructions, facilitant une intervention précoce.Un cadre d'apprentissage multitâche asymétrique, intégrant des transformers de vision, des LSTM et des CNN, traite différents types de signaux (acoustiques et d'accélération) de manière indépendante. Ce modèle évalue simultanément la sévérité et la forme des obstructions ainsi que les débits d'air. Validé sur des données bruitées et réalistes, il démontre sa robustesse dans des conditions industrielles complexes.Enfin, cette thèse explore le chiffrement homomorphique total (FHE) pour sécuriser le traitement des données. En protégeant les informations sensibles comme les signaux acoustiques, cette approche garantit la confidentialité des données, essentielle dans les environnements industriels.Cette recherche améliore la surveillance des pipelines en combinant analyse vibroacoustique, apprentissage automatique et traitement sécurisé des données. Elle offre des solutions fiables pour la maintenance prédictive, renforçant la durabilité et ouvrant la voie à de futures innovations
Evaluating Time-Constant Models in Electrodermal Activity Using Continuous Multi-Frequency Impedance Spectroscopy
No full textInternational audienc
Guided-jet waves generated by an acoustic source in a jet at a Mach number of 0.95
No full textInternational audienceThe guided-jet waves (GJWs) that may be trapped into a jet are investigated by simulating the propagation of the waves generated by an acoustic source on the axis of a jet at a Mach number of 0.95. The flow is modelled as a cylindrical shear layer to avoid reflections in the axial direction. For the source frequencies considered, GJWs belonging to the first two radial GJW axisymmetric modes are observed. They propagate in the upstream or downstream directions, and are entirely or partially contained in the flow, depending on the frequency. Their amplitudes are quantified. In the frequency-wavenumber space, they lie along the GJW dispersion curves predicted using linear-stability analysis. At specific spatial locations, they vary strongly and sharply with the frequency, exhibiting tonal-like peaks near the frequencies of the stationary points in the dispersion curves where the GJWs are standing waves with zero group velocity. Given the flow configuration, these properties can be attributed to propagation effects not requiring axial resonance between upstream-and downstream-travelling waves. Finally, it can be noted that, upstream of the source, outside the jet, the GJW amplitudes fluctuate in a reverse sawtooth manner with very intense peaks up to 30 dB higher than the levels obtained without flow at 10 jet radii from the source, similarly to the GJW footprints in the near-nozzle spectra of highsubsonic jets