LES INGÉNIEURS QUI TRANSFORMENT LE MONDE
Numérique | Robotique et IA | Transition énergétique

Paris / Bordeaux / Lille / Lyon
FR / EN

Axes de recherche

Vous êtes ici : AccueilAxes de recherche

Axes

Les activités de l’équipe de l’ESME Research Lab ont été structurées autour de 3 grandes thématiques :

Axe 1 : Transports Eco-Intelligents

Les membres de l‘axe TEI conduisent des travaux de recherche portant sur plusieurs sujets, complémentaires les uns des autres :

LE DÉVELOPPEMENT DE TECHNIQUES D’APPRENTISSAGE PERMETTANT LA VISION GLOBALE DE L’ENVIRONNEMENT ROUTIER ET L’OPTIMISATION DES PERFORMANCES DES RÉSEAUX VÉHICULAIRES

Les réseaux ad hoc véhiculaires permettent l’échange de différents types de données entre les véhicules afin d’obtenir de l’information sur l’environnement routier : l’état du trafic routier (embouteillage, ralentissement, etc.) et l’état de la route (absence des marqueurs sur les routes, etc.). Cet échange d’information doit faire face à certaines difficultés induites par la variabilité de la densité d’un réseau véhiculaire, qui a un fort impact sur les données échangées et la qualité de service (taux de délivrance, délais de transmission des données), et la forte mobilité des véhicules, qui rend la topologie des réseaux véhiculaires très dynamique. Les informations perdues et les fausses informations réduisent considérablement la performance de la vision de l’environnement routier, et par conséquent impactent les décisions et les actions à réaliser. Dans ce contexte, les membres de l’axe TEI s’intéressent aux techniques d’apprentissage permettant d’estimer les données perdues et de détecter les fausses informations ainsi qu’aux solutions d’optimisation de l’envoi et du traitement des données.

L’OPTIMISATION DE LA CONSOMMATION D’ÉNERGIE DANS LES VÉHICULES ÉLECTRIQUES, LA COMMANDE ET LE développement DE NOUVELLES TOPOLOGIES DE CONVERTISSEURS DE PUISSANCE

Par ailleurs, et en lien avec le mode de transport électrique, un autre sujet s’impose consistant à proposer des pistes en vue de prolonger l’autonomie des véhicules électriques. Deux voies peuvent être empruntées : la première voie consiste à augmenter la capacité de stockage de l’énergie à bord du véhicule en améliorant les technologies des batteries tandis que la deuxième voie consiste à consommer l’énergie embarquée d’une manière optimale et prospecter les moyens pour récupérer de l’énergie électrique en convertissant une partie de l’énergie cinétique du véhicule (par exemple, freinage régénératif). Cette conversion d’énergie est réalisée par des convertisseurs électroniques de puissance pour permettre, dans les phases de freinage, la conversion de l’énergie mécanique, en énergie électrique. Ainsi, certains membres de l’axe TEI conduisent leurs travaux de recherche autour de la gestion de l’énergie consommée par des véhicules électriques en se basant sur des données récupérées en temps réel telles que l’état de la route, les forces appliquées au freinage, etc.

LES SYSTÈMES AVANCÉS D’AIDE À LA CONDUITE

Les études d’accidentologie ont montré que les erreurs humaines sont à l’origine de 90% des accidents routiers. Chaque année dans le monde, en compte 1,25 million de morts et jusqu’à 50 millions de blessés causés par les accidents de la route. Il est admis que les véhicules partiellement ou complètement autonomes peuvent contribuer à la réduction du nombre d’accidents ou mitiger leur gravité. Ces technologies sont devenues possibles grâce aux progrès réalisés dans les domaines de l’électronique embarquée et du traitement de l’information. Selon la Société des Ingénieurs de l’Automobile (SIA), les niveaux d’autonomie sont classés selon 6 niveaux allant du niveau 0 (aucune automatisation possible, la tâche de conduite est complètement assurée par le conducteur avec la possibilité de présence d’un système d’alerte visuel, sonore ou vibratoire) jusqu’au niveau 5 (la tâche de la conduite est complètement assurée par une intelligence embarquée qu’on appelle aussi le pilote automatique). Dans ce contexte, des études sont menées par deux membres de l’axe TEI sur l’architecture d’un véhicule de niveau 5, et plus particulièrement sur l’électronique embarquée du véhicule, l’algorithme de perception, le module de décision et le contrôleur.

CONTRÔLE D’UNE STRUCTURE DE TRACTION/RECHARGE POUR VÉHICULE ÉLECTRIQUE HYBRIDE

Le prix d’un véhicule hybride ou électrique et sa maintenance constituent un frein à la démocratisation de ce type de véhicule. Le but de ce thème de recherche est de réduire drastiquement le nombre de capteurs embarqués intervenant autour de la motorisation électrique, tels que le capteur de courant. Typiquement, l’utilisation de commandes avancées basées sur le MFC (Model-Free-Controller) permet de s’affranchir du capteur et de l’estimateur tout en gardant les performances en matière de rendement énergétique.

Axe 2 : Modélisation Mathématique et Applications

Les compétences des membres de l’axe MMA couvrent un spectre assez large allant des mathématiques pures jusqu’à leurs applications en ingénierie, notamment dans les domaines de la banque, de la santé ou encore des télécommunications, et leurs recherches sont orientées sur les modèles dynamiques, numériques et statistiques. Les systèmes dynamiques se décomposent en deux catégories principales : les systèmes dynamiques déterministes (SDD) et les systèmes dynamiques aléatoires (SDA), en particulier ceux issus de la physique, de la biologie, de l’ingénierie, de la finance, etc. Pour décrire ces systèmes, on distingue deux familles de modèles : les modèles à temps continu (équations différentielles (stochastiques) (ED(S)), équations aux dérivées partielles (stochastiques) (EDP(S)), inclusions différentielles (stochastiques) (ID(S)), etc.) et les modèles à temps discret (modèles de séries temporelles hérités du traitement du signal, chaînes de Markov, etc.). L’équipe MMA propose de se concentrer sur l’aspect fondamental (existence/unicité, régularité et comportement qualitatif de solutions d’ED(S), d’EDP(S) et d’ID(S)), l’aspect numérique (comportement de schémas d’approximation), l’aspect statistique (comportement en temps long et ajustement de modèles de SDA sur des données réelles) et l’aspect applicatif (modèles de SDD et SDA en physique, biologie, finance, etc.). Parmi les travaux de recherche conduits au sein de l’axe MMA, nous pouvons citer le dimensionnement de réseaux de neurones profonds pour la détection d’anomalie ou encore l’analyse stochastique des grands réseaux de stockage et de transmission des informations, pour l’étude de la sécurité et de la performance des protocoles existants mais aussi pour la conception et la réalisation de nouveaux protocoles (les blockchains, par exemple).

  • Andréa BAREGGI, enseignant-chercheur en Mécanique Appliquée et chercheur associé au LaMCoS (INSA de Lyon);
  • Bernard RAFFAELLI, enseignant-chercheur en Physique;
  • Khelifa SABER, enseignant-chercheur en Mathématiques et Informatique Théorique;
  • Maxime OSSONCE, enseignant et doctorant en Traitement du Signal et Télécommunications avec le L2S (CentraleSupélec);
  • Amélie ROSIER, doctorante en Statistiques avec l’Université Paris Nanterre.

Axe 3 : Santé et Aide à l’Autonomie

Les membres du pôle SAA s’intéressent aux applications de l’ingénierie pour la santé et ambitionnent de s’impliquer dans des projets visant à apporter une aide aux médecins dans leur pratique quotidienne et à améliorer le suivi et les solutions de soins apportées aux patients.

Le secteur de la santé connait actuellement des bouleversements importants avec l’explosion du volume de données acquises et le recours aux algorithmes d’apprentissage et aux outils numériques. Ces changements qui impactent les professionnels de santé, l’organisation des systèmes de santé, la société et les modèles économiques doivent être pris en compte dans les réflexions menées par les chercheurs afin de permettre un transfert des résultats de la recherche vers les parties prenantes qui peuvent ainsi bénéficier des dernières avancées scientifiques et technologiques. Plusieurs thématiques de recherche sont concernées, impliquant les membres de l’équipe dans un ou plusieurs projets, souvent pluridisciplinaires. Parmi les axes de recherche abordés, le traitement et l’analyse d’images biomédicales pour l’aide au diagnostic, la décision thérapeutique, la planification d’interventions et la recherche clinique constituent un axe fort avec de nombreux projets et collaborations en cours. L’équipe s’intéresse également à la biomécanique, à la commande et à la robotique médicale et développe des projets ambitieux et novateurs dans ce domaine. Une autre thématique de recherche en pleine expansion est en lien avec les dispositifs électroniques et connectés et l’e-santé, un secteur qui connaît également aujourd’hui des besoins croissants et qui favorise l’émergence de travaux innovants dans ce domaine. Le savoir-faire et les compétences des chercheurs de l’équipe sont mis à disposition des projets de recherche actuels.

  • Alex CALDAS, enseignant-chercheur en Mécatronique et responsable de la Majeure Biomécanique et Robotique Médicale;
  • Yasmina CHENOUNE, enseignante-chercheuse en Traitement d’Image et responsable de la Majeure Biotech et Numérique;
  • Mohamed KARRAY, enseignant-chercheur en Électronique et Systèmes Embarqués;
  • Den PALESSONGA, enseignant-chercheur en Électronique et Systèmes Embarqués;
  • Samir Beldi, enseignant-chercheur en Électronique.

Contacts & plan d'accès

Etablissement d’enseignement supérieur privé – Inscription au Rectorat de Créteil – Cette école est membre de IONIS Education Group comme :