Thèse CIFRE - Modèle vieillissement batterie via Machine Learning (F/H)

Название должности: Thèse CIFRE - Модель старения батарей через машинное обучение (M/Ж)

Компания: Renault Group

Присоединяйтесь к совместному проекту Renault Group с известной Лабораторией Реактивности и Химии Твердых Тел (LRCS) в Амьене под руководством профессора Алехандро ФРАНКО. Это партнерство направлено на использование передовых исследований в области мультифизического моделирования, поддерживаемых нашими продвинутыми испытательными мощностями и высококачественным руководством. Регулярные встречи по отчетам будут проводиться ежемесячно, либо очно, либо дистанционно, с участием аспиранта и наставников.

В качестве аспиранта вы будете заниматься рядом исследовательских действий, включая:

• Обновление библиографии по моделям машинного обучения и их применению в статистических подходах для обучения моделей и оптимизации точности SOHE.
• Овладение различными методами постмортем анализа для идентификации и анализа дефектов.
• Улучшение и уточнение открытых моделей машинного обучения для предсказания здоровья и срока службы батарей с высокой точностью.
• Разработка эмпирических уравнений для интеграции в базовую модель старения AMPERE, хранящуюся в системе управления батареей (BMS) транспортного средства.

Вы будете использовать статистические методы для охвата всех случаев использования при обучении моделей машинного обучения, определять уровни точности для расчетов модели на разных стадиях старения и применять методы электрохимического циклирования и хранения для стареющих элементов до окончания их срока службы, чтобы коррелировать результаты предсказательной модели.

• Докторская диссертация
• Патенты
• Распространение на заседаниях технического комитета AMV-C
• Публикации в рецензируемых журналах и на конференциях

Требуемые знания:

• Прочные знания в области электрохимии, численного и статистического моделирования электрохимических систем.
• Опыт работы с методами численного моделирования, такими как Matlab, Comsol, Python, а также знакомство с языками программирования типа Maple, Fortran.
• Владение методами электрохимического анализа (импедансная спектроскопия, циклы зарядки/разрядки и т. д.), знания в области химии твердого состоя