• Aucun résultat trouvé

PROPOSITION DE STAGE EN COURS D’ ETUDES

N/A
N/A
Protected

Academic year: 2022

Partager "PROPOSITION DE STAGE EN COURS D’ ETUDES"

Copied!
2
0
0

Texte intégral

(1)

www. onera. fr

PROPOSITION DE STAGE EN COURS D’ ETUDES

Référence : DTIS-2021-49

(à rappeler dans toute correspondance) Lieu : Toulouse Département/Dir./Serv. : DTIS/M2CI Tél. : 05 62 25 26 44

Responsable(s) du stage : N. Bartoli, S. Mouton Email. : nathalie.bartoli@onera.fr sylvain.mouton@onera.fr DESCRIPTION DU STAGE

Thématique(s) : Conception et Optimisation de Systèmes

Type de stage : Fin d’études bac+5 Master 2 Bac+2 à bac+4 Autres Intitulé : Hybridation de données pour la construction de méta-modèles

Sujet : Au cours du processus de conception d'un aéronef, il est nécessaire de recourir à des essais en soufflerie afin de valider les différents performances de l'appareil, les calculs numériques ne permettant pas encore d'atteindre les précisions requises. Néanmoins, les essais en soufflerie sont relativement couteux et l'on souhaite améliorer leur efficacité en minimisant le nombres de configurations nécessaires à la validation du concept. Les pistes envisagées visent à prendre en compte les différents calculs numériques déjà réalisés sur la configuration et à quantifier l'incertitude inhérentes aux différents points d'essais.

Le stage proposé s'inscrit dans cette problématique et vient en appui aux premiers travaux communs entre un département scientifique et le département des souffleries de l'ONERA. Les tâches qui seront confiées au stagiaire seront les suivantes:

- en lien avec le département des souffleries, contribuer à identifier les paramètres importants pour caractériser à la fois les bases de données d'essais et les simulations numériques. Il s'agira en particulier

• de collecter des données de simulations numériques et les intégrer dans la base de données

• de collecter les incertitudes des différents paramètres expérimentaux et les intégrer dans la base de données

- en lien avec le département scientifique, contribuer à la mise en forme des données pour les rendre exploitables par des logiciels de machine learning utilisés dans l'équipe, réaliser différentes tests de construction de métamodèles numériques (comme les processus gaussiens par exemple) et contribuer à l'analyse des résultats.

Le stagiaire sera accueilli au sein de l'équipe M2CI localisée à Toulouse et, accompagné d'un ingénieur de recherche, pourra ponctuellement se rendre aux souffleries du Fauga Mauzac. L'encadrement sera fait en collaboration avec J. Morlier de l'ISAE-SUPAERO.

Est-il possible d'envisager un travail en binôme ? Non Méthodes à mettre en oeuvre :

Recherche théorique Travail de synthèse

Recherche appliquée Travail de documentation

Recherche expérimentale Participation à une réalisation Possibilité de prolongation en thèse : Non

Durée du stage : Minimum : 4 mois Maximum : 6 mois Période souhaitée : Février-juillet 2021

PROFIL DU STAGIAIRE

(2)

Connaissances et niveau requis :

mathématiques appliquées / aérodynamique Base en python souhaitée

Ecoles ou établissements souhaités : Université ou école d'ingénieurs

GEN-F218-3

Références

Documents relatifs

Le cadre de ce stage combine ces deux techniques afin d’effectuer une analyse de sensibilité fiabiliste qui consiste à déterminer quelles sont les dimensions de l'entrée les

Lors de ce stage, une des approches envisagées consiste à développer des méthodologies reposant sur le machine learning, des techniques de réduction de modèle [4] et

With respect to this objective, a significant numerical simulation capability exists in aerospace industry and at ONERA for studying the various phenomena associated with the

Type de stage : Fin d’études bac+5 Master 2 Bac+2 à bac+4 Intitulé : Approches basées sur le machine learning pour la conception multidisciplinaire de véhicules

Dans un tel contexte d'apprentissage séquentiel, la représentation de la fonction apprise doit évoluer au cours du temps: cette représentation doit être en phase avec la

Le modèle sera capable d’offrir, à défaut d'une garantie déterministe, une garantie probabiliste en s’adaptant, en temps réel, à la nature variable des paramètres du

Dans le cadre d’études avancées du pôle Reliable and Hybrid Networks (RHNET), réalisées au sein de l’équipe Technologies Avancées de l’Information (TAI),

L’objectif de ce stage est d’étudier des algorithmes de clustering qui visent à organiser le réseau en zones plus réduites gérées indépendamment par des nœuds