12 mois

Ingénieur en métrologie

[TheChamp-Sharing]
Le travail se déroulera dans le cadre de la plateforme de métrologie optique CEMOP, commune au laboratoire Pprime et Xlim, et soutenue par le CPER-Feder. Les missions consisteront à établir, développer et à mettre en œuvre les procédures nécessaires à la détermination des incertitudes associées à l’utilisation de méthodes de mesure optiques en mécanique des Solides et des Fluides (PIV, DIC, suivi de marqueurs, en mono et stéréo vision et volumique). Ce travail permettra de formaliser et valider les procédures de calcul d’incertitudes destinées à la plateforme CEMOP et aux différents laboratoires associés (Pprime et XLIM).
Guillaume GOMIT - Contacter
Jean-Christophe DUPRE - Contacter
Institut P’

CNRS - Université de Poitiers – ISAE-ENSMA - UPR 3346
11 Boulevard Marie et Pierre Curie
Site du futuroscope

TSA 41123

86073 POITIERS CEDEX 9

Autres offres d'emploi

Retour à la liste
12 mois

CHERCHEUR/POST-DOC (H/F) – Investigations expérimentales de stratégies de contrôle en boucle fermée pour la réduction d'impact du sillage d'un corps d'Ahmed

Au CNRS, Laboratoire PPRIME, situé au Futuroscope, ce post-doctorat s'inscrit dans le cadre du projet ANR COWAVE (Contrôle rétroactif du sillage d'un véhicule) entre les laboratoires PRISME à Orléans, Pprime à Poitiers, LHEEA à Nantes et l'industrie automobile PSA. Cette offre concerne la contribution de Pprime au projet COWAVE. Celle-ci consiste à explorer expérimentalement dans un canal hydrodynamique des stratégies de contrôle de sillage en boucle fermée avec des volets mobiles. Les sillages tridimensionnels de corps épais, du type corps d'Ahmed, génèrent une traînée de pression et des forces latérales, contribuant ainsi de manière significative à la consommation de carburant et aux émissions polluantes des véhicules routiers. Malgré les nombreuses tentatives réalisées pour minimiser l'impact des sillages sur l'environnement, on ne sait toujours pas quelle est la stratégie de contrôle la plus efficace ! Dans ce contexte, le projet ANR COWAVE aborde deux aspects fondamentaux du contrôle du sillage : premièrement, quels types d'actionneurs sont les plus efficaces ? Alors que la plupart des stratégies de contrôle en boucle fermée utilisent des effets d'entraînement visqueux pour actionner les couches de cisaillement dans le sillage, l'exploitation des forces de pression produites par des déflecteurs mobiles pourrait être une alternative intéressante à tester. Deuxièmement, pour la mise en œuvre de la commande en boucle fermée, nous voulons tester si les stratégies de commande obtenues par des techniques d'apprentissage automatique (Machine Learning) permettent d'obtenir une meilleure efficacité et une plus grande robustesse que les approches plus classiques basées sur des modèles. Pour postuler suivre ce lien https://bit.ly/3qDG6Ml / Date Limite Candidature : vendredi 12 mars 2021