Contexte

L’entraînement d’air a lieu dans de multiples applications industrielles chez EDF. Dans le secteur de la production hydraulique, le système d'évacuateur permet le déversement en nappe de l'autre côté du barrage en cas de crue. L'eau déversée impacte à très forte énergie l'aval du barrage et créée alors un entraînement d'air puissant qu’il est important de quantifier. Dans le secteur nucléaire, ce type d’entraînement peut se rencontrer dans le circuit tertiaire et le circuit primaire (cas accidentel).

L’une des caractéristiques de l’entraînement d’air est la présence de plusieurs régimes diphasiques (bulles, poches, coalescence) qu’il est nécessaire de caractériser en vitesse et en topologie. Pour cela, EDF R&D dispose de données expérimentales obtenues dans le cadre d’un stage et d’une thèse expérimentale (en cours, 2025-2028) à l’aide de dispositifs optiques (caméra rapide) et lasers (sonde optiques), cf. Figure 1 –(a). Afin d’exploiter de manière pertinente ces données, il est important de choisir la méthode d’analyse la plus pertinente pour chacun des régimes et ainsi de prendre l’état de l’art dans chacun des domaines algorithmiques. Ce stage fera suite à un projet interne de recherche au sein de l’Ecole Centrale Supélec, où une équipe est spécialisée dans l’utilisation du flot optique. 

Objectifs du stage

Ce stage dédié à l’analyse des données expérimentales et à leur interprétation se composerait :

·       Phase de prise en main des algorithmes de segmentation assisté par IA et du flot optique 

·       Phase de comparaison des deux approches et identification des limites et zones à prioriser pour chacune d’elles.

·       Interprétation physique de survitesses et de fragmentation des masses d’air entraînées

·       Conclusions sur les approches de traitement d’image à adopter en fonction de la physique

Cette mission permettra notamment au stagiaire :

·       De découvrir la recherche dans un grand groupe industriel

·       De travailler à l’interface entre l’expérimental et la simulation numérique

·       De travailler dans une équipe soudée et inclusive

·       Programmation informatique et traitement de données (Python)

·       Mécanique des fluides

·       [Optionnel] Connaissance en traitement d’image et IA