Couplage et modélisation électromagnétique sur les câblages électriques par l'intelligence artificielle

Electromagnetic Coupling and Modeling of Electrical Wiring Using Artificial Intelligence

• Auteur / Autrice : Haï Meïr Alezra
• Direction : Jérôme Morio
• Type : Projet de thèse
• Discipline(s) : Informatique et Télécommunications
• Date : Inscription en doctorat le 01/01/2026
• Etablissement(s) : Université de Toulouse (EPE ; 2025-...)
• Ecole(s) doctorale(s) : École doctorale Mathématiques, informatique et télécommunications
• Partenaire(s) de recherche : Laboratoire : ISAE-ONERA SCANR Signal communication Antennes Navigation Radar
• Partenaire(s) de recherche : Equipe de recherche : ONERA/DEMR/MITT Département Electromagnétisme et Radar
• Partenaire(s) de recherche : établissement délivrant conjointement le doctorat : Institut supérieur de l'aéronautique et de l'espace (Toulouse ; 2007-....)

Mots clés

Mots clés libres

Compatibilité électromagnétique

Paramètres électriques primaires

Lignes de transmission

Défauts de câblages

Intelligence Artificielle

Electromagnetic compatibility

Primary electrical parameters

Transmission lines

Wiring defects

Artificial Intelligence

Résumé

L'objectif de cette thèse est de proposer une approche innovante fondée sur l'intelligence artificielle pour (i) optimiser le calcul des paramètres électriques primaires des lignes de transmission, (ii) diagnostiquer et quantifier les défauts de câblage, et (iii) estimer les effets du couplage électromagnétique. À cette fin, nous développerons des réseaux de neurones guidés par les lois de la physique, capables d'extraire ces paramètres, de modéliser leurs variations fines et d'évaluer l'impact des anomalies relevées. Entraînés et validés sur des jeux de données simulées et expérimentales, ces modèles permettront de prédire la réponse des réseaux de câbles dans diverses conditions opérationnelles et environnementales. Parallèlement, l'IA sera mobilisée pour analyser les interactions complexes entre câbles et proposer des stratégies de mitigation afin de garantir la compatibilité électromagnétique et de réduire les interférences indésirables. Cette démarche contribuera à renforcer la fiabilité et l'efficacité des réseaux électriques, notamment pour des applications industrielles telles que l'architecture électrique des futurs aéronefs à propulsion électrique.

The objective of this doctoral research is to introduce an innovative, AI-driven approach to (i) optimize the calculation of primary electrical parameters for transmission lines, (ii) diagnose and quantify wiring defects, and (iii) assess the effects of electromagnetic coupling. To this end, we will develop physics-informed neural networks capable of extracting these parameters, modeling their fine-scale variations, and evaluating the impact of detected anomalies. Trained and validated on both simulated and experimental datasets, these models will predict cable-network responses under diverse operational and environmental conditions. In parallel, AI will be employed to analyze complex cable interactions and propose mitigation strategies to ensure electromagnetic compatibility and minimize unwanted interference. This work will enhance the reliability and efficiency of electrical networks, with particular industrial relevance for the electrical architectures of future electrically propelled aircraft.