Thème mixte Électronique / Automatique
Co-responsables : Éric MAGAROTTO, Homère NKWAWO
Cet axe est dédié à l’estimation des états, paramètres et grandeurs non mesurables dans des systèmes complexes issus de la microélectronique et des systèmes énergétiques. Les travaux s’appuient sur des modèles dynamiques non linéaires décrits par des équations différentielles ordinaires (ODE) et des équations aux dérivées partielles (PDE), ainsi que sur des structures couplées en cascade ODE–PDE.
Microélectronique – Transistors GaN
Les recherches portent sur les transistors de puissance à base de nitrure de gallium (GaN), utilisés dans des applications à haute efficacité énergétique et forte densité de puissance.
L’objectif est de développer des méthodes d’estimation des grandeurs internes non mesurables, afin d’analyser leur comportement dynamique et leur fiabilité dans des conditions réelles de fonctionnement.
Systèmes de stockage d’énergie
Les travaux concernent les systèmes de stockage d’énergie, notamment les supercondensateurs et les batteries Lithium-ion, utilisés dans les transports électriques, les systèmes embarqués et la récupération d’énergie.
Le laboratoire développe des modèles ODE–PDE couplés ainsi que des observateurs basés sur des modèles PDE et des structures en cascade ODE–PDE, permettant l’estimation en ligne de grandeurs critiques telles que le State of Charge (SOC) et le State of Health (SOH), ainsi que des paramètres de vieillissement.
Ces méthodes reposent sur des mesures accessibles (tension, courant, température) et permettent une gestion optimisée de l’énergie et une amélioration de la durée de vie des systèmes.
Réseaux électriques
L’axe inclut également l’estimation d’état des réseaux électriques, visant à reconstruire en temps réel l’état du réseau à partir de mesures partielles.
Les méthodes développées reposent sur des observateurs non linéaires adaptés aux contraintes de mesure et de communication.
Perspectives
Les perspectives de recherche portent sur :
- l’estimation de systèmes multi-physiques complexes ;
- l’amélioration des méthodes SOC/SOH en conditions réalistes ;
- le développement d’approches avancées incluant des réseaux de neurones ;
- la prise en compte du vieillissement des systèmes énergétiques ;
- le développement de méthodes adaptées aux applications embarquées.