Toutes les offres
AMVALOR

AMVALOR

Ingénieur de Recherche - F/H

Aix-En-ProvenceCDIil y a 2h

Postulez maintenant

Vous allez être redirigé vers le site de AMVALOR.

Postuler chez AMVALOR

Postée il y a 2h · CDI

Description du poste

RESPONSABILITÉS :

CONTEXTE DU POSTE Dans le cadre du projet STAB (Smart Testing & Advanced Benches), les laboratoires LISPEN et PIMM développent des méthodes combinant modélisation mécanique, jumeaux numériques et intelligence artificielle afin d'améliorer la fiabilité et l'efficacité des essais expérimentaux sur prototypes mécaniques. L'objectif est de mieux exploiter les données issues des bancs d'essai, d'optimiser le couplage simulation-expérimentation et de détecter les anomalies liées aux moyens d'essai ou aux pièces testées. Le poste s'inscrit dans un environnement de recherche académique et partenarial, avec des perspectives de publications scientifiques, de communications et de collaborations industrielles.

MISSION DU POSTE Contribuer au projet STAB en développant, adaptant et exploitant des modèles mécaniques et des jumeaux numériques de bancs d'essai et de prototypes testés. Le/la titulaire intégrera des méthodes d'intelligence artificielle et d'analyse de données expérimentales afin d'identifier les anomalies, d'améliorer les modèles et d'optimiser les campagnes d'essais. Il/elle participera également à la validation expérimentale, à l'analyse des résultats et à la production de livrables scientifiques et techniques. ACTIVITÉS PRINCIPALES - Adapter, paramétrer et exploiter des modèles mécaniques des systèmes étudiés : statique, dynamique vibratoire et fatigue. - Développer ou adapter des modèles mécaniques de structures testées et les confronter aux données expérimentales. - Concevoir des jumeaux numériques des bancs d'essai, des prototypes et des systèmes testés. - Mettre en œuvre des méthodes de calibration, de mise à jour et d'intégration des données d'instrumentation et d'acquisition. - Exploiter les données expérimentales issues des campagnes d'essais. - Développer des méthodes d'intelligence artificielle / machine learning pour la détection d'anomalies, la prédiction de dégradation, l'amélioration des simulations et l'optimisation des