Recherche

Un système de gestion de batterie a besoin de davantage qu'une mesure de tension. Un diagnostic utile exige des estimations de l'état de charge, de l'état de santé, de la puissance disponible et de l'évolution de la dégradation dans des conditions d'exploitation incertaines.

Ces grandeurs ne sont pas directement mesurables. Elles doivent être inférées à partir du courant, de la tension, de la température, de l'historique d'utilisation et de modèles dont la validité dépend de la chimie, du mode de vieillissement et de la plage de fonctionnement.

Mes travaux doctoraux ont étudié si les fluctuations électriques spontanées pouvaient apporter des informations diagnostiques supplémentaires sur les cellules lithium-ion. L'objectif n'était pas de remplacer les techniques établies, mais d'étudier une source d'information complémentaire et potentiellement non intrusive.

Le bruit électrochimique désigne les fluctuations naturelles de grandeurs électriques mesurées, telles que la tension ou le courant. Ces signaux peuvent contenir des informations sur les processus électrochimiques sous-jacents, mais leur faible amplitude les rend particulièrement sensibles à l'instrumentation, aux perturbations environnementales, aux conditions d'acquisition et aux choix de prétraitement.

Une analyse crédible exige donc davantage qu'un tracé spectral. Elle doit traiter :

• la chaîne de mesure et son propre plancher de bruit ;
• les hypothèses de stationnarité et d'échantillonnage ;
• l'élimination des tendances sans destruction de l'information pertinente ;
• la comparaison dans les domaines temporel, fréquentiel et temps-fréquence ;
• la répétabilité entre cellules et conditions de fonctionnement ;
• l'interprétation physique des indicateurs extraits.

Les décompositions en ondelettes sont utiles dans ce contexte parce qu'elles préservent une notion d'échelle et de localisation temporelle. Elles peuvent soutenir l'extraction de caractéristiques, mais ne prouvent pas à elles seules qu'une caractéristique est liée à un mécanisme particulier de dégradation.

J'étudie également les piles à combustible à membrane échangeuse de protons, notamment le transport des gaz, la gestion de l'eau et le fonctionnement en impasse. Dans une configuration en impasse, les espèces inertes et l'eau liquide peuvent s'accumuler ; les purges deviennent alors une composante de la dynamique du système plutôt qu'un simple détail de commande secondaire.

Un modèle ouvert et utile doit relier les bilans de matière, l'hydratation de la membrane, les pertes de pression, les pertes électrochimiques et la logique de purge tout en restant identifiable à partir de mesures réalistes. Le niveau de complexité approprié dépend de la question : un modèle de commande, un modèle de diagnostic et un modèle multiphysique détaillé ne doivent pas être confondus.

Les méthodes que j'utilise ou étudie comprennent :

• analyse de données expérimentales et évaluation des incertitudes ;
• traitement du signal temporel, spectral et fondé sur les ondelettes ;
• extraction statistique de caractéristiques et apprentissage non supervisé ;
• modélisation physique et modèles d'ordre réduit ;
• analyse numérique et visualisation scientifique ;
• chaînes reproductibles fondées sur Python.

Un résultat n'est pas reproductible simplement parce que son code source est disponible. Une chaîne complète doit identifier les données, unités, prétraitements, environnement logiciel, paramètres, graines aléatoires lorsqu'elles sont pertinentes et les artefacts exacts utilisés pour produire chaque figure ou tableau.

Mon approche privilégiée consiste à conserver les données brutes immuables, exprimer les transformations sous forme de code versionné, tester les invariants importants et générer les résultats à partir de commandes documentées. Les conclusions doivent indiquer à la fois ce que les preuves étayent et ce qu'elles n'étayent pas.