Stagiaire PFE - Architecture Co-simulation & IA pour BMS
Intégration de l'équipe R&D d'une division automobile pour concevoir et valider une architecture de gestion intelligente de batterie (BMS) combinant co-simulation et intelligence artificielle.
- Conception d'une architecture de co-simulation bidirectionnelle entre Python et MATLAB/Simulink permettant la validation complète du BMS intelligent.
- Développement d'un modèle d'estimation d'état de charge (SoC) basé sur réseau LSTM, atteignant une précision RMSE de 0,056%.
- Développement d'un modèle d'estimation d'état de santé (SoH) basé sur réseau PINN (Physics-Informed Neural Networks), atteignant une précision de 99,2%.
- Implémentation d'un détecteur d'anomalies combinant règles de seuils et algorithme Isolation Forest, atteignant un Recall de 96,2%.
- Conception d'un module d'optimisation de la durée de vie batterie basé sur la loi d'Arrhenius, estimant un gain de 35,1%.
- Développement d'un dashboard Streamlit pour la supervision et la visualisation temps réel des données de batterie.
- Réalisation d'une étude hardware théorique pour l'architecture BMS avec partition BMU/CMU utilisant composants STM32F205 et BQ79616.
Environnement technique