Détection Et Diagnostic de L’emballement Thermique Combinant Mécanique Quantique Et Ia

**Détection Et diagnostiC de L’embAllement theRmique combinant mécanique quANTique et IA (DECLARANT)**:

- Réf **ABG-131163**
- Sujet de Thèse
- 17/04/2025
- Contrat doctoral
- Laboratoire GREAH/Université le Havre Normadie
- Lieu de travail- Le Havre - Normandie - France
- Intitulé du sujet- Détection Et diagnostiC de L’embAllement theRmique combinant mécanique quANTique et IA (DECLARANT)
- Champs scientifiques- Sciences de l’ingénieur
- Mathématiques
- Mots clés- Emballement thermique, Modélisation, Détection et diagnostic, Intelligence artificielle, Apprentissage Machine

**Description du sujet**:
**Contexte**de recherche**

Cette thèse porte sur le développement de méthodes de détection et de diagnostic dans le cadre des risques thermiques associés aux procédés de valorisation de la biomasse1,2. Cette valorisation se développe rapidement depuis plusieurs années et présente des défis similaires, voire supérieurs, à ceux des procédés à base de pétrole3, notamment en ce qui concerne les risques d’emballement thermique. Les méthodes traditionnelles d’évaluation des risques thermiques, telles que les modèles cinétiques d'ordre zéro dans des conditions conservatrices, ne tiennent pas compte des effets de pression ou des environnements d’exploitation complexes4. De plus, elles reposent sur des approches basées sur une compréhension approfondie des équations différentielles non linéaires (ou variationnelles) régissant le comportement du processus. La complexité numérique associée à la sensibilité aux incertitudes des paramètres est considérable. Ainsi, tout changement dans les conditions de réaction nécessite des mises à jour complètes. La prise en compte de l’effet de pression et de la composition des phases gazeuse et liquide porterait cette complexité numérique à un niveau encore plus élevé.

Ces modèles ne permettent donc pas de prédire correctement les phénomènes d’emballement thermique dans différentes conditions opératoires. Il est devenu nécessaire de développer de nouveaux modèles cinétiques dans différents modes thermiques et intégrant l’évolution de la pression et la composition de la phase gazeuse. Dans cette thèse DECLARANT, ce problème sera tout d’abord traité en reprenant des modèles cinétiques multifactoriels. Puis, tirant parti de l’intelligence artificielle (IA) et de l’apprentissage machine (ML), des algorithmes de détection et de diagnostic seront développés afin d’optimiser et de contrôler les processus exothermiques. Ces algorithmes seront entraînés sur le jumeau numérique de l’expérience fourni par les modèles cinétiques. Les travaux de cette thèse s’appuieront sur les connaissances existantes en intégrant l’évaluation des risques dans la conception des procédés afin d’améliorer simultanément la sécurité et l’efficacité. Ils évalueront en particulier l’hydrogénation et l’oxydation du furfural, des procédés connus pour leur forte exothermie et leur potentiel de réactions secondaires dangereuses, telles que la production de gaz ou d’intermédiaires instables.

**Objectifs**
- Les objectifs sont de i) développer des modèles cinétiques multifactoriels; ii) d’innover dans la détection et le diagnostic d’alerte précoce en couplant le signal de température avec la pression et/ou la composition de la phase gazeuse à l’aide d'une intelligence artificielle entraînée sur le jumeau numérique; Cette approche permettra d’intensifier les processus de valorisation de la biomasse qui sont sensibles à l’emballement thermique en raison de leur forte exothermie. Cela facilitera le développement de nouveaux processus sûrs et efficaces qui sont essentiels pour la transition vers des matières premières chimiques plus durables.

Cette thèse s’inscrit dans le cadre du projet AAPG ANR 2025 «QUANTum mechAnicS for prediction and arTificial Intelligence for early thermal runaway deteCtion and mitigation» (QUANTASTIC), en collaboration entre trois établissements : Laboratoire de Chimie (LCH-UMR 5182) CNRS-École Normale Supérieure de Lyon, Université Lyon 1; Laboratoire de Sécurité des Procédés Chimiques (LSPC-UR 4707) INSA-Université de Rouen; et GREAH (EA 3220), Université Le Havre Normandie.

**Programme et déroulement prévu**

**_1. L’étape de modélisation et simulations de modèles cinétiques en mode normal et dégradé à partir de données expérimentales _**

Divers critères d’emballement ont été établis pour évaluer l’état de sécurité des réacteurs au cours des dernières décennies5. Ces critères incluent le critère de divergence, le critère adiabatique et le critère de température cible, utilisés pour distinguer les états d’emballement des états non-emballés. Ces critères doivent être robustes, faciles à mettre en œuvre et éviter les fausses alertes. Bien que l’effet de pression et la mesure en ligne de la composition de la phase gazeuse ne soient généralement pas inclus dans les critères d'emballement thermique, nous pensons qu’ils jouent un rôle essentiel dans la réduction des risques d'emballement thermique. En co