Post-Doctorant(e) Modélisation hydrodynamique hybride (H/F)

RESPONSABILITÉS : Au sein de l'ENSICAEN, vous intégrerez le laboratoire d'Ingénierie des Systèmes (LIS). Le post-doctorant ou la post-doctorante Modélisation hydrodynamique hybride et commande prédictive non-linéaire (NMPC) pour navires de surface (USV) est recruté(e) dans le cadre du projet ANR TEBACOD.Mission :Ce contrat postdoctoral s'inscrit dans le cadre d'un projet ANR collaboratif entre le laboratoire LIS - UR 7478 (Caen) et l'entreprise NEAC, dont l'objectif global est le développement d'une architecture innovante de téléopération bilatérale pour navires de surface soumis à des réseaux de communication dégradés. Au sein de ce projet, la mission spécifique du ou de la post-doctorat(e) vise à concevoir le socle de navigation, à savoir l'architecture de contrôle locale et embarquée de l'USV évoluant en environnements contraints (eaux peu profondes, canaux, zones portuaires).Activités principales :La mission principale consistera à développer un contrôleur prédictif non-linéaire (NMPC), couplé à une modélisation hydrodynamique hybride innovante alliant physique classique et intelligence artificielle (modèles "boîte grise" / réseaux de neurones informés par la physique - PINN). Le ou la post-doctorant(e) aura pour objectif de modéliser finement les perturbations complexes (effets de berge, squat) et de garantir un contrôle de trajectoire précis et robuste. Le contrôleur NMPC développé constituera le socle de navigation autonome du navire, sur lequel le reste de l'équipe du projet viendra ultérieurement greffer une boucle de téléopération bilatérale. Le poste inclut la résolution des défis liés à l'optimisation mathématique en temps réel, le déploiement du contrôleur embarqué sur cible matérielle (dSPACE MicroAutoBox III) et la validation des modèles lors d'essais sur un navire à échelle réelle.PROFIL RECHERCHÉ : Une expertise pointue et prouvée dans la conception de lois de commande avancées, en particulier la Commande Prédictive (MPC / NMPC) ou l'optimisation sous contraintes, est requise. Des compétences solides en modélisation de systèmes dynamiques complexes sont attendues, et une expérience avec les techniques d'apprentissage automatique (Machine Learning, réseaux de neurones, PINNs) pour l'identification de systèmes constituera un atout scientifique majeur. Une connaissance préalable de l'hydrodynamique navale ou de la robotique marine est un plus.Sur le plan technique et logiciel, le poste exige une maîtrise avancée des environnements de...

Summary and match are AI-generated; verify details on the original posting.

Listed via EURES. All sources