La fabrication additive métallique, et plus particulièrement la fusion laser sur lit de poudre (L-PBF), offre de nombreux avantages, notamment pour la réalisation de pièces à géométrie complexe. Toutefois, la maîtrise de la qualité des pièces demeure un défi majeur, les instabilités du bain de fusion pouvant engendrer des défauts susceptibles d’altérer leurs performances. Dans ce contexte, l’instrumentation des machines permet de suivre le procédé en temps réel et de détecter d’éventuelles anomalies au cours de la fabrication. Parmi les dispositifs utilisés, les photodiodes, généralement positionnées de manière coaxiale au faisceau laser, mesurent les variations du rayonnement optique émis par la zone de fusion. Leur fréquence d’acquisition élevée, pouvant atteindre 100 kHz, permet un suivi temporel précis du procédé.

Une approche courante dans la littérature consiste à introduire volontairement des défauts de géométrie contrôlée afin d’étudier leur influence sur les signaux mesurés. De premiers travaux menés au laboratoire ont ainsi permis de développer une méthodologie de reconstruction spatiale des signaux issus des deux photodiodes et d'étudier leur corrélation avec la morphologie des défauts.

Néanmoins, l’interprétation de ces signaux reste complexe en raison des multiples phénomènes physiques qui contribuent à leur variation, tels que les instabilités du bain de fusion, l’accumulation de chaleur ou la formation de défauts, auxquels s’ajoutent différentes sources de bruit. Les méthodes avancées de traitement du signal et d’intelligence artificielle offrent ainsi des perspectives intéressantes pour extraire des caractéristiques pertinentes et identifier les signatures de ces phénomènes.

Ce stage vise à développer une méthodologie de détection et de localisation des défauts en L-PBF à partir des signaux photodiodes, en combinant traitement du signal et apprentissage automatique.

Les travaux porteront sur quatre axes :

• Traitement des signaux photodiodes : Extraire des indicateurs pertinents et identifier les signatures associées aux défauts géométriques introduits volontairement.

• Détection des défauts par IA : Développer et évaluer des modèles de détection et de localisation automatique des défauts, ainsi que leurs limites de détection.

• Influence de l’accumulation thermique : Distinguer les signatures liées aux défauts de celles liées à l’accumulation de chaleur, selon les géométries et stratégies de balayage.

• Instrumentation complémentaire : Explorer l’utilisation de microphones optiques (XARION) et leur complémentarité avec les photodiodes.

Conformément aux engagements pris par le CEA en faveur de l'intégration des personnes handicapées, cet emploi est ouvert à toutes et à tous. Le CEA propose des aménagements et/ou des possibilités d'organisation pour l’inclusion des travailleurs handicapés