Stage machine learning SoH batterie F/H/X

Développez une solution embarquée capable de collecter les données de batteries lithium et de prédire leur état de santé grâce au machine learning.

Vous rejoignez une équipe firmware d'une quinzaine de personnes. Vous travaillez sur un outil d'aide à la prédiction de la durée de vie des batteries lithium de nos alimentations sans interruption. Le stage associe développement embarqué en C, collecte de données et recherche de nouveaux modèles de prédiction afin d'évaluer l'état de santé des batteries.

Sous la supervision de votre tuteur, vous serez amené à :

• Analyser les données nécessaires à la prédiction de l'état de santé des batteries lithium-ion, notamment la tension, le courant, la température, les cycles de charge et l'impédance, puis définir les variables pertinentes pour l'apprentissage automatique.

• Développer en C l'environnement de stockage embarqué destiné à la collecte et à la gestion des données en mémoire Flash sur STM32.

• Implémenter les mécanismes d'archivage et de rotation des données historiques dans le respect des contraintes embarquées.

• Concevoir, entraîner et évaluer un modèle de machine learning pour prédire l'état de santé des batteries.

• Comparer les stratégies de déploiement, entre entraînement embarqué TinyML et entraînement déporté sur cloud ou PC avec inférence locale.

• Intégrer et valider la solution sur une Gateway réelle en mesurant les performances, la consommation mémoire et la latence.