Des architectures en rupture pour des moteurs électriques déjà optimisés par des générations d'ingénieurs ? C’est possible, selon Deeper Pulse ! Cette start-up deeptech toulousaine développe un logiciel de simulation physique, basée sur les équations de Maxwell, qui permet de générer des topologies de moteurs électrique innovantes. « Nous pouvons réduire la quantité de matière (fer, cuivre, aimant) utilisée dans un moteur électrique de 40 %, nous obtenons jusqu’à +20% en couple et gagnons jusqu’à 20 points en termes d’efficacité énergétique », souligne l'entrepreneur Thomas Baudin, fondateur de Deeper Pulse.
Un prototype synchro-réluctant
L’optimisation des moteurs électriques représente un enjeu énergétique important. Les moteurs électriques (et leurs variateurs) utilisés dans les industries, les foyers, les transports européens consomment près de la moitié de l’électricité produite par l’Union européenne, d’après les chiffres de la Commission européenne. « Les ingénieurs ont toujours optimisé les moteurs de manière incrémentale. C’est la première fois qu’un algorithme est utilisé pour concevoir de nouvelle topologie, sans a priori, pour maximiser les performances », avance M. Baudin.
Lancée fin 2020, Deeper Pulse est issue de travaux de recherche menés depuis plus de dix ans au sein du laboratoire plasma et conversion d’énergie (Laplace) du CNRS. En 2021, Deeper Pulse a prototypé et breveté le rotor d’une machine synchro-réluctante. Dans ce type de moteur, l’architecture du rotor est originale – elle est dite « saillante » –, ce qui permet de créer le couple à partir de l’attraction des pièces ferromagnétiques du rotor par le champ du stator, sans utiliser d’aimant. « Le rotor synchro-réluctant de Deeper Pusle consomme 38% de Fer en moins et gagne 25% en termes de couple par rapport à celui de General Motor, qui est déjà sur le marché », se réjouit Thomas Baudin.
Modélisation par itération
Trois étapes majeures composent le procédé de la deeptech. D’abord, « nous injectons une topologie de départ de la machine à optimiser, ce qui revient indirectement à sélectionner une famille de technologie (synchrone à aimant permanent ou asynchrone, à flux radial ou à flux axial) », explique M. Baudin. À terme, Deeper Pulse porte l'ambition de générer la topologie la plus optimale en entrant uniquement les contraintes physiques. « Mais nous n’y sommes pas encore ! » ajoute le dirigeant.
Ensuite, « nous supprimons sur cette topologie les zones à designer (jusqu’à la totalité de la topologie si on le souhaite) », décrit le spécialiste. Ainsi, pour chaque maille du modèle, l’algorithme prend les décisions structurelles optimales, à savoir celles de mettre, ou non, du fer, du cuivre, de l’aimant, sur la base des équations de Maxwell, qui régissent l'électromagnétisme. « Des millions de décisions sont prises de manière systématique ! C’est le cœur de l’innovation », souligne le PDG de la startup. Une fois ce travail réalisé pour l’ensemble des mailles, l’ordinateur calcule « l’optimum naturel » de l’ensemble de la machine. Ces deux phases durent plusieurs heures, voire quelques jours, en fonction de la petitesse des mailles.
Dernière étape : rendre l’objet conçu sur ordinateur industrialisable. « Nous travaillons avec les industriels. Nous injectons des contraintes de fabrication (ajouter de la matière à tel endroit, arrondir l’angle à tel autre endroit, etc.) pour pouvoir réellement le produire, déroule-il. En un sens, nous dégradons la solution initiale pour atteindre "l’optimum industriel". »
