Thèse soutenue

Reconstruction de champs aérodynamiques à partir de mesures ponctuelles
FR  |  
EN
Accès à la thèse
Auteur / Autrice : Anthony Arnault
Direction : Jean-Marc FoucautJulien Dandois
Type : Thèse de doctorat
Discipline(s) : Mécanique
Date : Soutenance le 13/12/2016
Etablissement(s) : Ecole centrale de Lille
Ecole(s) doctorale(s) : École doctorale Sciences pour l'ingénieur (Lille)
Partenaire(s) de recherche : Laboratoire : Laboratoire de mécanique de Lille (LML) - Laboratoire de mécanique de Lille / LML
Jury : Président / Présidente : Laurent-Emmanuel Brizzi
Examinateurs / Examinatrices : Jean-Camille Chassaing, Bérengère Podvin
Rapporteurs / Rapporteuses : Bernd R. Noack

Résumé

FR  |  
EN

Le suivi en temps réel des écoulements turbulents est une tâche difficile ayant des applications dans de nombreux domaines. Un exemple est la mesure des tourbillons de sillage au niveau des pistes d’aéroports afin d’optimiser la distance entre les avions en phase d’approche ou de décollage. Un autre exemple se rapporte au contrôle actif d’écoulements. De tels contrôles peuvent servir à réduire le bruit des avions... Cette thèse vise à développer des outils afin d’estimer en temps réel des champs de vitesse d’écoulements turbulents à partir d’un faible nombre de mesures ponctuelles. Après une étude bibliographique centrée sur une méthode de reconstruction populaire, l’estimation stochastique (SE), ses performances sont évaluées pour la prédiction de champs de vitesse issus d’écoulements de complexité croissante. La précision des estimations obtenues étant très faibles dans certains cas, une analyse précise de la méthode est effectuée. Celle-ci a montré l’effet filtrant de la SE sur le contenu spatial et temporel des champs de vitesse. De plus, le fort impact de la position des capteurs a été mis en avant. C’est pourquoi un algorithme d’optimisation de la position des capteurs est ensuite présenté. Bien que l’optimisation de la position des capteurs mène à une amélioration de la précision des prédictions obtenues par SE, elle reste néanmoins très faible pour certains cas tests. L’utilisation d’une technique issue du domaine de l’assimilation de données, le filtre de Kalman qui combine un modèle dynamique de l’écoulement avec les mesures, a donc été étudiée. Pour certains écoulements, le filtre de Kalman permet d’obtenir des prédictions plus précises que la SE.