Afin d’effectuer un premier croisement métrologique, des mesures de vitesse ont été faites par la technique PIV. Le choix de cette technique a le triple avantage d’être non- intrusive et d’avoir une mise au point facile et permet la visualisation d’un large champ instantané d ‘écoulement. Le traitement statistique des champs instantanés obtenus impose la prise de 1000 images dans chaque position de mesure. Les algorithmes d'analyse de champ d'écoulement pour l'évaluation des mesures de PIV sont fournis avec le logiciel d'acquisition et de visualisation de données DaVis de la société LaVision. Plusieurs compagnes de mesures ont été réalisées :
La première compagne sans obstacle effectués dans plusieurs positions de la veine destinée à vérifier le comportement de l’écoulement de couche limite en aval du barreau de déclenchement. Les grandeurs mesurées sont les grandeurs usuelles telles que la vitesse et les écarts type de la fluctuation de la vitesse.
Les autres compagnes sont destinées à caractériser le comportement de l’écoulement en amont et en aval des collines gaussiennes bidimensionnelles et vérifier l’existence d’une zone de recirculation et sa limite dans le sillage.
75
Chapitre 4
4 Simulation par des techniques de l'intelligence artificielle
4.1 Introduction
Les méthodes numériques présentent l’avantage d’être moins lourdes à mettre en œuvre, d’un coût moins élevé, plus rapide et surtout offrant la possibilité d’envisager un grand nombre de situations différentes. Cependant, un modèle numérique atteint rapidement ses limites, car il ne peut en aucun cas contenir toutes les variables qui interviennent dans le processus et sont loin d'être exactes. Les méthodes expérimentales restent un support indispensable aux méthodes numériques (validation des outils de modélisation, détermination de constantes empiriques, traitement de cas complexes...).
Dans notre étude, les effets de la colline (hauteur et forme) et états de surface sont introduits dans le but de la validation des modèles théoriques et numériques dans une soufflerie. Des données expérimentales sont utilisées. La nécessité de disposer de données expérimentales pour la validation et la mise en place d’un modèle théorique et numérique sont issues des expériences en soufflerie en concordance avec celles réalisées par Castro [119]. Comme les valeurs numériques mesurées se caractérisent par leur complexité, leur analyse par des méthodes mathématiques conventionnelles est très difficile, voire même parfois impossible, il devient nécessaire d'analyser ces données avec les outils de l'intelligence artificielle particulièrement floue logique. La logique floue est une extension de la logique classique. Il s'agit là d'un système fondé sur la théorie des ensembles des variables continues. Sa mise en œuvre peut être réalisée dans le in-situ ou modélisée ou les
76 deux combinées[120]. Comme la logique floue traite de l'imprécis, du complexe et de l'incertain, le système proposé se trouve alors parfaitement adéquat.
4.1.1 Les modèles proposés
Il existe de nos jours une multitude de modèles, Ces modèles, pouvant se classer en deux catégories :
• Des modèles analytiques simples et rapides d’exécution, mais qui ne permettent pas la prise en compte des complexités géométriques.
• Des modèles plus complexes qui assurent une bonne représentativité de la géométrie des sites étudiés, mais avec des temps de calcul longs et inadaptés à la surveillance de sites.
En tout état de cause, il apparaît qu’il n’existe pas d’outil idéal permettant de traiter tous les types de dispersions. On s’oriente alors vers une combinaison de modèles.
Devant cette situation, nous avons jugé utile d’appliquer une technique de l’intelligence artificielle notamment les principes de la logique floue dans l’analyse et la caractérisation d’un écoulement turbulent en fonction des différents types d'obstacles et leurs états de surface.
Dans notre cas d’étude, les sources d’information (la position par rapport à la colline, l'état de surface de celle-ci, la vitesse de l’écoulement de l’airà ce niveau, la hauteur de la colline ainsi que la vitesse de l'écoulement à la sortie) ne sont pas totalement fiables car la nature même du mouvement du fluide est caractérisé par sa turbulence et l'établissement d'une équation qui régit un tel comportement est loin d'être chose mince. L’application de la théorie de la logique floue devient alors un besoin.
4.1.2 L’inférence floue
L’approche floue est un sous-domaine des systèmes intelligents, sont largement utilisés pour résoudre une grande variété de problèmes complexe dans des applications notamment environnementaux. L'un des domaines les plus importants de l'application de la théorie des ensembles flous développé par Zadeh[121]est le système à base de règles floues. Grâce à cette propriété, les principes de la logique floue ont été appliqués avec
77 succès à un large éventail de problèmes dans différents domaines pour lesquelles l'incertitude et l'imprécision émergent de diverses façons. La modélisation floue et la classification floue sont les applications les plus courantes. La logique floue est basée sur un raisonnement qui utilise des informations linguistiques acquises par les experts du domaine. Les capacités mentionnées ci-dessus font de la logique floue un outil très puissant pour résoudre de nombreux problèmes écologiques ou environnementaux où les données peuvent être complexes ou en quantité insuffisante. Le concept de logique floue fournit un moyen naturel pour traiter les problèmes où la source d'imprécision est l'absence de critères bien définis plutôt que la présence de variables aléatoires. L'approche floue concerne les cas où les incertitudes linguistiques jouent un rôle dans le mécanisme de contrôle des phénomènes. Un système à inférence floue est un outil puissant pour la simulation des comportements non linéaires faisant appel à des règles linguistiques floues.