HAL Id: tel-00080473
https://tel.archives-ouvertes.fr/tel-00080473
Submitted on 17 Jun 2006
HAL is a multi-disciplinary open access
archive for the deposit and dissemination of
sci-entific research documents, whether they are
pub-lished or not. The documents may come from
teaching and research institutions in France or
abroad, or from public or private research centers.
L’archive ouverte pluridisciplinaire HAL, est
destinée au dépôt et à la diffusion de documents
scientifiques de niveau recherche, publiés ou non,
émanant des établissements d’enseignement et de
recherche français ou étrangers, des laboratoires
publics ou privés.
Couplage de la vélocimétrie par images de particules en
deux temps avec la décomposition en modes propres
pour la caractérisation d’un écoulement
Thomas Favelier
To cite this version:
Thomas Favelier. Couplage de la vélocimétrie par images de particules en deux temps avec la
décompo-sition en modes propres pour la caractérisation d’un écoulement. Dynamique des Fluides
[physics.flu-dyn]. Université Claude Bernard - Lyon I, 2006. Français. �tel-00080473�
N d'ordre : 16-2006 Année 2006
THESE DE DOCTORAT
présentée devant
l'UNIVERSITE CLAUDE BERNARD - LYON 1
ECOLE DOCTORALE :MECANIQUE - ENERGETIQUE -GENIE CIVIL
-ACOUSTIQUE
pour obtenir le titre de DOCTEUR
(arrêté du 25 avril 2002)
Spécialité : MECANIQUE DES FLUIDES
par
M Thomas FAVELIER
Couplage de la vélocimétrie par images de particules en
deux temps avec la décomposition en modes propres pour la
caractérisation d'un écoulement
Soutenue publiquement le 28 Février 2006
Jury : MM.
Borée J., Professeur, ENSMA Poitiers (Rapporteur)
Lusseyran F., Chargé de recherche, LIMSI, Paris VI et Paris XI
(Rapporteur)
Gence J.-N., Professeur, Université Claude Bernard Lyon I
(Di-recteur)
Kourta A., Chargé de recherche, IMFT, Toulouse
Michard M., Professeur associé, INSA, Lyon (Directeur)
UNIVERSITE CLAUDE BERNARD – LYON I
Président de l'Université
M. le Professeur D. DEBOUZIE
Vice-Président du Conseil Scientifique
M. le Professeur J.F. MORNEX
Vice-Président du Conseil d'Administration
M. le Professeur R. GARRONE
Vice-Présidente du Conseil des Etudes et
de la Vie Universitaire
M. le Professeur G. ANNAT
Secrétaire Général
M. J.P. BONHOTAL
SECTEUR SANTE
Composantes
UFR de Médecine Lyon R.T.H. Laënnec
Directeur : M. le Professeur D. VITAL-DURAND
UFR de Médecine Lyon Grange-Blanche
Directeur : M. le Professeur X. MARTIN
UFR de Médecine Lyon-Nord
Directeur : M. le Professeur F. MAUGUIERE
UFR de Médecine Lyon-Sud
Directeur : M. le Professeur F.N. GILLY
UFR d'Odontologie
Directeur : M. O. ROBIN
Institut des Sciences Pharmaceutiques et Biologiques
Directeur : M. le Professeur F. LOCHER
Institut Techniques de Réadaptation
Directeur : M. le Professeur L. COLLET
Département de Formation et Centre de Recherche
en
Biologie
Humaine
Directeur
:
M.
le
Professeur
P.
FARGE
SECTEUR SCIENCES
Composantes
UFR de Physique
Directeur : M. le Professeur A. HOAREAU
UFR de Biologie
Directeur : M. le Professeur H. PINON
UFR de Mécanique
Directeur : M. le Professeur H. BEN HADID
UFR de Génie Electrique et des Procédés
Directeur : M. le Professeur A. BRIGUET
UFR Sciences de la Terre
Directeur : M. le Professeur P. HANTZPERGUE
UFR de Mathématiques
Directeur : M. le Professeur M. CHAMARIE
UFR d'Informatique
Directeur : M. le Professeur M. EGEA
UFR de Chimie Biochimie
Directeur : M. le Professeur J.P. SCHARFF
UFR STAPS
Directeur : M. le Professeur R. MASSARELLI
Observatoire de Lyon
Directeur : M. le Professeur R. BACON
Institut des Sciences et des Techniques de l'Ingénieur
Directeur : M. le Professeur J. LIETO
de Lyon
IUT A
Directeur : M. le Professeur M. C. COULET
NT B
Directeur : M. le Professeur R. LAMARTINE
Fluides et d'acoustique de m'avoir accueilli dans cette unité de recherche pour ce travail
de thèse. Merci également à Marc Michard en tant que tuteur et mentor de m'avoir fait
conance sur ce projet il y maintenant plus de 3 ans. Son expérience m'a été bénéque
pourdirigerdansunedirectionjustetoutletravailettouteslespistesquej'aiétéamenésà
exploreretquisontprésentesdanslemanuscritsuivant.Saconnaissance delathématique
a été un précieux guide dans ma démarche scientique. Je remercie également Jean-Noël
Gence pour sonanalyse et sonregard critique lors de la miseen forme et larédaction de
ce travail.
Je tiens encoreune fois àremercier MJacques Borée et M FrançoisLusseyran d'avoir
évalué mon travail en acceptant d'être rapporteur. Merci à M Michel Stanislas d'avoir
présidélejurylorsde laprésentation oralede cettethèse,et àMAzzedineKourtad'avoir
également apportésonavisau coursde lasoutenance.
Au cours de ce travail, j'ai eu lachance de pouvoirtravailler en collaboration avec M
Cédric Hoareau,M Jacques Borée et MPatrick Braud du LEA de Poitiers avec qui nous
avonsréaliséunegrossepartdel'expérimentation.Cefûtuneexpériencetrèsenrichissante
etjeles remercie d'avoir permis cette collaboration.
Ce travail ne se serait sans doute pas déroulé aussi bien sans le soutien de Nathalie
Grosjean pour à la fois son soutien technique pour les expériences et le post traitement.
MerciNathde m'avoir accompagné,en musiqueetenbonnehumeur!Ilmereste de
nom-breusespersonnesencoreàremercier,quim'ontaidéauquotidien.DominiqueEchampard,
pour son soutien matériel, sa bonne humeur ses astuces, Roger Michelet pour son aide
précieuse de l'élaboration dumontage analogique, Bernard Barbier, PascaleJeandel pour
toutela partie informatique,l'atelier, ainsiqueChristine Lance, etArlène Taulet de
l'ad-ministration.
Pendant ce travail,j'ai passéde nombreuses heuresdevant cetordinateur à
m'interro-ger, me questionner, simuler,écouter de la musique, modéliser, rédiger, corriger, grogner,
m'énerver, etc. Mais c'estégalement un espace de vie, et je remercie toutes les personnes
quej'aicôtoyéesauquotidien.MerciauxautresthésardsnotammentIvanapouravoir
sup-porté mes coups degueule dans lebureau, Laure, Guillevic, Charles,Stéphane, Wouter...
désolé pour ceux queje necite pas, j'enoublie certainement beaucoup.
DerniersremerciementspourmesamisLolo(nonjenemettraipasnosconversationsen
annexe,etrassuretoi,dansmonnouveauposte,jenepeuxplust'embêterendirectLive!),
Marjo,Did...,lafamille pour leursoutienmoral.J'avoue,j'ai dûpasmalleurpomperl'air
cesderniersmois.EnnmerciàmachèreettendreCharlotte, pour tout:sonsoutien,son
moral, sonamour,sa joie, satendresse, soncourage etsapatience etsurtout aucours de
l'écriture etlarelecturede ce travail.
Lesremerciements, petitmoment àlan delarédactionoù onserendcompte qu'une
thèseestuntravailderecherchepersonneletcependantimpliqueénormémentdepersonnes,
etmobiliseuneéquipe.Merciencoreàtous.Maintenant jevoussouhaitebonnelecture(et
Nomenclature 13
I Approche générale 17
1 Cadre - État de l'art 19
1.1 Introduction . . . 19
1.2 Del'utilité d'obtenirdesmodélisationssimples . . . 20
1.3 Modélisationde faible ordredans lalittérature . . . 21
1.4 Cadre- Travaux menés pour cesrecherches . . . 23
2 Bases mathématiques 25 2.1 Grandeursstatistiques usuelles en unpoint . . . 25
2.2 Corrélations . . . 25
2.2.1 Corrélation temporelle . . . 26
2.2.2 Corrélationsspatialesetspatio-temporelles . . . 26
2.2.3 Métrologiesexistantes . . . 27
2.3 Décompositionorthogonale enmodespropres . . . 27
2.3.1 Principe . . . 27
2.3.2 Méthodedes snapshots. . . 29
3 Cas du cylindre circulaire 31 3.1 Décompositionde HussainetReynolds . . . 31
3.2 Descriptionde l'écoulement -Typesrégimes existants. . . 31
3.3 Caractérisation del'écoulement - Nombrede Strouhal . . . 34
3.4 Ledécollement . . . 34
3.5 Lazonede mélange. . . 35
3.6 Sillageetstructurestourbillonnaires . . . 35
II Expérimentations 37 4 Dispositifs expérimentaux 41 4.1 Géométrieétudiée . . . 41
4.1.1 Choixde lagéométrie . . . 41
4.1.2 Montage expérimental etdénitions desnotations. . . 42
4.2 Veines d'essais . . . 43
4.3 Étudedel'inuencedunombredeReynoldsetduconnementsurl'expérience 44 4.4 Implantation de sondes depression pariétale . . . 44
4.4.3 Traitement etmiseen forme dusignal depression. . . 45
5 Techniques de mesure - Méthodes expérimentales 47 5.1 Mesurespar untube de Pitot . . . 47
5.2 Anémométrie par lchaud . . . 47
5.2.1 Principe . . . 47
5.2.2 Mesures . . . 48
5.3 Mesure depression pariétale . . . 48
5.4 Vélocimétriepar Imagede Particule - PIV . . . 49
5.4.1 Principe . . . 49
5.4.2 Particules-traceurs . . . 49
5.4.3 Système d'illumination . . . 50
5.4.4 Acquisition desimagesettraitement . . . 51
5.4.5 Origine deserreurs . . . 52
5.5 PIV 2temps . . . 53
5.5.1 Principe de lamesureen deuxtemps . . . 54
5.5.2 Système d'émission . . . 55
5.5.3 Système de réception . . . 55
5.5.4 Traitement desdonnées . . . 56
5.6 VélocimétrielaserDoppler- LDV . . . 57
5.6.1 Principe de fonctionnement delaLDV . . . 57
5.6.2 Description dela chaîne demesure (DonnéesLEA Poitier) . . . 58
5.7 Convergence statistiquedesmesures . . . 60
5.8 Inuencedu post-traitement desmesuresde vitessepar PIV . . . 62
5.9 Critère de visualisation destructurescohérentes :Lafonction indicatrice 2 64 6 Présentation de l'écoulement 67 6.1 Zonesd'analyseetmétrologies employées. . . 67
6.2 Nombre de Strouhal . . . 68
6.3 Analyse spectrale . . . 70
6.4 Mesure deséchellesde temps etde longueur . . . 71
6.4.1 Échelle intégrale temporellede l'écoulement . . . 71
6.4.2 Échellesintégrales de longueur . . . 73
6.4.3 Échelle de Taylor . . . 75
6.4.4 Échelle de Kolmogorov . . . 75
6.5 Zone de recirculation . . . 76
6.5.1 Cartographie dela zonederecirculation . . . 76
6.5.2 Étude du point de lazonede recirculation àx=D =0:4etz=D=0:0 78 6.6 Zone de mélange . . . 78
6.6.1 Cartographie . . . 79
6.6.2 Prols obtenus par LDV etpar PIV . . . 79
6.6.3 Étude du point de lazonede mélangeà X=D=0:1et Z =D=0:54 . 82 6.6.4 Structures àhaute fréquencedanslazonede mélange . . . 83
6.7 Sillage proche . . . 85
6.7.1 Analyse desdistributions de vitessedanslesillage proche . . . 85
6.7.2 Prols obtenus par LDV etpar PIV . . . 85
6.7.3 Prols obtenus par lchaud danslesillage. . . 87
6.8 Fenêtre d'analyseetlimitede laPIV . . . 89
6.8.1 Taillede lafenêtre d'interrogation . . . 89
6.8.2 Limitede résolution de laPIV . . . 92
6.9 Mécanismede génération desstructures- Étude dephase . . . 95
6.9.1 Plande mesure . . . 95
6.9.2 Déclenchement . . . 96
6.9.3 Analysede lapression . . . 100
6.9.4 AnalysePIV . . . 100
6.10 Mesuresdecorrélation devitesse . . . 102
6.10.1 cartographie del'écoulement . . . 102
6.10.2 Prols decorrélation etComparaisonPIV - LDV etPIV - Filchaud 105 6.10.3 Vitessed'advection . . . 108
Synthèse 109 III Décomposition par POD et analyse 111 7 Décomposition orthogonale en modes propresde l'écoulement 113 7.1 Étude desvaleurspropres d'unedécomposition . . . 113
7.1.1 Valeurspropres del'ensemble desexpérimentations . . . 113
7.1.2 CasdesmesuresàfaiblenombredeReynolds-Mesuresrésoluesdans letemps . . . 115
7.2 Modespropres de l'écoulement . . . 117
7.2.1 Descriptiondesmodesprincipaux . . . 117
7.2.2 Modesharmoniques . . . 120
7.2.3 Modesdesécoulementàtrèsfaible nombredeReynoldsetdes simu-lationsnumériques . . . 121
7.3 Coecients . . . 123
7.3.1 Évolutiondescoecients- Cas desmesures résolues temporellement 123 7.3.2 Relationentrecoecients . . . 124
7.3.3 Décorrélation descoecientsPOD . . . 124
7.4 Commentaire sur lesmodes harmoniqueset les coecientsassociés . . . 128
7.5 Conclusion. . . 129
8 Détermination d'unparamètrede phase dudétachement tourbillonnaire par l'analyse des coecientsPOD 131 8.1 Dénitionde laphase' POD . . . 131
8.1.1 Idée généraleetdénition . . . 131
8.1.2 Rayonmoyen etdispersiondescoecientsa 1 et a 2 . . . 132
8.2 Comparaisons des statistiques synchronisées avec la pression et les coe-cientsPOD . . . 134
8.3 Analyse de ladécomposition POD des mesures synchronisées par le signal depression pariétale . . . 136
8.4 Analysedesautres coecients enfonction de laphase' POD . . . 140
9.1 Introduction . . . 145
9.2 Modèle de reconstruction de l'instationnarité à grande échelle à l'aide de l'analyse POD. . . 146
9.3 Modèletemporel . . . 146
9.4 Expressiondu modèleréduit à partir de ladonnéedeschampsinstantanés . 149 9.5 Modèled'ordre supérieur- Introduction delaturbulence danslemodèle . . 151
9.5.1 Complément delapartie déterministe . . . 151
9.5.2 Introduction de la turbulence dansle modèle - modèle stochastique simple . . . 151
9.6 Étapesde laconstruction d'unmodèle d'ordre supérieur . . . 153
10 Analyse du modèle 155 10.1 Exemplesde reconstructions . . . 155
10.2 Prols de vitessemoyenne etdescomposantes dutenseur de Reynolds . . . 155
10.3 Histogrammes devitesse . . . 162
10.4 Echellestemporelles despremiers coecients . . . 164
10.5 Corrélationsspatiales etspatio-temporelles. . . 167
10.6 Application au lâcherde particule uide . . . 171
11 Conclusions et perspectives 173 11.1 Conclusionetdiscussion . . . 173
11.2 Perspectives . . . 175
IV Annexes 177
A Systèmede synchronisation des lasers pourla PIV en deux temps 179
B Détermination des paramètres du modèle stochastique 183
C Moments d'ordre 1 et 2 en diérentsprols du modèlede faible ordre 185
D PDF des vitesses dans l'écoulement 195
E Ensemble des corrélations spatio-temporelles explorées avec un modèle
de faible ordre 201
3.1 Schémaprésentant lesmodicationsdel'écoulementselonlesrégionsautour
ducylindre . . . 32
3.2 Variation descoecients C
d ,C df ,C dp , C 0 l etC pb en fonction dunombre de
ReynoldsZdravkovich (1997) . . . 33
3.3 Angle de séparation en fonction du nombre de Reynolds pour un cylindre
circulaire(Ballengee &Chen (1971)) . . . 35
4.1 Schéma ducylindre tronquéetreprésentation 3Ddumontage expérimental 42
4.2 Schema dubarreau etduporteelectret . . . 45
5.1 Photographie du système de mesure à deux ls chaud pour les mesures de
corrélationsspatiales . . . 48
5.2 Représentationpolairedel'intensitédelumièrediuséeenfonctiondel'angle
dediusionpourtroistaillescaractéristiquesdeparticulesutilisées.
L'inten-sité delumière est représentéeen échelle logarithmique. . . 50
5.3 Exempled'uneimage desparticulesenregistrée parlacaméra au niveau du
point dedécollement pour unécoulement autourd'uncylindre semi-circulaire 50
5.4 Planche schématisant l'ensemble du processus d'analyse lors d'une mesure
devitesse parPIV . . . 51
5.5 Chronologie des diérents signaux de synchronisation lors des mesures en
deuxtemps . . . 54
5.6 Schéma de principede l'optiquede réception . . . 55
5.7 Cartographies du coecient de corrélation pour r = 0 et = 0s (a) et
pour r=0 et =100s (b) . . . 56
5.8 Convergence statistique de l'erreur relative pour la vitesse moyenne et la
variance en fonction dunombred'échantillons (mesures lchaud) . . . 61
5.9 Inuence de la fréquence d'échantillonnage sur le coecient de corrélation
spatiale(mesures lchaud) au point (X=D =5;Z =D =0:28) . . . 62
5.10 Evolutiondes prols de R
uu ((X=D =3:6;Z =D =0:28);r x =D =0;r y =D= 0;r z
=D;)pour =0set =400sen fonctiondunombred'échantillons
PIVenregistrés . . . 63
5.11 inuence des étapes d'analyses PIV sur lamesure de lavitesse : prols de
vitesse moyenne (à gauche) et de l'écart-type (à droite) après une analyse
par corrélation adaptative, une étape de redressement/ ré-échantillonnage
etunltragedu champ de vitesses . . . 63
5.12 Variation de lafonction
2
en fonction durapport entre letauxde
cylindre tronqué . . . 68
6.2 RelationexpérimentaleliantlavaleurdunombredeStrouhalaveclenombre
deReynoldsdanslecasd'uncylindretronquépourdeuxexpériencesdiérentes 68
6.3 Signauxtemporels,autocorrélationetdensitéspectraled'énergiedes
compo-santes u etw aux points (X=D =0:4;Z =D =0) et(X=D =1:9;Z =D =0)
(DonnéesLEA - Poitiers) . . . 70
6.4 Analyse spectrale dessignaux temporels de vitesselelong d'undemi prol
à X=D=5 . . . 72
6.5 Autocorrélationdusignaldevitesselchaudaupoint(X=D=5;Z =D=0:25) 72
6.6 Coecient d'autocorrélation spatialeau point(X=D =0:1;Z =D =0:55) . . 73
6.7 Cartographies deséchelles intégrales delongueursobtenue par PIV . . . 74
6.8 Vorticité et isocontour de la fonction
2 ( 1 2 2= en bleu et 2= 2
1 en rouge) associé au champ moyen de vitesse hu(x )i (a)
et cartographie de l'énergie des uctuations de vitesse (b). (Le champ de
vecteur a étésouséchantillonné d'unfacteur 2pour plusde clarté) . . . 77
6.9 Développementlongitudinaldelavitessemoyenne hUi=U
1
(a)ethWi=U
1
(b) . . . 77
6.10 Cartographie des diérentes composantes du tenseur de Reynolds
u 02 , w 02 ,ethu 0 w 0 i . . . 78
6.11 Lois de probabilité conjointe (a) etmarginales (b etc) de u etw au point
(X=D =0:4;Z =D=0) . . . 78
6.12 Présentation du champ moyen et des uctuations au niveau de la zone de
mélangeobtenue parPIV (U
1
=30ms
1
) . . . 79
6.13 Comparaison LDV- PIV des composantes de hUi=U
1 (a, e), hWi=U 1 (b, f), u 2 =U 2 1 (c,g) et w 2 =U 2 1 (d, h) pour X=D =0:1 ((a), (b), (c), (d)), etpour X=D=0:4((e), (f),(g), (h)) . . . 80
6.14 Lois de probabilité conjointe (a) etmarginales (b et c) de u etw au point
(X=D =0:1;Z =D=0:54) . . . 82
6.15 Lois deprobabilité appliquéeà lavaleurde lafrontièrez
c
etdistributionde
vitessecorrespondante au milieudu proldecouche limitedanslecasd'un
prol devitessethéorique . . . 83
6.16 Isocontours de lafonction 2 ( 1 2 2= en bleuet 2= 2 1en
rouge)surunchampinstantanéprésentantlaformationd'unestructure(Le
champde vecteur aété souséchantillonné d'unfacteur2 pour plus declarté) 84
6.17 Spectre du signal de vitesse enregistré par l chaud au niveau du point de
décollement du cylindre tronqué(X=D=0:02;Z =D=0:52) . . . 85
6.18 Lois de probabilité conjointe (a) etmarginales (b et c) de u etw au point
(X=D =1:7;Z =D=0) . . . 85
6.19 Comparaison LDV - PIVdes composantes deh Ui=U
1 (a, e),hWi=U 1 (b, f), u 2 =U 2 1 (c,g) et w 2 =U 2 1 (d, h) pour X=D =1:2 ((a),(b), (c), (d)), etpour X=D=1:7((e), (f),(g), (h)) . . . 86
6.20 Évolutionduproldevitessemoyenneetdesuctuationsdevitesseobtenues
par anémométrie lchauden X=D=3; 5;7 . . . 87
6.21 Cartographieduchampmoyen etdesdiérentescomposantesdutenseurde
Reynolds. . . 88
6.22 Comparaisonduproldevitessemoyenneetdesuctuationsdevitesseissus
32pixels (à droite)pour lanormedu champmoyen (aetb) lavariancedes uctuationsde u 2
(c etd),etlavariance desuctuations de
w 2
(eet f) 90
6.24 Inuence de la dimension de la fenêtre d'analyse :prols à X=D = 0:1 de
h Ui=U 1 (a), hWi=U 1 (b), u 2 =U 2 1 (c) et w 2 =U 2 1 (d); en bleu : 32
pixels;enrouge :16 pixels . . . 92
6.25 Inuence de la dimension de la fenêtre d'analyse :prols à X=D = 1:2 de
h Ui=U 1 (a), hWi=U 1 (b), u 2 =U 2 1 (c) et w 2 =U 2 1 (d); en bleu : 32
pixels;enrouge :16 pixels . . . 93
6.26 Inuencede lataille delafenêtre d'interrogation surlamesurede lavitesse
dansunecouchedemélange:prolsdevitessemoyenne(àgauche) eterreur
relative de la vitesseestimée (à droite) pour une fenêtre d de 0:1e, 0:5e, e,
2e,5e, et10e(e :épaisseur caractéristique dela couche de mélange) . . . . 94
6.27 Montageexpérimentaldedéclenchement delamesurePIVpar
synchronisa-tionexterne surlesignalde pressionpariétale . . . 96
6.28 Signaux instantanés enregistrés : signal de pression amplié, signal ltré,
signalTTL etsignalQSwitch laser . . . 99
6.29 Histogramme de l'intervalle de temps entre deux enregistrements successifs
pour les mesuressynchronisées . . . 99
6.30 Valeur moyenne dusignalde pressionmesuré enfonction de laphase' . . 100
6.31 Champsdevitesse(souséchantillonné) etstructurescohérentesdénies par
lecritère 2
àl'avalducylindretronqué(isocontours delafonction
2 pour
j 2
j>0:7) . . . 101
6.32 Positiondes7pointsdemesuredecorrélationspatialedanslesillage du
cy-lindre tronqué.Représentation delanormede lavitesse(a)en coordonnées
physiquesetdel'énergiedeuctuationk (b)encoordonnées
adimensionna-lisées . . . 102 6.33 Cartographies de R uu (x;r x ;r y =0;r z ;) (à gauche) et de R ww (x;r x ;r y = 0;r z
;) (à droite) à laposition (X=D = 0:5;Z =D = 0:54) pour diérentes
valeurs de . . . 103 6.34 Cartographies de R uu (x;r x ;r y =0;r z ;) (à gauche) et de R ww (x;r x ;r y = 0;r z
;) (à droite) à la position (X=D = 1:2;Z =D = 0:5) pour diérentes
valeurs de . . . 104
6.35 ComparaisonLDV-PIVdescorrélationsR
uu (x;r x =D=0;r y =D=0;r z =D;) etR uu (x;r x =D;r y =D=0;r z =D=0;)aupointP1(X=D =0:5;Z =D =0:54)106
6.36 ComparaisonPIV l chaud des corrélations R
uu (x;r x =0;r y =0;r z ;) au point P1 (X=D = 5;Z =D = 0:28) pour 0, 200, 400, 800, 1300, 2300 s (à gauche) et100,300,600, 1000,1800, 3000 s(à droite) . . . 107
6.37 Corrélation spatio-temporelle sur desenregistrements de 5000 échantillons.
ComparaisonPIV - lchaud . . . 107
6.38 Déplacement de l'extremum de lacorrélation adimensionnalisée par le
dia-mètre D, en fonction du temps adimensionnalisé pour les points (X=D =
0:5;Z =D=0:54)() et(X=D =3:6;Z =D=0:28)() . . . 108
7.1 Variation du pourcentage d'énergie cinétique présent dans les 12 premiers
modesdansles diérentesexpériencesréalisées . . . 114
7.2 Variation des 12 premières valeurs prorpres dans le cas d'une simulation
numérique autour d'un cylindre circulaire : R e = 100 (), R e = 100 (Æ),
pour chacunedes vitesses :U 1 =1:2cm:s 1 (R e =114), U 1 =1:4cm:s 1
(R e =133) avec une grille de turbulence, U
1 = 5:5cm:s 1 (R e = 522) et U 1 =10cm:s 1
(R e=950) pour les mesuresà faible vitessedansl'eau . . . 116
7.4 Pourcentagede l'énergiecinétiquedesuctuationsde vitessecontenue dans
unereconstruction contenantlesipremiersmodespourlesdiérentes
expé-riences réalisées . . . 117
7.5 Modespropresetstructurescohérentesdéniesparlecritère
2 (isocontours de lafonction 2 pour j 2 j>0:7) . . . 118
7.6 Associationduchampmoyenhu(x)i avec lepremiermode ((a)a
1 =hri a 1 et a 2
=0), ou avec le deuxième mode ((b) a
1 =0 eta 2 =h ri a2 ) (isocon-tours dela fonction 2 pour j 2 j>0:7). . . 119
7.7 Associationduchampmoyenh u(x)i avec lemode 3:valeurminimaledea
3
(a),a 3
=0(b)(champmoyen)etvaleurmaximale dea
3
.Représentationde
lavorticité! (s 1
)endensitédecouleur etlesisocontours delafonction
2
pourj 2
j>0:7 . . . 119
7.8 Associationduchampmoyenh u(x)i avec lemode 4:valeurminimaledea
4
(a),a 4
=0(b)(champmoyen)etvaleurmaximale dea
4
.Représentationde
lavorticité! (s 1
)endensitédecouleur etlesisocontoursdelafonction
2
pourj 2
j>0:7 . . . 120
7.9 Présentationdelatopologiedesstructurescohérentesprésentesdansla
pre-mièrepairede modesharmoniquepourles troisexpériences(isocontoursde
lafonction
2 pour j
2
j>0:7). . . 122
7.10 Association du champ moyen h u(x)i avec le mode 7 ((a) a
7 = hri a7 et a 8 =0), ou avec le mode 8 ((b) a 8 = 0 et a 8 = hri a 8 ) (isocontours de la fonction 2 pour j 2 j>0:7) . . . 123
7.11 Evolution des coecient POD a
1 = a1 , a 2 = a2 eta 3 = a3 en fonction de la
réalisation dans le cadre de mesures résolues en temps (à gauche) et de
mesures nonrésolues (à droite) . . . 124
7.12 Relation entre les premiers coecient POD pour l'ensemble desréalisation
dansle cadrede mesures non résolues(à gauche) et de mesuresrésolues en
temps (à droite). . . 125 7.13 Evolution de R a 1 (t)a 2 (t+)
en fonction du temps pour la position proche
du point de décollement (a)etdanslesillage (b) . . . 125
7.14 Coecient de corrélation R a i (A)a i (B)
() en fonction du temps pour les
coecientsdes100premiersmodes((a)amontet(c)aval)etéchelleintégrale
de temps ((b)amont et(d) aval) . . . 127
7.15 Coecient de corrélation R a i (A)a i (B)
() en fonction du temps pour les
coecients despremiers modes(R e=50k) . . . 127
8.1 Représentation de a
2 =f(a
1
) (a)etdistributiondescoecientsa
1 eta 2 en fonction de laphase' POD (b). . . 132 8.2 Représentationdea 2 =f(a 1
)pourunedécompositionsurundomaine
com-plet symétrique(a)etpour unedécompositionsur undemi domaine (Z>0) 133
8.3 Représentation dea
2 =f(a
1
)danslecadredel'expériencede BenChiekh
rayon hri avec :associationdu champ moyen hu(x )i avec lepremier mode ((a) a 1 = h ri a 1
) et avec le premier mode en augmentant le rayon de la
valeur r ((b)a 1 =(hri+ r ) a1
),eten diminuant lerayon delavaleur
r ((c)a 1 =(hri r ) a 1 ) . . . 134
8.5 Statistiquesobtenuesaveclesmesuressynchronisésaveclesignaldepression
pour laphase'=0
Æ
((a), (c), (e))etpour laphase'=90
Æ
((b), (d), (f)) . 137
8.6 StatistiquesobtenuesaveclaphasedénieparPOD,avecunangle'
POD = 15 Æ pour la phase ' POD = 0 Æ
((a), (c), (e)) etpour la phase '
POD = 90 Æ ((b), (d),(f)) . . . 138 8.7 Répartition de laphase ' POD
desmesures de vitessesynchronisées '=0
Æ
(a)et'=90
Æ
(b). . . 139
8.8 Statistiquesobtenuesaveclesenregistrementsselectionnéesdanslesmesures
synchronisées,aveclaphase'
POD
dénieparPOD,avecunangle'
POD = 15 Æ ,pour laphase'=0 Æ
((a), (c), (e)) etpour la phase'=90
Æ
((b), (d),
(f)) . . . 141
8.9 Étude de la répartition des coecients a
1
à a
6
normalisés par leur écart
type en fonction de la phase '
POD
dénie par l'étude des deux premiers
coecients danslecasde l'analyse enavaldanslesillage . . . 142
8.10 Étude de la répartition des phases '
aiai+1
en fonction de la phase '
POD
déniepar l'étudedesdeuxpremiers coecients danslecasdel'analyse en
avaldanslesillage . . . 143
9.1 Comparaison entre les moyennes de phases obtenues avec les mesures
syn-chronisées avec lesignal depression(à gauche)etlareconstructionavec les
deuxpremiers modes(à droite) pour lesphases :0; =2; et3=2 . . . 147
9.2 Variation de laphase' POD enfonction du temps (R e=114) . . . 148 9.3 Comparaison deR a 1 a 2
() relevé expérimentalement (PIV2T)avec une
mo-délisationde typesin(2f
0
t) . . . 149
9.4 Spectre de la composante de vitesse U au point (X=D =4;Z =D =0) avec
unmodèle contenant lesmodes1et2 (a)et en ajoutant lesmodes 5et6 (b)152
10.1 Exempledechampsinstantannés(souséchantillonné)enfonctiondunombre
demodesintégrésaumodèle.Structurescohérentesdéniespar lecritère
2
(isocontours j
2
j>0:7) . . . 156
10.2 Proldecomparaison entrelesvaleursexpérimentales(enrouge)etmodèle
dereconstruction (enbleu) deh Ui=U
1
ethWi=U
1
pour X=D=0:1 . . . . 157
10.3 Proldecomparaison entrelesvaleursexpérimentales(enrouge)etmodèle
dereconstruction (enbleu) deh Ui=U
1
ethWi=U
1
pour X=D=3:5 . . . . 157
10.4 Proldecomparaison entrelesvaleursexpérimentales(enrouge)etmodèle
dereconstruction (enbleu) de
p hu 2 i=U 2 1 et p h w 2 i=U 2 1 pour X=D=0:1 . 158
10.5 Proldecomparaison entrelesvaleursexpérimentales(enrouge)etmodèle
dereconstruction (enbleu) de
p hu 2 i=U 2 1 et p h w 2 i=U 2 1 pour X=D=3:5 . 158
10.6 Cartographiesdesquantités
p h u 2 i=U 2 1 et p hw 2 i=U 2 1
danslazonede
mo-délisationamont en fonction dunombre de modesdans lemodèle . . . 160
10.7 Cartographiesdesquantités
p h u 2 i=U 2 1 et p hw 2 i=U 2 1
danslazonede
mo-délisationavalen fonction du nombredemodesdanslemodèle . . . 161
10.8 Proldecomparaison entrelesvaleursexpérimentales(enrouge)et modèle
de reconstruction (en bleu) de h uwi=U
2 1
pour X=D = 0:1 (en haut) et
1 1
au point (X=D = 0:7;Z =D = 0:5) pour la partie déterministe, la partie
aléatoire etun modèleintégrant 20 modesou100 modes . . . 163
10.10Histogrammedesuctuationsdevitesse(U h Ui)=U
1
et(W h Wi)=U
1 au
point(X=D =1:7;Z =D =0) pour lapartie déterministe,lapartie aléatoire
etun modèleintégrant 20modesou100 modes . . . 163
10.11Evolution de la distribution de lacomposante de vitesseau point (X=D =
0:7;Z =D = 0:5) en xant les déphasage des modes (a) ou en les laissant
uctuer (b) . . . 165
10.12Corrélation C
ai(A)ai(B)
() en fonction du temps pour les coecients des
premiers modesR e=50k . . . 166
10.13Coecient de corrélation entre l'écart r = r
i h ri et a i = a i pour les
décompositions danschacunedeszonesmodélisées . . . 166
10.14ExempledeproldecomparaisonR
((X=D;Z =D);r X =D;r Y =D=0;r Z =D=
0; =0)mesuréeparPIVetmodéliséenfonctiondunombredemode
consi-déré- =0s. . . 168
10.15Prol de comparaison à Z =D constant entre R
UU ((X=D = 1:2;Z =D = 0:5);r X =D;r Y =D =0;r Z
=D=0;) en PIV et avec un modèle en fonction
dunombredemodeconsidérémodesPODaupoint(X=D=1:2;Z =D=0:5)
pourdiérentesvaleursde =0;200;400; et800s . . . 168
10.16Prol de comparaison à Z =D constant entre R
UU ((X=D = 0:4;Z =D = 0);r X =D;r Y =D = 0;r Z
=D = 0;) en PIV et avec un modèle en fonction
du nombre demode considérémodesPOD aupoint (X=D=0:4;Z =D =0)
pourdiérentesvaleursde =0;200;400; et800s . . . 169
10.17ExempledeproldecomparaisonR
U"U" ((X=D;Z =D);r X =D;r Y =D=0;r Z =D=
0; =0)obtenueparPIVltréeetmodéliséeenfonctiondunombredemode
considéré - =0s . . . 170
10.18Prol de comparaison à Z =D constant entre R
((X=D = 1:2;Z =D = 0);r X =D;r Y =D=0;r Z
=D=0;) enPIV etavecunmodèleenfonctiondu
nombre de mode considéré modes POD au point (X=D = 1:2;Z =D =0:5)
pourdiérentesvaleursde =0;200;400; et800s . . . 170
10.19Trajectoired'uneparticuleuideinjectéeauniveaudupointdedécollement
(X=D = 0:1;Z =D = 0:54) (a) et évolution de l'écart de la position de la
particule uidepar rapport au modèle le plus élevé au cours du temps (b)
en fonction dunombrede modespris en compte danslemodèle . . . 172
A.1 Schémadumontageexpérimentaldemesureendeuxtemps(a)et
photogra-phiedu système(b) . . . 180
A.2 Chronogramme de l'ensemble des signaux générés pour la synchronisation
de deuxsystèmes PIVstandards enPIV 2T . . . 181
C.1 Prolde comparaison entre lesvaleursexpérimentales(enrouge)etles
sta-tistiques obtenuesavec lemodèledereconstruction (enbleu)pour X=D=0:1186
C.2 Prolde comparaison entre lesvaleursexpérimentales(enrouge)etles
sta-tistiques obtenuesavec lemodèledereconstruction (enbleu)pour X=D=0:5187
C.3 Prolde comparaison entre lesvaleursexpérimentales(enrouge)etles
sta-tistiques obtenuesavec lemodèledereconstruction (enbleu)pour X=D=1:0188
C.4 Prolde comparaison entre lesvaleursexpérimentales(enrouge)etles
C.5 Proldecomparaison entreles valeursexpérimentales(enrouge) etles
sta-tistiquesobtenuesaveclemodèlede reconstruction(enbleu)pourX=D=3:5190
C.6 Proldecomparaison entreles valeursexpérimentales(enrouge) etles
sta-tistiquesobtenuesaveclemodèlede reconstruction(enbleu)pourX=D=4:0191
C.7 Proldecomparaison entreles valeursexpérimentales(enrouge) etles
sta-tistiquesobtenuesaveclemodèlede reconstruction(enbleu)pourX=D=4:5192
C.8 Proldecomparaison entreles valeursexpérimentales(enrouge) etles
sta-tistiquesobtenuesaveclemodèlede reconstruction(enbleu)pourX=D=5:0193
D.1 histogramme des uctuations de vitesse (U h Ui)=U
1
et (W hWi)=U
1
en diérentspointsde l'écoulement,avec un modèle intégrant 20modes en
diérenciant lapartie déterministe etlapartie aléatoire . . . 196
D.2 histogramme des uctuations de vitesse (U h Ui)=U
1
et (W hWi)=U
1
endiérentspointsdel'écoulement,avec unmodèleintégrant 100modesen
diérenciant lapartie déterministe etlapartie aléatoire . . . 197
D.3 histogramme des uctuations de vitesse (U h Ui)=U
1
et (W hWi)=U
1
en diérentspointsde l'écoulement, avec un modèle intégrant 20modes en
diérenciant lapartie déterministe etlapartie aléatoire . . . 198
D.4 histogramme des uctuations de vitesse (U h Ui)=U
1
et (W hWi)=U
1
endiérentspointsdel'écoulement,avec unmodèleintégrant 100modesen
diérenciant lapartie déterministe etlapartie aléatoire . . . 199
E.1 ProldecomparaisonàZ =DconstantentreR
UU ((X=D;Z =D);r X =D;r Y =D= 0;r Z
=D=0;) enPIV etavec unmodèle enfonction dunombre demodes
PODconsidéré pour diérentes valeursde . . . 203
E.2 Prol de comparaison à X=D constant entre R
UU ((X=D;Z =D);r X =D = 0;r Y =D=0;r Z
=D;) en PIV etavec unmodèle en fonction dunombre de
modesPODconsidéré pourdiérentesvaleursde . . . 204
E.3 ProldecomparaisonàZ =DconstantentreR
ww ((X=D;Z =D);r X =D;r Y =D= 0;r Z
=D=0;) enPIV etavec unmodèle enfonction dunombre demodes
PODconsidéré pour diérentes valeursde . . . 205
E.4 Prol de comparaison à X=D constant entre R
ww ((X=D;Z =D);r X =D = 0;r Y =D=0;r Z
=D;) en PIV etavec unmodèle en fonction dunombre de
modesPODconsidéré pourdiérentesvaleursde . . . 206
E.5 ProldecomparaisonàZ =DconstantentreR
uu ((X=D;Z =D);r X =D;r Y =D= 0;r Z =D=0;)etR ww ((X=D;Z =D);r X =D;r Y =D=0;r Z =D=0;)enPIV
ltréeetavec lapartiealéatoire dumodèleenfonction dunombredemodes
PODconsidéré pour diérentes valeursde . . . 207
E.6 ProldecomparaisonàX=DconstantentreR
uu ((X=D;Z =D);r X =D;r Y =D= 0;r Z =D=0;)etR ww ((X=D;Z =D);r X =D;r Y =D=0;r Z =D=0;)enPIV
ltréeetavec lapartiealéatoire dumodèleenfonction dunombredemodes
Tab.1 Acronyme
Acronyme Dénition
CCD Charge Coupled Device
CNAM ConservatoireNationaldes ArtsetMétiers
CNRTR2A Centre National de Recherche Technologique en
Aérodyna-mique etAéroacoustique
LDV Laser DopplerVelocimetry(Vélocimétrie laserDoppler)
LEA Laboratoire d'ÉtudeAérodynamique
LIF Laser Induced Fluorescence(Fluorescence induitepar laser)
LMFA Laboratoire deMécanique desFluides et d'Acoustique
Nd :YAG Yttrium AluminumGarnet doppé Neodym
PIV ParticleImageVelocimetry(VélocimétrieparImagede
Par-ticules)
POD ProperOrthogonalDecomposition(Décomposition
Orthogo-nale enModesPropres)
R e NombredeReynolds
St NombredeStrouhal
Lettre Dénition
a n
Coecient POD associéaun
ieme mode
C ij
Corrélation spatiale
D Diamètreducylindre tronqué
e x
Vecteur unitairedansladirection X
e y
Vecteur unitairedansladirection Y
e z
Vecteur unitairedansladirection Z
f 0
Fréquencede l'échapement tourbillonnaire
f 1
Fréquenced'acquisition dusystème PIV
f acq
Fréquenced'acquisition d'unsignalanalogique
f struct
Fréquence des tourbillons secondaires dans la zone de
mé-lange
k Energie cinétique
L Envergure du cylindre
L X
Longueurdu plande mesure
L Z
Largeur duplande mesure
L
Echelle intégralede longueur
l
Echelle deKolmogorov
R Rayon de lasurface decalcul de
2
R ij
Tenseur de corrélationspatiale devitesse
R ij
Coecient de corrélationspatiale
r Séparationentredeux points
T Echelle intégralle temporelle
T a
k
Temps de cohérence ducoecient POD a
k
t instantde lamesure
u(x ;t) Vitesse instantannée
hu(x)i Composantemoyenne de lavitesse
u 0
(x;t) Fluctuationde vitesse
u(x ;t) Composantedéterministe desuctuations
u 00
(x;t) Composantealéatoire duchampde vitesse
~
u(x ;t) Moyenne dephase
U 1
Vitesse deréférence
U Composantedevitesseselonladirectionprincipalede
l'écou-lement
V Composantede vitesseselon ladirection d'homogénéité
W Composantede vitesseselon ladirection verticale
X Variablesd'espace etdetemps
x Position dupoint de mesure
X Directionprincipale de l'écoulement
Y Directiond'homogénéité
Tab.3 Notations Grecques
Lettre Dénition
Æ x
Dimension caractéristique delazone demesure
Æ l
Epaisseur de latranche laser
t Pasdetemps élémentaire de modélisation
Æt Intervalle de temps entre deuxpulseslaser
n
Variablealéatoire gaussienne
(n)
(x) Mode(n) POD
' Phase baséesurlesignal depression
' POD
Phase baséesurl'analyse POD
2
Fonction indicatrice (dénition intégrale)
2
Fonction indicatrice (dénition locale)
n
Valeur propreassociéau n
ieme
mode POD
Viscosité cinématique
! Pulsation dudétachement tourbillonnaire
intervalle entredeuxacquisitions PIVsuccessive(PIV2T)
S
Cadre - État de l'art
1.1 Introduction
Dans un tourbillonde poussière qu'élève un vent impétueux; quel qu'il
pa-raisse à nos yeux, dans la plus areuse tempête excitée par des vents opposés
qui soulèvent les ots, il n'y a pas une seule molécule de poussière ou d'eau
qui soit placée au hasard, qui n'ait sa cause susante pour occuper le lieu où
elle setrouve, etqui n'agisse rigoureusement de la manière dont elledoit agir.
Un géomètre qui connaîtraitexactement les diérentes forces qui agissentdans
les deux cas, et les propriétés des molécules qui sont mues, démontrerait que,
d'après les causes données, chaque molécule agit précisément comme elle doit
agir,et nepeut agir autrementqu'ellene fait.
PaulHenri DietrichBaron d'Holbach - Le systèmede lanature
Encestermesfûtexpriméepourlapremièrefoisl'idéedudéterminismeausensphysique
du terme. Mais c'est à l'astronome et mathématicien Pierre-Simon Laplace, que revient
d'avoir arméledéterminismeuniverseldanstoute sarigueur :
Nous devons envisager l'état présent de l'univers comme l'eet de son état
antérieur, et comme la cause de celui qui va suivre. Une intelligence qui, pour
un instant donné, connaîtrait toutes les forces dont la nature est animée et la
situationrespectivedes êtresquilacomposent,sid'ailleurselleétaitassezvaste
poursoumettre ces données à l'analyse,embrasseraitdans la même formuleles
mouvementsdesplusgrandscorpsdel'universetceuxdupluslégeratome:rien
ne serait incertain pour elle, et l'avenir, comme le passé, serait présent à ses
yeux.L'esprithumainore,dansla perfection qu'ilasudonner àl'astronomie,
une faible esquisse de cette intelligence. Ses découvertes en mécanique et en
géométrie, jointes à celles de la pesanteur universelle, l'ont mis à portée de
comprendre danslesmêmesexpressionsanalytiqueslesétats passésetfuturs du
systèmedumonde. Enappliquant la mêmeméthodeà quelquesautresobjets de
sesconnaissances,il estparvenuà rameneràdes loisgénérales lesphénomènes
observés, et à prévoir ceux que les circonstances données doivent faire éclore.
Pierre-Simon Laplace - Essaiphilosophique surlesprobabilités
En vertu du déterminisme universel, l'intelligence qui connaîtrait avec une absolue
précision la position et l'énergie de tout objet dans la position initiale pourrait calculer
Le but de tout mécanicien est d'obtenir l'ensemble deséquations permettant la
connais-sance complètedusystèmeauquel celui-cis'intéresse,etde pouvoir entrouver lasolution.
Le postulat sous-jacent du déterminisme scientique universel moderne est que tout
sys-tème physique est, à terme, programmable et modélisable. Le problème principale réside
souvent dans la recherche d'une formulation simple. En eet, comme le précise Laplace,
l'esprithumain n'orequ'un faibleaperçude laréalité.Pour comprendrelesphénomènes,
nous recherchons des modèles plus simples, approchant la réalité et nous permettant de
prévoirles phénomènes.
Dans le cadre de la mécanique des uides, si on ne s'intéresse qu'à une seule particule, il
est possible de faire lebilan desforces s'exerçant surelle et de là, en déduire saposition
et sa trajectoire. Cependant, le nombre de particules à prendre en compte est tellement
important que l'on ne cherche pas à résoudre le système d'équations posées par le
pro-blème initial. A ce problème, on préfère adopterdesmodèlesde résolution, plus oumoins
complexes, et adaptés que l'on confronte à l'expérience an de tester son ecacité et sa
pertinence.
Avec la découverte des principes de la physique moderne, nous nous sommes éloignés du
concept originel donné par lanotion de déterminisme. De nos jours, on qualie de
déter-ministe toute quantité qui est régie par une loi mathématique, et que l'on peut opposer
au terme "aléatoire". Dans ces nouvelles approches de la physique, il ne convient plus
seulement dedécrirelemouvement déterministe, maisd'introduire unecomposante
repré-sentative des mouvements aléatoires et chaotiques des particules. Cette composante est
très importante carelle estliée à lanotion deturbulence en mécanique desuides.
La résolution numérique de ce problème peutsefaire par diérentes méthodes, commela
résolution directe des équations de Navier et Stockes, la simulation des grandes échelles,
ou encoreà partirdeséquations de NavieretStockesmoyennées (RANS).
Parallèlement àcedéveloppement destechniquesdesimulation quisuiventde prèsles
évo-lutionstechniquesdesmoyensinformatiques,ilsecrééede plusenplusde modèlesdits de
faible(oubas)ordrequipermettentd'avoiruneconnaissanceglobale del'écoulement,avec
un certaindegré deprécision à moindrefrais.
L'objectif de ce travail reste cependant relativement modeste car nous nous attacherons
uniquement à analyser et à apporter une modélisation de faible ordre à partir de l'étude
expérimentale d'un écoulement turbulent présentant une instationnarité à grande échelle
etpériodique.Cettemodélisationcependants'attacheraàlafoisàreproduirelapartiedite
déterministe et lapartiealéatoire.
1.2 De l'utilité d'obtenir des modélisations simples
L'ensemble des méthodes de simulations numériques citées précédemment permettent
le calculde l'historique etdesréponses fréquentielles desécoulements en utilisant plus de
10 4
-10 6
degrés de liberté. Ainsi il est possible d'obtenir une connaissance complète des
évènements présents dans l'écoulement, les vitesses, les pressions... En contrepartie, ces
calculs demandent untemps de calculsouvent très long, ce quipeutêtre pénalisant selon
les applicationssouhaitées.
Un modèle de faible ordre possède par dénition un nombre beaucoup plus restreint de
degrés de liberté qu'un modèle complet, mais doit posséder, idéalement, une précision
comparable touten fournissant une économie decalcul.
L'élaboration de modèles de faibleordre d'écoulement incompressible joueun rôlede plus
en plusimportant danslarechercheaussibienindustrielle quefondamentale.Eneet,ces
fondamentaux, uneanalyse rapidedes phénomènesde mouvement.
Un autre domaine où l'application de modèle de faible ordre commence à être largement
utiliséeest lecontrôle d'écoulement. Cetteapproche de contrôle del'écoulement prendde
nos jours une part de plus en plus importante dans le développement et l'amélioration
desystèmes aérodynamiques. Aujourd'hui, cesméthodestrouvent de nombreuses
applica-tions,dansl'augmentation desperformancesded'ailesàhauteportance,danslaréduction
des bruits de cavités, dans le contrôle de jets et sillages, mais encore dans de nombreux
autres systèmesdynamiques (Pack & Joslin (1998)).Cesdernières annéesont été
l'ob-jetde grandes avancées dansles techniquesde contrôle, du fait de l'augmentation rapide
descapacités d'investigations etde calculs. Même si lespuissances de calculsaugmentent
de jour en jour, l'établissement de système de faible ordre est crucial aussi bien pour le
contrôle en temps réel, que dans l'établissement d'analyse de stabilité et de bifurcations
dansdesgéométries un peu complexes, qui sont impossibles àobtenir avec d'autres types
desimulations (pour desquestionssoit de complexitésoit de coûts).
Bien évidemment, il est nécessaire de choisir entre laprécision etla simplicité dans
l'éla-boration d'unmodèle simple. Cecidépend de la nature de l'écoulement et de l'utilisation
souhaitée. Le modèle obtenu n'est qu'une approximation de la physique de l'écoulement.
Cependant, quece soit en développement, en analyse,en optimisation, ouencore en
stra-tégie de contrôle, domaines ayant besoin de faibles systèmes, l'utilisation de modèles de
basordres esttrès prometteuse.
Lesattentesconcernantuntelmodèlesontmultiples:ildoitpouvoirdemanièreraisonnable
fournirlespremiersmomentsstatistiques(moyennesetécart-types)maiségalementdonner
lesdiérenteséchelles detemps etdelongueur présentesdansl'écoulement.Le modèle
de-vraitalorspermettre lecalculdesfonctionsdecorrélations spatialesetspatio-temporelles,
etreproduire les distributions devitesse nongaussiennes, conformesà l'écoulement.
Finalement, la diculté dans la recherche d'un modèle de faible ordre est de dénir une
représentation simple en chaque point d'étude de l'écoulement. L'outil utilisé an de
ré-soudreceproblèmeestlaPOD.LaDécompositionOrthogonaleenmodesPropres
(traduc-tionfrançaisedel'acronymeanglaisPOD-ProperOrthogonalDecomposition)desdonnées
(aussibiennumériquesqu'expérimentales) nousore,commenousleverrons parla suite,
la possibilité de découpler la partie spatiale du problème initiale de la partie temporelle.
DepluslaPODnousfournitune baseadaptéeauxconditionslimites observées. Enn,un
autreintérêt non négligeable de laPODrésidedanssapropension à analyserles données.
Comme nous le verrons, il est possible d'interpréter physiquement les modes issus de la
décomposition POD (ce qui n'est pas toujours le cas dans les diérentes décompositions
existantes).Lesstructurescohérentesjouentunrôleessentieldansl'évolutiondenombreux
écoulements. Une compréhension de ceux-ci passe par une analyse précise des structures
cohérentes et desdiérents phénomènes. L'analyse fournie par laPOD peutapporter des
éléments de réponses, commenous l'observerons tout au long du travail d'élaboration du
modèle.
1.3 Modélisation de faible ordre dans la littérature
L'élaboration d'un modèle de faible ordre peut s'eectuer par diérentes méthodes.
Nousnouscontenteronsdeparler desmodèles baséessurlesdécompositions detypePOD.
Laliste destravauxmentionnés par lasuiteest loin d'êtreexhaustive,nousne présentons
ici qu'un bref aperçu des recherches actuelles. La majeur partie de ceux-ci font parti de
La POD aétélargement commentéedanslalittérature ces dernièresannées, commeoutil
pourl'élaborationdemodèlesréduits.Cetteméthodeaétéutiliséeavecsuccèsdansl'étude
denombreusesapplicationsdecouchelimite,desillage,decavitéouvertepourneciterque
celles-ci(Dean etal (1991),Berkooz etal (1993),Atwell&King(2005)).De
nom-breuxeortsontétéeectuéspour l'étudede l'écoulement enavald'uncylindrecirculaire.
Cecas, bienqued'apparencesimple,regroupeunelarge gammede phénomènes,etaservi
commeexpériencede référencedansdenombreusesapplicationsen mécaniquedesuides.
Mais il existeégalement desapplications dansle casd'écoulementscomplexes commedes
turbo-machines (Epureanu et al (2000)). La POD nous fournit dans ce cas une base
orthogonale d'unensemble de données (ensemble qui peut être théorique, expérimentale,
ou issu desimulations numériques).
Concernant les recherches plus théoriques (simulations ou développement théoriques), il
est possible d'appliquer la POD directement aux équations du problème. Le modèle est
déduit d'uneprojectiondes équationsde base.
Une autre approche de lamodélisation, qui estla seule possible sil'on considère des
don-nées expérimentales, est d'analyser les données instantanées (résolues en temps ou non).
La première approche est la plus courante chez les numériciens. On comprend aisément
que lemodèlefait l'économied'une analysepréalable.
Dans le casd'un écoulement bidimensionnel autour d'uncylindre circulaire, Dean et
al (1991)(R e=100etR e=150)expliquequeladonnéede6modesPODsontsusants
pourreproduireladynamiqueduuideenavaldel'obstacle. Cependant,ladécomposition
aétéfaitepar laméthodeditedessnapshots(détails auparagraphe2.3.2)réaliséeàpartir
de seulement 20réalisationsselectionnées dansles simulations numériques .
Le mêmetyped'analyseaétéeectuéesurdesmodes3Dcettefois-ciparMa &
Karnia-dakis (2002):ils ont utilisé 40 snapshotsissusd'un calculDNS(R e=185)pour dénir
la base modale de leur écoulement. Un très bon accord est obtenu à partir de 20 modes.
Toujours pour un cylindre circulaire à un nombre de Reynolds R e = 100, Sirisup et al
(2005)montrequedanslecadred'uneréductiondelasimulation numérique directeparla
PODpermetd'obtenirunrésultat précis,avec uneréductiondutempsdecalculdel'ordre
de 80%. De plus, un tel modèle permet d'observer le comportement de l'écoulement de
manière asymptotique.
Smith et al (2002) ont à travers l'étude expérimentale par PIV du sillage dans un
cylindre dansl'eau (R e=125)déterminé unmodèlepermettant avec un nombrerestreint
de modes(4 ou 8) decapturer ladynamique destourbillonsde l'écoulement.
Pourcequiestdesgéométriespluscomplexes,l'applicationdelaPODdanslarecherche
d'un modèle réduit du système a permis à Epureanu et al (2000) de créer desmodèles
composésde 15 à 75degrés de libertéqui permettent de prévoir avec précision laréponse
instationnaire d'unsystèmecomportant près de 15000 degrésde liberté.
Atraversl'ensembledecetaperçubibliographique,ilapparaît quelamajeurpartiedes
travaux de modélisation d'écoulement instationnaire est relative à des simulations
numé-riquesconcernantdesnombresdeReynoldsdel'ordrede100à200.Ilexistepeudetravaux
à l'heureactuelleconcernant l'élaboration demodèlesde basordre àdesnombresde
Rey-noldsplusélevés.Lesétudesdisponiblessontissuesdesanalysesdedonnéesexpérimentales
faites par PIV. Ben Chiekh et al(2004) a établi une approche de modélisation d'ordre
4 delacomposante instationnaire déterministe présentedanslesillage d'uneplaque plane
(modélisationbidimensionnelledel'écoulement).Lemême typed'étudeaétéeectuéepar
lesmêmes caractéristiquesd'instationnarité à grandeéchelle périodique.
1.4 Cadre - Travaux menés pour ces recherches
L'objectifdecetravailestlamodélisationd'unécoulement présentantune
instationna-rité.Une partimportanteaétéaccordée auxexpérimentationsenvue d'élaborerlesbases
dedonnées nécessaires àces recherches.
Après cette brève introduction, nous allons présenter, toujours dans cette partie, les
bases mathématiques nécessaires à ce travail, avant de fournir une descriptionglobale de
l'écoulement à l'avald'un obstacledanslecasdu cylindre circulaire.
Une seconde partie est dédiée au travail expérimental. Nous y présenterons les
dié-rents dispositifs ainsi que les techniques de mesures qui ont été employées. Pour obtenir
lesinformationssurladynamique, ila éténécessairededévelopperetdemettreen oeuvre
une technique basée sur la Vélocimétrie par Image de Particules - PIV, que nous
décri-rons plusen détail au chapitre 5.5. Diérentes confrontations et vérications desmesures
obtenuespar ce nouveau protocole expérimental ont étéfaitesavec d'autres techniquesde
métrologie.
Dansledernierchapitredecettepartie,nousprésenteronsunedescriptionglobalede
l'écou-lementderéférenceutilisé.Nousnoussommesattachésàexplorerpardiérentestechniques
de mesure(vélocimétriepar image de particules- PIV,vélocimétrielaserDoppler - LDV,
anémométrielchaud) l'écoulement considéréand'enconnaîtrelatopologie,les
proprié-tésstatistiques ainsiquediérentesinformations surladynamique.
Ladernièrepartiedecemémoireestconsacréeàl'élaborationd'unmodèledebasordre
en commençant par faire une étudede ladécomposition en modespropres de notre
écou-lement de référence. Le chapitre suivant est axé sur la détermination d'un paramètre de
phasedu détachement tourbillonnaire par l'analyse descoecientsPOD. Aprèsce travail
nousétablirons diérentes modélisations de l'écoulement instationnaire en tenant compte
d'unepartie déterministe àgrandeéchelle etd'unepartie aléatoire.L'analysedesmesures
expérimentales non résolues en temps va nous conduire à l'élaboration d'un modèle de
reconstruction temporelledu champ aérodynamique instationnaire, en utilisant une
tron-cature de ladécomposition PODdu champde vitesse auxpremiers modesde même type
quecelleproposéeparBenChiekhetal (2004)etVanOudheusden etal (2005).Nous
ajouteronsà ce modèle une partie aléatoire. Les résultats ainsiobtenus seront alors
com-parés avec des mesures expérimentales dans un dernier chapitre. L'objectif de ce modèle
est de répondreaux diérentes attentes citées précédemment, mais ildoit surtout décrire
lapartie déterministe de l'écoulement, ainsiqueretranscrire lapartie aléatoire.
Enn nousconclurons ce travail en donnant les principales évolutions possibles de ce
travailde recherche.
CesrecherchesontpartiellementétésoutenuesnancièrementparleCNRTR2A(Centre
nationaldeRecherche TechnologiqueenAérodynamiqueetAéroacoustique),réunissantles
industriels, à travers la collaboration des groupes PSA Peugeot-Citroën, Renault, et le
Bases mathématiques
2.1 Grandeurs statistiques usuelles en un point
Les grandeurs analysées sont essentiellement les composantes de vitesse obtenue par
diérentes techniques de mesure. Nous utiliserons donc cette quantité an de dénir les
outilsmathématiquesnécessairesdansnotre travail.Pourdesmesuresdevitesse,l'analyse
d'unensembleU
(k)
i
(x);k =1::N deN échantillons statistiquesindépendant dela
compo-santeU
i
delavitesseduuidemesuréeenunpointxcomporteenpremierlieul'évaluation
des moments statistiques que sont la moyenne et la variance des composantes de vitesse
d'unphénomène statistiquement stationnaire. La moyenne estcalculée classiquement par
larelation : hU i (x)i= 1 N N X k=1 U (k) i (x) (2.1)
Pour chaque réalisationU
(k)
i
(x);k =1::N, ondénit alors lauctuation :
u (k) i (x)=U (k) i (x ) hU (k) i (x)i (2.2)
Pour le calculdelavariance de lavitesseon adopteles notationssuivantes :
2 u i = u 2 i (x) = 1 N ( N X k=1 [u (k) i (x )] 2 ) (2.3) 2.2 Corrélations
L'étude des écoulements turbulents et instationnaires nécessite d'accéder à des
gran-deurs quipermettent de caractériser nement laturbulence àtravers desgrandeurs telles
que le champ moyen et l'écart-type des uctuations de vitesse, mais aussi par des
para-mètrestels quedeséchelles delongueur spatialesou/et temporelles. Ilexiste deszonesoù
leschamps de vitesseprésentent unecertaine cohérence, notamment deszones
tourbillon-naires. De telles zones sont qualiées de structures. Pour faire ressortir cette cohérence
spatiale d'un point de vue statistique, l'outil le plus simple est la corrélation en deux
points.
Considéronsdeuxvariablesaléatoires,f etgdemoyennenulle.Leurfonctiondecorrélation
esth fgi. Sif etg sont indépendantes, il apparaît que h fgi=0.Sinon, a priori, h fgi 6=0
etsatisfaitjh fgij p hf 2 ih g 2 i.
Cela suggère d'introduire lecoecient de corrélationR dénipar : R= hfgi p hf 2 ih g 2 i (2.4)
etqui estborné.
Ainsi, siles deux variables aléatoires f et g sont indépendantes, R =0 et si les deux
va-riables sont linéairement liées, jR j=1. Pour R 6=0 et jR j6=1, on aura un certain degré
de dépendanceentreles phénomènesreprésentés par lesvariables aléatoiresf etg.
2.2.1 Corrélation temporelle
Considéronsdeséchantillons U
(k)
i
(x )mesurésàdesinstantst
k
,on peutévaluer
l'auto-corrélation temporelle enun point x :
C ij (x;)=hu i (x;t)u j (x ;t+)i= 1 N N X k=1 u (k) i (x)u (k) j (x;) (2.5) avec u (k) i (x)=u i (x;t k ) etu (k) j (x ;)=u i (x;t k +) (2.6)
Lecoecient decorrélationtemporelleencepointestobtenuennormalisantparles
écart-types: R ij (x ;)= hu i (x;t)u j (x;t+)i r u 2 i (x ) D u 2 j (x) E (2.7)
2.2.2 Corrélations spatiales et spatio-temporelles
La corrélation spatiale entre uctuations de vitesse mesurées simultanément en deux
pointsavec une séparationde r,calculée aupoint x, estdéniepar la relation:
C ij (x;r)=hu i (x )u j (x+r)i= 1 N N X k=1 u (k) i (x)u (k) j (x+r) (2.8)
La normalisation parles écart-typesdessignauxpermetde calculerlecoecient de
corré-lationspatiale : R ij (x ;r)= hu i (x )u j (x+r)i r u 2 i (x) D u 2 j (x+r) E (2.9)
La corrélationspatio-temporelle s'obtient en décalant les échantillons statistiques
tempo-rellement etspatialement : C ij (x;r;)=hu i (x;t)u j (x+r;t+)i= 1 N N X k=1 u (k) i (x)u (k) j (x+r;) (2.10)
Onen déduitlecoecient de corrélationspatio-temporellesuivant:
R ij (x;r;)= hu i (x;t)u j (x+r;t+)i r u 2 i (x) D u 2 j (x) E (2.11)
2.2.3 Métrologies existantes
Les fonctions de corrélations spatiales et spatio-temporelles dans un écoulement sont
utilisées par certains modèles pour l'étude de la propagation des ondes acoustiques. Il
importe donc de pouvoir accéder à ces dernières par voie expérimentale en conguration
complexe.
Une telle analyse nécessite la mesure de la cohérence spatiale des diérentes structures
présentesdans l'écoulement. Detelles mesures ont déjàété eectuées par anémométrie l
chaud (Comte Bellot & Corsin (1971)),ou par anémométrie laser Dopplerbipoint.
Belmabrouk (1992) et Belmabrouk & Michard (1998) ont travaillé sur des
me-suresLDAbipointandemesurerleséchellesturbulentesdelongueurdansunécoulement
complexe et de déterminer l'échelle de Taylor. Des explorations de corrélation spatiale et
spatio-temporelles ont été eectuées par Kerhervé et al (2004) dans un jet froid
su-personique grâce àdesmesures LDA en deuxpoints.
Toujoursdanslemêmeobjectif,maispourobtenir l'ensembledelacartographiedes
corré-lationsspatio-temporelles,Chatellier et al(2005)ont combinéune technique globale
de mesure (PIV) avec une mesure ponctuelle (LDA ou l chaud). L'intérêt de cette
mé-thode hybride, est de tirer avantage de la résolution temporelle donnée par la mesure en
un point, associé à la mesure globale dans un plan apportée par la PIV. Au cours de ce
travaildethèse,nousavonsmisaupointunetechniqueexpérimentaledanslebutd'obtenir
lescartographies decorrélations spatio-temporelles,en n'importequel point delazonede
mesure. Cette technique, présentée au paragraphe 5.5, est basée sur l'analyse de champs
devitesse obtenus par PIV.
Par lasuite, l'analyse destenseursde corrélation de vitesse permetde donner les échelles
intégrales detemps etde longueur danslazoned'étude.
2.3 Décomposition orthogonale en modes propres
Ladécomposition orthogonaleen modes propres est une décomposition des donnéessur
un ensemble defonctions orthogonales choisies enfonction de leur représentation du
phé-nomène.la décompositionpermet, commenousleverrons,defaireuneanalysedesdonnées
enrestant proche des mécanismesphysiques, ce qui n'est pas forcémentle cas avec des
dé-compositions de type Fourier. Cette méthode introduite par Lumley en 1967 est également
connue entraitement du signalsous lenomdedéveloppement deKarhunen-Loève. Tenant
compte des contraintes aux frontières du domaine de la zone d'étude, cette méthode
ren-contre un vif succès avec le développement des techniques permettant la connaissance de
champs complets de vitesse en mécanique des uides, aussi bien par voie numérique, par
simulationde l'écoulement, ou expérimentale, à l'aide desystèmes PIV.
Cette méthode peut être une technique pour observer et dénir les structures cohérentes
présentesdans unécoulement.Nousutiliseronsplutôtcettedécompositionandedécoupler
la partie spatiale de la partie temporelle dans un champ de vitesse, ce qui facilitera une
modélisationde l'écoulement.
2.3.1 Principe
An de présenter la méthode, considérons un ensemble de réalisation d'un champ de
vitesseU(x;y;z;t)=U(X) dansundomaine S.X représenteles variables d'espaceetde
Dénissonsle produit scalaire suivant : (U;V)= N c X i=1 Z S U i (X)V i (X)dX (2.12)
avec lanorme associée:
jjUjj=(U;U) 1=2
(2.13)
N c
représentele nombrede composantes duchampde vitesse. Endimension 2,leproduit
scalaire s'écrit sous laforme:
(U;V)= Z S U x (X)V x (X)dX + Z S U y (X)V y (X)dX (2.14)
Nouscherchonsunensembledefonctionsdonnantunebaselamieuxadaptéeàl'ensemble
de données U(X).Sinousconsidérons laprojection du U sur:
=
(;U)
( ;)
(2.15)
L'ensemble desfonctions optimales sont celles qui maximisent laprojection 2.15 surla
totalité del'ensembleU.Uneétudevariationnellemontrequetrouverl'ensemblerevient
à maximiserl'équation dusecond ordre, équationde Fredholm:
Z S U i (x)U j (x 0 ) j (x 0 )dx 0 = i (x) (2.16)
que l'on peut écrire également sous la forme, avec le tenseur symétrique des corrélations
spatiales: Z S R i;j (x;x 0 ) j (x 0 )dx 0 = i (x) (2.17) R i;j (x ;x 0 )= U i (x)U j (x 0 ) (2.18)
La résolution de ce problème peutsefaire en calculant les valeurspropres et lesfonctions
propres du tenseur de corrélationspatiale. Ce tenseur est symétrique, à coecients réels,
donc il est diagonalisable. Ainsi il existe alors un ensemble unique, complet, inni et
dénombrable defonctions vériant l'équation 2.16.
Notons
(n)
(X) lesfonctionspropresissuesdeladiagonalisation dutenseurdecorrélation
spatiale,et n
lavaleurpropreassociée.L'ensembledesvaleurspropresestclasséparordre
décroissant. Lesfonctionspropres sont choisiesorthonormales :
( (n) ; (m) )=Æ n;m (2.19)
Chaque champ de vitesse peut alors être décomposé sur la base des fonctions propres
établies : 8i=1::Nc;U i (X)= X n a n (i) (n) (X) (2.20) Chaquecoecient a n
estobtenupar projection des champs U sur lemode
(n) : a n (i)=(U; (n) ) (2.21)
Il estimportant de noterqueces coecients sont décorellés:eneet,ils vérient l'égalité
suivante: h a n a p i= n Æ n;p (2.22)
C'est une décomposition optimale de l'énergie cinétique contenue dans le domaine S : h(U;U)i= X n n (2.23)
Onobtient une décompositiondu tenseur decorrélation :
R i;j = X n n (n) i (X) (n) j (X 0 ) (2.24)
2.3.2 Méthode des snapshots
Dans le cas de la méthode directe, la dimension du système à résoudre est de taille
(N c M) 2 ,N c
étant lenombre de composantes pris en compte, etMle nombrede point
du maillageétudié. Cela peut poser des problèmes de résolution lorsque l'on s'intéresse à
desmaillagesrelativement ranés.
Sirovich (1987)aproposéuneautreformulation de ladécompositionens'intéressantau
tenseur K déni par:
K i;j = 1 N Z D U (i) (X)U (j) (X)d(X) (2.25)
KreprésentelacorrélationdedeuxréalisationsdelavitesseU.LesvecteurspropresV de
ladiagonalisation du tenseur K permettent d'obtenir les modespropres de l'écoulement,
commeledonne larelation :
(n) (X)= (n) p ( (n) ; (n) ) ; (n) = N X i=1 V (n) U (i) (X): (2.26)
Graceàcetteméthode,leproblèmeàrésoudreestdedimensionN,nombrederéalisations,
ce qui permet de faire des économies de calculimportantes lorsque lenombre de champs
Cas du cylindre circulaire
L'écoulement autour d'un cylindre circulaire est un exemple classique des écoulements
autour d'un obstacle. Sa principale caractéristique est l'allée de détachement
tourbillon-naire qui se créé dans le sillage lorsque l'ondépasse la première bifurcation super critique
(Hopf), et qui persiste pour des nombres de Reynolds très élevés. C'est un cas qui a été
très bien documenté par de nombreux auteurs, mais qui reste encore aujourd'hui l'objet
de nombreuses recherches du fait de la simplicité de la géométrie considérée. Un ouvrage
relativement complet sur le sujet est présenté par Zdravkovich (1997). Il est apparu
in-téressantd'observer l'écoulement dans ce cas avantde considérer notre géométrie, an de
se familiariseravec les phénomènes que nousserons amenés à interpréter.
3.1 Décomposition de Hussain et Reynolds
Dans ce type découlement, on note qu'il existe un phénomène pseudo périodique à
grande échelle se développant dans le sillage. La simple décomposition de Reynolds de
l'écoulement ne paraît pas adaptée à la problématique posée par cette géométrie. Il est
plus judicieux de tenir compte dans les uctuations du caractère quasi-périodique, qui
peut être distingué de la composante aléatoire résiduelle. Cette décomposition du signal
duvitessea étéproposée par Hussain& Reynolds (1970):
u(x;t) = hu(x)i+u 0 (x;t) (3.1) = hu(x)i+u(x; t)+u 00 (x;t) (3.2) = u(x;~ t)+u 00 (x;t) (3.3)
Cettedécompositionnouspermetdeséparernonseulementlacomposantemoyenneh u(x )i
quiestinvarianteaucoursdutemps,maisaussilacomposanteuctuantedéterministe
(pé-riodique) u(x; t) ,en nelaissant dansundernier termeu
00
(x;t) quelapartie aléatoire du
champdevitesse.
3.2 Description de l'écoulement - Types régimes existants
Typiquement, lorsque l'on dispose un cylindre dans un écoulement, les zones
pertur-bées sont caractérisées par une variation locale de la vitesse en intensité, en direction et
en temps. Il en résulte alors que lamoyenne temporelle de la vitesseautour de l'obstacle
peut être plus grande, égale ou inférieure à la vitesse de l'écoulement libre selon la zone