HAL Id: hal-01812906
https://hal.archives-ouvertes.fr/hal-01812906
Submitted on 11 Jun 2018HAL 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.
Public Domain
Prolongement de champs à partir de données en surface:
une méthode par minimisation d’une erreur en énergie
Stéphane Andrieux, Amel Ben Abda, Thouraya Nouri Baranger
To cite this version:
Stéphane Andrieux, Amel Ben Abda, Thouraya Nouri Baranger. Prolongement de champs à partir de données en surface: une méthode par minimisation d’une erreur en énergie. 7e colloque national en calcul des structures, CSMA, May 2005, Giens, France. �hal-01812906�
Giens 2005, pages 1 à 6
données en surface : une méthode par
minimisation d’une erreur en énergie
S. Andrieux
*, A . Ben Abda
**, T. Baranger
**** LaMSID, UMR CNRS-EDF 2832,
1, avenue du Général de Gaulle 92141 Clamart France stephane.andrieux@edf.fr
** LAMSIN-ENIT,
BP37,Campus Universitaire, le Belvedere,1002 Tunis. Tunisie. amel.benabda@enit.rnu.tn
*** Centre de Mécanique, Université Claude Bernard Lyon 1 baranger@univ-lyon1.fr
RÉSUMÉ. On présente une nouvelle méthode de complétion de données, c’est-à-dire de résolution du problème de Cauchy qui consiste à déterminer à l’intérieur d’un solide un champ physique dont des données surabondantes sont connues sur une partie seulement de sa frontière. La méthode est basée sur une fonctionnelle d’erreur en énergie. On détaille la formulation et quelques applications dans le domaine de la thermostatique illustrent les performances de l’approche. Une interprétation énergétique nouvelle de l’algorithme de Koslov est également indiquée.
ABSTRACT. The paper is devoted to a new method for the data completion problem, that is the determination of the complete field within a body, provided overdetermined data is known on only a part of its boundary. The method is based on energy like error functional. Details on the formulation are given and some applications within the framework of thermostatics are displayed showing the efficiency of the new formulation. A new energetic interpretation of the Koslov algorithm is also given.
MOTS-CLÉS : complétion de donnée, problème de Cauchy, thermostatique, algorithme, fonctionnelle d’erreur en énergie
KEYWORDS: Data completion, Cauchy problem, thermal conduction, algorithm, energy error functional
2 Giens 2005
1. Introduction
Le développement de méthodes de mesures de champs en surface d’un solide (champ de température, de déplacement) permet d’envisager la détermination (le prolongement) de ces champs à l’intérieur du solide lui-même. Connaissant par exemple le champ de température sur une partie du bord d’un solide, ainsi que le flux de chaleur sortant, peut-on reconstruire le champ dans tout le solide, ainsi que sa valeur sur les bords ?
Ce problème, dit problème de Cauchy, est un problème inverse mal posé du fait de l’absence de solution si les données ne sont pas compatibles, mais surtout du fait de son extrême sensibilité aux « bruits de mesure ».
Les applications sont très variées depuis l’estimation de champ de température dans une tuyauterie à partie de mesures externes jusqu’à la reconstruction de champs « sous la surface » d’un solide. Il est essentiel de disposer de méthodes, robustes vis à vis du bruit de mesure, mais aussi performantes si l’on veut aborder des situations réalistes tridimensionnelles.
2. Complétion des données via une fonctionnelle d’erreur en énergie
Pour prendre le problème modèle de la condition de la chaleur stationnaire (avec conductivité isotrope prise égale à l’unité), la formulation est la suivante. Ayant décomposé le bord du solide Ω en une partie Γi, sur laquelle les données surabondantes (température T et flux Φ) sont connues et une partie Γi sur laquelle aucune de ces données n’est disponible, on cherche un champ u et des données (ϕ,t) tels que : 0 , . , . ci u dans u T u n sur u t u n ϕ sur ∆ = Ω ⎧⎪ = ∇ = Φ Γ ⎨ = ∇ = Γ ⎪⎩ (1)
Γ
cΓ
iΩ
T,Φ
t,ϕ ?
∆u = 0
Plusieurs méthodes ont été proposées pour résoudre le problème : méthode des moments (Hon et Wei, 2001), méthode de régularisation évanescente (Cimetière et
al.,2001), méthode d’itération Koslov et al.,1991), cette dernière étant assez
largement utilisée dans la littérature. Notre approche consiste à introduire deux champs u1 et u2 solutions de problèmes directs bien posés :
1 1 1 0 . ci u dans u T sur u n η sur ∆ = Ω ⎧⎪ = Γ ⎨ ∇ = Γ ⎪⎩ 2 2 2 0 . ci u dans u sur u n sur τ ∆ = Ω ⎧⎪ = Γ ⎨ ∇ = Φ Γ ⎪⎩ (2)
S’appuyant sur le fait que les données manquantes (η,τ) seront solutions du problème précédent si les deux champs u1 et u2 coïncident, on construit une fonctionnelle d’erreur basée sur l’ « énergie » du problème étudié :
E(η,τ) =
∫
Ω(
∇ 1−∇ 2)
2 21
u
u (3)
Le problème de prolongement du champ u ou de manière équivalente celui de la « complétion » des données (T,Φ) par (ϕ,t) est donc reformulé via un problème de minimisation :
Trouver (ϕ,t) minimisant E (4) Cette formulation est comme on le voit très générale : chaque fois que l’on dispose d’une « énergie » dans le problème posé, on construira selon le principe ci-dessus une fonctionnelle d’erreur portant sur les champs u1 et u2. Par ailleurs, le cas
de matériaux hétérogènes ne pose pas de problème particulier dès lors que cette hétérogénéité est connue. Enfin, la formulation permet de traiter les « mélanges de modélisations » comme l’assemblage de modèles bi ou tridimensionnels et de modèles de structures (plaques ou poutres).
3. Propriétés de la fonctionnelle d’erreur en énergie
La fonctionnelle E possède les propriétés suivantes : - E est positive, convexe et quadratique en (η,τ)
- si les données T et Φ sont compatibles, et si (η,τ) satisfont à la condition d’optimalité du premier ordre de E (nullité du gradient) alors :
1( ) , 2( ) , ,
u η =u u τ = +u Cste η ϕ τ= = +t Cste (5) où (u ϕ,t) est l’unique solution du problème de Cauchy (1).
4 Giens 2005
)
T u
- l’erreur en énergie s’interprète également en terme d’écart formulé sur le bord du domaine uniquement :
(
2)(
1)
(
1)(
2 ( , ) . . i i Eη τ η u n u τ u n Γ Γ =∫
− ∇ − +∫
∇ − Φ − (5)Cette dernière expression permet de comparer la méthode proposée à des méthodes de types moindres carrés construites sur l’écart entre les deux champs u1 et u2. Ici l’écart sur les températures est pondéré par l’écart sur les flux : la fonctionnelle possède une interprétation énergétique dans laquelle aucun paramètre de dimensionalisation n’est nécessaire.
On peut également montrer en étudiant les équations associées au gradient de E, que la méthode itérative de Koslov, n’est autre qu’un algorithme de minimisation de la fonctionnelle E introduite ici. Ce résultat, outre qu’il fournit une nouvelle preuve de la convergence de cette méthode, montre également que l’algorithme sous jacent à cette méthode est un algorithme de descente à directions alternées (minimisation successives de E à η fixée puis à τ fixé). L’utilisation d’un algorithme plus performant pour minimiser E permet d’espérer des performances nettement améliorées.
4. Calcul du gradient de par la méthode de l’état adjoint
Bien que le dépendance affine des champs u1 et u2 vis-à-vis de (η,τ) permette le calcul direct et explicite du gradient de E, la technique de l’état adjoint conduit à une meilleure performance globale de la méthode. En effet, moyennant la résolution de deux problèmes adjoints, similaires au problème direct puisque celui-ci est auto-adjoint, 1 1 1 2 0 0 . . ci v dans v sur v n u n ϕ sur ∆ = Ω ⎧⎪ = Γ ⎨ ∇ = ∇ − Γ ⎪⎩ 2 2 2 1 0 0 . . ci v dans v sur v n u n sur ∆ = Ω ⎧⎪ = Γ ⎨ ∇ = ∇ − Φ Γ ⎪⎩ (6)
la différentielle de E s’écrit simplement :
1 ( , ). 2 i E t v ϕ ψ ψ ϕ Γ ∂ = − ∂
∫
, ( , ). 2(
2. 2.)
i E t h u n v n h t ϕ Γ ϕ ∂ = − − ∇ − ∇ ∂∫
(7)La mise en oeuvre de la méthode proposée s’effectue grâce à un algorithme de gradient conjugué. Chaque itération nécessite quatre résolutions d’un problème direct de type conduction stationnaire de la chaleur (deux résolutions pour déterminer u1 et u2 et conduisant à la valeur de la fonctionnelle E, deux résolutions pour déterminer v1 et v2 etconduisant au gradient de celle-ci).
5. Applications
Pour évaluer la méthode, plusieurs situations ont été étudiées sur la géométrie bidimensionnelle de deux cylindres concentriques, le domaine étant relativement épais. Dans tous les cas, les données synthétiques (obtenues par calcul) n’ont pas été bruitées. Γc T,Φ Γi t,ϕ ? Ri Re=2Ri
Figure 2 .Géométrie du domaine sur lequel les prolongements ont été effectués
Dans le premier cas illustré ici, on s’est intéressé à une conduction anisotrope, avec un rapport de conductivité très élevé (100) entre les deux directions principales. La figure 3 donne les valeurs de la température et du flux reconstruit : on constate une très bonne précision de la méthode dans cette situation très « raide ». On remarque également la propriété énoncée plus haut : le champ u2
converge vers la solution u à une constante près.
Figure 3 .Température et flux reconstruits sur la peau intérieure d’une tuyauterie
épaisse à partir de données sur la peau externe. Cas d’une conduction anisotrope (rapport des valeurs propres du tenseur de conductivité égal à 100)
Le second cas traité se rapproche d’un cas industriel, il s’agit de reconstruire un champ de température discontinu sur la peau interne du domaine. On constate là
6 Giens 2005
encore la bonne précision de la méthode y compris sur le flux de chaleur reconstruit. La convergence est obtenue en 13 itérations, soit 52 résolutions du problème «direct). La méthode alternée de Koslov converge ici en 12700 itérations, soit plus de 25 000 résolutions du problème direct.
Figure 4 .Température et flux reconstruits sur la peau intérieure d’une tuyauterie
épaisse à partir de données sur la peau externe. Cas d’une stratification thermique (température discontinue)
6. Perspectives
La méthode de complétion par minimisation d’une erreur en énergie s’avère très performante en terme de temps calcul. Les situations tridimensionnelles semblent donc pratiquement accessibles. L’extension à d’autres phénomènes physique est immédiate dès lors qu’une énergie ou pseudo-energie existe, c’est bien entendu le cas de l’élasticité pour lequel des travaux sont en cours. Une autre perspective de développement concerne l’extension à des phénomènes dépendant du temps (comme l’équation de la chaleur) : il faut cependant modifier la forme de l’énergie à considérer. Enfin, pour envisager des applications réalistes, il est nécessaire de s’intéresser à la robustesse de la méthode vis à vis du bruit de mesure et d’étudier les cas à petit nombre de données.
7. Bibliographie
Andrieux S. , Ben Abda A., BarangerT., Data completion via an energy error functional,
Comptes Rendus Mécanique, sous presse, 2005
Cimetière A., Delvare F. , Jaoua M., Pons F., Solution of the Cauchy problem using iterated Tikhonov regularisation, Inverse Problems, 17, 2001, pp 553-570
Hon Y.C., Wei, T., Backus-Gilbert algorithm for the Cauchy problem of the Laplace equation, Inverse problems, 17, 2001, pp 261-271
Koslov V.A., Maz’ya V.G., Fomin A.V., An iterative method for solving the Cauchy problem for elliptic equations, Comput. Meth. Math. Phys., Vol. 31, N°1, 1991, pp45-52