Analyse physique et modélisation d'écoulements turbulents instationnaires compressibles autour de surfaces portantes par approches statistiques haute-fidélité et de dimension réduite dans le contexte de l'interaction fluide-structure
Institution:
Toulouse, INPTDisciplines:
Directors:
Abstract EN:
In the context of aerodynamic flow prediction, the elaboration of a hierarchical modelling strategy allows to consider both precise numerical simulation of physical phenomena by a "High-Fidelity" (HF) approach, and integration of low numerical complexity models into optimisation or control procedures. A constitutive law is suggested for HF modelling of the turbulent stresses in the framework of the Organised Eddy Simulation statistical approach thanks to a tensorial eddy-viscosity that allows capturing non-linearities occurring between mean strain and turbulent stress tensors in non-equilibrium regions. Jointly, a low-dimensional modelling approach is developed by Galerkin projection of the compressible Navier-Stokes equations onto a Proper Orthogonal Decomposition (POD) basis.
Abstract FR:
Dans le contexte de la prédiction d'écoulements aérodynamiques, l'élaboration d'une stratégie de modélisation hiérarchique permet d'envisager conjointement la simulation précise des phénomènes physiques par une approche "Haute-Fidélité" (HF) et l'intégration de modèles de faible complexité numérique au sein de procédures d'optimisation ou de contrôle. Une loi constitutive est proposée pour la modélisation HF des contraintes turbulentes dans le cadre de l'approche statistique Organised Eddy Simulation grâce à l'introduction d'une viscosité de turbulence tensorielle permettant de capturer les non-linéarités apparaissant entre tenseurs de déformation moyenne et d'anisotropie des contraintes turbulentes dans les régions hors-équilibre. Parallèlement, une approche de modélisation d'ordre réduit fondée sur la projection de Galerkin des équations de Navier-Stokes compressibles, sur une base extraite par Décomposition Orthogonale aux valeurs Propres (POD), est développée.