Analyse et contrôle des écoulements instationnaires décollés
Institution:
Toulouse, INPTDisciplines:
Directors:
Abstract EN:
Flow past a rectangular cavity is characterized by a complexe feedback process that leads to large-amplitude acoustic tones. A review of much of the previous work on the subject was compiled. Extensive work has been done to study the dynamic of the subsonic cavity flow. High-order spectral methods are used to investigate the coexistence of multiple tones in cavity flow spectra, and their interactions. In an open-loop control study, we qualified a synthetic jet actuator. The results obtained demonstrate the importance of vortex-vortex interactions in the generation of low frequency components. Seeking for an appropriate model to represent the system input-output dynamic by minimization of a cost function, we employed adaptive filtering and proceeded to a comparative study of some majors LMS algorithms for non-linear systems identification. Finally, as a precursor to closed-loop control, we evaluate the effectiveness of neural network applications for cavity flow system modelling.
Abstract FR:
L'écoulement de cavité génère un écoulement instationnaire décollé complexe à partir d'une géométrie simple. Après une analyse détaillée de la dynamique de la cavité, nous nous sommes intéressés à son contenu fréquentiel, en portant une attention particulière aux interactions non-linéaires. Dans une étude de contrôle en boucle ouverte, nous avons employé un jet synthétique comme actuateur. L'analyse a permis de mettre en évidence l'interdépendance des structures tourbillonnaires et l'importance de la hauteur d'impact sur les modes basse-fréquence. Dans une perspective de contrôle en boucle fermée, nous nous sommes ensuite intéressés aux algorithmes adaptatifs, et avons procédé à une étude comparative de plusieurs algorithmes de type LMS pour l'identification de systèmes non-linéaires. Nous avons terminé par l'étude d'algorithmes non-linéaires novateurs capables d'appréhender les non-linéarités intrinsèques du système à modéliser : les réseaux neuronaux.