Prédiction et analyse augmentées de données massives pour l’identification des paramètres clés contrôlant l’aérodynamique interne.
|
Projet soutenu par l'Agence Nationale de la Recherche |
|
| Durée ► | 48 mois |
| Démarrage ► | Août 2021 |
| Aide ANR ► | 572k€ |
Contexte
L'électrification des véhicules et l'amélioration du rendement des moteurs à combustion interne sont les principaux leviers de réduction des émissions de gaz à effet de serre. Selon des études récentes, en 2040, les véhicules thermiques auront encore une part importante sur le marché et le moteur à allumage commandé (MAC) est considéré comme la technologie la plus intéressante.Cependant, des défis technologiques doivent être relevés avant de répondre aux normes d'émissions en raison de la diversification et de la complexité des applications hybrides.
Pour l'aérodynamique, le mélange et la combustion jusqu'au cycle moteur individuel, les défis sont par exemple associés à la robustesse cycle à cycle des concepts, aux variations rapides de la charge moteur observées dans les technologies hybrides pendant les transitoires, à l'occurrence de cycles extrêmes liée à une plage plus large des conditions de fonctionnement (CFs).
Les outils numériques (num.), expérimentaux (exp.) et d’analyse ont beaucoup progressé ces dernières années. La simulation aux grandes échelles (SGE) est un outil essentiel pour la conception avancée. Bien que la SGE ait été validée sur des expériences bien définies, les résultats sont affectés par des incertitudes épistémiques. Par conséquent, des progrès sont encore nécessaires pour permettre une conception optimale et robuste.
Objectifs
L'objectif principal d'ALEKCIA est de développer des outils innovants pour la prédiction et l'analyse augmentées des écoulements réactifs turbulents en CFs réelles pour mieux capturer les phénomènes résolus en temps et contrôler les origines des comportements indésirables. L'hypothèse clé est que les progrès futurs sont liés à la combinaison synergique et forte d'outils exp. et num. à chaque étape du projet. Les principaux défis scientifiques abordés par ALEKCIA sont :
- quantifier et réduire les incertitudes (UQ) dues aux paramètres des modèles et aux conditions aux limites (CLs),
- développer de nouvelles approches d'assimilation de données (AD) pour coupler la SGE avec des mesures exp.,
- développer de nouvelles méthodes de décomposition pour analyser les données massives générées par les SGE et les PIV haute fréquence,
- les combiner avec les méthodes UQ et AD pour une analyse des cycles individuels pendant les CFs stabilisées et les transitoires rapides.
Bien d’autres applications industrielles pourront bénéficier de ces nouveaux outils.
Les partenaires
► IFP Energies Nouvelles
► L'institut PPRIME/CNRS (Poitiers)
► Le laboratoire PRISME (Université d'Orléans)
Déroulement
Pour atteindre ses objectifs, le travail dans ALEKCIA est structuré en une tâche de gestion (T0) et trois tâches techniques (T1 à T3). Nous viserons les phénomènes non cycliques dans le cadre de CFs transitoires et réactifs et développerons de nouvelles analyses à partir des bases de données exp. et SGE acquises sur un MAC resp. par PRISME (T1) et IFPEN (T3).
Les partenaires du projet collaboreront également au développement de la décomposition spatio-temporelle EMD résolue dans le cycle (T1 et T3) afin de comprendre en détail les mécanismes impliqués dans la génération de l’aérodynamique interne, de la dynamique turbulente et de leur impact sur la combustion.
Le développement d'outils UQ pour quantifier et réduire les incertitudes des résultats SGE dans les MAC est également visé (T3). La capacité des méthodes AD à calibrer des CLs réalistes pour chaque cycle sont étudiées par PPRIME (T2 et T3). Cette tâche est particulièrement pertinente lors de l'assimilation de données exp. (sous forme de CLs et des larges structures dans le cylindre par l’EMD) obtenues sur des cycles extrêmes.
L'EMD obtenue à partir de cycles exp. présentant des vitesses de combustion très lentes ou rapides sera couplée avec des outils UQ et AD pour leur inclusion dans les SGE (T3). La SGE sera alors en mesure de prédire correctement le comportement singulier de l'écoulement assimilé tandis que la dynamique turbulente sera modélisée. Enfin, l'application des outils développés permettra d'identifier les principaux paramètres clés contrôlant l'aérodynamique interne.
Contact : Fabrice Foucher ⇒ fabrice.foucher@univ-orleans.fr