Académique Documents
Professionnel Documents
Culture Documents
la première partie
de la thèse
Lire
la deuxième partie
de la thèse
Lire
la troisième partie
de la thèse
Chapitre
Modèles POD-Galerkin
7 d’écoulements transsoniques,
tridimensionnels et turbulents
Aperçu
1 Introduction . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 153
2 Interaction tremblement/instabilité de von Kármán en écoulement trans-
sonique . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 154
2.1 Phénomène de tremblement en régime transsonique . . . . . . . . . . . . . . . 155
2.2 Analyse modale par POD . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 156
2.3 Modèle réduit POD-Galerkin . . . . . . . . . . . . . . . . . . . . . . . . . . . . 159
3 Modèle réduit de l’écoulement transitionnel compressible autour d’une aile162
3.1 Introduction . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 163
3.2 Numerical method . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 164
3.3 Three-dimensional transition in the flow around a wing . . . . . . . . . . . . . 164
3.4 Low-order modelling for compressible flows . . . . . . . . . . . . . . . . . . . . 167
3.5 Conclusion . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 170
3.6 Analyse des intermittences de l’instabilité secondaire . . . . . . . . . . . . . . . 172
3.7 Robustesse de la base POD vis-à-vis des évènements rares . . . . . . . . . . . . 175
4 Modèle réduit d’écoulements turbulents . . . . . . . . . . . . . . . . . . . . . 176
4.1 Modèles POD-Galerkin d’écoulements turbulents dans la littérature . . . . . . 176
4.2 Ecoulement turbulent modélisé par une approche statistique . . . . . . . . . . . 178
5 Pertinence de l’approche POD-Galerkin pour la modélisation d’écoule-
ments réalistes . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 181
1 Introduction
Dans ce chapitre trois écoulements instationnaires sont étudiés afin d’examiner la pertinence de la
méthode de modélisation de dimension réduite POD-Galerkin dans des configurations physiques réa-
listes, proches des applications visées, dans le contexte de la conception optimale de forme notamment.
Qu’advient-il de l’efficacité de la méthode proposée en termes de représentation et de prédiction des va-
riables d’état lorsque l’écoulement d’intérêt est moins régulier que celui considéré au chapitre précédent ?
Cette question est ici envisagée pour des écoulements de complexité croissante.
Dans un premier temps, l’écoulement transsonique bidimensionnel, autour d’un profil d’aile, soumis au
phénomène de tremblement est étudié. Cette configuration physique est proche de celle présentée dans le
chapitre précédent mais pour le couple nombre de Mach/nombre de Reynolds ici considéré, l’écoulement
présente une interaction entre l’instabilité de von Kármán précédemment décrite et l’oscillation périodique
des régions supersoniques localisées de part et d’autre du profil. Ainsi, deux fréquences prédominantes
apparaissent dans l’écoulement conduisant à des dynamiques temporelles plus complexes et donc a priori
plus difficiles à capturer par un nombre limité de modes. L’analyse modale du tremblement en régime
153
Chapitre 7. Modèles POD-Galerkin d’écoulements transsoniques, tridimensionnels et turbulents
transsonique ainsi que la modélisation de dimension réduite fondée sur cette analyse ont fait l’objet d’un
article publié dans le cadre de cette thèse (Bourguet et al., 2007a) et présenté dans l’annexe C. Le nombre
de Reynolds modéré considéré dans cette étude permet une identification claire des instationnarités liées
à l’instabilité de von Kármán et au tremblement, ce qui n’apparaît pas nécessairement aisé à grands
nombres de Reynolds, les fréquences propres des deux phénomènes pouvant alors être proches. Bien que
plus “riche” que l’écoulement de référence présenté au chapitre 6, l’écoulement considéré au § 2 conserve
un caractère périodique marqué lié à l’éloignement des fréquences des deux sources d’instationnarité.
La seconde configuration correspond à l’écoulement compressible transitionnel et tridimensionnel au-
tour d’une aile à forte incidence, également pour un nombre de Reynolds modéré. Les simulations numé-
riques directes considérées sont issues comme précédemment du code ICARE/IMFT compressible présenté
au chapitre 3. Dans cette étude, l’accent est mis sur le caractère plus erratique des phénomènes physiques
instationnaires mis en jeu. L’instationnarité est liée à l’instabilité de von Kármán qui donne lieu à un
lâcher de tourbillons qui acquièrent une structure tridimensionnelle sous l’effet de l’instabilité secondaire.
Il apparaît que cette ondulation des tourbillons le long de l’envergure de l’aile n’est pas strictement pério-
dique et que des intermittences spatiales et temporelles de ce mode d’instabilité peuvent être observées
dans le sillage. L’étude de ce phénomène et la possibilité de le modéliser via l’approche POD-Galerkin
sont rapportées dans un article soumis pour publication présenté au § 3.
Enfin, le cas de la simulation de dimension réduite d’écoulements turbulents modélisés par des ap-
proches statistiques est abordé au § 4. Cette étape constitue le lien avec les méthodes “haute-fidélité”
développées dans le cadre de cette thèse et présentées au chapitre 4. En effet, dans le contexte d’une
modélisation hiérarchique d’écoulements aérodynamiques réalistes, il semble important d’envisager le cas
où les données HF disponibles pour construire un ROM ne sont pas issues de simulations directes mais ont
déjà fait l’objet d’une modélisation de la turbulence. Différentes approches rapportées dans la littérature
sont évoquées et une application directe de la modélisation POD-Galerkin à la simulation de l’écoulement
turbulent quasi-incompressible autour d’un profil d’aile à forte incidence est proposée.
L’étude de ces différents écoulements est menée selon deux axes principaux. Dans un premier temps, la
capacité de la décomposition aux valeurs propres à décrire efficacement ces configurations avec un nombre
de modes raisonnable est examinée. Dans le cas où l’écoulement considéré admet une représentation de
faible dimension, une analyse critique de la pertinence de la base POD peut être envisagée, notamment
vis-à-vis d’évènements rares ou chaotiques inclus dans la base de données à représenter. Dans certains cas,
la POD peut par ailleurs conduire à une identification efficace des différentes sources d’instationnarité
autorisant ainsi un “découplage” dans l’étude des divers mécanismes d’instabilité mis en jeu. Suite à cette
analyse, des modèles réduits de ces différents écoulements sont construits et leur efficacité évaluée. Dans
ce chapitre, les capacités prédictives des POD ROM développés sont examinées pour les configurations
d’écoulement dont sont issues les réalisations utilisées pour construire les bases POD. La robustesse des
modèles réduits POD-Galerkin vis-à-vis d’une variation d’un paramètre de l’écoulement est abordée au
chapitre 8.
154
2. Interaction tremblement/instabilité de von Kármán en écoulement transsonique
(a) (b)
Mach: 0.40 0.48 0.55 0.62 0.70 0.78 0.85 0.93 1.00 Mach: 0.40 0.48 0.55 0.62 0.70 0.78 0.85 0.93 1.00
(c) (d)
Mach: 0.40 0.48 0.55 0.62 0.70 0.78 0.85 0.93 1.00 Mach: 0.40 0.48 0.55 0.62 0.70 0.78 0.85 0.93 1.00
Fig. 7.1 – Champs instantanés de nombre de Mach à quatre instants successifs sur une demie-période
de tremblement. Ecoulement autour d’un profil d’aile de type NACA0012 à incidence nulle, M = 0.8 et
Re = 104 .
L’interaction des deux instationnarités se traduit par une évolution fortement instationnaire du co-
efficient de pression pariétale comme illustré sur la figure 7.2. De plus, il apparaît clairement sur cette
155
Chapitre 7. Modèles POD-Galerkin d’écoulements transsoniques, tridimensionnels et turbulents
figure que les points situés dans les régions en amont des poches supersoniques ne sont pas affectés par
l’instabilité de von Kármán se développant en aval. Les fréquences propres à chaque phénomène insta-
tionnaire sont identifiables sur ces courbes ; la superposition des deux est notable au niveau des points
situés près du bord de fuite.
A
B
C
D
-0.25
-0.3
-0.35
Cp
-0.4
-0.45
-0.5
A
C
0 0.01 0.02 0.03 0.04 0.05 0.06 0.07 0.08 0.09 D
Temps (s) B
Fig. 7.2 – Coefficient de pression instantanée aux points A, B, C et D au cours de deux périodes de
tremblement.
156
2. Interaction tremblement/instabilité de von Kármán en écoulement transsonique
100
-1
10
-4
10
Base POD 70
tronquée
16 modes - 99.9%
10-5
60
-6
10
10-7 50
5 10 15 20 25 30
Mode
Fig. 7.3 – Contribution relative de chaque mode POD à l’extraction de l’information statistique de la base
de données (axe de gauche - traits pleins) et information statistique cumulée de la base POD tronquée en
fonction du nombre de modes retenus (axe de droite - traits pointillés) dans le cas où seule l’instabilité de
von Kármán apparaît (4) et lorsque se superpose à cette instabilité le phénomène de tremblement ().
0.04
Corrélation
0.03 1.0
0.8
0.6
Temps (s)
0.3
0.1
0.02 -0.1
-0.3
-0.6
-0.8
-1.0
0.01
0
0 0.01 0.02 0.03 0.04
Temps (s)
ainsi sur le premier mode POD associé à la pression (figures 7.6) que l’oscillation lente des régions su-
personiques induit un mouvement d’oscillation du sillage à cette même fréquence. Ce phénomène est
effectivement observé près du bord de fuite comme le traduit l’évolution du coefficient de pression (figure
7.2).
L’identification des deux mécanismes physiques par les modes POD spatiaux se traduit au niveau des
coefficients temporels associés dans la décomposition aux valeurs propres. Les premiers coefficients issus
de la projection des clichés sur les modes POD sont représentés sur la figure 7.7. La fréquence propre de la
première paire de modes correspond à la fréquence du tremblement alors que les dynamiques temporelles
157
Chapitre 7. Modèles POD-Galerkin d’écoulements transsoniques, tridimensionnels et turbulents
Mode 1 - u1 Mode 2 - u1
Mode 3 - u1 Mode 4 - u1
Mode 5 - u1 Mode 6 - u1
Mode 7 - u1 Mode 8 - u1
Fig. 7.5 – Premiers modes POD associés à la composante longitudinale de la vitesse. Les lignes pointillées
représentent les valeurs négatives.
des troisièmes et quatrièmes modes sont associées à l’instabilité de von Kármán. Le couplage entre les
deux phénomènes est illustré par la quatrième paire de coefficients temporels qui oscillent à la fréquence
du lâcher tourbillonnaire tout en étant modulés par le phénomène de plus basse fréquence.
Dans ce contexte où les deux sources d’instationnarité présentent des fréquences fondamentales re-
lativement éloignées, la POD permet de découpler les deux phénomènes d’un point de vue spatial et
du point de vue de leurs dynamiques temporelles. De plus, bien que le nombre de modes à prendre en
compte dans la base tronquée soit plus élevé que dans le cas précédent une représentation d’ordre faible
satisfaisante peut-être obtenue. Dans la section suivante, le modèle d’ordre réduit POD-Galerkin associé
à cet écoulement est examiné.
158
2. Interaction tremblement/instabilité de von Kármán en écoulement transsonique
Mode 1 - p Mode 2 - p
Mode 3 - p Mode 4 - p
Mode 5 - p Mode 6 - p
Mode 7 - p Mode 8 - p
Fig. 7.6 – Premiers modes POD associés à la pression. Les lignes pointillées représentent les valeurs
négatives.
159
Chapitre 7. Modèles POD-Galerkin d’écoulements transsoniques, tridimensionnels et turbulents
1 1
a1/lambda1^1/2
a2/lambda2^1/2
0.5 0.5
0 0
-0.5 -0.5
-1 -1
0.0000 0.0100 0.0200 0.0300 0.0400 0.0000 0.0100 0.0200 0.0300 0.0400
Temps (s) Temps (s)
1 1
a3/lambda3^1/2
a4/lambda4^1/2
0.5 0.5
0 0
-0.5 -0.5
-1 -1
0.0000 0.0100 0.0200 0.0300 0.0400 0.0000 0.0100 0.0200 0.0300 0.0400
Temps (s) Temps (s)
1 1
a5/lambda5^1/2
a6/lambda6^1/2
0.5 0.5
0 0
-0.5 -0.5
-1 -1
0.0000 0.0100 0.0200 0.0300 0.0400 0.0000 0.0100 0.0200 0.0300 0.0400
Temps (s) Temps (s)
2 2
1 1
a7/lambda7^1/2
a8/lambda8^1/2
0 0
-1 -1
-2 -2
0.0000 0.0100 0.0200 0.0300 0.0400 0.0000 0.0100 0.0200 0.0300 0.0400
Temps (s) Temps (s)
Fig. 7.7 – Coefficients temporels associés aux premiers modes POD en fonction du temps : prédiction
par le ROM (lignes rouges) et référence ().
Les erreurs de représentation et de prédiction des variables physiques du modèle “haute-fidélité” sont
présentées sur la figure 7.8. Comme au chapitre précédent, l’erreur porte sur les fluctuations temporelles
des variables autour d’un champ moyen de référence supposé connu. L’erreur de représentation des clichés
sur la base POD tronquée est environ égale à√3% en moyenne (figure 7.8, ligne pointillée), en accord avec
le critère de troncature fixé à 99.9% puisque 0.0001 ≈ 3.2%. L’erreur liée à la prédiction des coefficients
temporels par le ROM apparaît plus importante que pour l’écoulement précédent (≈ 8.5% au maximum)
mais reste relativement proche de l’erreur de représentation.
Afin d’illustrer la précision du ROM, les coefficients aérodynamiques instationnaires issus de la si-
mulation directe et du modèle réduit sont représentés sur la figure 7.9. Les évolutions temporelles des
coefficients de traînée et de portance traduisent l’interaction du tremblement avec l’échappement tour-
billonnaire. Ces efforts aérodynamiques sont rigoureusement prédits par le modèle réduit. En particulier,
le comportement relativement irrégulier du coefficient de traînée est capturé précisément par le ROM.
La capacité du modèle réduit à prédire les coefficients temporels de la POD au-delà de l’horizon des
160
2. Interaction tremblement/instabilité de von Kármán en écoulement transsonique
10
POD
2
0 0.01 0.02 0.03 0.04
Temps (s)
Fig. 7.8 – Erreur relative instantanée de prédiction des variables d’état par le ROM calibré et erreur
d’approximation liée à la troncature de la base POD en fonction du temps.
Navier-Stokes Navier-Stokes
(a) POD
(b) POD
ROM 0.1 ROM
0.076
Coefficient de portance
Coefficient de traînée
0.05
0.0755
0.075
-0.05
0.0745
-0.1
0 0.01 0.02 0.03 0.04 0 0.01 0.02 0.03
Temps (s) Temps (s)
Fig. 7.9 – Coefficients de (a) traînée et (b) portance obtenus par l’approche “haute-fidélité”, après filtrage
POD et par le modèle réduit, en fonction du temps.
réalisations stockées dans la base de données est évaluée (figure 7.10). La prédiction des dynamiques
associées aux modes les plus énergétiques est stable sur la période suivante de tremblement (environ 20
périodes supplémentaires de l’échappement tourbillonnaire). Une certaine dérive en amplitude apparaît
pour les modes d’indices supérieurs au-delà de ce nouvel horizon.
1 1
a1/lambda1^1/2
a3/lambda3^1/2
0.5 0.5
0 0
-0.5 -0.5
-1 -1
0.0000 0.0100 0.0200 0.0300 0.0400 0.0500 0.0600 0.0700 0.0800 0.0000 0.0100 0.0200 0.0300 0.0400 0.0500 0.0600 0.0700 0.0800
Temps (s) Temps (s)
Fig. 7.10 – Coefficients temporels associés aux premier et troisième modes POD en fonction du temps :
prédiction par le ROM calibré (calibration du vecteur d’état) (lignes rouges) et référence ().
Dans cette section, la méthode POD-Galerkin a été mise en œuvre pour l’analyse physique et la
modélisation de dimension réduite d’un écoulement transsonique soumis au phénomène de tremblement.
Plus précisément, il a été montré que la POD pouvait conduire à une identification efficace des différents
161
Chapitre 7. Modèles POD-Galerkin d’écoulements transsoniques, tridimensionnels et turbulents
En tenant compte de la différence d’ordre de grandeur des fréquences fondamentales associées aux
deux phénomènes physiques mis en jeu, l’écoulement considéré semble présenter un comportement quasi-
périodique certes plus complexe que dans le cas d’un simple échappement tourbillonnaire, mais exempt
d’évènements rares ou chaotiques. Dans la section suivante, le cas d’un écoulement tridimensionnel autour
d’une aile à forte incidence présentant un caractère moins régulier est examiné.
162
3. Modèle réduit de l’écoulement transitionnel compressible autour d’une aile
Institut de Mécanique des Fluides de Toulouse, Allée du Pr. C. Soula, 31400 Toulouse, France
The three-dimensional transition in the flow around a NACA0012 wing of constant spanwise section at
Mach number 0.3, Reynolds number 800 and incidence 20o is investigated by direct numerical simulation
and low-order modelling. The interaction between the von Kármán and the secondary instabilities is
analysed. Irregular events modulating the spanwise undulation are highlighted and quantified. These
transition features, including local “intermittencies” in the secondary instability pattern are efficiently
captured by a reduced-order model derived by means of Galerkin projection of the compressible flow
Navier-Stokes equations onto a truncated proper orthogonal decomposition basis.
3.1 Introduction
In the context of complex aerodynamic flow prediction, the investigation of the transition to turbulence
is a challenging issue, especially for design purposes. To this end, the Direct Numerical Simulation (DNS)
is a powerful approach for physical analysis of fundamental mechanisms of the flow transition that appear
at low Reynolds number (Re ) and that persist at high-Re regimes. However, this approach demands a
considerable number of degrees of freedom to capture the flow physics. This is also the case for the Large
Eddy Simulation (LES), as well as for hybrid (statistical-LES) turbulence modelling, to achieve prediction
at high Re . Therefore, “physics-driven” Reduced-Order Models (ROMs) are needed. The transition to
turbulence around wings at high Re was analysed by a great deal of works (e.g. Arnal, 1992), whereas
it is less studied at low and moderate Re . Pulliam & Vastano (1993) have investigated the period-
doubling mechanism in two-dimensional flows around a NACA0012 airfoil. In the incompressible case,
Hoarau et al. (2003) studied the onset of the three-dimensional transition in the wake of a wing at high
incidence. The transition induced by compressibility effects in the high-transonic regime around a wing
has been examined by Bouhadji & Braza (2003a) in two dimensions and Bourdet et al. (2003) in three
dimensions. These studies quantified the predominant wavelengths concerning the von Kármán, shear-
layer and secondary instabilities, and the last analysed the nature of the secondary instability by a global
oscillator model. These works reported the high complexity of the flow transition in the incompressible and
in the high-transonic regimes. Therefore, in the present study, three-dimensional transition phenomena
are examined at the onset of compressibility effects as well as the ability of ROM in estimating them
appropriately.
During the two past decades, ROMs of low-Re periodic and transient wall flows have been developed
by means of Proper Orthogonal Decomposition (POD)-Galerkin approach (e.g. Deane et al., 1991; Noack
et al., 2003). Recent studies have proven the efficiency of such ROMs for the prediction of quasi-periodic
and more chaotic three-dimensional flows on the basis of DNS (Ma & Karniadakis, 2002) or LES (Couplet
et al., 2005) for example, and for turbulent flow analysis (Noack et al., 2008). However, the majority of
ROMs focus on the incompressible Navier-Stokes equations and only few studies deal with compressible
flows. Assuming isentropic conditions, Rowley et al. (2004) developed ROMs for compressible cavity flows.
The difficulties induced by coupling thermodynamic and kinematic state variables in the compressible
Navier-Stokes equations can be solved by considering an appropriate state formulation (Vigo et al.,
1998; Bourguet et al., 2007a, in two dimensions). In the present study, this formulation is extended
to the three-dimensional case and a consistent inner product is suggested for POD. The efficiency of
this ROM is examined in respect of capturing main three-dimensional transition features predicted by
DNS, especially irregularities that appear in space-time evolution of flow quantities. Section 3.2 briefly
describes the numerical method. Section 3.3 focuses on DNS results. Section 3.4 presents the ROM and
results regarding its reliability.
163
Chapitre 7. Modèles POD-Galerkin d’écoulements transsoniques, tridimensionnels et turbulents
Figure 7.11(b) shows chaotic states in the spanwise evolution of the vortex filaments. These consist of
irregular appearance of “rarefied” spanwise regions, where one spanwise-periodic event is missing and an
irregular vortex structure appears instead, breaking the continuous undulation of the von Kármán vortex
rows (see sketch in figure 7.11(b)). The present study aims at tracking these events and at quantifying
their impact in the flow transition. Figure 7.11(c) shows iso-surfaces of Mach number, also indicating
an irregular spanwise undulation and wavelength dispersion. The above mentioned irregularities can be
observed in the recirculation region at the upper side of the wing as illustrated in figure 7.12(a). In fi-
gures 7.12(b) and 7.12(c), instantaneous spanwise velocity profiles in the recirculation region are plotted.
164
3. Modèle réduit de l’écoulement transitionnel compressible autour d’une aile
Space/frequency analysis is carried out on these signals to quantify the wavelength variation along the
span. Hilbert transform is used to ensure the amplitude demodulation and the Burg algorithm is applied
afterwards for Auto-Regressive (AR) power spectral density estimation (Marple, 1987). The predomi-
nant wavenumber is presented in figures 7.12(b) and 7.12(c) as a function of x3 /c. A strong wavelength
(phase) modulation occurs along the span, as well as a large variation of the velocity amplitude. In the
region where the phase modulation appears, there is a significant increase of the wavenumber of the
velocity signal related with irregular structure appearance. Figure 7.12(d) shows the temporal evolution
of the spatial power spectrum of u3 along a spanwise axis within the recirculation region. A significant
variation of the predominant wavelength occurs, as a function of time. This is closely associated with
the occurrence of phase and amplitude irregularities as illustrated in figure 7.12(c). This phenomenon
that appears randomly along the span in time and space, is called here “intermittency”, referring to the
regular pattern of the secondary instability. It is known that irregularities appear in bluff body wakes as
vortex dislocation patterns that consist of a junction of two adjacent von Kármán vortex rows (William-
son, 1996a; Braza et al., 2001). Moreover, in the incompressible case, Scarano et al. (2007) depicted a
“losange-like” modulation of the spanwise vortices by using tomographic particle image velocimetry. The
presently observed intermittencies could be induced by the onset of compressibility effects. The origin of
these irregular events could be investigated by using elliptic stability theory (Waleffe, 1990), on a single
undulated vortex row excited by small spanwise perturbations that could depend on Mach number. This
kind of study is beyond the objectives of the present work that focuses on elaboration of a low-order
model, able to capture the onset of compressibility, the secondary instability and the above mentioned
intermittent irregularities.
165
Chapitre 7. Modèles POD-Galerkin d’écoulements transsoniques, tridimensionnels et turbulents
Fig. 7.12 – u3 (x1 /c = 0.71, x2 /c = 0.16) (a) as a function of time in 50 location points along the span ;
as a function of x3 /c at t = 0.1 s, (b) ; t = 0.74 s, (c) (plain lines, bottom axis). Predominant wavenumber
of u3 spectrum superimposed in (b) and (c) (squares, upper axis). (d) Spatial power spectrum density
of u3 along spanwise axis (x1 /c = 0.71, x2 /c = 0.16) as a function of time. Dashed line : sketch of the
predominant wavenumber evolution. The monitoring starts after approximately 20 von Kármán vortex
shedding events.
166
3. Modèle réduit de l’écoulement transitionnel compressible autour d’une aile
∞ Npod
X X
v = v(x) + ṽ(x, t) = v(x) + ai (t)Φi (x) ≈ v(x) + ai (t)Φi (x). (7.1)
i=1 i=1
v and ṽ are the mean and fluctuating state vectors. Npod is the number of retained POD modes. ai are
time-dependent functions and Φi orthonormal spatial modes. These are the successive solutions of the
following optimisation problem :
D E
2
Φi+1 = arg max (ṽ − Πi ṽ, Ψ) subject to (Ψ, Ψ) = 1, (7.2)
Ψ∈L2 (Ω)d
where h · i denotes time-averaging operator. Ω ⊂ Rd−2 is the spatial domain and d is the number of
state variables (d = 5 in the three-dimensional case). Πi is the orthogonal projector onto the subspace
spanned by the ith first modes. (·, ·) denotes the spatial inner product. In the fully compressible case, the
kinematic variables are associated with two thermodynamic quantities. A dimensionally consistent inner
product is reached by a normalisation of each state variable contribution as follows :
d Z Z Z t0 +Ts
I II
X 1 I II 2 1
ṽi2 dtdx.
v ,v = 2 vi vi dx with σi = (7.3)
i=1
σ i Ω Ts Ω t0
v I and v II are two given states. σi2 is the space-averaged variance of the ith variable and Ts is the time
interval of the snapshot series. POD modes are determined by means of “snapshot-POD” technique (Siro-
vich, 1987). The time-dependent evolution of the flow transition in two and three dimensions is studied by
considering two different series of flow fields containing each 400 snapshots. These data sets correspond
to four periods of the established von Kármán vortex shedding. The relative energy or statistical content
of each POD mode is measured by the relative magnitude of the corresponding eigenvalue (ζi ) of the
correlation matrix. This is shown in figure 7.13, as well as the cumulative energy conveyed by the POD
PNpod PNt
basis, defined by INpod = i=1 ζi / i=1 ζi , where Nt is the number of snapshots. Most of the dynamic
system energy is represented by the first POD modes in both two- and three-dimensional cases. However,
figure 7.13 shows that the three-dimensional flow that involves complex instability interactions compared
with the two-dimensional one, requires more POD modes for the same INpod (representation quality).
INpod = 99% is chosen as a truncation criterion in the three-dimensional case and thus 28 modes are
retained. For the two-dimensional flow, a 8-dimensional POD basis is considered.
POD-Galerkin model
The compressible Navier-Stokes equations are expressed as quadratic fluxes by means of the following
t
state formulation : v = [1/ρ u1 u2 u3 p] as reported in Vigo et al. (1998). ρ is the density, ui are velocity
components, p is the pressure. Selected three-dimensional spatial POD modes are shown in figure 7.14.
Although they do not correspond to coherent structures, the three-dimensional POD modes efficiently
167
Chapitre 7. Modèles POD-Galerkin d’écoulements transsoniques, tridimensionnels et turbulents
Fig. 7.13 – (a) Relative energy of each POD mode, (b) relative energy of the truncated POD basis as a
function of mode number, concerning the two- and three-dimensional snapshot series.
identify the von Kármán and the secondary instabilities, in the present case. The first pair combination
in the flow-field reconstruction yields the alternating vortex pattern. However, this vortex pattern is
highly modulated in the three-dimensional case. This modulation is captured by the higher-order modes
as shown in figure 7.14. For example, modes 3 and 4 are related to the reconstruction of the secondary
instability. These modes clearly exhibit a local modification of their spanwise pattern where intermittency
of the secondary instability occurs, as discussed in section 3.3 (see sketch in figure 7.14). Higher-order
modes present less organised patterns and can be associated with more chaotic phenomena related with
the interaction between the two instability modes. The time-histories of selected POD coefficients are
shown in figure 7.15. As expected, the first POD coefficients are close to periodic while higher-order ones
are not. The coefficients associated with the secondary instability (modes 3 and 4) are approximately
periodic at half frequency compared to the von Kármán instability. The higher-order coefficients display
significant amplitude and frequency modulations.
The Galerkin projection of the Navier-Stokes equations onto the truncated POD basis yields the
following quadratic polynomial ODE system, for i = 1, . . . , Npod :
Npod Npod
ȧ = (C + C s ) + P L + Ls a + P Q a a = f (C s , Ls , a)
i i i ij ij j ijk j k i
j=1 j,k=1 (7.4)
a (t ) = (v(·, t ) − v, Φ ) .
i 0 0 i
The constant coefficients are computed as follows : Ci = (F α 11 − A11 , Φi ), Lij = (F 1(j+1) + F (j+1)1 −
α α α
A1(j+1) − A(j+1)1 , Φi ) and Qijk = (F (j+1)(k+1) − A(j+1)(k+1) , Φi ). Greek sub- and superscripts are used
α α α α
?u
= µ(Φ?uk,j + Φk,i − 2/3Φk,α δij ) and Φ = [v Φ1 . . . ΦNpod ]. µ is the fluid viscosity. In the
? j ?uα ?
where τijk i
ROM, this is assumed constant to allow evaluation of all the ODE coefficients, once for all. γ = 1.4
is the polytropic coefficient and Pr = 0.72, Prandtl number. δij is Kronecker symbol. ·,i denotes space
derivative in direction i. ROM integration is ensured by a fourth-order-accurate Runge-Kutta scheme. As
reported in Noack et al. (2003), dynamical systems issued from POD-Galerkin methodology are subject
to structural instabilities. To ensure ROM accuracy, different approaches have been envisaged in the
litterature and especially calibration procedures. A linearised calibration method is adopted here in a
similar way to Couplet et al. (2005) in the incompressible case. The calibration coefficients C s and Ls
168
3. Modèle réduit de l’écoulement transitionnel compressible autour d’une aile
Fig. 7.14 – Selected POD modes, concerning the kinematic and thermodynamic quantities. Light/dark
grey : positive/negative valued iso-surfaces.
Fig. 7.15 – Time-history of selected POD coefficients issued from : snapshot projection onto POD modes
(circles), ROM integration (plain lines), over four periods of the von Kármán vortex shedding (snapshot
temporal horizon).
169
Chapitre 7. Modèles POD-Galerkin d’écoulements transsoniques, tridimensionnels et turbulents
Fig. 7.16 – Relative L2 prediction errors of : (a) POD time-dependent coefficients for each mode, (b)
state vector fluctuations as a function of time, over the time interval of the snapshot series. In (b), both
POD basis truncation and ROM errors are plotted.
where the norms are defined by kCk2Npod = Cα2 and kLk2N 2 = L2αβ . The linearised prediction error
pod
PNpod R t0 +Ts Rt
is : E(C s , Ls ) = i=1 t0
(a i (t) − ai (t 0 ) − t0
fi (C s
, Ls
, apod )dt0 )2 dt, where apod are the reference
POD coefficients. The blending coefficient 0 < θ < 1 is chosen to control the weight of the calibration
coefficients compared to those issued from Galerkin projection. This coefficient can also be regarded
as a regularisation parameter in Tikhonov’s regularisation framework (Tikhonov & Arsenin, 1977). A
calibration cost lower than 30% is considered in the three-dimensional case. As shown in figure 7.15, the
calibrated ROM achieves prediction of the POD time-dependent coefficients that provide a satisfactory
flow reconstruction even in case of non-periodic evolutions, as detailed at the end of the present section.
The relative L2 prediction error of the temporal coefficients remains small even for the higher order
modes (figure 7.16(a)). The accuracy of the ROM is confirmed by the low values of the state vector pre-
diction error over the entire spatial domain (figure 7.16(b)). Moreover, the difference between ROM and
POD errors is very small. This means that the major part of the ROM error with respect to “high-fidelity”
results is induced by the POD basis truncation in both two- and three-dimensional cases. The aerody-
namic coefficients versus time estimated by the ROM present a good comparison with those predicted
by DNS (figure 7.17). This is an interesting aspect concerning the use of ROM in design procedures.
Instantaneous flow fields issued from DNS and ROM are compared at the final ROM integration time
(last snapshot) in figure 7.18. The pressure coefficient is accurately estimated by the present low-order
approach (figure 7.18(a)). Moreover, the spanwise pattern including irregularities of the secondary insta-
bility is well captured (figure 7.18(b-d)).
3.5 Conclusion
The three-dimensional transition in the flow around a NACA0012 wing of constant spanwise section, at
low Mach number and high incidence has been investigated. The appearance of preferential wavenumbers
due to the von Kármán and secondary instabilities has been analysed. Intermittent modulations of the
secondary instability have been identified and quantified. The transition process including these irregular
events has been captured by an appropriate low-order model derived from the compressible Navier-Stokes
equations by means of POD-Galerkin approach. The present ROM provides an accurate simulation of
both kinematic and thermodynamic quantities.
170
3. Modèle réduit de l’écoulement transitionnel compressible autour d’une aile
Fig. 7.17 – Unsteady aerodynamic (a) lift and (b) drag coefficients issued from DNS, truncated POD
basis representation and ROM, as functions of time.
Fig. 7.18 – Instantaneous iso-contours at final ROM integration time (t = 0.0695 s) : (a) the pressure
coefficient at x3 /c = 2, (b) the transverse velocity component at x1 /c = 1.5 ((x3 , x2 ) plane). Red dashed
line in (a) : location of plane (x3 , x2 ) in (b). DNS : plain iso-lines and iso-colour contours. ROM : dashed
iso-lines. Instantaneous iso-surfaces of ω3 = −1/1 in black/grey and ω2 = −0.5/0.5 in yellow/red in the
wake, at final ROM integration time (t = 0.0695 s) : (c) DNS, (d) ROM.
171
Chapitre 7. Modèles POD-Galerkin d’écoulements transsoniques, tridimensionnels et turbulents
Diagrammes spatio-temporels
Les évolutions spatio-temporelles des variables d’état le long de deux lignes transversales situées
dans la zone de recirculation (x1 /c = 0.71, x2 /c = 0.16) à l’extrados de l’aile et dans le sillage proche
(x1 /c = 1.18, x2 /c = 0.04) sont représentées sur la figure 7.19. Ces différents diagrammes montrent
qu’après une phase de croissance, l’instabilité secondaire pleinement développée donne lieu à un sillage
fortement tridimensionnel. Au cours de la première phase d’établissement (pour t < 0.15s environ),
l’ondulation transversale des tourbillons de von Kármán est régulière. Par la suite, l’instabilité secondaire
perd son caractère strictement périodique et des irrégularités marquées apparaissent. Ce phénomène a
été décrit précédemment d’un point de vue quantitatif par une analyse “fréquentielle” à la fois spatiale
et temporelle de signaux provenant de la région du sillage proche. Les techniques utilisées pour effectuer
cette étude sont présentées ci-dessous.
Transformée de Hilbert
Afin d’examiner la régularité de l’instabilité secondaire, des signaux instantanés le long de l’envergure
du profil tels que ceux présentés sur les figures 7.12(b) et (c) sont considérés. Une étude quantitative de
l’évolution de la phase spatiale et de l’amplitude de ces signaux peut être envisagée grâce à la transformée
de Hilbert qui s’avère particulièrement adaptée à l’analyse des signaux à bande étroite. La transformée
de Hilbert d’un signal s dépendant d’une variable x s’écrit :
Z ∞
1
ŝ (x) = s (ζ) h (x − ζ) dζ avec h (x) = . (7.7)
−∞ πx
La transformée de Hilbert conduit ainsi à un déphasage de −π/2 des fréquences positives et π/2 des
fréquences négatives. En considérant le signal complexe z formé à partir du signal et de sa transformée
tel que
z (x) = s (x) + iŝ (x) = A (x) eiφ(x) , (7.9)
l’enveloppe “instantanée” 4 du signal correspond au module A(x) et la phase instantanée à l’argument φ(x).
Cette transformation permet donc d’accéder aux modulations d’amplitude et de phase du signal. Pour
plus de détails concernant la transformée de Hilbert, le lecteur pourra se référer à l’ouvrage de Papoulis
(1962), par exemple. Dans la présente étude, cette technique est appliquée directement pour déterminer la
variation spatiale de la fréquence de l’instabilité secondaire le long de l’envergure. Sur la figure 7.20 sont
représentés les amplitudes et les angles de phase instantanés obtenus par la transformée de Hilbert des
signaux de vitesse transversale tracés sur les figures 7.12(b) et (c). Le premier signal, quasi-périodique,
permet une validation de la méthode qui restitue une légère variation d’amplitude observée au-delà de
x3 /c = 2.5 alors que la phase croît linéairement de telle sorte que φ(x3 /c) ≈ ωx3 /c + ω0 . Le second signal
présente une forte modulation d’amplitude et de phase. Dans ce cas, le fait que la phase ne soit plus
une fonction affine de la distance x3 /c trahit le caractère non-périodique de l’évolution transversale de la
vitesse et donc une irrégularité spatiale de l’instabilité secondaire.
L’enveloppe du signal estimée grâce à la transformée de Hilbert est également utilisée pour démoduler
le signal avant d’effectuer une analyse spectrale par l’approche paramétrique présentée ci-dessous.
4 La transformation de Hilbert est ici mise en œuvre dans le domaine spatial (selon l’envergure de l’aile).
172
3. Modèle réduit de l’écoulement transitionnel compressible autour d’une aile
A
B
Fig. 7.19 – Iso-contours représentant l’évolution spatio-temporelle des variables d’état le long de deux
lignes transversales repérées par les points A (a-e) et B (f-j). Le tracé débute après 20 périodes de
l’instabilité de von Kármán. Les unités des grandeurs physiques sont les mêmes que sur la figure 6.2.
173
Chapitre 7. Modèles POD-Galerkin d’écoulements transsoniques, tridimensionnels et turbulents
(a)15 (d)
15
10
10
5 5
u3 (m/s)
u3 (m/s)
0 0
-5
-5
-10
-10
-15
-15
0 1 2 3 4 0 1 2 3 4
x3/c x3/c
(b) (e)
20 20
Amplitude (m/s)
Amplitude (m/s)
15 15
10 10
5 5
0 0
0 1 2 3 4 0 1 2 3 4
x3/c x3/c
(c) (f)
30 30 Modulation de phase
25 25
Phase (rad)
Phase (rad)
20 20
15 15
10 10
Phase Phase
Tendance Tendance
5 5
0 0
0 1 2 3 4 0 1 2 3 4
x3/c x3/c
Fig. 7.20 – Analyse des signaux instantanés de vitesse transversale obtenus aux instants t = 0.1s (a-c)
et t = 0.74s (d-f) le long de l’envergure de l’aile (point A sur la figure 7.19) par transformée de Hilbert :
(a) et (d) signaux instantanés, (b) et (e) amplitudes, (c) et (f) phases instantanées.
Deux approches distinctes sont mises en œuvre pour l’analyse spectrale des intermittences spatio-
temporelles de l’instabilité secondaire. D’une part, la méthode du périodogramme est utilisée pour l’esti-
mation des spectres de puissance de signaux tels que ceux présentés sur la figure 7.20. D’autre part, une
analyse fréquentielle locale est proposée grâce à une approche paramétrique. Cette analyse est illustrée
sur les figures 7.12(b) et (c) qui montrent l’évolution de la fréquence spatiale prédominante en chaque
point de l’envergure de l’aile. Pour cela un modèle Auto-Régressif (AR) de la forme générique suivante
est utilisé, pour l’approximation d’un signal discret s au point n :
p
X
s (n) = cj s (n − j) + B (n) , (7.10)
j=1
où B est un bruit blanc discret stationnaire et les cj sont des coefficients constants, les paramètres du
modèle, à déterminer. Dans cette étude un modèle AR d’ordre quatre est utilisé (p = 4). De nombreuses
méthodes existent pour la détermination des coefficients des modèles AR. L’algorithme récursif de Burg
est ici utilisé (Morettin, 1984, par exemple). Le modèle AR étant défini, une estimation de la densité
spectrale de puissance du signal s est alors obtenue ainsi :
σ2
P (κ) ≈ p , (7.11)
|1 + eiκj |2
P
cj
j=1
174
3. Modèle réduit de l’écoulement transitionnel compressible autour d’une aile
(a) (b)
100 100
Information relative cumulée (%)
90 90
80 80 2D - 99.9%
3D - 99.1%
70 2D - 99.9% 70
60 60
50 50 3D - 67.7%
40 40 2D
2D
30 3D 30 3D
20 20
5 10 15 20 25 30 5 10 15 20 25 30
Mode Mode
Fig. 7.21 – Information statistique capturée par la base POD tronquée en fonction du nombre de modes
(a) sur l’horizon temporel des clichés, (b) au cours de la période de l’instabilité de von Kármán suivante,
dans les cas bidimensionnel et tridimensionnel.
Sur ces diagrammes sont représentés les informations statistiques capturées par des bases POD tron-
quées sur l’intervalle de collecte des clichés (a) et au-delà (b), dans les cas bi- et tridimensionnel. Le
produit scalaire consistant fondé sur une normalisation par la moyenne de la variance statistique est
utilisé ; l’énergie relative capturée par les Npod premiers modes s’exprime donc comme suit :
Npod Z
1 X T
INpod = (v − v, Φi )2 dt. (7.12)
T d i=1 0
Dans le cas bidimensionnel strictement périodique, la base POD construite sur un intervalle temporel
donné parvient parfaitement à extraire l’information statistique de nouveaux clichés, sans perte d’ef-
ficacité. Dans le cas tridimensionnel, plus chaotique, une chute de la représentativité de la base POD
d’environ 30% est observée. Ce phénomène a également été mis en évidence par Buffoni et al. (2006) pour
5 Il s’agit ici de régions du sillage où les composantes longitudinale et verticale de la vorticité s’annulent sur une portion
175
Chapitre 7. Modèles POD-Galerkin d’écoulements transsoniques, tridimensionnels et turbulents
une autre configuration tridimensionnelle. Même si l’information capturée par les deux premiers modes
diminue peu en raison de la quasi-périodicité de l’instabilité de von Kármán dont ils sont représentatifs,
une perte globale est observée, quel que soit le nombre de modes retenus. Autrement dit, la base POD ne
constitue pas une base complète des nouveaux clichés. Une telle chute de la représentativité des modes
POD rend-elle la base correspondante obsolète ? Il s’agit d’un point délicat car les évènements rares non-
représentés par la base POD originale peuvent à la fois correspondre à de petites fluctuations chaotiques
dans la base de données qui n’ont pas véritablement de sens du point de vue de la dynamique globale
de l’écoulement, mais aussi à des intermittences de plus grande ampleur traduisant simplement son ca-
ractère non-périodique. Afin de distinguer les évènements erratiques significatifs des petites fluctuations
chaotiques dans la base de données, des stratégies de filtrage a priori des clichés pourraient par exemple
être mises en œuvre. Par ailleurs, dans le cas où la diminution de la représentativité de la base POD
est liée à une évolution du champ moyen6 , des modes correctifs tels que les shift modes proposés par
Noack et al. (2003) peuvent être ajoutés arbitrairement à la base POD tronquée. Ce point sera abordé
au chapitre suivant.
176
4. Modèle réduit d’écoulements turbulents
Plus récemment, Samimy et al. (2007) utilisent la formulation suggérée par Rowley et al. (2004) pour
développer un modèle d’ordre réduit représentatif d’un écoulement de cavité contrôlé pour des nombres de
Mach et Reynolds égaux à 0.3 et 105 respectivement. Les données expérimentales considérées sont issues
de vélocimétrie par imagerie de particules. Dans ce cas également, l’effet de la troncature des modes est
pris en compte par une viscosité de turbulence additionnelle8 .
Il apparaît ainsi que l’application de l’approche POD-Galerkin aux écoulements expérimentaux dans
le cas turbulent diffère peu du cas laminaire, des termes dissipatifs additionnels étant dans tous les cas
introduits pour pallier l’instabilité naturelle de cette approche.
Par ailleurs, Noack et al. (2008) proposent d’aborder le problème de la fermeture du ROM directe-
ment dans l’espace des phases et non en projetant un modèle de turbulence donné sur la base modale.
Cette approche, dénommée Finite-Time Thermodynamics (FTT), se fonde sur des principes thermody-
namiques simples pour élaborer un modèle réduit dit de “Galerkin-Reynolds”. Ce modèle réduit conduit à
la prédiction des coefficients temporels moyens10 et à l’estimation du “niveau d’énergie” de chaque mode
h(a0i )2 i/2. Cette méthodologie semble pouvoir être appliquée à la réduction de modèle pour des écoule-
ments turbulents simulés par DNS ou LES. Elle apparaît particulièrement prometteuse pour la prise en
compte de l’effet des modes non résolus dans le ROM, mais aussi pour le développement de modèles de
fermeture dans l’espace physique.
et al. (2003)
9 Iollo et al. (2000) montrent également que l’utilisation d’un produit scalaire dans H 1 conduit à des modèles POD-
177
Chapitre 7. Modèles POD-Galerkin d’écoulements transsoniques, tridimensionnels et turbulents
turbulence, autorisant une projection de Galerkin simple. Par ailleurs, en tenant compte des remarques
précédentes concernant le poids relatif des erreurs liées à la troncature de la base POD et à l’utilisation des
équations de Navier-Stokes originales, une telle modification du modèle réduit ne semble pas réellement
justifiée. Dans la suite de cette étude, l’approche POD-Galerkin précédemment décrite est utilisée pour
la modélisation d’ordre réduit de l’écoulement turbulent autour d’un profil d’aile à forte incidence simulé
par approche statistique. L’erreur commise en négligeant la viscosité de turbulence dans la construction
du modèle réduit sera donc corrigée a posteriori par une procédure de calibration.
Les contributions propres de chaque mode POD à la capture de l’information statistique de la base
de données sont représentées sur la figure 7.22. Comme cela a déjà été décrit, cet écoulement se caracté-
rise par une instationnarité quasi-périodique induite par l’instabilité de von Kármán. Par conséquent le
spectre proposé sur la figure 7.22 est très proche de celui obtenu dans le cas de l’écoulement laminaire
bidimensionnel autour du profil d’aile en incidence (figure 7.13). De même que dans le cas laminaire,
l’essentiel de l’information statistique est capturé par les deux premiers modes de la POD et la décrois-
sance des valeurs propres est rapide. Pour l’application considérée, Npod = 10 modes sont retenus soit
INpod = 99.99% de l’information statistique.
0
10 100
Information relative cumulée (%)
-1
10 90
Information relative
Information relative cumulée
Information relative
-2
10
80
-3
10
70
-4
10
60
-5 Base POD
10 tronquée
-6
50
10 10 modes - 99.99%
40
5 10 15 20 25 30
Mode
Fig. 7.22 – Contribution relative de chaque mode POD à l’extraction de l’information statistique de
la base de données (axe de gauche - traits pleins) et information statistique cumulée de la base POD
tronquée en fonction du nombre de modes retenus (axe de droite - traits pointillés) pour l’écoulement
turbulent autour d’un profil de type NACA0012 à 20o d’incidence.
11 Dans cette section, la variable temporelle considérée est adimensionnée par la vitesse à l’infini amont et la longueur de
178
4. Modèle réduit d’écoulements turbulents
Les premiers modes POD impairs associés à la pression et à la composante verticale de la vitesse sont
représentés sur la figure 7.23. Les deux premiers modes décrivent précisément l’échappement tourbillon-
naire et le caractère quasi-périodique de l’écoulement se traduit par des coefficients temporels sinusoïdaux
déphasés de π/2 par paire (figure 7.24).
Mode 1 - p Mode 1 - u2
Mode 3 - p Mode 3 - u2
Mode 5 - p Mode 5 - u2
Mode 7 - p Mode 7 - u2
Fig. 7.23 – Premiers modes POD impairs associés à la pression et à la composante verticale de la vitesse.
Les lignes pointillées représentent les valeurs négatives.
Un modèle réduit est dérivé en considérant les équations de Navier-Stokes compressibles comme
modèle HF à projeter sur les modes POD. L’intégration du système dynamique ainsi obtenu conduit aux
coefficients temporels représentés en rouge sur la figure 7.24 à gauche. Comme dans le cas laminaire, une
dérive en amplitude significative est observée, plus particulièrement pour les modes au-delà de la première
paire. Le fait que le modèle réduit soit construit sur les équations de Navier-Stokes non moyennées dans ce
contexte turbulent ne semble pas conduire à un comportement qualitativement différent du cas laminaire
quant à l’instabilité du modèle réduit. Les dynamiques des modes POD prédites par le modèle réduit
calibré sont présentées sur la figure 7.24 à droite. L’approche mise en œuvre ici est la calibration portant
sur le vecteur d’état.
179
Chapitre 7. Modèles POD-Galerkin d’écoulements transsoniques, tridimensionnels et turbulents
1 1
a1/lambda1^1/2
a1/lambda1^1/2
0.5 0.5
0
0
-0.5
-0.5
-1
-1
-1.5
0.0000 0.5000 1.0000 1.5000 0.0000 0.5000 1.0000 1.5000
Temps Temps
1
2
a3/lambda3^1/2
a3/lambda3^1/2
0.5
1
0
0
-0.5
-1
-2 -1
2
1
a5/lambda5^1/2
a5/lambda5^1/2
1
0.5
0
0
-1
-0.5
-2
-1
-3
0.0000 0.5000 1.0000 1.5000 0.0000 0.5000 1.0000 1.5000
Temps Temps
1 1
a7/lambda7^1/2
a7/lambda7^1/2
0.5
0
-1
-0.5
-2 -1
Fig. 7.24 – Coefficients temporels associés aux premiers modes POD impairs en fonction du temps :
prédiction par le ROM (lignes rouges) et référence (), pour les ROM non calibré (gauche) et calibré par
la méthode de Floquet (droite).
Les coefficients temporels sont rigoureusement estimés par le ROM calibré comme en attestent les
valeurs instantanées de l’erreur relative de prédiction sur la figure 7.25. Le modèle POD-Galerkin ainsi
obtenu s’avère par conséquent apte à prédire les différentes grandeurs physiques d’intérêt et en particulier
les coefficients aérodynamiques instationnaires comme dans le cas laminaire, sur l’horizon temporel de la
base de données et au-delà, étant donné le caractère quasi-périodique de l’écoulement.
Cet exemple d’application montre que la méthodologie développée dans cette étude est adaptée au cas
d’écoulements turbulents simulés par approches statistiques même si les équations associées aux quantités
turbulentes ne sont pas prises en compte dans le ROM en raison des difficultés liées à l’obtention d’une
formulation polynomiale dans ce contexte.
Remarque 1 : Dans des cas où le fait de négliger la viscosité de turbulence dans le ROM ne serait pas
180
5. Pertinence de l’approche POD-Galerkin pour la modélisation d’écoulements réalistes
50
40
POD
10 ROM
ROM - Calibré
Fig. 7.25 – Erreur relative instantanée de prédiction des variables d’état par les ROM calibré et non
calibré et erreur d’approximation liée à la troncature de la base POD en fonction du temps.
acceptable, une représentation (non optimale) de ce terme pourrait être définie comme suit :
Npod
X
µt (x, t) ≈ µt (x) + ai (t) Φµi t (x) , (7.13)
i=1
où les modes spatiaux Φµi t sont obtenus par projection des champs instantanés de viscosité de turbulence
centrés, sur les coefficients temporels aref
i associés à la projection des vecteurs d’état de référence sur la
base POD correspondante :
Z T
µt 1
Φi = (µt − µt ) aref
i dt. (7.14)
λi T 0
Cette approche revient à considérer la viscosité de turbulence comme une variable supplémentaire décrite
a posteriori dans l’espace de représentation optimal du vecteur d’état classique. Elle présente l’avantage
théorique d’être plus proche du modèle physique utilisé pour générer les données HF. Outre la nécessité
de stocker des champs supplémentaires associés à la viscosité turbulente, l’inconvénient majeur d’une
telle approche est le surcoût numérique engendré par le fait que le ROM obtenu est cubique, augmentant
considérablement le nombre de coefficients constants à évaluer.
Remarque 2 : L’approche décrite dans la Remarque 1 pourrait également être utilisée pour représenter
la viscosité du fluide, supposée constante dans le ROM quadratique12 .
181
Chapitre 7. Modèles POD-Galerkin d’écoulements transsoniques, tridimensionnels et turbulents
Ce nombre reste cependant faible, ce qui autorise une représentation d’ordre réduit. Une analyse critique
de la pertinence d’une base POD construite sur un intervalle temporel donné pour la capture des dyna-
miques prédominantes de l’écoulement au-delà de cet horizon a été menée. Elle montre que l’apparition
d’évènements rares ou de fluctuations chaotiques dans l’écoulement peut diminuer considérablement la
représentativité de la base POD et que des stratégies de filtrage des données a priori ou d’enrichissement
doivent être envisagées. Ce point sera abordé au chapitre suivant. Les systèmes dynamiques d’ordre faible
construits à partir de ces bases POD ont conduit à des prédictions efficaces des écoulements d’intérêt. Une
grande précision a pu être atteinte grâce au procédé de calibration a posteriori : de même que dans le cas
strictement périodique présenté au chapitre précédent, il semble possible de réduire l’erreur de prédiction
liée aux imprécisions du ROM de telle sorte que l’erreur de prédiction des variables d’état soit pour une
grande part due à la troncature de la base POD.
Enfin, la modélisation d’ordre faible d’un écoulement turbulent autour d’un profil d’aile à forte inci-
dence modélisé par une approche statistique a été envisagée. Une application directe de la méthodologie
POD-Galerkin fondée sur les équations de Navier-Stokes compressibles et non sur les équations moyen-
nées incluant une viscosité de turbulence conduit à des résultats similaires au cas laminaire quant à la
précision de la prédiction des coefficients temporels de la POD. Il semble ainsi que l’effet du modèle de
turbulence via la viscosité de turbulence additionnelle soit essentiellement inclus dans la topologie des
modes POD et ne nécessite pas forcément l’introduction d’une fermeture spécifique au niveau du ROM.
Il est rappelé que l’instabilité du modèle réduit ici observée dans le cas turbulent a déjà été mise en
évidence dans le cas laminaire et qu’elle n’est donc pas majoritairement due à la non prise en compte du
modèle de turbulence dans le ROM. De plus, une stratégie de représentation non optimale de la viscosité
de turbulence a été proposée.
L’efficacité de l’approche POD-Galerkin a jusqu’alors été examinée dans les configurations de référence
associées aux bases de données utilisées pour construire les modes POD et pour ajuster les ROM par
calibration. Dans l’optique d’une utilisation d’une telle méthode de modélisation d’ordre réduit au sein
de processus itératifs d’optimisation ou de contrôle, il est nécessaire d’évaluer les capacités prédictives
du ROM pour des configurations voisines mais différentes de celles considérées pour la constitution des
bases de données de référence. La robustesse des modèles réduits POD-Galerkin vis-à-vis de variations
paramétriques de la configuration de l’écoulement étudié fait l’objet du chapitre 8.
182
Lire
la dernière partie
de la thèse