ECOLE NATIONALE DES INGENIEURS DE

TUNIS

Rapport

Projet Analyse Numérique :

Optimisation de la température d’un
four

Élèves :
Atrous Sarra Classe : 1A MIndS
Hachani Salma
 7 avril 2023

Rapport - Projet Analyse Numérique : Optimisation de la température d’un2

four
Remerciements
Nous remercions nos encadrants Madame Radhia Bessi et Monsieur Hatem Zayeni
pour leurs aides précieuses et leurs encadrements continus. Nous remercions également
nos chers parents qui nous ont prodigué des conseils pour amélioer ce présent rapport.

Rapport - Projet Analyse Numérique : Optimisation de la température d’un1

four
 Table des matières

Table des matières

Introduction 3

1 Présentation du problème physique 4

2 Problème direct 5
2.1 Régime stationnaire . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 5
2.2 Régime transitoire . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 8

3 Problème inverse 14

Conclusion 19

Rapport - Projet Analyse Numérique : Optimisation de la température d’un2

four
 Table des matières

Introduction
L’objectif de ce projet est d’étudier numériquement l’optimisation de la température
dans un four électrique. Le four est constitué d’un domaine Ω = Ωa ∪Ωc dans lequel on
dispose un certain nombre de résistances électriques. Le but est de déterminer les valeurs
de ces résistances de manière à atteindre une température cible dans une pièce placée à
l’intérieur du four.
Dans un premier temps, on résout numériquement l’équation de la chaleur en régime
stationnaire pour obtenir la température à l’intérieur du four. Ensuite, on utilise la mé-
thode d’optimisation quadratique pour minimiser la différence entre la température réelle
et la température cible. Pour cela, on doit résoudre un système linéaire à chaque itération.

Rapport - Projet Analyse Numérique : Optimisation de la température d’un3

four
 1 Présentation du problème physique

1 Présentation du problème physique

Dans ce projet, nous nous intéressons au fonctionnement d’un four qui utilise l’éner-
gie électrique pour produire de la chaleur, qui est ensuite transmise aux objets à cuire
à l’intérieur du four. Le but de notre étude est d’optimiser le processus de cuisson en
assurant une température stable et homogène à l’intérieur du four. Le four est représenté
mathématiquement par un domaine Ω , composé de deux parties : Ωa représentant l’air et
Ωc représentant la pièce à cuire. Ce domaine contient plusieurs résistances électriques qui
contribuent à la production de chaleur. En réalite pour obtenir des résultats de cuisson
optimaux, il est important de trouver les valeurs optimales des différents paramètres qui
influencent la température dans le four, tels que la puissance des résistances électriques,
leur position, les propriétés thermiques des matériaux de construction, la convection na-
turelle ou forcée, la radiation thermique, la conductivité thermique, la capacité thermique
et la résistance électrique, entre autres. L’objectif de ce mini projet etait de trouver la
consigne en température des résistances de manière à ce que la température à l’intérieur
du four, et en particulier celle de l’objet à cuire, soit proche d’une température cible pré-
définie. Dans un premier temps, nous utilisons les valeurs des résistances pour calculer
la température à l’intérieur du four, ce qui est appelé le "problème direct" . En réalite,
le véritable défi est de résoudre le "problème inverse", qui consiste à déterminer les va-
leurs minimales de résistances considérées comme inconnues, qui permettront d’obtenir la
température idéale pour la cuisson de l’objet.

Rapport - Projet Analyse Numérique : Optimisation de la température d’un4

four
 2 Problème direct

2 Problème direct
2.1 Régime stationnaire
L’équation de la chaleur décrit l’évolution de la température T(x,t) en fonction du
temps t et de la position x à l’intérieur du four. En régime stationnaire, l’équation s’écrit
simplement sous la forme :
△T (x) = 0, ∀x ∈ Ωa
où △ est l’opérateur Laplacien. Cette équation est résolue numériquement à l’aide de la
méthode des différences finies. On discrétise le domaine Ωa en N points, et on approxime
la dérivée seconde de T(x) par une différence finie centrée :

T (x + h) − 2T (x) + T (x − h)
≈ ∆T (x) (1)
h2
où h est le pas de discrétisation. On obtient ainsi un système linéaire de la forme Ax=b,
où A est une matrice tridiagonale et b est un vecteur nul. On résout ce système à l’aide
de la méthode de Gauss-Seidel.

Etude théorique :
Montrons que T (x) = T0 (x) + T1 (x) est solution du problème (Pc ) avec source non
nulle et condition de Dirichlet non homogènes.
On sait que T0 est solution de l’équation de la chaleur stationnaire avec f = 0 et les
conditions de Dirichlet non homogènes T (0) = Tg et T (L) = Td , soit :
 
∂ ∂T0
− κ = 0 pour x ∈ [0, L] (2)
∂x ∂x
avec les conditions aux limites
T0 (0) = Tg et T0 (L) = Td

De même, T1 est solution de l’équation de la chaleur stationnaire avec source f et les

conditions de Dirichlet homogènes, soit :
 
∂ ∂T1
− κ = f (x) pour x ∈ [0, L] (3)
∂x ∂x
avec les conditions aux limites
T0 (0) = 0 et T0 (L) = 0
Soit T = T0 + T1 . On a alors :
 
∂ ∂T
κ = f (x) pour x ∈ [0, L] (4)
∂x ∂x
avec les conditions aux limites
T (0) = T0 (0) + T1 (0) = Tg et T (L) = T0 (L) + T1 (L) = Td
Ainsi, T est bien solution du problème (Pc ) avec source non nulle et condition de Dirichlet
non homogènes.
Montrons que si Td = Tg = 0, la température T solution de (Pc ) varie linéairement en
fonction de f .

Rapport - Projet Analyse Numérique : Optimisation de la température d’un5

four
 2 Problème direct

Dans ce cas, la solution de l’équation de la chaleur stationnaire est donnée par :

Td − Tg
T (x) = x (5)
L
Ainsi, si Td = Tg = 0, on a T (x) = 0 pour tout x ∈ [0, L]. En ajoutant une source f ,
la température T varie linéairement en fonction de f , c’est-à-dire que T (x) = kf x où k
est une constante de proportionnalité.

Afin de résoudre numériquement (Pc ) et vu la propriété de linéarité du problème, on

procède de la façon suivante :
On résout le problème thermique (Pc ) sans terme source, c’est-à-dire que f est iden-
tiquement nulle, mais avec les conditions aux bords du problème direct : température
T (0) = Tg et T (L) = Td . La solution de ce premier problème sera notée T0 .

Figure 1 – courbe de solution Figure 2 – courbe de solution exacte pour

approchée pour source nulle T0 source nulle

interprétation Dans ce cas où il n’y a pas de terme source, la température est déter-
minée uniquement par les conditions aux limites T(0) et T(L). La courbe de température
obtenue représente donc l’évolution de la température en fonction de la position x dans
le four, en supposant que les conditions aux limites sont maintenues constantes.
La forme de la courbe dépendra donc des valeurs de Tg et Td. Si Tg est plus élevé
que Td, la température augmentera graduellement de Tg à Td. Si Tg est inférieur à Td,
la température diminuera graduellement de Tg à Td. Si Tg est égal à Td, la température
sera constante dans tout le four.
Ainsi, la courbe de température permet de visualiser la distribution de température
dans le four en l’absence de sources thermiques, mais en prenant en compte les conditions
aux limites imposées.

On résout ensuite, pour 1 ≤ i ≤ Nr , le problème (Pc ) avec une seule résistance unitaire
Ri en prenant f = 1 au voisinage de xri , abscisse de la résistance, et 0 ailleurs et avec des
conditions aux bords T (0) = T (L) = 0. La solution de ce problème est notée Ti .
La linéarité du problème implique que la température T du four, obtenue avec les
températures Td et Tg imposées en x = 0 et x = L, avec Nr résistances d’amplitude
Nr
P
ri , 1 ≤ i ≤ Nr , est donc T = T0 + ri Ti .
i=1

Rapport - Projet Analyse Numérique : Optimisation de la température d’un6

four
 2 Problème direct

Figure 3 – courbe de température avec une seule résistance unitaire

interprétation La courbe de température obtenue en résolvant le problème (Pc) avec

une seule résistance unitaire Ri, en prenant f = 1 au voisinage de xri et 0 ailleurs, et
avec des conditions aux bords T(0) = T(L) = 0, représente la distribution de la tempé-
rature dans le four en présence d’une seule résistance thermique. La courbe est affine par
morceaux.

On trace maintenant, dans deux figures séparées, la température T du four, avec les
mêmes conditions aux bords, pour deux résistances r1 et r2 (Nr = 2) d’amplitudes
r1 = r2 = 3000  placées en xr1 = 0.2L et xr2 = 0.8L, respectivement, et pour fi (x) =
(x−xri )2
exp − 2·0.0522 , i = 1 et 2.

Figure 4 – Courbe de température Figure 5 – Courbe de température

pour la résistance r1 pour la résistance r2

interprétation En traçant la température du four pour les deux résistances r1 et r2

placées en xr1 = 0.2L et xr2 = 0.8L respectivement, on obtient deux courbes distinctes.
Ces courbes ont des formes similaires avec des pics de température qui correspondent aux
emplacements des résistances. Les valeurs de la température diminuent rapidement loin
des pics de température. Les deux courbes présentent des formes similaires mais avec des
différences significatives en termes d’amplitude et de largeur des pics de température, qui
dépendent de l’emplacement des résistances.

Rapport - Projet Analyse Numérique : Optimisation de la température d’un7

four
 2 Problème direct

solution finale avec deux résistances r1 et r2 T=T0+r1*T1+r2*T2

Figure 6 – Courbe de la solution finale T (avec deux résistances)

2.2 Régime transitoire

En régime transitoire, l’équation de la chaleur s’écrit :

∂T (x, t)
− α∆T (x, t) = 0, ∀x ∈ Ωa (6)
∂t
où α est la conductivité thermique de l’air.
Dans cette partie, on s’intéresse au problème transitoire (Pc ) qui concerne la recherche
d’une solution approchée par deux schémas numériques, explicite et implicite. Pour cela,
on utilise une discrétisation en espace et en temps avec des pas de N = 4n et M , respecti-
vement, et un pas de discrétisation en espace de h = L/N . ∆t est le pas de discrétisation
en temps avec ∆t = tmax /M , avec :

xi = ih avec 0 ≤ i ≤ 4N et tj = j∆t avec 0 ≤ j ≤ M

Schéma explicite Soit Tj = (T1,j , T2,j , . . . , T4N −1,j ). On a T (0) = T0 , on souhaite donc
chercher une approximation Tj+1 de la solution exacte qui satisfait le système direct
suivant :

Figure 7 – système direct

Rapport - Projet Analyse Numérique : Optimisation de la température d’un8

four
 2 Problème direct

Justification du choix du schéma numérique :

En premier lieux il faudrait justifier le choix de ce schéma numérique ,et bien ce schéma
est explicitement formulé et présente peu de calculs ce qui nous arrange au niveau de la
programmation de plus il peut être facilement adapté à diverses conditions aux limites et
problème physiques.
Etude de la stabilité, la consistance et la convergence de ce schéma :
En discrétisant l’équation différentielle en utilisant la méthode des différences finies cen-
trées on trouve que pour ce schéma :

Figure 8

et que

Figure 9

Notre schéma est donc consistant et est d’ordre 1 en temps et d’ordre 2 en espace.
Pour étudier la stabilité de ce schema, on utilise la méthode de Fourrier de von Neumann
et en posant α = t/h ∗ ∗2 on en déduit que le shéma est stable si et seulement si :

Figure 10

Courbe

Rapport - Projet Analyse Numérique : Optimisation de la température d’un9

four
 2 Problème direct

Figure 11

Résolution du shéma numérique : Pour f (x) = r1 f1 (x) tel que

Figure 12

xr1=0.2L et r=3000

En premier lieu on cherche à déterminer les coefficients de la matrice Ar et le vecteur

(j+1) (r) (j)
c de la forme condensée suivante de notre schéma : Tj+1 = Ar Tj + c

Figure 13

Rapport - Projet Analyse Numérique : Optimisation de la température d’un

10
four
 2 Problème direct

par la suite nous avons déterminé la solution T1 du problème stationnaire

Figure 14

Enfin, nous avons déterminé la solution transitoire tr de notre problème :

Figure 15

Rapport - Projet Analyse Numérique : Optimisation de la température d’un

11
four
 2 Problème direct

Schéma implicite Soit Tj = (T1,j , T2,j , . . . , T4n−1,j ) pour 0 ≤ j ≤ n. Supposons que

T 0 = T0 − Tst , et que Tj est connu pour 0 ≤ j ≤ n. On souhaite donc chercher une
approximation Tj+1 de la solution exacte qui satisfait le système direct suivant :

Figure 16

Justification du choix du schéma numérique :

Le schéma numérique proposé est un schéma implicite centré en espace et en temps, qui
utilise une méthode de différences finies pour discrétiser l’équation de la chaleur en 1D
avec des conditions de Neumann aux extrémités. Ce schéma est stable pour tous les pas
de temps et présente une convergence uniforme de deuxième ordre.

Etude de la stabilité, la consistance et la convergence de ce schéma :

Le schéma numérique est stable car il est implicite, ce qui signifie qu’il prend en compte
l’ensemble de l’information temporelle disponible pour chaque itération. En calculant
commise en remplaçant les dérivées continues par les différences finies, on trouve qu’elle est
de l’ordre de O(∆t2 +∆x2 ). Enfin ce shéma est stable et consistant donc , il est convergent,
c’est-à-dire que la solution discrète converge vers la solution exacte de l’équation de la
chaleur lorsque la taille de la maille tend vers zéro et la taille du pas de temps tend vers
zéro.

Proposition d’une méthode numérique pour résoudre le système : On peut

également résoudre ce système grace aux methodes itératives Gauss-Seidel ou de Jacobi
qui convergent généralement plus rapidement pour des matrices tridiagonales.On peut
aplliquer ces deux méthodes à la matrice B de la forme condensée pour obtenir Tj+1

Rapport - Projet Analyse Numérique : Optimisation de la température d’un

12
four
 2 Problème direct

Résolution du problème transitoire : Tout d’abord on a va commencer par trouver

la matrice B ainsi que le vecteur d de la forme condensée de notre shéma implicite.

Figure 17

Ensuite, la solution transitoire a été obtenue grâce au code Python suivant :

Figure 18

Figure 19

Courbe

Rapport - Projet Analyse Numérique : Optimisation de la température d’un

13
four
 3 Problème inverse

3 Problème inverse
Danc cette partie on va supposer que l’on cherche à chauffer le cuisson à une tem-
pérature idéale de cuisson Tc. Afin d’obtenir ce résultat on va déterminer les valeurs de
r1 ,r2 ,..., rN qui nous permettent d’approcher cette valeur de T souhaitée.

Rappelons d’abord que par application du principe de linéarité ,la température peut être
écrite sous la forme :
n
X
T (x) = T0 (x) + ri Ti (x). (7)
r=1

Où ri est la résistance placée au point d’abscisse xri, Ti est la température solution de

notre problème pour une source unitaire en xri.La température qui approche notre tem-
pérature souhaité n’est autre que la température qui minimise la fonction :
Z n Z L n
N 1 X
2 1 1 X
r ∈ R → J(r) = c(T0 + ri Ti − Tc ) = (T0 + ri Ti − Tc )2 (8)
2 Ω i=1
2 3L
4
4 i=1

la fonction quadratique objectif J est donc :

1 e
J(r) = (Ar, r) − (eb, r) + c
2

Avec la matrice à = (aij ) ∈ M n(R) et le vecteur b̃ ∈ Rn sont donnés par

Z 4L/4 Z 4L/4 Z 4L/4
1
aij = Ti Tj , dx, bi = (T0 − Tc )Ti , dx, c = (T0 − Tc )2 , dx. (9)
3L/4 3L/4 2 3L/4

où Ti et Tj sont des fonctions de température, T0 est une température de référence, et Tc

est une constante de température.
Notre matrice A est symétrique définie positive ce qui implique que les valeurs r1,r2. . .rn
sont minimales si et seulement si r est solution du sytème :

Ãr = b̃ (10)

Pour déterminer les valeurs de ri, il est nécessaire de commencer par déterminer les
coefficients de la matrice A ainsi que le vecteur b en utilisant la méthode de rectangle à
gauche.

Méthode d’intégration de rectangle : Le principe de la méthode de rectangle

consiste à diviser l’intervalle d’intégration en N sous-intervalles de même longueur. En-
suite, l’intégrale sur chaque sous-intervalle est approximée par l’aire d’un rectangle dont
la hauteur est la valeur de la fonction sur l’extrémité gauche du sous-intervalle. La valeur
approximative de l’intégrale est obtenue en sommant les aires des rectangles.

Z b
f (x), dx ≈ (a − b)f (a) (11)
a

Rapport - Projet Analyse Numérique : Optimisation de la température d’un

14
four
 3 Problème inverse

la formule de rectangle composite sur un intervalle [c d] consiste à appliquer la formule

élémentaire à une subdivision :
Z d n
X
f (x), dx ≈ f (xi )(xi − xi−1 ) (12)
c i=1

où xi = c + ih pour i = 0, 1, . . . , n est la subdivision de l’intervalle [c, d] en n sous-

intervalles de même taille.

Ainsi, en utilisant cette méthode, il est possible de déterminer les coefficients de la matrice
A et le vecteur b, qui permettent ensuite de résoudre le système linéaire (8)

Cas d’une seule résistance Dans cette section, nous allons considérer que la résistance
est placée à xr1 =0.2L et nous allons calculer la valeur de la résistance r1 qui donne
la température T la plus proche de notre température cible Tc. Nous allons utiliser la
méthode des rectangles pour déterminer les coefficients de la matrice A et du vecteur b.
Ensuite, nous allons calculer la différence entre la température optimale et la température
cible. Pour atteindre ces objectifs, nous avons utilisé le code python suivant :

Figure 20

Rapport - Projet Analyse Numérique : Optimisation de la température d’un

15
four
 3 Problème inverse

on a réussi par la suite à obtenir cette courbe pour une seule résistance en point
d’abscisse xr1 =0,2l :

Figure 21 – Courbe de la température T (avec 1 résistance)

Interprétation On constate ici que la courbe commence à une température initiale

T00, la température augmente à mesure que l’on se déplace le long de l’axe du four. Plus
précisément, la température augmente de manière linéaire avec la position x le long du
four, avec un coefficient de pente déterminé par la valeur de r1 .
Après avoir atteint son maximum, la température diminue légèrement avant de se stabili-
ser à une température constante, définie par la valeur Tc dans le code. Cette température
constante est la température de consigne pour le four. La courbe obtenue peut mon-
trer des oscillations autour de cette température constante, qui peuvent être dues à des
perturbations dans le système de chauffage ou dans l’environnement du four.

Cas de deux résistances Dans cette partie, nous allons effectuer une tâche similaire à
celle réalisée précédemment, mais en ajoutant une seconde résistance r2 au point d’abscisse
xr2 =0,8L. Le défi sera donc de déterminer les deux résistances r1 et r2 qui permettent
d’obtenir les températures les plus proches possible de notre température cible Tc.
Ci-dessous se trouve le code Python utilisé :

Rapport - Projet Analyse Numérique : Optimisation de la température d’un

16
four
 3 Problème inverse

Figure 22

La courbe obtenue est la suivante :

Figure 23 – Courbe de la température T(avec 2 résistances)

En ajoutant une troisième resistance r3 et modifiant sa position de xr3 dans l’intervalle

[0, L], nous pouvons comparer e1 , e2 et e3 les erreurs entre la température mesurée et la
température cible dans les 3 cas etudiés on a pu déduire le nombre minimal de résistances
nécessaires pour atteindre une température proche de Tc. Ci-dessous se trouve le code
Python utilisé :

Rapport - Projet Analyse Numérique : Optimisation de la température d’un

17
four
 3 Problème inverse

Figure 24

La courbe obtenue est la suivante :

Figure 25 – Courbe de la température T (avec 3 résistances)

Interprétation On constate a partir de cette courbe que la température T s’approche

de notre température cible Tc on conclutalors que le nombre minimal de résistances né-
cessaires pour atteindre une température proche de Tc est de 3 résistances.

Rapport - Projet Analyse Numérique : Optimisation de la température d’un

18
four
 3 Problème inverse

Conclusion
La résolution numérique du problème de l’optimisation de la température d’un four
électrique est un exemple concret de l’application des méthodes numériques à un problème
physique. Les différentes méthodes utilisées, telles que les différences finies, la méthode
d’intégration de rectangle, le problème d’optimisation quadratique et la résolution numé-
rique de systèmes linéaires, permettent d’obtenir des résultats précis et efficaces. L’analyse
des résultats numériques permet de mieux comprendre le comportement du système phy-
sique étudié et de proposer des solutions pour l’optimiser. Ce module offre des compétences
importantes pour les étudiants en sciences physiques et en génie. Il permet d’acquérir une
maîtrise approfondie de Python, ainsi que les compétences nécessaires pour utiliser et
appliquer les méthodes numériques dans le but de résoudre des problèmes physiques com-
plexes. De plus, ce module encourage le travail collaboratif en groupe et l’analyse des
résultats numériques obtenus. Il permet de développer des compétences essentielles dans
les domaines des sciences physiques et de l’ingénierie.

Rapport - Projet Analyse Numérique : Optimisation de la température d’un

19
four