DE LA MODELISATION A LA SIMULATION

NUMERIQUE : NOTIONS DE BASE

La modélisation d’un phénomène est une démarche visant à représenter par

un moyen adéquat le comportement de ce phénomène. Dans les sciences de
l'ingénieur, la modélisation permet de comprendre les variables qui
influencent ce comportement, afin de dimensionner des ouvrages, d'anticiper
son évolution, de simuler des situations à venir.

1.1. Qu'est-ce qu'un modèle ?

Un modèle est la représentation d’un système ou d’un procédé par un

ensemble d’équations ou par un montage expérimental permettant la
simulation des conditions de fonctionnement et conduisant à l’établissement
de lois prévisionnelles.
Dans les cas les plus difficiles, ces lois ne seront pas des corrélations
empiriques entre les grandeurs de sortie (les rendements par exemple) et les
paramètres d’entrée (les conditions de fonctionnement par exemple).
Le principe d'un modèle est de remplacer un système complexe en un objet
ou opérateur simple reproduisant les aspects ou comportements principaux
de l'original (ex : modèle réduit, maquette, modèle mathématique ou
numérique, modèle de pensée ou raisonnement).

1.2. Pourquoi faut-il modéliser ?

Dans la nature, les systèmes et phénomènes physiques les plus intéressants

sont aussi les plus complexes à étudier. Ils sont souvent régis par un grand
nombre de paramètres non-linéaires interagissant entre eux (la météorologie,
la turbulence des fluides...).

1.3. Types de modèles

L'une des solutions est de recourir à une série d'expériences pour analyser
les paramètres et grandeurs du système. Mais les essais peuvent s'avérer
très coûteux (essais en vol, essais avec matériaux rares, instrumentations
très chères...) et ils peuvent être très dangereux (essais nucléaires,

Par Joël M. ZINSALO Page 1

environnement spatial...). Enfin il peut être difficile de mesurer tous les
paramètres : échelles du problème trop petites (chimie du vivant, couche
limite en fluide...) ou trop grandes (astrophysique, météorologie,
géophysique...).

1.3.1. Les modèles mathématiques

Ils décrivent le procédé par un ensemble d’équations qui résultent des lois
traduisant les effets mécaniques, thermiques, physico-chimiques, etc…,
couplés dans le processus modélisé. Dans certains cas, les équations se
résument à des relations empiriques.
Ces modèles utilisent très souvent des systèmes d'équations aux dérivées
partielles (EDP) non-linéaires dont on ne connait pas de solutions
analytiques en général. Il faut alors résoudre le problème numériquement en
transformant les équations continues de la physique en un problème discret
sur un certain domaine de calcul (le maillage). Dans certains cas il s'agit de
la seule alternative (nucléaire, astrophysique, spatial...). Dans d'autres cas,
les simulations numériques sont menées en parallèle avec des
expérimentations.

Les modèles mathématiques expriment couramment :

• Les bilans de matière, de quantité de mouvement, d’énergie ou
d’exergie ;
• Les couplages entre les phénomènes de transfert, les réactions
chimiques et la transformation de l’énergie.

L’analyse des régimes transitoires par les méthodes de la dynamique des

systèmes s’appuie sur les lois cinétiques relatives au déroulement des
réactions chimiques, aux transferts thermiques et aux transferts de masse.

Le modèle est d’autant plus fin qu’il envisage le système comme un ensemble
de motifs élémentaires organisés en réseau auquel s’applique un ensemble
d’équations différentielles et aux dérivées partielles dont il convient de
préciser soigneusement les conditions initiales pour les régimes transitoires
et les conditions aux limites.

Par Joël M. ZINSALO Page 2

L’utilisation des modèles mathématiques s’est considérablement développée
avec l’avènement de l’informatique. Les limitations de la méthode
proviennent de la difficulté d’identifier les effets régissant le processus ou
dans la convergence des méthodes itératives de calcul (expérience
mathématique) ou dans le manque de données fondamentales ou par
exemple de données physico-chimiques.

Les modèles mathématiques sont les plus courants actuellement, suite à la

montée en puissance des ordinateurs et de leur capacité à calculer vite. Ils
sont basés sur la mise en équation mathématique du phénomène à étudier.
Ce sont ces modèles qui vont nous intéresser pour ce cours. Là aussi, on
peut tenter une classification sommaire.

- Les modèles empiriques

Il s’agit d’identifier les variables qui interviennent à priori dans un

phénomène physique et de les relier par une équation à partir d’une série
d’observations. Cette équation n’a parfois rien de physique, mais représente
bien le « nuage de points ». Elle est totalement dépendante de l’échantillon
qui a servi au calage.

- Les modèles conceptuels

Ils abordent la représentation d’un phénomène complexe à partir d’un autre

beaucoup plus simple à étudier. Par exemple, en hydrologie, on conçoit
souvent le fonctionnement d’un bassin versant (en termes de production
d’un débit d’eau) comme celui d’un réservoir, objet dont le remplissage et/ou
la vidange se mettent facilement sous forme d’équations.

- Les modèles mécanistes

La mécanique, en tant que science, est à la base de la représentation du

phénomène.
On aboutit généralement à un type d’équations dites aux dérivées partielles,
qu’il s’agit ensuite de résoudre.

Par Joël M. ZINSALO Page 3

1.3.2. Les modèles analogiques

Ces modèles donnent du procédé une représentation dans un domaine

scientifique voisin par transposition de variables. Il existe de nombreux types
d’analogie : analogie fluide ou analogie solide ; mais les analogies électriques
sont les plus courantes, par exemple en thermique. On remplace dans ce cas
le système d’équations par un montage électrique sur lequel sont assimilées
les diverses conditions de fonctionnement.

1.3.3. Les modèles homologiques

Ces modèles substituent aux fluides couramment aux fluides réels des
fluides modèles. Les lois de similitude totales ou partielles permettent alors
une expérimentation sur maquette dans des conditions aisément maîtrisable
de température ou de pression. Le modèle homologique, associé à
l’expérimentation sur maquette, transpose l’ensemble des conditions
opératoires réelles vers un domaine plus facilement accessible à
l’expérimentateur. La maquette est souvent un objet d’étude et d’acquisition
de données qui permet la visualisation du phénomène, la mise en exergue
d’un aspect précis du procédé et la mise au point du modèle. Cette pratique
est fréquente dans le cas des études hydrodynamiques et souligne le
caractère spécifique des études sur maquette qui privilégient souvent un
aspect particulier du phénomène étudié, par exemple l’examen des
conditions d’écoulement.

1.4. De la modélisation à la simulation numérique

Les différentes étapes pour modéliser un système complexe :

Représentation du modèle physique du problème.
Recherche d'un modèle mathématique représentant le phénomène
physique : mise en équation.
Adimensionnalisation des équations gouvernantes du problème.
Elaboration d'un maillage. Discrétisation des équations régissant le
phénomène physique.

Par Joël M. ZINSALO Page 4

 Résolution des équations discrètes (systèmes linéaires ou non linéaires
à résoudre).
Transcription informatique et programmation des relations discrètes.
Simulation numérique et exploitation des résultats.

L'ingénieur peut être amené à intervenir sur l'une ou plusieurs de ces

différentes étapes.
On appelle domaine de calcul cette portion de l’espace physique borné par
les frontières ou la géométrie où a lieu le phénomène.

Généralement ceci donne lieu à des systèmes d’équations aux dérivées

partielles avec des conditions frontières ou conditions limites. Cet ensemble
constitue la traduction mathématique plus ou moins fidèle de la physique
selon les hypothèses invoquées.

Cette fidélité allant de pair avec le nombre de paramètres ou la complexité

du modèle qui sera plus lourd à traiter mais qui prend en compte des
phénomènes physiques qui se rapprochent de plus en plus du nombre réel.
On nomme cette étape la formulation ou modélisation du problème.

Pour la plus grande majorité des problèmes d’intérêt pratique, on ne peut

obtenir de solutions analytiques à ces équations à cause de leur complexité.

Alors, des méthodes numériques permettent d’obtenir une solution

approchée pour résoudre ces systèmes d’équations.

Ces méthodes développées depuis les années 1950, sont basées sur une
discrétisation des équations.

Ce passage du continu du monde de la physique au monde numérique de

l’ordinateur est devenu, à cause de sa spécialisation une discipline
scientifique à part entière et constitue les fondements scientifiques du calcul
numérique ou simulation numérique.

1.5. Simulation numérique

Par Joël M. ZINSALO Page 5

La simulation numérique a pris un essor considérable dans le domaine du
génie et de la science.

La simulation numérique apporte une nouvelle dimension à la

compréhension d’un problème et hausse les capacités des ingénieurs d’y
apporter des solutions novatrices. La simulation numérique est issue de la
combinaison des mathématiques appliquées, de l’informatique et des sciences
de l’Ingénieur.

Figure 1.1 : Simulation numérique : une nouvelle discipline.

La simulation numérique débute toujours par la modélisation du phénomène

ou du système à étudier sur le plan de la physique. Ce qui implique une
représentation de la géométrie ainsi que les hypothèses simplificatrices qui
détermineront la validité du modèle.

On distingue les équations différentielles à une seule variable appelées

équations différentielles ordinaires. Ces équations différentielles sont
résolues numériquement par 2 grandes méthodes numériques :
- méthodes à pas unique
- et les méthodes à pas multiples.

On retrouve aussi les équations différentielles à plusieurs variables appelées

équations aux dérivées partielles qui sont discrétisées par 3 grandes
méthodes numériques :

Par Joël M. ZINSALO Page 6

 - Les différences finies
- Les éléments finis
- Les volumes finis.

La solution est recherchée en certains points appelés nœuds puis elle est
interpolée sur le reste du domaine. Pour réaliser cette opération, le domaine
étudié doit être préalablement découpé en éléments simples dont les
sommets sont les nœuds de la discrétisation : ces éléments sont des
polyèdres, petits volumes de l’espace ou polygones surfaciques dans le plan.
On souligne que cette étape appelée discrétisation comprend deux volets :
La discrétisation des équations donnant lieu aux schémas numériques
Et la discrétisation des frontières et du domaine appelé maillage. Le
maillage servant de support aux schémas.

Le résultat de l’étape de discrétisation est un système d’équations

algébriques qui est l’équivalent discret des équations différentielles
continues. Les inconnues de ce système sont les valeurs des variables du
problème (pression, température, vitesse, fonction de courant, etc.…) en
chacun des nœuds de la discrétisation. La taille du système à résoudre
dépend du nombre de variables du schéma de discrétisation et de la finesse
(nombre d’éléments) du maillage. La solution de la simulation sera la
solution numérique de ce système algébrique et est obtenue par diverses
techniques algébriques appelés résoluteurs.

La dernière étape de cette démarche est l’analyse de la solution pour fins de

validation ou d’interprétation. L’outil privilégié est la visualisation qui permet
grâce à des logiciels et des équipements spécialisés d’afficher sur des
consoles graphiques la géométrie et la solution.

L’ensemble de cette démarche est illustrée sur la figure 1.2.

Par Joël M. ZINSALO Page 7

 Figure 1.2. : Simulation numérique : Méthodologie

Les développements et les progrès réalisés au cours des deux dernières

décennies ont conduit à l’apparition d’une méthodologie qui est devenue
standard de facto. Comme pour tout système complexe, la clé de la maîtrise
réside dans l’identification et la modulation des tâches.

Actuellement, la méthodologie standard découpe le processus de simulation

en quatre tâches distinctes qui sont :

- Modélisation géométrique :
- Maillage :
- Résolution :
- Analyse et visualisation :

La figure 1.3 montre comment ces quatre modules s’intègrent dans le

processus de simulation numérique et comment ils communiquent entre
eux. La transmission d’information, c'est-à-dire la façon dont les objets sont
échangés entre modules, se fait sous la forme de fichiers informatiques.

Par Joël M. ZINSALO Page 8

Figure 1.3 : Méthodologie de résolution d’un problème numérique

1.5.1. Modélisation géométrique

Le rôle du modeleur géométrique est de traduire la géométrie des objets en
deux ou trois dimensions sous la forme d’une représentation informatique.
Les entités constituant la description complète de la géométrie sont des
formes élémentaires assemblées pour former la géométrie. La modélisation
solide appelée CSG (Constructive Solid Geometry) est basée sur les volumes
élémentaires tels que cubes, sphères, cônes, et autres volumes géométriques
de base. Le modèle final est obtenu en appliquant des opérations booléennes
sur ces volumes élémentaires. Les opérations sont l’union, l’intersection, la
soustraction, etc.
La modélisation B-rep (Boundary Representation) utilise comme son nom
l’indique les frontières pour construire le modèle. Cette modélisation définit
un volume à partir des surfaces qui le bornent. Les techniques de
représentation de ces surfaces sont issues des développements
mathématiques sur les onctions splinaires, de Bézier et plus récemment les
NURBS. Ces surfaces sont elles-mêmes délimitées par des courbes qui sont
définies par des points.

1.5.2. Maillage
Un maillage est une partition de l’espace ou d’un domaine en cellules
appelées éléments. Le mailleur prend en entrée la géométrie, c'est-à-dire le
fichier produit par le modeleur géométrique, et fournit en sortie un maillage.

Par Joël M. ZINSALO Page 9

Ceci comprend une information géométrique sur les sous-volumes et une
information topologique sur la connectivité entre les éléments.

Nœuds et éléments
La modélisation numérique repose sur la reformulation des équations de
conservation sur des volumes n élémentaires ou discrets, appelés éléments
ou mailles. Associés à ces éléments, nous retrouvons les nœuds de
discrétisation, c'est-à-dire les points de résolution des équations discrètes.
Ceux-ci peuvent être aussi bien placés aux sommets des éléments qu'en leur
centre ou encore sur les faces, selon la méthode de discrétisation utilisée.

Figure 1.4 : Illustration de la notion de maillage.

Les éléments et les nœuds associés composent le maillage, un découpage

géométrique du domaine de calcul. La Figure 1.4 illustre la notion de
maillage.

Géométrie et topologie
Nous faisons la différence entre la géométrie qui caractérise la forme du
domaine et la topologie qui est le résultat du découpage spatial du domaine
sur lequel s'appuie le maillage. La topologie est donc une classification des
objets de type segments, faces, etc.
Nous distinguons plusieurs types de maillages, définis par le nombre de
nœuds associés à chaque élément (Figure 1.5) et par le nombre de liaisons
pour chaque nœud.

Par Joël M. ZINSALO Page 10

Figure 1.5 : Quelques types d'éléments.

Connectivité
La connectivité décrit les liaisons entre les sommets des éléments. On parle
de maillage structuré si les nœuds de même type (dans le domaine, sur une
limite ou sur un coin) ont toujours le même nombre de nœuds voisins, ou
sont associés au même nombre d'éléments.
La connectivité associée à ces nœuds est alors toujours de même type. Dans
le cas d'un maillage non-structuré, la connectivité est de type quelconque, et
le nombre de voisins de chaque nœud diffère localement (Figure 1.6).

Par Joël M. ZINSALO Page 11

Figure 1.6 : Exemples de maillages.

Le principal avantage des maillages structurés est une connaissance

complète et immédiate du voisinage de chaque point de discrétisation. En
effet, le nombre de nœuds est constant dans chaque direction de maillage.
Dans le cas de maillage avec des quadrilatères, la connectivité des nœuds est
de type (i; j; k); 0 ;0 ;0 .
La connaissance des indices d'un nœud en donne la position relative dans la
grille. Cet avantage se trouve être aussi son principal inconvénient car les
maillages structurés ne sont pas adaptés à tous les types de géométrie.

Orthogonalité
On parle de maillage orthogonal lorsque les lignes de maillages sont
localement orthogonales entre elles. Cette notion inclut donc les grilles de
type polaire en 2D (par exemple un anneau) ou cylindrique en 3D (cylindre
creux). L'orthogonalité d'un maillage est très contraignante pour
l'approximation d'une géométrie. Il est par exemple impossible de construire

Par Joël M. ZINSALO Page 12

une grille orthogonale sur un disque (Figure 1.7). Le nœud au centre du
disque ou les nœuds du rayon externe sont non-structurés.

Maillages non structurés localement

Figure 1.7 : Maillage sur un disque.

Monobloc et multibloc
Il existe de nombreux codes industriels de génération automatique de
maillage à partir de topologies plus ou moins complexes. Dans la majorité
des processus industriels, les géométries utilisées sont complexes et leurs
traitements génèrent de nombreuses difficultés, à la fois techniques et
numériques. La mise en place du maillage est parfois délicate et peut
conduire à une résolution insuffisante ou à une qualité de maillage
médiocre.
Lorsque la géométrie est représentée par une grille unique, le terme de
maillage monobloc est utilisé. Dans le cas contraire, on parle de maillage
multibloc, composé alors de plusieurs grilles monoblocs.

Recouvrement
On parle de recouvrement lorsque des éléments appartenant _a des blocs
différents sont superposés. Ils représentent alors la même zone de la
géométrie. Le recouvrement est directement lié à la notion de multibloc,
puisque cette définition exclut les maillages monoblocs.
Conforme et non-conforme

Par Joël M. ZINSALO Page 13

Figure 1.8 : Exemples de grilles multiblocs : (a) cas conforme; (b) cas non-
conforme.

La définition de la conformité d'un maillage multibloc est plus complexe à

appréhender.
Nous adopterons la définition suivante : un maillage est dit conforme si
quelle que soit la ligne de maillage, elle est continue au passage de l'interface
entre les blocs (Figure 1.8(a)). Dans ce cas, s’il n'y a pas de recouvrement,
chaque nœud situé sur une interface appartient aux différents blocs la
constituant. La connectique d'un nœud de l'interface est alors de type
structuré. Un maillage non-conforme sera donc un maillage dont les lignes
sont interrompues à l'interface (Figure 1.8(b)). Les nœuds situés aux
interfaces non-conformes conduisent à un maillage localement non-
structuré. Cette configuration est couramment appelée maillage structuré
par bloc.

Blocs et groupes
Nous définissons les termes de groupes et de blocs comme suit : un bloc est
une surface (ou un volume en 3D) qui peut être assimilée à un rectangle (ou
à un parallélépipède).
L'ensemble des surfaces conformes entre elle, est appelé groupe. Ainsi, le
passage d'un bloc à l'autre peut être conforme et se faire par une ligne
commune en 2D (ou une face commune en 3D) dont les nœuds coïncident
totalement. Deux groupes sont toujours non-conformes, soit en raison de la
non-coïncidence des nœuds sur les lignes ou faces de contact, soit à cause
d'un recouvrement de l'un sur l'autre avec des lignes de maillages
différentes. L'utilisation du terme multibloc conforme concerne les maillages

Par Joël M. ZINSALO Page 14

dont les blocs sont tous conformes entre eux. Il n'y a alors qu'un seul groupe
de blocs.

Raccordement
La géométrie sur laquelle s'appuie le domaine de calcul n'est pas toujours
adaptée à la mise en place d'un maillage. C'est le cas par exemple d'un
raccord entre un cylindre et un cube pour des maillages structurés et
orthogonaux en 3D. L'utilisation d'un maillage multibloc permet de
s'affranchir de certaines contraintes en divisant les géométries en éléments
topologiques simples. Chacun de ces blocs peut être construit de façon
indépendante, en respectant les contraintes de maillage. Le maillage obtenu
est alors de meilleure qualité.
Toutefois, les blocs sont indépendants alors que la résolution des équations
s'effectue sur tout le domaine. Il est donc nécessaire de raccorder les
solutions entre les différents blocs.
Des méthodes spécifiques, faisant l'objet de cette thèse, doivent être mises
en œuvre.
Les maillages non structurés sont sous la forme d’une liste d’éléments
interconnectés. Les formes sont souvent des triangles ou des quadrilatères
en deux dimensions, et des tétraèdres, des cubes ou des hexaèdres en trois
dimensions. La connectivité d’un élément est la liste de ses voisins. Un
élément possède un voisin par arête ou par face selon que le maillage est bi-
ou tridimensionnel. Dans le cas des maillages structurés, la connectivité est
par définition implicite et donc le maillage se résume à une simple liste de
nœuds.

1.5.3. Résolution
Au cours de cette étape, les équations différentielles décrivant le phénomène
physique sont discrétisées et transformées en un système d’équations
algébriques. Les techniques utilisées sont les différences finies, les
éléments finis et les volumes finis. Ces techniques permettent d’exprimer
les variables du problème sur le support géométrique que constitue le
maillage. Des conditions aux frontières et/ou des conditions initiales

Par Joël M. ZINSALO Page 15

viennent compléter ces équations rendant la solution du système unique. Le
résoluteur prend donc en entrée un maillage et avec le schéma de
discrétisation retenu, construit le système d’équations. La solution de
système algébrique c'est-à-dire la liste des valeurs pour chaque point du
maillage, de la ou les variables est obtenue par différents schémas itératifs.

1.5.4. Analyse et visualisation

Les résultats fournis par la résolution des équations constituent une

quantité phénoménale de données qui dans leur forme brute défient toute
analyse par un humain. Les outils d’analyse permettent d’extraire les
informations utiles pour fins d’analyse et de compréhension. Utilisant des
procédures de post-traitement, les caractéristiques globales qui sont
l’objectif final de la simulation numérique, sont calculées à partir des
données ponctuelles de la solution. Par exemple, lors de l’étude d’une aile
d’avion, la traînée et la portance font partie de ces caractéristiques obtenues
par l’intégration numérique des valeurs surfaciques.
La visualisation regroupe l’ensemble des techniques qui permettent de
représenter les quantités physiques (telles que les vitesses, températures,
etc.) sous une forme graphique pour faciliter la compréhension des résultats.

1.6. Notion de stabilité

On distingue trois types de stabilité :

• La stabilité d'un problème physique.
• La stabilité d'un problème mathématique.
• La stabilité numérique d'une méthode de calcul.

1.6.1. Stabilité d'un problème physique : système chaotique

Un problème est dit chaotique si une petite variation des données initiales
entraîne une variation totalement imprévisible des résultats. Cette notion de
chaos, liée à la physique d'un problème, est indépendante du modèle
mathématique utilisé et encore plus de la méthode numérique utilisée pour

Par Joël M. ZINSALO Page 16

résoudre ce problème mathématique. De nombreux problèmes sont
chaotiques, par exemple la turbulence des fluides.

1.6.2. Stabilité d'un problème mathématique : sensibilité

Un problème est dit très sensible ou mal conditionné si une petite variation
des données ou des paramètres entraîne une grande variation des résultats.
Cette notion de conditionnement, liée au problème mathématique, est
indépendante de la méthode numérique utilisée pour le résoudre. Pour
modéliser un problème physique qui n'est pas chaotique, on construira un
modèle mathématique qui sera le mieux conditionné possible.

1.6.3. Stabilité d'une méthode numérique

Une méthode est dite instable si elle est sujette à une propagation
importante des erreurs numériques de discrétisation et d'arrondi.
Un problème peut être bien conditionné alors que la méthode numérique
choisie pour le résoudre est instable. Dans ce cas, il est impératif de changer
de méthode numérique. Par contre, si le problème de départ est mal
conditionné, aucune méthode numérique ne pourra y remédier. Il faudra
alors essayer de trouver une formulation mathématique différente du même
problème, si on sait que le problème physique sous-jacent est stable.

1.7. La consistance
La consistance est la propriété qui assure que la solution exacte des
équations discrétisées tende vers la solution exacte des équations continues
lorsque le pas de discrétisation (∆ et ∆ ) tendent vers zéro.

1.8. La convergence
La convergence est la propriété qui assure que la solution numérique tend
vers la (ou une) solution exacte des équations continues. C'est évidemment
la propriété la plus recherchée.

Par Joël M. ZINSALO Page 17