AERO

Participants: D. Lucor and  L. Mathelin,

Les systèmes réels sont rarement totalement caractérisés ou sont sujets à des variabilités irréductibles, ce qui rend leur simulation incertaine. Comme sources d’incertitudes communes, citons la géométrie, les forçages extérieurs et les propriétés physiques des systèmes. Alors que les capacités et la précision des outils numériques progressent, il devient de plus en plus important de rendre compte de ces incertitudes afin d’apprécier pleinement la qualité des prévisions obtenues par simulation, par exemple par une analyse de sensibilité globale ou en hiérarchisant l’importance de différentes sources d’incertitudes. Depuis plus d’une dizaine d’années, le LIMSI développe des méthodes probabilistes pour la quantification des incertitudes, où les sources d’incertitudes sont considérées comme des variables aléatoires d’entrée du modèle.

Pour prédire et analyser la variabilité dans la solution d’un modèle, induite par des incertitudes dans sa définition, les développements en Polynomial Chaos (et plus généralement sur des bases spectrales stochastiques) sont régulièrement mis en œuvre au LIMSI, en utilisant tant des projections de Galerkin que des méthodes dites non-intrusives (en boite noire).  Ces méthodes ont été constamment améliorées pour traiter des problèmes de plus en plus complexes de la manière numériquement la plus efficace possible. Les recherches menées au LIMSI ont en particulier été parmi les premières à explorer l’utilisation de multi-ondelettes stochastiques et de schémas multi-résolution, les approximations de rang faible (PGD) et parcimonieuses, les méthodes de grilles creuses ainsi que le préconditionnement  des méthodes non-intrusives. Plus récemment, les recherches se sont orientées vers l’application des développements spectraux stochastiques à l’inférence bayesienne, la résolution de problèmes inverses stochastiques et l’assimilation de données, et le traitement des incertitudes dans les systèmes et simulateurs aléatoires (soumis à des bruits blancs ou ayant des dynamiques intrinsèquement probabilistes).

Les recherches réalisées au LIMSI ont porté sur de nombreux modèles mathématiques (équations elliptiques, paraboliques, hyperboliques, ordinaires, …) selon les applications physiques visées. Ces dernières portent principalement les écoulements fluides : écoulements compressibles et incompressibles, turbulents, convection naturelle, équations de St Venant, écoulements et transport en milieux poreux, aéroélasticité,…  Les applications les plus récentes concernent l’hémodynamique et les écoulements dans les artères, la circulation océanique, la propagation de feux en milieux naturels, et les systèmes réactifs.

Principales collaborations: Brown University (G. Karniadakis), SANDIA (H. Najm and B. Debusschere), USC (R. Ghanem), MSME-UPE, Cermics-Ecole des Ponts, Dept. Math-UVSQ, LJLL-UPMC, ENSAM, ONERA, CERFACS, LIF-UPMC.

Partenaires industriels:

CEA (DEN, DAM), ONERA,

Visiter aussi:

{/source) 10 avril 2019 Emplois / Stages 28 juillet 2015 Galerie AERO Ces images sont la propriété du groupe Aérodynamique Instationnaire, LIMSI-CNRS. En cas de réutilisation de ces images, nous vous remercions de bien vouloir en aviser le Cette adresse e-mail est protégée contre les robots spammeurs. Vous devez activer le JavaScript pour la visualiser. document.getElementById('cloakd431281bb8e12f80a9b2c2067f45ac44').innerHTML = ''; var prefix = 'ma' + 'il' + 'to'; var path = 'hr' + 'ef' + '='; var addyd431281bb8e12f80a9b2c2067f45ac44 = 'podvin' + '@'; addyd431281bb8e12f80a9b2c2067f45ac44 = addyd431281bb8e12f80a9b2c2067f45ac44 + 'limsi' + '.' + 'fr'; var addy_textd431281bb8e12f80a9b2c2067f45ac44 = 'responsable du groupe';document.getElementById('cloakd431281bb8e12f80a9b2c2067f45ac44').innerHTML += ''+addy_textd431281bb8e12f80a9b2c2067f45ac44+'<\/a>'; , et indiquer explicitement l'origine des images dans le document dans lequel elles apparaitront. LES predictions of separated-reattached turbulent flows over a blunt flat plate. Simulations are performed by using a high-order OS7 scheme coupled with a Dynamical Smagorinsky subgrid-scale model. Isosurface of Q criterion colored by the norm of the velocity vector close to the leading edge of a blunt flat plate: LES results using a Dynamical Smagorinsky subgrid-scale model. (Y. Fraigneau, C. Tenaud). Interaction between a weak shock and a spot of temperature (Mach = 1.1588 and the Reynolds number = 2000) Simulations are performed by using a high-order OSMP7 scheme coupled with a mesh refinement based on Multiresolution technique. Mesh adaption along the simulation using 9 grid-levels with 1024 x 512 grid points on the finest grid and a multiresolution threshold parameter ε=0.001 Isocontours of the density (up to a dimensionless time t=1) during the interaction Isocontours of the vorticity produced by the baroclinic effect during the interaction (C. Tenaud). Euler simulation of the interaction of a shock (Mach = 3) with a high temperature bubble Mesh adaption along the simulation using 9 grid-levels with 1024 x 512 grid points on the finest grid and a multiresolution threshold parameter ε=0.01. Isocontours of the density (up to a dimensionless time t=1) during the interaction. (C. Tenaud). Shock-shock interaction in the vicinity of an elliptic cone in hypersonic regime (Mach = 4.96) A "Viscous interaction" is obtained when the cone is away from the incoming shock generator: a large detachment is produced along the cone wall due to the interaction of the reflected shock wave with the boundary layer. This massive detachment greatly pushes the bow shock away from the cone wall). (C. Tenaud). Ecoulement en cavité Visualisation des iso-surfaces du facteur Q colorées par l'intensité de la vorticité transverse. Simulation Numériques Directes. (Y. Fraigneau). Convection de Rayleigh-Bénard dans une cavité de rapport de forme 1:5:1 Lignes de courant des modes POD. Haut: mode principal quasistationnaire ; bas: mode secondaire oscillant écoulement en cavité. (B. Podvin). Ecoulement en cavité Coupe longitudinale de l'écoulement en cavité. Nombre de Reynolds 9×103. Visualisation expérimentale par ensemencement avec de la fumée de spectacle. Ecoulement en cavité Vue de dessus de l'écoulement en cavité ouverte. Visualisation expérimentale par ensemencement avec de la fumée de spectacle. Structure cohérente de l'écoulement en cavité Structure cohérente la plus énergétique des fluctuations du champ de vitesse (définie comme l'état propre de la moyenne temporelle de la matrice des correlations spatiales de l'écoulement; construction par POD). A partir de simulations numériques DNS de l'écoulement à Re = 8000. Structure cohérente de l'écoulement en cavité Structure cohérente la plus énergétique des fluctuations du champ de vitesse dans l'écoulement expérimental à Re = 8000. Portrait de phase de l'écoulement en cavité Portrait de phase de la dynamique de l'écoulement en milieu de cavité. A partir de simulations numériques DNS de l'écoulement à Re = 8000. 4 février 2016 Projets Programmes européens WALLTURB Comprendre et modéliser la turbulence de paroi (2005). Partenaires: LML, PPRIME, Chalmers, UPM, Airbus. Programmes ANR CoolJazz Modélisation linéaire et non-linéaire de l’aéroacoustique des jets, orientée vers son contrôle (2012). Partenaires: PPRIME, LadHyX. CALINS Conditions Aux Limites Instationnaires pour les équations de Navier-Stockes (2010). Partenaires: LML, PPRIME. FLOwCON ANR ASTRID (2017) Partenaires: PPRIME, PPRISME. LaSIPS TurbFork Control of a bistable wake (2015). Partenaires: ENSTA, ONERA, SATIE. FLOCON Flow Control (2014). Partenaire: L2S. GDR/GNR GDR Turbulence Maintenir ou créer de nouveaux contacts entre les différentes équipes françaises travaillant sur la turbulence. GDR Contrôle des décollements Fournir des protocoles de contrôle efficaces et pratiques pour améliorer les performances (aérodynamiques, ...) la sécurité et les rendements (consommation, ...) et pour réduire les nuisances (bruit, salissure, ...). GDR Dycoec Ce GdR a pour objectif de créer des collaborations actives dans le domaine émergent, et en expansion au sein de la communauté internationale, du contrôle des ensembles complexes.. GNR MoMaS Particles methods for uncertain convection dispersion equations, with S. Huberson (LEA, Poitiers) and L. Mathelin (LIMSI) GNR MoMaS Polynomial Chaos expansions for transport equations in uncertain porous media, with A. Nouy (GeM, Nantes), L. Mathelin (LIMSI), J.M. Martinez (CEA/DM2S/SFME/LGLS) Projets DIGITEO COPERSFI.2 Commande performante de systèmes fluides incertains (2011). Partenaire: SATIE. FLUCTUS FLUid CompuTing Unified System (2010). Partenaire: LRI. Large Scale - Smart Grids MUSE MUltiscale Spray combustion fully Eulerian solver in 3D : a new generation of numerical methods and algorithms, high performance simulations, validation and visualization (2010). Partenaires: EM2C - Laboratoire de Mathématiques d'Orsay. Autres projets CNRT Véhicules terrestres. Manifestations scientifiques Workshop Traitement des Données en Mécanique des Fluides Journées de Dynamique des Fluides du Plateau de Saclay. Ecole du non-linéaire de Peyresq. Ecole de Mécanique des Fluides Numérique (MFN). Rencontres du Non Linéaire. Menu 10 avril 2019 DECIPHer : Modélisation augmentée par les données pour la mécanique numérique Membres : D. Lucor, L. Mathelin, B. Podvin, O. Semeraro Mots-clés: Ecoulements complexes et turbulents, réduction de la dimension et approximation en grande dimension, apprentissage automatique, quantification des incertitudes et analyse de sensibilité, assimilation de données et problèmes inverses, prédiction et contrôle. Pour plus de détails cliquez ici https://mathelin3.wixsite.com/flowconproject Présentation générale L'objectif de ce thème est la compréhension et la prédiction des systèmes mécaniques complexes, représentatifs des challenges des applications réelles. En dépit des progrès de la modélisation, il reste de nombreuses situations où la simulation numérique n'est pas envisageable ou, a minima, n'est pas fiable. Notre approche est de s'appuyer sur l'information contenue dans des données issues de différentes sources pour améliorer, ou même déterminer, des modèles numériques. Ceci doit être compris dans un sens large et le terme amélioration regroupe plusieurs aspects comme: la précision, la robustesse, la fiabilité, la certification, l'efficacité, la parcimonie, l'expressivité, etc. La réduction de la dimension, la modélisation stochastique et la quantification des incertitudes constituent les pierres angulaires de notre approche. Des développements méthodologiques sur plusieurs aspects (réduction de modèles et approximation en grande dimension, assimilation de données et inférence, apprentissage automatique et théorie de l'information) sont indispensables pour surmonter les difficultés liées à nos objectifs, comme par exemple la prédiction et le contrôle des écoulements turbulents. Contexte Les outils de simulation numérique sont, depuis longtemps, devenus courants et sont utilisés dans tous les domaines de l'ingénierie. Néanmoins, malgré l'amélioration de leur fiabilité et de leur performance prédictive, beaucoup de configurations restent inaccessibles à la simulation numérique. Cette difficulté est particulièrement marquée pour les problèmes de grande taille de type "requêtes multiples" comme par exemple dans le domaine de la quantification des incertitudes, l'optimisation robuste, l'inférence, le contrôle, la surveillance de structures à long terme, etc. Les difficultés de la simulation sont nombreuses: - L'environnement à simuler est mal connu. Les systèmes physiques réels sont généralement partiellement connus ou sujets à des variabilités irréductibles ce qui rend leur modélisation incertaine. Les sources d'incertitudes sont variées: géométrie, forçages externes, valeur des paramètres, propriétés physiques, conditions opératoires, ... Dans ce contexte, la prédiction et la validation de la simulation sont rendues difficiles par l'interaction des nombreuses variables cachées. Les outils de simulations s'améliorant, tant en termes de précision que de capacité, il devient de plus en plus nécessaire de tenir compte de ces incertitudes pour quantifier précisément la validité des prédictions numériques, par exemple en menant une analyse globale de sensibilité pour hiérarchiser les différentes sources d'incertitudes. - La simulation des systèmes impliquant un grand nombre de degrés de liberté sont lourdes en termes de ressources calcul (temps de simulation, puissance informatique). Cela empêche souvent une étude poussée de la configuration considérée. Un exemple typique est constitué par les systèmes multi-échelles comme les écoulements turbulents, éventuellement avec des phénomènes multi-physiques (combustion, transferts thermiques, vibrations induites par vortex, acoustique, etc.) - les matériels embarqués dans les systèmes autonomes ont des capacités de calcul et de communication très limitées et doivent donc atteindre l'autonomie en simulation. Cette contrainte est particulièrement forte pour les environnements à dynamique rapide comme les écoulements turbulents haute vitesse. Dans ce cas, le contrôle d'un système autonome en vue de minimiser une fonction objectif par un contrôleur embarqué doit être synthétisé en un temps très court, empêchant l'utilisation de modèles complexes. Approche méthodologique Une large part de l'équipe concentre ses efforts sur les développements méthodologiques pour s'attaquer aux difficultés évoquées ci-dessus par une combinaison de modèles et de données. Un modèle, quelle que soit son utilité, sa fiabilité et sa précision, est épaulé par des données venant d'expériences réelles ou numériques supplémentaires. La correction depuis le modèle a priori au modèle a posteriori augmenté par des mesures requiert relativement peu de données en théorie, grâce aux spécificités des systèmes physiques auxquels nous nous intéressons. En effet, ces systèmes présentent souvent une certaine régularité, au sens large, en espace et en temps, des symétries et invariances (conservation de certaines quantités), une représentation parcimonieuse ou de faible rang en des variables et des bases de représentation judicieusement choisies, etc. Un avantage supplémentaire est que les méthodes basées sur les données présentent une complexité liée à la dimension effective du problème, par opposition à la dimension ambiante, tout en bénéficiant d'une certaine robustesse, un aspect crucial pour les applications pratiques. Applications Les recherches conduites dans l'équipe sont, par essence, multi-disciplinaires et reposent à l'interface entre mécanique numérique, mathématiques appliquées, statistiques, théorie des systèmes dynamiques, apprentissage automatique, etc. Notre objectif est d'appliquer nos méthodologies à des systèmes réels. Quelques exemples récents: - Quantification et propagation des incertitudes, analyse de sensibilité et assimilation de données dans les écoulements compressibles, interactions fluide-structure, écoulements turbulents de l'atmosphère, hémodynamique, etc. - Simulation numérique directe (Direct Numerical Simulation, DNS) assistée par modèles réduits. Par exemple, le champ de vitesse près des parois solides d'un domaine de simulation est décrit par un modèle de basse dimension, typiquement des modes spatiaux (e.g., Proper Orthogonal Decomposition, POD) dont la dynamique temporelle est décrite par des modèles réduits ou des réseaux de neurones. Cela conduit à un modèle hybride nécessitant beaucoup moins de degrés de liberté qu'une DNS standard. - Reconstruction de champ à partir de quelques capteurs. Un observateur est appris pour lier les mesures issues de capteurs à une description complète du champ. Cette situation se rencontre usuellement lorsque l'on souhaite estimer l'état d'un système fluide à partir de quelques mesures. - Prediction et apprentissage par renforcement pour le contrôle de systèmes chaotiques. Un modèle prédictif et une politique de contrôle sont appris à partir de données en minimisant une fonction coût grâce à des interactions avec l'environnement physique du système. Applications aux systèmes dynamiques et écoulements expérimentaux. Collaborations principales Dpt. Aerospace Eng., U. Michigan (USA); Dpt. Mechanics, KTH (Sweden); Dpt. Computational Science and Technology, KTH (Sweden); Dpt. Mathématiques, Univ. Versailles St Quentin; LJLL, Sorbonne Université; Institut d'Alembert, Sorbonne Université; DynFluid, ENSAM Paris; ONERA; CERFACS; Institut Pprime; INRIA, Centre Rennes-Bretagne Atlantique; INRIA, Paris; INRIA, Saclay; Laboratoire d'Imagerie Biomédicale, Sorbonne Université, Paris; Hopital Européen Georges Pompidou (HEGP); IMAG, Université de Montpellier; Commissariat énergie atomique et aux énergies alternatives (CEA-DAM et CEA-Saclay); EDF R&D. 5 juillet 2019 Contrôle des Ecoulements Participants: F. Lusseyran, B. Noack, S. Pellerin La manipulation et le contrôle des écoulements est devenu un outil crucial pour l'amélioration des capacités et des performances en aéronautique, la réduction de la consommation de carburant, la diminution du rayonnement acoustique ou la suppression des phénomènes de tremblement pour ne citer que quelques exemples. Au delà du contexte aéronautique, le contrôle d'écoulements présente également un grand intérêt pour les véhicules terrestres en termes de réduction de traînée, et donc de consommation. Par ailleurs, une réglementation toujours plus incitative sur les rejets de CO2 encourage également les recherches permettant une diminution de la consommation. Les améliorations en termes de réduction de bruit rayonné, par exemple par l'échancrure entre deux wagons d'un train à grande vitesse ou le train d’atterrissage des avions commerciaux, ont également un impact sur l'environnement acoustique. L'équipe du laboratoire a développé une expertise dans tous les domaines du contrôle d'écoulements, des actionneurs plasma aux expériences en soufflerie, des techniques de visualisation sophistiquées (vélocimétrie par imagerie de particules (PIV), anémométrie par effet Doppler (LDA), etc.) aux simulations numériques et aux développements méthodologiques. Différentes stratégies de controle ont été considérées récemment: le contrôle par retard pour stabiliser des cycles périodiques instables, le contrôle expérimental en boucle ouverte de la couche de cisaillement d'un écoulement de cavité ouverte, la réduction du frottement pariétal d'un écoulement turbulent sur une plaque plane en utilisant des réseaux de neurones pour le contrôleur, la réduction de la taille de la bulle de recirculation à l'arrière d'un corps tridimensionnel d'Ahmed par simulation des grandes échelles, etc. Les efforts se concentrent actuellement sur le développement de stratégies de contrôle directement compatibles avec un environnement réel et de production. Aucune hypothèse de linéarité n'est faite, ni sur les équations (inconnues) régissant le phénomène physique à contrôler, ni sur la stratégie de contrôle. Un état du système est estimé à partir de mesures prises en paroi par seulement quelques capteurs et grâce à des techniques mathématiques sophistiquées. Une stratégie d'apprentissage par renforcement est également développée pour déterminer la loi de commande. D'autres efforts portent sur la réduction de la traînée d'un corps d'Ahmed et des fluctuations de pression au bord aval d'une cavité ouverte. Collaborations principales: Florida State University (M.Y. Hussaini), Institut PPrime (L. Cordier, P. Jordan), Ecole Normale Supérieure de Cachan - SATIE (H. Abou-Kandil, M. Abbas-Turki), ONERA (D. Sipp), LadHyX (L. Lesshafft), ENSTA (O. Cadot), Sup'Elec - L2S (Y. Chitour, L. Greco, S. Tliba). 5 juillet 2019 Méthodes Numériques Avancées et HPC Participants: V. Daru, O. Le Maître, F. Lusseyran, L. Mathelin, L. Pastur, B. Podvin, C. Tenaud La croissance de la capacité des infrastructures de calcul ouvre constamment de nouvelles perspectives pour l'étude numérique et expérimentale des écoulements, en permettant la réalisation de simulations de plus en plus fidèles ainsi que le stockage et l'analyse d'énorme masse de données. Pour pleinement bénéficier des opportunités offertes par les infrastructures de calcul modernes, une activité de recherche continue sur les méthodes numériques et les algorithmes est nécessaire. Le thème "Méthodes Numériques Avancées et HPC" concerne ainsi un large spectre de problématiques numériques, incluant le développement de nouvelles méthodes et schémas numériques pour des simulations plus précises et physiquement plus exactes, l'implémentation et l'optimisation de méthodes sur les calculateurs parallèles modernes, jusqu'à la conception de nouveaux algorithmes pour les machines de prochaine génération. Les résultats de ces recherches bénéficient aux autres thèmes du groupe (Ecoulements Instationnaires, Manipulation et Contrôle des Ecoulements, Quantification d'Incertitude), mais aussi à d'autres projets du Département et aux partenaires et collaborateurs extérieurs. Méthodes Numériques Avancées. Ces dernières années, les membres du groupe AERO ont développé de nouveaux outils numériques haute fidélité pour la simulation et la prévision des écoulements. Une formulation originale de type bas nombre de Mach des écoulements di-phasiques liquide-gaz (bulles ou gouttes) a été proposée. Cette formulation considère la phase gazeuse faiblement compressible et la phase liquide totalement incompressible, grace à l'introduction d'une pression thermodynamique étendue à l'ensemble du domaine. Plusieurs schémas multi-résolution et d'intégration en temps ont aussi été conçus pour la simulation des écoulements réactifs, avec comme objectifs la capture de toutes les échelles actives de l'écoulement pour des raisons de précision, tout en minimisant les coûts de calcul en adaptant dynamiquement l'effort de discrétisation. Enfin, un algorithme original a été développé pour le couplage entre la dynamique de corps déformables mobiles (pouvant éventuellement se fracturer) et un écoulement de fluide compressible visqueux. L'outil de simulation, dédiée à la simulation d'ondes de chocs important des structures, combine une approche de couplage conservant la masse et les énergies avec une méthode de frontières immergées. Calcul Haute Performance (HPC). L'apparition des architectures hybrides GPU / CPU requière une adaptation des algorithmes et des solveurs des codes numériques pour tirer pleinement avantage des performances potentielles de ces nouvelles ressources de calcul. Les soldeurs du code de calcul SunFluidh, développé au LIMSI pour la résolution des équations de Navier-Stokes en régime faiblement compressible sur des maillages structurés, ont été adaptés aux machines hybrides multi-coeurs. L'approche classique de décomposition de domaine parallèle sous MPI a notamment été accélérée en s'appuyant sur des résolutions multi-threadées sous GPU des problèmes locaux. Concernant l'analyse des champs d'écoulements (numériques ou expérimentaux), l'extraction et le suivi de structures lagrangiennes par la technique des exposants de Lyapunov en temps finis est une approche très demandeuse en efforts de calcul, particulièrement pour le traitement de grande masse de données. Ces algorithmes ont été adaptés puis implémentés sur des calculateurs hybrides ayant des configurations GPU / CPU, ce qui à permis de réduire de plusieurs ordres de grandeur les temps de traitement. Enfin, l'émergence à venir du calcul exa-scale est anticipée au travers une activité de recherche prospective sur la conception d'algorithmes de résolution robustes aux erreurs logiciel (soft-fault) et matériel (hard-fault). De telles erreurs, rares pour les machines actuelles, devraient en effet devenir critiques lorsque le nombre de processeurs mis en oeuvre dans un calcul deviendra extrêmement grand. Wave patterns produced by the interaction of a strong shock wave with flapping doors: Density contours at time 0.375 s. L. Monasse, 2011 © collaborative work between CEA-DAM, CERMICS-ENPC, and LIMSI-CNRS. Principales collaborations: CERMIC-ENPC, CEA, EM2C-Centrale, Supélec, LRI-Paris Sud, Sandia, Duke University. 2 juillet 2015 Publications récentes Articles dans des revues Davide Faranda, Bérengère Podvin and Anne Sergent. On reversals in 2D turbulent Rayleigh-Bénard convection: insights from embedding theory and comparison with Proper Orthogonal Decomposition analysis. Chaos: An Interdisciplinary Journal of Nonlinear Science, 2019. URL Srikanth Derebail Muralidhar, Bérengère Podvin, Lionel Mathelin and Yann Fraigneau. Spatio-temporal proper orthogonal decomposition of turbulent channel flow. Journal of Fluid Mechanics, 2019. URL Diana Baltean, Virginie Daru, Catherine Weisman, Sonia Tabakova and Hélène Bailliet. An unexpected balance between outer Rayleigh streaming sources. Journal of Fluid Mechanics, 2019. URL Andrés Castillo-Castellanos, Anne Sergent, Bérengère Podvin and Maurice Rossi. Cessation and reversals of large-scale structures in square Rayleigh–Bénard cells. Journal of Fluid Mechanics, 2019. URL Pierluigi Morra, Onofrio Semeraro, Dan S Henningson and Carlo Cossu. On the relevance of Reynolds stresses in resolvent analyses of turbulent wall-bounded flows. Journal of Fluid Mechanics, 2019. Lutz Lesshafft, Onofrio Semeraro, Vincent Jaunet, André V G Cavalieri and Peter Jordan. Resolvent-based modeling of coherent wave packets in a turbulent jet. Physical Review Fluids, 2019. Michele Alessandro Bucci, Onofrio Semeraro, Alexandre Allauzen, Guillaume Wisniewski, Laurent Cordier and Lionel Mathelin. Control of chaotic systems by deep reinforcement learning. Proceedings Royal Society London A, 2019. Laurent Soucasse, Bérengère Podvin, Philippe Rivière and Anouar Soufiani. Proper orthogonal decomposition analysis and modelling of large-scale flow reorientations in a cubic Rayleigh–Bénard cell. Journal of Fluid Mechanics, 2019. Nabil El Mocayd, Sophie Ricci, Nicole Goutal, Mélanie Rochoux, Sébastien Boyaval, Cédric Goeury, Didier Lucor and Olivier Thual. Polynomial surrogates for open-channel flows in random steady state. Environmental Modeling and Assessment, 2018. Francesco Picella, Jean-Christophe Loiseau, François Lusseyran, Jean-Christophe Robinet, Stefania Cherubini and Luc Pastur. Successive bifurcations in a fully three-dimensional open cavity flow. Journal of Fluid Mechanics, 2018. Zhenlan Gao, Bérengère Podvin, Anne Sergent, Shihe Xin and Jalel Chergui. Three-dimensional instabilities of natural convection between two differentially heated vertical plates: Linear and nonlinear complementary approaches. Physical Review E, 2018. URL Zhi Wu, Dewei Fan, Yu Zhou, Ruiying Li and Bernd Noack. Jet mixing enhancement using machine learning control. Experiments in Fluids, 2018. URL Andres Contreras, Paul Mycek, Olivier Le Maitre, Francesco Rizzi, Bert Debusschere and Omar M Knio. Parallel Domain Decomposition Strategies for Stochastic Elliptic Equations. Part A: Local Karhunen–Loève Representations. SIAM Journal on Scientific Computing, 2018. Andres Contreras, Paul Mycek, Olivier Le Maitre, Francesco Rizzi, Bert Debusschere and Omar M Knio. Parallel Domain Decomposition Strategies for Stochastic Elliptic Equations Part B: Accelerated Monte Carlo Sampling with Local PC Expansions. SIAM Journal on Scientific Computing, 2018. Adil Siripatana, Talea Mayo, Omar M Knio, Clint Dawson, Olivier Le Maitre and Ibrahim Hoteit. Ensemble Kalman filter inference of spatially-varying Manning’s n coefficients in the coastal ocean. Journal of Hydrology, 2018. Matthieu Sacher, Régis Duvigneau, Olivier Le Maitre, Mathieu Durand, Elisa Bérrini, Frédéric Hauville and Jacques-André Astolfi. A classification approach to efficient global optimization in presence of non-computable domains. Structural and Multidisciplinary Optimization, 2018. Maria Cruz Navarro, Olivier Le Maitre, Ibrahim Hoteit, David George, Kyle Mandly and Omar M Knio. Surrogate-based parameter inference in a debris flow model. Computational Geosciences, 2018. Bérengère Podvin and Bérengère Dubrulle. Large-scale investigation of a turbulent bifurcation in the swirling Von Karman flow. Fluid Dynamics Research, 2018. URL Ruying Li, Diogo Barros, Jacques Borée, Olivier Cadot, Bernd Noack and Laurent Cordier. Feedback control of bi-modal wake dynamics. Experiments in Fluids, 2016. Bérengère Podvin and Patrick Le Quéré. Low-order models for the flow in a differentially heated cavity. Physics of Fluids, 2001. URL Communications internationales Ziqiang Zou, Nicolas Grenier, Christian Tenaud and Edouard Audit. An accurate sharp interface method for two-phase compressible flows at low-Mach regime. In International Conference on Multiphase Flow. 2019. URL Nan Jiang, Etienne Studer and Bérengère Podvin. Iimprovement of Physical Modeling for Coupled Heat and Mass Transfer in a Square Cavity with Condensation in the Presence of Non-Condensable Gas. In International Topical Meeting on Nuclear Reactor Thermal Hydraulics. 2019. Onofrio Semeraro, Peter Jordan, Vincent Jaunet and François Lusseyran. Nonlinear jet-flap interactions: a dynamical-systems analysis. In AIAA/CEAS Aeroacoustics Conference. 2019. C Pivot, Laurent Cordier, Lionel Mathelin, F Guéniat and Bernd Noack. A continuous reinforcement learning strategy for closed-loop control in fluid dynamics. In Applied Aerodynamics Conference. 2018. URL Nan Deng, Luc Pastur, Marek Morzyński and Bernd Noack. Reduced-order modeling of the fluidic pinball. In International Conference on Chaotic Modeling, Simulation and Applications. 2018. URL Marta Zocca, Giulio Gori, Olivier Le Maitre, Pietro Marco Congedo and Alberto Guardone. A robust experiment design for the investigation of non-ideal compressible-fluid flow effects. In European Conference on Computational Fluid Dynamics. 2018. Oriol Colomés, Guglielmo Scovazzi, Ihab Sraj, Omar M Knio and Olivier Le Maitre. A Finite Volume Error Estimator Inspired by the Variational Multiscale Approach. In AIAA Non-Deterministic Approaches Conference. 2018. Elie Saikali, Gilles Bernard-Michel, Anne Sergent, Christian Tenaud and Rami Salem. Highly resolved large eddy simulations of a transitional air-helium buoyant jet in a two vented enclosure: validation against particle image velocimetry experiments. In International Conference on Hydrogen Safety. 2017. URL Diogo Barros, Jacques Borée, Andreas Spohn and Bernd Noack. Perturbing shear layers in a turbulent wake. In International Symposium on Turbulence and Shear Flow Phenomena. 2017. URL Camila Chovet, L Keirsbulck, Bernd Noack, M Lippert and J -M Foucaut. Machine learning control for experimental turbulent flow targeting the reduction of a recirculation bubble. In ASME Fluids Engineering Division Summer Meeting. 2017. URL Camila Chovet, L Keirsbulck, Bernd Noack, M Lippert and J -M Foucaut. Machine learning control for experimental shear flows targeting the reduction of a recirculation bubble. In World Congress of the International Federation of Automatic Control. 2017. URL Eurika Kaiser, Ruying Li and Bernd Noack. On the control landscape topology. In World Congress of the International Federation of Automatic Control. 2017. URL C Raibaudo, P Zhong, Robert J Martinuzzi and Bernd Noack. Open and closed-loop control of a triangular bluff body using rotating cylinders. In World Congress of the International Federation of Automatic Control. 2017. URL S Ferrari, Y Hu, Robert J Martinuzzi, Eurika Kaiser, Bernd Noack, J Östh and S Krajnović. Visualizing vortex clusters in the wake of a high-speed train. In IEEE International Conference on Systems, Man, and Cybernetics. 2017. URL Ruying Li, Bernd Noack, Laurent Cordier, Jacques Borée and Fabien Harambat. Machine learning control of the turbulent wake past 3D bluff body. In 3AF International Conference on Applied Aerodynamics. 2017. URL Kevin Bouaou, Ioannis Bargiotas, Damian Craiem, Gilles Soulat, Thomas Dietenbeck, Sophia Houriez-Gombaud-Saintonge, Alain De Cesare, Umit Gencer, Alain Giron, Alban Redheuil, Didier Lucor, Elie Mousseaux and Nadjia Kachenoura. Relative Aortic Blood Pressure using 4D Flow MRI: Associations with Age and Aortic Tapering. In Computing in Cardiology. 2017. Stéphanie Pellerin, Bérengère Podvin and Luc Pastur. Characterization of the Near-Wake of an Ahmed Body Profile. In International Conference on Applied Aerodynamics and Aeromechanics. 2016. Francesco Rizzi, Karla Morris, Khachik Sargsyan, Paul Mycek, Cosmin Safta, Bert Debusschere, Olivier Le Maitre and Omar M Knio. ULFM-MPI Implementation of a Resilient Task-Based Partial Differential Equations Preconditioner. In Workshop on Fault-Tolerance for HPC at Extreme Scale. 2016. Robert K Niven, Bernd Noack, Louis N Cattafesta, Laurent Cordier and Markus W Abel. Bayesian cyclic networks, mutual information and reduced-order Bayesian inference. In Bayesian Inference and Maximum Entropy Methods in Science and Engineering. 2016. URL Audrey Gineau, V Shinde, Elisabeth Longatte, Didier Lucor and Pierre Sagaut. A macroscopic modeling of fluid structure interaction in cylinder array using the theory of mixture. In International Conference on Flow-Induced Vibration. 2016. Thèses Ye Hong. Synthetic boundary condition for compressible near wall turbulence with POD reconstruction. 2019. Florian Tuerke. Flow in a channel with two facing cavities. 2017. Shreyas Acharya Neelavara. Numerical study of transition to turbulence in plane Poiseuille flow in physical space and state space. 2017. Charles Pivot. Contrôle d’écoulements en boucle fermée par des méthodes d’apprentissages par renforcement. 2017. Kévin Kasper. Apprentissage d'estimateurs sans modèle avec peu de mesures - Application à la mécanique des fluides. 2016. Mohamed-Yazid Rizi. Commande performante et robuste d'un écoulement de cavité. 2015. Maria Adela Puscas. Méthode de couplage conservatif entre un fluide compressible non-visqueux et une structure tridimensionnelle déformable pouvant se fracturer.. 2014. Christelle Douay. Etude expérimentale paramétrique des propriétés et transitions de l'écoulement intra-cavitaire en cavité ouverte et contrôle de l'écoulement. 2014. Florimond Gueniat. Détection de Structures Cohérentes dans des Écoulements Fluides et Interfaces Homme-Machine pour l'Exploration et la Visualisation Interactive de Données Scientifiques. 2013. Thomas Rouillon. Modélisation par termes sources de générateurs de tourbillon et optimisation de leurs caractéristiques pour la réduction de traînée de véhicules automobiles. 2012. 10 septembre 2019 Sous-catégories FlowCon {source}

LIMSI
Campus universitaire bât 507
Rue du Belvedère
F - 91405 Orsay cedex
Tél +33 (0) 1 69 15 80 15
Email

RAPPORTS SCIENTIFIQUES

Rapport scientifique

 

Le LIMSI en chiffres

7 équipes de recherche
100 chercheurs et enseignants-chercheurs
40 ingénieurs et techniciens
60 doctorants
70 stagiaires

 

Paris-Saclay nouvelle fenêtre


Logo DataIA