DAta science, TrAnsition, Fluid instabiLity, contrOl, Turbulence (DATAFLOT)

Tendre vers la maîtrise de la turbulence constitue un défi majeur qui impacte un grand nombre d’applications dans les domaines des sciences de l’ingénieur. Il est crucial de comprendre les mécanismes de naissance et de croissance des instabilités ainsi que le déclenchement et le développement de la turbulence.

 Les thèmes principaux de recherche sont les suivants :

Sergio Chibbaro, Didier Lucor, Lionel Mathelin, Onofrio Semeraro

Le contrôle des écoulements reste un des moyens pour maîtriser l’efficacité énergétique des systèmes et concevoir des systèmes énergétiques plus performants. Notre activité autour du contrôle des
écoulements est une activité particulièrement forte et visible du laboratoire. Elle est notamment soutenue par le Lidex ICODE (Université Paris-Saclay) relatif à « l’aide à la décision et la maîtrise des processus
dynamiques complexes ». Une partie de ces activités s’est concentrée sur le contrôle des instationnarités. L’autre partie s’intéresse aux techniques de contrôle non-linéaire en boucle fermée basées sur des
méthodes sans modèle ou du contrôle par renforcement.

En parallèle de ces activités, nous développons notre savoir-faire en matière de traitement des données issues des simulations numériques et des expériences en mécanique des fluides et des transferts. Ces développements sont, d’une part, utiles pour accroître notre compréhension des phénomènes physiques (décomposition modale, échantillonnage creux d’opérateur de dimension infinie) et, d’autre part, nécessaires pour le développement de représentations ou de modélisations de plus en plus fiables (inférence, assimilation, représentation creuse), notamment pour l’application au contrôle (Machine
Learning, en particulier). Nous travaillons également sur le développement de techniques de Quantification d’Incertitudes (UQ) qui viennent utilement compléter le paysage des techniques pour analyser la sensibilité
paramétrique, notamment pour traiter les problèmes d’inférence et d’identification de modèles complexes.
Au-delà des développements méthodologiques, la dissémination des techniques UQ devra s’intensifier vers plus d’applications (Bio-medical Engineering, Géosciences, Aérodynamique, …).
Nos efforts porteront plus spécifiquement sur :

  • l’analyse des données pour l’estimation et l’assimilation en mécanique des fluides :
    • apprentissage de dictionnaire, apprentissage de variété ;
    • échantillonnage creux d’opérateur de dimension infinie (Koopman), approximation
      tensorielle par train de fonction ;
    • projection aléatoire pour la réduction de modèles ;
    • assimilation de données et optimisation ;
  • La quantification d’incertitudes (UQ) :
    • développements méthodologiques efficaces ;
    • transfert vers les applications ;
  • le contrôle des écoulements :
    • contrôle par renforcement ;
    • contrôle sans modèle, par apprentissage automatique ;
    • mise en place de démonstrateurs expérimentaux.

Yohann Duguet, Francois Lusseyran, Laurent Martin-Witkowski, Stéphanie Pellerin

Les écoulements fluides peuvent être classés en plusieurs régimes tels que laminaire, transitionnel ou turbulent, correspondant à d’importantes différences d’un point de vue énergétique. Les processus dynamiques qui permettent de passer d’un régime à l’autre, ou de stabiliser un des régimes, sont aujourd’hui encore mal compris. L’instabilité d’un écoulement laminaire donné vis-à-vis de perturbations arbitraires, d’amplitude soit infinitésimale soit finie, donne lieu à des développements mathématiques et numériques intéressants et variés selon le type d’écoulement considéré. Des transitions, souvent hystérétiques, entre différents régimes existent également au sein d’écoulements turbulents. Un effort original est mis sur l’analyse des symétries spatiales et de leur brisure par des mécanismes d’instabilité. Ceux-ci sont décrits qualitativement et quantifiés par l’utilisation d’algorithmes numériques novateurs et efficaces, dans le cadre de simulations instationnaires tridimensionnelles nécessitant des ressources importantes et des méthodes spécifiques aux données volumineuses. Une cellule  expérimentale permet également la visualisation et la quantification de ces mêmes écoulements en complémentarité directe avec les études numériques.  Enfin, la compréhension fine et la modélisation des mécanismes hydrodynamiques à l’oeuvre mène naturellement à des méthodes expérimentales et/ou numériques de contrôle permettant d’orienter le système vers le régime désiré. 

Les configurations étudiées dans cette équipe sont académiques mais inspirées de situations industrielles reliées entre autres au domaine de l’aérodynamique terrestre (trainées de véhicules, cavités géométriques) et de l’aéronautique (couches limites). L’accent est mis sur des collaborations avec d’autres équipes locales, nationales et internationales, et sur la formation des étudiants. Les sujets d’étude de l’équipe comprennent de manière non exhaustive : 

  • l’étude expérimentale et numérique des effets de pollution ambiante sur la stabilité des écoulement tournants avec surface libre rigide ou déformable
  • la simulation numérique, la modélisation et le contrôle des brisures de symétrie d’un sillage turbulent
  • la compréhension des mécanismes de transition sous-critique à la turbulence dans les écoulements cisaillés de paroi, d’un point de vue non-linéaire (description de l’espace des phases correspondant) comme spatio-temporel (analyse de l’intermittence)
  • l’étude expérimentale et numérique ainsi que le contrôle en boucle fermée des écoulements cisaillés ouverts.

Coordination

L’équipe

Dernières publications de l’équipe

  • Communication dans un congrès

    Bastien X Nony, Mélanie C. Rochoux, Thomas Jaravel, Didier Lucor. REDUCED-ORDER MODEL FOR MICROSCALE ATMOSPHERIC DISPERSION COMBINING MULTI-FIDELITY LES AND RANS DATA. ECCOMAS Proceedia, UNCECOMP 2023, M. Papadrakakis, V. Papadopoulos, G. Stefanou, Jun 2023, Athenes, Grece, Greece. ⟨hal-04310899⟩

    DATAFLOT

    Année de publication

    Disponible en libre accès

  • Article dans une revue

    Sibo Cheng, César Quilodrán-Casas, Said Ouala, Alban Farchi, Che Liu, et al.. Machine Learning With Data Assimilation and Uncertainty Quantification for Dynamical Systems: A Review. IEEE/CAA Journal of Automatica Sinica, 2023, 10 (6), pp.1361-1387. ⟨10.1109/JAS.2023.123537⟩. ⟨hal-04310665⟩

    DATAFLOT

    Année de publication

    Disponible en libre accès

  • Article dans une revue

    Ludovic Coelho, Christian Fagiano, Cedric Julien, Nicolò Fabbiane, Didier Lucor. Multi-scale approach for reliability-based design optimization with metamodel upscaling. Structural and Multidisciplinary Optimization, 2023, 66 (9), pp.205. ⟨10.1007/s00158-023-03643-4⟩. ⟨hal-04310661⟩

    DATAFLOT

    Année de publication

    Disponible en libre accès

  • Article dans une revue

    Sergio Chibbaro, Jair Reyes, Maurice Rossi, Alfredo Soldati, Francesco Zonta. Coherent structure modification by a shear acting at the surface of a turbulent open channel. The European Physical Journal Plus, 2023, 138 (9), pp.799. ⟨10.1140/epjp/s13360-023-04401-7⟩. ⟨hal-04308174⟩

    DATAFLOT

    Année de publication

    Disponible en libre accès

  • Article dans une revue

    Alexandros Ens Alexakis, Sergio Chibbaro, Guillaume Michel. Fluctuation relations at large scales in three-dimensional hydrodynamic turbulence. EPL – Europhysics Letters, 2023, ⟨10.1209/0295-5075/ad0eec⟩. ⟨hal-04305111⟩

    DATAFLOT

    Année de publication

  • Article dans une revue

    Michele Alessandro Bucci, Onofrio Semeraro, Alexandre Allauzen, Sergio Chibbaro, Lionel Mathelin. Curriculum learning for data-driven modeling of dynamical systems. European Physical Journal E: Soft matter and biological physics, 2023, 46 (3), pp.12. ⟨10.1140/epje/s10189-023-00269-8⟩. ⟨hal-04291002⟩

    AO, DATAFLOT

    Année de publication

    Disponible en libre accès

  • Pré-publication, Document de travail

    Michele Quattromini, Michele Alessandro Bucci, Stefania Cherubini, Onofrio Semeraro. Operator learning of RANS equations: a Graph Neural Network closure model. 2023. ⟨hal-04290982⟩

    AO, DATAFLOT

    Année de publication

    Disponible en libre accès

  • Communication dans un congrès

    Antoine Faugaret, Laurent Martin Witkowski. Étude d’une condition aux limites simple pour un écoulement à surface libre en rotation dans une cavité cylindrique : effet de la variation du rapport de forme.. 25e Congrès Français de Mécanique, Nantes, 29 août-2 septembre 2022, Aug 2022, Nantes, France. ⟨hal-04280116⟩

    DATAFLOT

    Année de publication

    Disponible en libre accès

  • Communication dans un congrès

    Yohann Duguet, Pavan Kashyap, Olivier Dauchot. Patterning in transitional channel flow. 25e Congrès Français de Mécanique, Nantes, 29 août-2 septembre 2022, Aug 2022, Nantes, France. ⟨hal-04280095⟩

    DATAFLOT

    Année de publication

    Disponible en libre accès

  • Article dans une revue

    Chaitanya Paranjape, Gökhan Yalnız, Yohann Duguet, Nazmi Burak Budanur, Björn Hof. Direct Path from Turbulence to Time-Periodic Solutions. Physical Review Letters, 2023, 131 (3), pp.034002. ⟨10.1103/PhysRevLett.131.034002⟩. ⟨hal-04284992⟩

    DATAFLOT

    Année de publication

    Disponible en libre accès

  • Article dans une revue

    Miguel Beneitez, Yohann Duguet, Philipp Schlatter, Dan Henningson. Instability of the optimal edge trajectory in the Blasius boundary layer. Journal of Fluid Mechanics, 2023, 971 (24), pp.A42. ⟨10.1017/jfm.2023.545⟩. ⟨hal-04284983⟩

    DATAFLOT

    Année de publication

    Disponible en libre accès

  • Article dans une revue

    Pavan Kashyap, Yohann Duguet, Olivier Dauchot. Linear Instability of Turbulent Channel Flow. Physical Review Letters, 2022, 129 (24), pp.244501. ⟨10.1103/PhysRevLett.129.244501⟩. ⟨hal-04241469⟩

    DATAFLOT

    Année de publication

    Disponible en libre accès

  • Poster de conférence

    Adrien Toutant, Martin David, Françoise Bataille, Yanis Zatout, Lionel Mathelin, et al.. Thermal large eddy simulations for high temperature solar receivers. 17th International Heat Transfer Conference, Aug 2023, Cape Town, South Africa. ⟨hal-04240801⟩

    DATAFLOT

    Année de publication

  • Ouvrages

    Guy Y. Cornejo Maceda, Francois Lusseyran, Bernd R. Noack. xMLC – A Toolkit for Machine Learning Control. Technische Universität Braunschweig, 2, 2022, Machine Learning Tools in Fluid Mechanics, ⟨10.24355/dbbs.084-202208220937-0⟩. ⟨hal-04232473⟩

    DATAFLOT

    Année de publication

    Disponible en libre accès

  • Poster de conférence

    Stéphane Février, Stéphane Nachar, Lionel Mathelin, Frédéric Giordano, Bérengère Podvin. Prédiction de l’ambiance vibratoire dans un avion par apprentissage automatique. 12ème Journées des Jeunes Chercheurs en Acoustique vibrations et Bruit, JJCAB 2022, Nov 2022, Lyon, France. ⟨hal-04185164⟩

    DATAFLOT

    Année de publication

  • Poster de conférence

    Stéphane Février, Stéphane Nachar, Lionel Mathelin, Frédéric Giordano, Bérengère Podvin. An overview of aircraft vibration environment prediction using machine learning. Computational Challenges and Emerging Tools Workshop, Apr 2023, Cambridge, United Kingdom. ⟨hal-04185152⟩

    DATAFLOT

    Année de publication

    Disponible en libre accès

  • Communication dans un congrès

    Stéphane Février, Stéphane Nachar, Lionel Mathelin, Frédéric Giordano, Bérengère Podvin. Data-Driven Prediction of Aircraft Vibration Environment During Unsteady Flight Dynamics. 1st Annual Aerospace Structures, Structural Dynamics, and Materials Conference (SSDM), ASME, Jun 2023, San Diego (California), United States. ⟨hal-04185012⟩

    DATAFLOT

    Année de publication

  • Article dans une revue

    Stéphane Février, Stéphane Nachar, Lionel Mathelin, Frédéric Giordano, Bérengère Podvin. Data-Driven Model to Predict Aircraft Vibration Environment. AIAA Journal, 2023, 61 (10), pp.4610-4622. ⟨10.2514/1.J062735⟩. ⟨hal-04185185⟩

    DATAFLOT

    Année de publication

    Disponible en libre accès

  • Pré-publication, Document de travail

    Thibault Monsel, Onofrio Semeraro, Lionel Mathelin, Guillaume Charpiat. Neural State-Dependent Delay Differential Equations. 2023. ⟨hal-04125875v2⟩

    AO, DATAFLOT

    Année de publication

    Disponible en libre accès

  • Article dans une revue

    Guy Y Cornejo Maceda, Eliott Varon, François Lusseyran, Bernd R Noack. Stabilization of a multi-frequency open cavity flow with gradient-enriched machine learning control. Journal of Fluid Mechanics, 2023, 955, pp.A20. ⟨10.1017/jfm.2022.1050⟩. ⟨hal-04114172⟩

    DATAFLOT

    Année de publication

    Disponible en libre accès