Sara BEDDIAF Identification paramétrique de systèmes d
Transcription
Sara BEDDIAF Identification paramétrique de systèmes d
Sara BEDDIAF Mémoire présenté en vue de l’obtention du grade de Docteur de l’Université d’Angers Sous le label de l’Université Nantes Angers Le Mans Discipline : Automatique et Productique Spécialité : Sciences de l'ingénieur Laboratoire : Laboratoire d'Ingénierie des Systèmes Automatisés (LISA) Soutenue le vendredi 14 juin 2013 École doctorale : STIM (N° 503) Thèse N° 1280 Identification paramétrique de systèmes d’équations aux dérivées partielles paraboliques non linéaires en géométrie 3D par une méthode de régularisation itérative JURY Rapporteurs : Mr. Thierry Poinot, Professeur des Universités, Université de Poitiers Mr. Jean-Jacques Serra, Habilitation à diriger de recherche, DGA/MTO, Direction Générale de l’Armement, Techniques aéronautiques Examinateurs : Mr. Francisco-Javier Carrillo, Professeur des Universités, ENI de Tarbes Mr. Franck Plestan, Professeur des Universités, École Centrale de Nantes Mr. Sébastien Rouquette, Maître de conférences, Université de Montpellier Directeur de Thèse : Mr. Laurent Autrique, Professeur des Universités, Université d’Angers Co-directeurs de Thèse : Mr. Jean-Claude Jolly, Maître de conférences, Université d’Angers Mme. Laetitia Perez, Maître de conférences, Université de Nantes Année : 2013 N° d’ordre : 1280 École Doctorale : STIM Mémoire de thèse en vue de l’obtention du grade de Docteur de l’Université d’Angers Sara BEDDIAF Identification paramétrique de systèmes d’équations aux dérivées partielles paraboliques non linéaires en géométrie 3D par une méthode de régularisation itérative Spécialité : Sciences de l'ingénieur Thèse présentée et soutenue publiquement le vendredi 14 juin 2013 au sein de l’école d’ingénieur ISTIA de l’université d’Angers Devant le jury ci-dessous : Rapporteurs : Mr. Thierry Poinot, Professeur des Universités, Université de Poitiers Mr. Jean-Jacques Serra, Habilitation à diriger de recherche, DGA/MTO, Direction Générale de l’Armement, Techniques aéronautiques Examinateurs : Mr. Francisco-Javier Carrillo, Professeur des Universités, ENI de Tarbes Mr. Franck Plestan, Professeur des Universités, École Centrale de Nantes Mr. Sébastien Rouquette, Maître de conférences, Université de Montpellier Directeur de Thèse : Mr. Laurent Autrique, Professeur des Universités, Université d’Angers Co-directeurs de Thèse : Mr. Jean-Claude Jolly, Maître de conférences, Université d’Angers Mme. Laetitia Perez, Maître de conférences, Université de Nantes Thèse préparée au sein du Laboratoire d’Ingénierie des Systèmes Automatisés (LISA), EA 4094 Université d’Angers 62 Avenue Notre Dame du Lac - 49000 Angers - FRANCE ***Remerciements*** Tout simplement et basant sur la traduction d’une parole du Prophète Mohammed (que la prière d'Allah et son salut soient sur lui) et qui a dit : "Celui qui ne remercie pas pour la petite chose, ne remercie pas pour la grande chose et celui qui ne remercie pas les gens, ne remercie pas Allah". Alors et avec un immense plaisir, je trouve l’occasion sur cette page afin de rendre hommage et exprimer toute ma reconnaissance à chaque personne a participé à la réussite de ma très belle aventure. Je tiens à remercier en premier lieu mes encadrants tous ensemble de m’avoir accepté afin de vivre cette expérience et pour la confiance qu’ils m’ont témoignée tout au long de ma thèse. J’exprime toute ma gratitude aux Pr. Laurent Autrique, Dr. Jean-Claude Jolly et Dr. Laetitia Perez pour leur encadrement et leur soutien tout au long de ma thèse. La discussion et le travail avec eux m’ont fait apprendre beaucoup de choses sur le monde de la recherche et l’art de ce métier. Je remercie particulièrement Laurent pour sa présence pour donner des conseils et pour son volontariat de corriger mon manuscrit en premier et de le relire une autre fois. Comme toute thèse dans le monde, il y a des membres de jury qui sont très forts (comme il dit le petit Nicolas et de ma part je confirme aussi) qui se réunissent afin d’examiner la thèse. Dans un premier lieu, je souhaite exprimer ma gratitude au Pr. Francisco-Javier Carrillo, qui m’a fait l’honneur et le grand plaisir d’être président mon jury de thèse. J’ai eu vraiment la chance que ma thèse ait été validée par le Dr-Hdr. Jean-Jacques Serra et par le Pr. Thierry Poinot qui m’ont fait l’honneur d’être rapporteurs de ma thèse. Mes vifs remerciements s’adressent également aux Pr. Franck Plestan et Dr. Sébastien Rouquette qui m’ont fait le plaisir et l’honneur d’être examinateurs de ma thèse. Un merci spécial s’adresse à mon comité de suivi de thèse : le Dr-Hdr. Jean-Jacques Serra et le Pr. Franck Plestan. Je remercie très sincèrement les personnelles du LISA et de L’ISTIA pour leur accueil familial : Marie, Simone, Claudine, Malika, Kristaine, Émile, Franck, Laurence, Sylvain et bien sûr je n’oublierais pas la gentillesse de Wiliam et Dominique. Un Merci spécial s’adresse également aux : Dr. Nicolas Delanoue, Pr. Sébastien Lahaye, Dr. Serge Tahé et Dr. Jean-Baptiste Fasquel pour leur sympathie et leur encouragements. Je suis également reconnaissante au Pr. Jean-Luis Boimond (directeur du Laboratoire et professeur à l’université d’Angers) pour son accueil au sein du LISA et pour tous ses encouragements. C’est au bureau E. 37 où j’ai eu la chance d’être entourée par des collègues, amis et frères très gentils. Je commence par ordre de connaissance : Oumar, Rémy, Rabah, Yann et Alban... Je vous remercie tous pour tous les moments qu’on a passés ensemble, pour toutes les pauses café à n’importe quel moment de la journée, pour vos rires et surtout pour votre amitié… Je remercie très vivement Rawya & Marouene, Euriell, Hamza, Hasnaa, Jean-Luc, Imen, Charli et Karl pour leur soutien. Je remercie tous mes amis de la fac d’Annaba en Algérie : Aicha, Djamila, Zineb, Nora, Khalil et Mohammed-Yazid pour leur amitié. Un grand merci pour mes chères copines de Nice : Meriame et Muriel. Je suis très reconnaissante aussi à tous mes enseignants de l’Algérie, par ordre chronologique : Sidi Ali, Mr. Ali Boulahba, Pr. Nacer-Eddine Debbache à l’université d’Annaba : merci pour votre gentillesse, modestie, soutient et vos conseils tout au long de mes études… Un grand merci s’adresse également aux : Pr. Faouzia Rébbani, Melle. Hadjira Mesbahi et Mr. Messaoud Ramedani à l’université d’Annaba pour leur gentillesse, modestie et aide. Mes remercîments s’adressent également au Pr. Tarek Hamel à l’université de Nice SophiaAntipolis qui m’a très bien initié dans le domaine de recherche et qui m’a bien appris beaucoup de choses… Je lui remercie pour toutes les discutions, les conseils et les encouragements... J’arrive ici où les mots perdent leurs valeurs afin de remercier ma famille : mes parents "Fatima & Mohammed-Larbi" sont les personnes qui donnent les couleurs à ma vie, pour l’éducation et le sacrifice que vous faites pour toujours pour mes frères et moi, pour votre patience, amour, tendresse, générosité… pour votre croyance et vos prières quotidiennes pour moi... Avec vous, je réalise à quel point notre cher Dieu m’aime. Je prie à lui de vous considérer parmi ses chers et je suis sûre que Dieu seul qui sait comment je vous aime. Je remercie mes cher(e)s sœurs et frères : Asmaa (Maya), Bader-Eddine (Badri), Nour El-Islam (Pédro) et Amina : pour votre amour, prières (surtout Maya), fraternité, amitié et plein d’autres choses qui restent toujours qu’entre nous. C’est naturel que je n’oublie pas notre cher frère Yaakoub qui a été choisi par notre cher Dieu dans une autre vie plus jolie in chaaAllah. Un grand merci à toute personne de ma famille avec une pensée à mes grands-parents que Dieu in chaaAllah les considère parmi ses proches…. Pour moi l’écriture de ma page de remerciements me confirme la fin de mon aventure. Sincèrement, j’ai essayé plusieurs fois d’éloigner cette tâche afin d’étaler l’aventure plus mais il me faut s’arrêter là… Avant de mettre un point final, c’est avec une joie infinie je remercie notre cher Dieu le plus puissant (Allah). Je lui remercie pour tout... J’espère vraiment avoir été à l’hauteur de cet examen. Je remercie notre cher Allah pour la croyance qui me l’a accordée et qui m’aide beaucoup dans ma vie en général, pour le saint livre du Coran qui me donne toujours beaucoup d’espoir en demain. Je remercie Allah pour la protection qui me l’entoure pour toujours, pour les multiples solutions ou réponses à des besoins sans aucun effort de ma part, pour tous ses dons incomptables… C’est à notre Cher Allah le premier et le dernier Merci infini (El Hamdou li Allah). Table des matières Nomenclature………………………………………………………………………………………xv Introduction générale ........................................................................................................................ 1 Chapitre 1. État de l’art …………………………………………………………………………... 5 1. Problème inverse ......................................................................................................................... 5 1.1. Au sujet des problèmes inverses .......................................................................................... 5 1.2. Caractéristiques des problèmes inverses .............................................................................. 7 1.3. Diverses applications des problèmes inverses ..................................................................... 8 1.4. Méthodes de minimisation ................................................................................................. 11 1.5. Régularisation des problèmes inverses .............................................................................. 21 2. Méthode du gradient conjugué pour résoudre des systèmes linéaires ....................................... 26 2.1. Illustration du caractère mal posé ...................................................................................... 26 2.2. Méthode du gradient conjugué (MGC) .............................................................................. 29 2.3. Mise en œuvre de la MGC pour les matrices d’Hilbert ..................................................... 30 2.4. Analyses des résultats ........................................................................................................ 38 3. Mise en œuvre du filtre de Kalman pour l’identification paramétrique .................................... 38 3.1. Modélisation…………………………………………………………………………….. 38 3.2. Discrétisation du modèle mathématique ............................................................................ 40 3.3. Filtre de Kalman discret ..................................................................................................... 41 3.4. Mise en œuvre du FKD pour le circuit RLC ...................................................................... 42 4. Bilan du chapitre ........................................................................................................................ 44 Chapitre 2. Problèmes inverses en thermique : exemple introductif …………………………. 45 1. Différents modes de transfert de chaleur ................................................................................... 47 1.1. Transfert de chaleur par conduction................................................................................... 47 1.2. Transfert de chaleur par convection ................................................................................... 48 1.3. Transfert de chaleur par rayonnement ............................................................................... 48 1.4. Conditions aux limites spatio-temporelles ......................................................................... 49 1.5. Mesure de température ....................................................................................................... 51 2. Exemple d’un transfert thermique unidimensionnel.................................................................. 51 2.1. Quelques repères historiques sur les problèmes inverses en thermique ............................ 51 2.2. Problème direct .................................................................................................................. 52 3. Résolution du PICC-1D ............................................................................................................. 57 3.1. Filtre de Kalman discret (PICC-1D) .................................................................................. 57 3.2. Méthode du gradient conjugué (PICC-1D) ........................................................................ 61 4. Bilan du chapitre ........................................................................................................................ 74 ii Table des matières Chapitre 3. Identification du flux de chauffe d’une source surfacique en géométrie 3D …… 75 1. Identification paramétrique du flux de chauffe d’une source fixe ou mobile en géométrie 3D 76 1.1. Problème direct .................................................................................................................. 77 1.2. Problème inverse ................................................................................................................ 83 1.3. Résultats numériques ......................................................................................................... 87 1.4. Analyse des résultats .......................................................................................................... 95 2. Identification paramétrique du flux de chauffe de deux sources de chauffe mobiles en géométrie 3D ...................................................................................................................................... 95 2.1. Problème direct .................................................................................................................. 95 2.2. Problème inverse ................................................................................................................ 98 2.3. Résultats numériques ....................................................................................................... 100 2.4. Analyse des résultats ........................................................................................................ 105 3. Bilan du chapitre ...................................................................................................................... 106 Chapitre 4. Localisation de sources chauffantes en géométrie 3D …………………………... 107 1. Identification paramétrique de la position de sources chauffantes fixes ................................. 108 1.1. Problème direct ................................................................................................................ 109 1.2. Problème inverse .............................................................................................................. 112 1.3. Résultats numériques ....................................................................................................... 115 1.4. Analyse des résultats ........................................................................................................ 121 2. Localisation en temps réduit .................................................................................................... 122 2.1. Résultats numériques ....................................................................................................... 122 2.2. Analyse des résultats ........................................................................................................ 135 3. Identification de la trajectoire d’une source de chauffe mobile .............................................. 136 3.1. Problème direct ................................................................................................................ 136 3.2. Problème inverse .............................................................................................................. 140 3.3. Résultats numériques ....................................................................................................... 145 3.4. Analyse des résultats ........................................................................................................ 150 4. Bilan du chapitre ...................................................................................................................... 150 Chapitre 5. Identification simultanée du couple puissance & position……………………….153 1. Estimation simultanée du flux de chauffe et de la localisation d’une source fixe. .................. 153 1.1. Problème direct ................................................................................................................ 155 1.2. Problème inverse .............................................................................................................. 158 1.3. Résultats numériques ....................................................................................................... 161 1.4. Analyse des résultats ........................................................................................................ 168 2. Estimation simultanée du flux de chauffe et de la trajectoire d’une source mobile ................ 168 2.1. Problème direct ................................................................................................................ 169 2.2. Problème inverse .............................................................................................................. 171 2.3. Résultats numériques ....................................................................................................... 172 2.4. Analyse des résultats ........................................................................................................ 181 3. Bilan du chapitre ...................................................................................................................... 182 Table des matières iii Chapitre 6. Aspects expérimentaux …………………………………………………………… 185 1. 2. Banc expérimental ................................................................................................................... 186 Identification paramétrique de la position d’une source chauffante fixe ................................ 189 2.1. Problème inverse .............................................................................................................. 189 2.2. Résultats numériques ....................................................................................................... 190 2.3. Analyse des résultats ........................................................................................................ 191 3. Identification simultanée de la position et du flux de chauffe d’une source fixe .................... 192 3.1. Problème inverse .............................................................................................................. 192 3.2. Résultats numériques ....................................................................................................... 193 3.3. Analyse des résultats ........................................................................................................ 194 4. Bilan du chapitre ...................................................................................................................... 194 Conclusion & Perspectives……………………………………………………………………… 195 Annexe A. Résultats complémentaires : localisation en temps réduit (Chapitre 4)………… 200 Annexe B. Résultats complémentaires : identification de la trajectoire (Chapitre 4)……… 207 Annexe C. Pilotage des platines de translation …………………….…………………………. 221 1. Commande des platines XZ ..................................................................................................... 221 1.1. Mode local........................................................................................................................ 221 1.2. Mode distant ..................................................................................................................... 222 Références .…………………….………………………………………………………………… 233 Liste des Figures Figure 1. 1. Distinction entre le problème direct (flèches vertes) et le problème inverse (flèches rouges) .................................................................................................................................................. 6 Figure 1. 2. Conditionnement de Aˆ n et erreur d’estimation x − xˆ en fonction de n . ..................... 28 Figure 1. 3. Conditionnement de An et erreur d’estimation x − xˆ en fonction de n . ..................... 28 Figure 1. 4. Évolution de la fonctionnelle J ( x ) en fonction des itérations k (cas non bruité)........ 31 Figure 1. 5. Évolution de l’erreur d’estimation en fonction des itérations k (cas non bruité). ......... 31 Figure 1. 6. Évolution de la fonctionnelle en fonction des itérations k (mesures bruitées).............. 33 Figure 1. 7. Évolution de l’erreur d’estimation en fonction des itérations k (mesures bruitées)...... 33 Figure 1. 8. Évolution de la fonctionnelle en fonction des itérations k (matrice bruitée) ................ 35 Figure 1. 9. Évolution de l’erreur d’estimation en fonction des itérations k (matrice bruitée) ........ 35 Figure 1. 10. Évolution de la fonctionnelle en fonction des itérations k (matrice et mesures bruitées). ............................................................................................................................................. 36 Figure 1. 11. Évolution de l’erreur d’estimation en fonction des itérations k (matrice et mesures bruitées). ............................................................................................................................................. 37 Figure 1. 12. Circuit RLC. .................................................................................................................. 38 Figure 1. 13. Évolution du courant dans le circuit RLC..................................................................... 39 Figure 1. 14. Évolution de la tension aux bornes du condensateur dans le circuit RLC. ................... 40 Figure 1. 15. Observations de la tension aux bornes du condensateur. ............................................. 40 Figure 1. 16. Courant estimé et courant réel. ..................................................................................... 43 Figure 1. 17. Tension réelle, mesurée et estimée. .............................................................................. 43 Figure 2. 1. Transfert de chaleur par conduction. .............................................................................. 47 Figure 2. 2. Transfert de chaleur par convection. .............................................................................. 48 Figure 2. 3. Transfert de chaleur par rayonnement. ........................................................................... 49 Figure 2. 4. Barre unidimensionnelle. ................................................................................................ 53 Figure 2. 5. Flux de chauffe imposé en x = L . .................................................................................. 54 Figure 2. 6. Résultat du problème direct. ........................................................................................... 56 Figure 2. 7. Exemple de mesures θCk en K pour σ θ =1 K. ................................................................. 57 Figure 2. 8. Comparaison entre températures estimées et mesurées pour σ φ = 5000 . ...................... 59 Figure 2. 9. Comparaison entre flux estimé et flux théorique pour σ φ = 5000 . ................................ 59 Figure 2. 10. Résidus de température en K ....................................................................................... 60 Figure 2. 11. Résidus en flux de chauffe en W.m -2 . ......................................................................... 60 Figure 2. 12. Base des fonctions chapeaux. ....................................................................................... 62 Figure 2. 13. Évolution du critère en fonction des itérations k ......................................................... 70 Figure 2. 14. Évolution de l’erreur de poursuite en fonction des itérations k . ................................. 70 Figure 2. 15. Flux de chauffe réel φ ( t ) et flux de chauffe identifié φ k =13 ( t ) . .................................. 71 Figure 2. 16. Résidu du flux de chauffe en fonction du temps t . ...................................................... 71 Figure 2. 17. Température mesurée et simulée après 13 itérations. ................................................... 71 Figure 2. 18. Résidu de température en K . ....................................................................................... 71 vi Liste des figures Figure 2. 19. Évolution du critère et de l’erreur de poursuite en fonction des itérations k . ............. 72 Figure 2. 20. Évolution de l’erreur de poursuite en fonction des itérations k . ................................. 72 Figure 2. 21. Flux de chauffe réel φ ( t ) et flux de chauffe identifié φ k =17 ( t ) . .................................. 73 Figure 2. 22. Résidu du flux de chauffe en fonction du temps t . ...................................................... 73 Figure 2. 23. Température mesurée et simulée après 17 itérations. ................................................... 73 Figure 2. 24. Résidu de température en fonction du temps t . ........................................................... 73 Figure 3. 1. (a). Géométrie de la plaque, (b). Trajectoire de la source. ............................................. 78 Figure 3. 2. Flux de chauffe. .............................................................................................................. 79 Figure 3. 3. (a). Évolution de la température pour une source fixe (problème direct), (b). Distribution spatiale de la température sur la face supérieure à t = 150 s . ........................................ 80 Figure 3. 4. (a). Positions des capteurs de température (face supérieure), (b). Trajectoire de source (face inférieure). ................................................................................................................................. 81 Figure 3. 5. Évolution de la température sur la face supérieure de la plaque (problème direct-source mobile). .............................................................................................................................................. 81 Figure 3. 6. Distribution spatiale de la température sur la face supérieure de la plaque. .................. 82 Figure 3. 7. Fonctions de base si ( t ) . ................................................................................................. 84 Figure 3. 8. Évolution du critère en fonction des itérations (Cas A. 1 : source de chauffe fixe). ...... 88 Figure 3. 9. Flux de chauffe identifié (Cas A. 1 : source de chauffe fixe). ........................................ 88 Figure 3. 10. Température bruitée (Cas A. 2 : source de chauffe fixe avec des mesures bruitées). . 89 Figure 3. 11. Flux de chauffe (Cas A. 2 : source de chauffe fixe avec des mesures bruitées)........... 90 Figure 3. 12. Résidu de flux (Cas A. 2 : source de chauffe fixe avec des mesures bruitées). ........... 90 Figure 3. 13. Température mesurée et simulée (Cas A. 2 : source de chauffe fixe avec des mesures bruitées). ............................................................................................................................................. 90 Figure 3. 14. Résidu de température (Cas A. 2 : source de chauffe fixe avec des mesures bruitées). ............................................................................................................................................................ 90 Figure 3. 15. Évolution du critère en fonction des itérations (Cas B. 1 : source de chauffe mobile).91 Figure 3. 16. Flux de chauffe (Cas B. 1 : source de chauffe mobile). ............................................... 92 Figure 3. 17. Température bruitée (Cas B.2 : source de chauffe mobile avec des mesures bruitées). ............................................................................................................................................................ 93 Figure 3. 18. Flux de chauffe (Cas B.2 : source de chauffe mobile avec des mesures bruitées). ...... 93 Figure 3. 19. Résidu de flux (Cas B. 2 : source de chauffe fixe avec des mesures bruitées). ............ 93 Figure 3. 20. Température mesurée et simulée (Cas B. 2 : source de chauffe fixe avec des mesures bruitées). ............................................................................................................................................. 94 Figure 3. 21. Résidu de température (Cas B. 2 : source de chauffe fixe avec des mesures bruitées). ............................................................................................................................................................ 94 Figure 3. 22. (a). Positions des capteurs de température (face supérieure), (b). Trajectoire de deux sources chauffantes (face inférieure). ................................................................................................ 96 Figure 3. 23. Densités des deux flux de chauffe en W.m -2 . .............................................................. 96 Figure 3. 24. Évolution de la température sur la face supérieure de la plaque (problème direct-deux sources mobiles). ................................................................................................................................ 97 Figure 3. 25. Distribution spatiale de la température sur la face supérieure de la plaque. ................ 98 Figure 3. 26. Évolution du critère en fonction des itérations. .......................................................... 100 Figure 3. 27. Densité du flux de chauffe φS1 ( t ) . ............................................................................. 101 Figure 3. 28. Densité du flux de chauffe φS2 ( t ) . ............................................................................. 101 Figure 3. 29. Résidu du flux de chauffe φS1 ( t ) ................................................................................ 101 vii Liste des figures Figure 3. 30. Résidu du flux de chauffe φS2 ( t ) . .............................................................................. 101 Figure 3. 31. Évolution des résidus de températures. ...................................................................... 102 Figure 3. 32. Température mesurée en présence du bruit de mesure. .............................................. 103 Figure 3. 33. Évolution du critère en fonction des itérations. .......................................................... 103 Figure 3. 34. Densité du flux de chauffe φS1 ( t ) . ............................................................................. 104 Figure 3. 35. Densité du flux de chauffe φS2 ( t ) . ............................................................................. 104 Figure 3. 36. Résidu du flux de chauffe φS1 ( t ) ................................................................................ 104 Figure 3. 37. Résidu du flux de chauffe φS2 ( t ) . .............................................................................. 104 Figure 3. 38. Évolution des résidus de températures. ...................................................................... 105 Figure 4. 1. (a). Positions des sources et (b). Positions des capteurs. .............................................. 110 Figure 4. 2. Cas A : Les flux de chauffe φS1 ( t ) = φS2 ( t ) = φ ( t ) .................................................... 111 ( ) Figure 4. 3. Cas B : Les flux de chauffe φS1 ( t ) et φS2 ( t ) sont distincts.......................................... 111 Figure 4. 4. Évolution de la température (problème direct – Cas A). .............................................. 111 Figure 4. 5. Exemple de la distribution spatiale (Cas A, pour t = 200 s ) ........................................ 111 Figure 4. 6. Évolution de la température (problème direct – Cas B). .............................................. 111 Figure 4. 7. Évolution de la fonctionnelle J I S1 , I S2 en fonction des itérations k (Cas A. 1). ..... 116 ( ) Figure 4. 8. Évolution de température mesurée en fonction du temps t . ........................................ 117 Figure 4. 9. Évolution des résidus des températures fournies par chaque capteur. ......................... 118 Figure 4. 10. Évolution de la fonctionnelle J I S1 , I S2 en fonction des itérations k (Cas B. 1). ... 119 ( ) Figure 4. 11. Évolution des températures mesurées en fonction du temps t ................................... 120 Figure 4. 12. Évolution du résidu de température en fonction du temps t . ..................................... 121 Figure 4. 13. Localisation de la source chauffante. ......................................................................... 123 Figure 4. 14. Résolution du problème direct (Cas A. 1). ................................................................. 123 Figure 4. 15. Évolution du critère et de l’erreur de poursuite en fonction des itérations (Cas A. 1). .......................................................................................................................................................... 124 Figure 4. 16. Évolution des coordonnées sur la face inférieure de la plaque (Cas A.1). ................. 124 Figure 4. 17. Température bruitée pour t f = 2 secondes (Cas A. 2). .............................................. 125 Figure 4. 18. Évolution du critère et de l’erreur de poursuite en fonction des itérations (Cas A. 2). .......................................................................................................................................................... 126 Figure 4. 19. Erreur de poursuite pour différentes valeurs du temps final (Cas A. 2). .................... 126 Figure 4. 20. Température bruitée pour t f = 3 secondes (Cas A.3). ............................................... 127 Figure 4. 21. Évolution du critère et de l’erreur de poursuite en fonction des itérations (Cas A.3).127 Figure 4. 22. Erreur de poursuite pour plusieurs valeurs du temps final (Cas A. 3)........................ 128 Figure 4. 23. Positions des sources. ................................................................................................. 129 Figure 4. 24. Résolution du problème direct (Cas B. 1). ................................................................. 129 Figure 4. 25. Évolution du critère et de l’erreur de poursuite en fonction des itérations (Cas B. 1). .......................................................................................................................................................... 130 Figure 4. 26. Évolution des coordonnées des deux sources sur la face inférieure de la plaque (Cas B.1). .................................................................................................................................................. 130 Figure 4. 27. Température bruitée durant t f = 2 secondes (Cas B.2). ............................................ 131 Figure 4. 28. Évolution du critère et erreur de poursuite en fonction des itérations (Cas B.2). ...... 132 Figure 4. 29. Évolution d’erreur de poursuite en fonction du temps final (Cas B.2)....................... 133 viii Liste des figures Figure 4. 30. Température mesurée pour t f = 10 secondes (Cas B.3). ............................................ 133 Figure 4. 31. Évolution du critère et d’erreur de poursuite en fonction des itérations (Cas B. 3). .. 134 Figure 4. 32. Évolution de l’erreur de poursuite pour différentes valeurs du temps final (Cas B. 3). .......................................................................................................................................................... 135 Figure 4. 33. Base des fonctions chapeaux. ..................................................................................... 138 Figure 4. 34. Trajectoire de la source mobile. ................................................................................. 138 Figure 4. 35. Évolution de la température en fonction du temps. .................................................... 139 Figure 4. 36. Distribution spatiale de la température sur la face supérieure de la plaque. .............. 140 Figure 4. 37. Évolution du critère en fonction des itérations (Cas A. 1). ........................................ 145 k =0 Figure 4. 38. Évolution des trois trajectoires ( I ( t ) = I ∗ : trajectoire réelle (désirée), I ( t ) : trajectoire initiale et I ( t ) : trajectoire identifiée après 13 itérations en fonction du temps t ). . 146 Figure 4. 39. Résidu de température en fonction du temps.............................................................. 147 Figure 4. 40. Évolution de la température bruitée (Cas A. 2). ......................................................... 148 k =13 ( Figure 4. 41. Évolution temporelle des trajectoires I * ( t ) , I ( t ) k =0 , I (t ) k =2 ) . ................................ 148 Figure 4. 42. Évolution du résidu de température en fonction du temps t . ..................................... 148 Figure 5. 1. Flux de chauffe. ............................................................................................................ 156 Figure 5. 2. Position de la source chauffante. .................................................................................. 157 Figure 5. 3. Évolution de la température. ......................................................................................... 157 Figure 5. 4. Distribution spatiale de température à t = t f . ............................................................... 157 Figure 5. 5. Évolution du critère (Cas A. 1). .................................................................................... 162 Figure 5. 6. Flux identifié et flux réel (Cas A. 1). ............................................................................ 162 Figure 5. 7. Évolution de la température mesurée en fonction du temps t (Cas A. 2). ................... 163 Figure 5. 8. Valeurs du résidu de température en fonction du temps (Cas A. 2). ............................ 164 Figure 5. 9. Intensité du flux de chauffe (Cas B. 1). ........................................................................ 165 Figure 5. 10. Évolution de température (Cas B. 1). ......................................................................... 165 Figure 5. 11. Évolution du critère en fonction des itérations (Cas B. 1).......................................... 165 Figure 5. 12. Flux de chauffe réel et identifié (Cas B. 1)................................................................. 165 Figure 5. 13. Évolution de la température mesurée en fonction du temps t (Cas B. 2). ................. 166 Figure 5. 14. Valeurs du résidu de température en fonction du temps (Cas B. 2). .......................... 167 Figure 5. 15. Puissance du flux de chauffe en W.m -2 . .................................................................... 169 Figure 5. 16. Température fournie par les trois capteurs. ................................................................ 170 Figure 5. 17. Distribution spatiale de la température sur la face supérieure de la plaque. .............. 170 Figure 5. 18. Évolution du critère en fonction des itérations k (Cas C. 1). .................................... 173 Figure 5. 19. Trajectoires initiale I ( t ) k =0 , réelle I * ( t ) et identifiée I ( t ) k =1293 (Cas C. 1). ........... 174 Figure 5. 20. Flux de chauffe réel φ * ( t ) et identifié φ k =1293 ( t ) en fonction du temps t (Cas C. 1). .......................................................................................................................................................... 174 Figure 5. 21. Évolution de la température mesurée (bruitée), Cas C. 2. .......................................... 174 Figure 5. 22. Évolution des résidus de température en fonction du temps t (Cas C. 2).................. 175 Figure 5. 23. Température simulée par la résolution du problème direct (Cas D. 1)....................... 177 Figure 5. 24. Distribution spatiale de la température sur la face supérieure de la plaque (Cas D. 1). .......................................................................................................................................................... 177 Figure 5. 25. Évolution du critère en fonction des itérations (Cas D. 1). ........................................ 178 Figure 5. 26. Trajectoire désirée (réelle), initiale et identifiée (Cas D. 1). ...................................... 179 Figure 5. 27. Flux de chauffe réel et identifié (Cas D. 1). ............................................................... 179 ix Liste des figures Figure 5. 28. Évolution de la température mesurée (Cas D. 2). ....................................................... 179 Figure 5. 29. Évolution du résidu de température en fonction du temps t (Cas D. 2). ................... 180 Figure 6. 1. Montage expérimental. ................................................................................................. 186 Figure 6. 2. Schéma de dispositif. .................................................................................................... 187 Figure 6. 3. Positions des capteurs (face supérieure de la plaque). .................................................. 188 Figure 6. 4. Évolution de température en fonction de temps t . ....................................................... 188 Figure 6. 5. Évolution de la fonctionnelle J ( I S ) en fonction des itérations. ................................. 190 Figure 6. 6. Évolution des coordonnées de la source sur la face inférieure de la plaque. ............... 191 Figure 6. 7. Évolution de la fonctionnelle J (φ ( t ) ; I S ) en fonction des itérations. ......................... 193 Figure 6. 8. Flux de chauffe identifié. .............................................................................................. 193 Figure 7. 1. Platine de translation M-IMSPP ................................................................................... 198 Figure 7. 2. Module de contrôle ESP301 des platines de translation............................................... 198 Figure A. 1. Positions des sources. .................................................................................................. 201 Figure A. 2. Résultat de la résolution du problème direct (Cas C.1). .............................................. 201 Figure A. 3. Évolution du critère en fonction des itérations (Cas C.1). ........................................... 202 Figure A. 4. Évolution des coordonnées de sources sur la face inférieure de la plaque (Cas C.1).. 202 Figure A. 5. Température mesurée pour t f = 8 secondes (Cas C. 2)............................................... 203 Figure A. 6. Évolution du critère et de l’erreur de poursuite en fonction des itérations (Cas C. 2). 204 Figure A. 7. Évolution de l’erreur de poursuite pour plusieurs valeurs de temps final (Cas C. 2). . 205 Figure A. 8. Température bruitée pour t f = 16 secondes (Cas C. 3). .............................................. 205 Figure A. 9. Évolution du critère et de l’erreur de poursuite en fonction des itérations (Cas C. 3). 206 Figure A. 10. Évolution d’erreur de poursuite pour différents temps final (Cas C. 3). ................... 207 Figure B. 1. Évolution du critère en fonction des itérations k (Cas B. 1)....................................... 209 ( Figure B. 2. Évolution des trajectoires I * ( t ) , I ( t ) k =0 , I (t ) k =133 ) en fonction du temps t . ........... 210 Figure B. 3. Résidu de température en fonction du temps. .............................................................. 210 Figure B. 4. Évolution de la température bruitée (Cas B. 2)............................................................ 211 Figure B. 5. Évolution du critère en fonction des itérations (Cas B. 2). .......................................... 212 Figure B. 6. Évolution des trajectoires ( I * ( t ) , I k =0 ( t ) , I k =10 ( t ) ) en fonction du temps t . ............ 212 Figure B. 7. Évolution du résidu de température en fonction du temps t . ...................................... 212 Figure B. 8. Densité du flux de chauffe φ ( t ) . ................................................................................. 213 Figure B. 9. Résolution du problème direct. .................................................................................... 214 Figure B. 10. Distribution spatiale de la température sur la face supérieure de la plaque. .............. 215 Figure B. 11. Évolution du critère en fonction des itérations (Cas C. 1). ........................................ 215 Figure B. 12. Évolution des trajectoires ( I * ( t ) , I k =0 ( t ) , I k =72 ( t ) ) en fonction du temps t . .......... 216 Figure B. 13. Résidu de température en fonction du temps. ............................................................ 216 Figure B. 14. Mesures bruitées. ....................................................................................................... 217 ( Figure B. 15. Évolution des trajectoires I ( t ) k =0 , I * (t ) , I (t ) k = 65 ) en fonction du temps. ............. 218 x Liste des figures Figure B. 16. Évolution du résidu de température en fonction du temps t . .................................... 218 Figure C. 1. Panneau d’avant du contrôleur EPS 301. ..................................................................... 221 Figure C. 2. Fenêtre de démarrage du logiciel. ................................................................................ 223 Figure C. 3. Interface de communication. ........................................................................................ 223 Figure C. 4. Phase de recherche des axes. ....................................................................................... 224 Figure C. 5. Détection des axes connectés. ...................................................................................... 224 Figure C. 6. Démarrage de moteurs de deux bancs connectés. ........................................................ 224 Figure C. 7. Remise à zéro de déplacement de deux bancs. ............................................................ 225 Figure C. 8. Déplacement de deux bancs. ........................................................................................ 225 Figure C. 9. Arrêt d’urgence de déplacements................................................................................. 226 Figure C. 10. Détection de limite d’un axe. ..................................................................................... 227 Figure C. 11. Lecture du nombre de cycles effectués. ..................................................................... 227 Figure C. 12. Option de la commande ‘Home’. ............................................................................... 228 Figure C. 13. Programme à exécuter sous EPS 301......................................................................... 228 Figure C. 14. Exemple d’une trajectoire désirée d’une platine de translation. ................................ 230 Liste des Tableaux Tableau 1. 1. Solution exacte de l’équation Aˆ5 xˆ = yˆ . ........................................................................ 31 Tableau 1. 2. Les valeurs de la fonctionnelle J ( x ) en fonction des itérations (cas non bruité). ...... 32 Tableau 1. 3. Les valeurs du vecteur d’état x en fonction des itérations (cas non bruité). ............... 32 Tableau 1. 4. Les valeurs de la fonctionnelle J ( x ) en fonction des itérations (mesures bruitées). .. 33 Tableau 1. 5. Les valeurs du vecteur d’état x en fonction des itérations (mesures bruitées). .......... 34 Tableau 1. 6. Les valeurs de la fonctionnelle J ( x ) en fonction des itérations (matrice bruitée). .... 35 Tableau 1. 7. Les valeurs du vecteur d’état x en fonction des itérations (matrice bruitée). ............. 35 Tableau 1. 8. Les valeurs de la fonctionnelle J ( x ) en fonction des itérations (matrice et mesures bruitées). ............................................................................................................................................. 37 Tableau 1. 9. Les valeurs du vecteur d’état x en fonction des itérations (matrice et mesures bruitées). ............................................................................................................................................. 37 Tableau 2. 1. Notations et définition des paramètres. ........................................................................ 53 Tableau 2. 2. Les valeurs de la fonctionnelle J (φ ( t ) ) et de l’erreur de poursuite EP (φ ( t ) ) (cas non bruité). ......................................................................................................................................... 71 Tableau 2. 3. Valeurs moyennes et écart-types des résidus de température. ..................................... 72 Tableau 2. 4. Les valeurs de la fonctionnelle J (φ ( t ) ) et de l’erreur de poursuite EP (φ ( t ) ) en fonction des itérations (cas bruité). .................................................................................................... 72 Tableau 2. 5. Valeurs moyennes et écart-types des résidus de température. ..................................... 74 Tableau 3. 1. Données du problème. .................................................................................................. 79 Tableau 3. 2. Valeurs du critère en fonction des itérations k (Cas A. 2). ......................................... 89 Tableau 3. 3. Erreurs de température pour une source fixe en présence du bruit de mesure (Cas A. 2). ....................................................................................................................................................... 91 Tableau 3. 4. Valeurs du critère en fonction des itérations k (Cas B. 2). ......................................... 93 Tableau 3. 5. Erreurs de température pour une source mobile en présence du bruit de mesure (Cas B. 2). ................................................................................................................................................... 94 Tableau 3. 6. Valeurs du critère en fonction des itérations k (Cas C. 1). ....................................... 101 Tableau 3. 7. Valeurs des résidus températures pour chaque capteur Cm (Cas C. 1)...................... 102 Tableau 3. 8. Valeurs du critère en fonction des itérations k (Cas C. 2). ....................................... 104 Tableau 3. 9. Valeurs du critère en fonction des itérations k (Cas C. 2). ....................................... 105 Tableau 4. 1. Données du problème. ................................................................................................ 110 Tableau 4. 2. Valeurs du critère (Cas A. 1)...................................................................................... 116 Tableau 4. 3. Coordonnées identifiées à chaque itération (Cas A. 1). ............................................. 116 Tableau 4. 4. Valeurs du critère (Cas A. 2)...................................................................................... 117 xii Liste des tableaux Tableau 4. 5. Coordonnées identifiées à chaque itération (Cas A. 2). ............................................. 117 Tableau 4. 6. Résidus de température (Cas A. 2). ............................................................................ 118 Tableau 4. 7 . Valeurs du critère (Cas B. 1). .................................................................................... 119 Tableau 4. 8. Coordonnées identifiées à chaque itération (Cas B. 1). ............................................. 119 Tableau 4. 9. Valeurs du critère (Cas B. 2). ..................................................................................... 120 Tableau 4. 10. Coordonnées identifiées à chaque itération (Cas B. 2). ........................................... 120 Tableau 4. 11. Résidus de température (Cas B. 2). .......................................................................... 121 Tableau 4. 12. Valeurs du critère en fonction des itérations k (Cas A. 1). ..................................... 124 Tableau 4. 13. Coordonnées de source en fonction des itérations k (Cas A. 1). ............................ 125 Tableau 4. 14. Valeurs du critère et erreur de poursuite en fonction des itérations k (Cas A. 2). .. 125 Tableau 4. 15. Coordonnées de la source en fonction des itérations k (Cas A. 2). ........................ 127 Tableau 4. 16. Valeurs du critère et d’erreur de poursuite en fonction des itérations k (Cas A.3). .......................................................................................................................................................... 128 Tableau 4. 17. Coordonnées de la source en fonction des itérations k (Cas A.3). ......................... 128 Tableau 4. 18. Valeurs du critère en fonction des itérations k (Cas B. 1). ..................................... 130 Tableau 4. 19. Coordonnées des sources en fonction des itérations k (Cas B.1). .......................... 131 Tableau 4. 20. Valeurs du critère et de l’erreur de poursuite en fonction des itérations k ............. 132 Tableau 4. 21. Coordonnées de la source en fonction des itérations k . .......................................... 132 Tableau 4. 22. Valeurs du critère et de l’erreur de poursuite en fonction des itérations k (Cas B. 3). .......................................................................................................................................................... 134 Tableau 4. 23. Coordonnées de la source en fonction des itérations k (Cas B. 3).......................... 134 Tableau 4. 24. Valeurs du critère en fonction des itérations k (Cas A. 1). ..................................... 146 Tableau 4. 25. Résidus de température (Cas A. 1). .......................................................................... 147 Tableau 4. 26. Valeurs du critère en fonction des itérations k (Cas A. 2). ..................................... 148 Tableau 4. 27. Résidus de température (Cas A. 2). .......................................................................... 149 Tableau 4. 28. Résidus des coordonnées de la trajectoire. ............................................................... 149 Tableau 5. 1. Valeurs du critère en fonction des itérations k (Cas A. 1). ....................................... 162 Tableau 5. 2. Coordonnées identifiées en fonction des itérations k (Cas A. 1). ............................. 162 Tableau 5. 3. Valeurs du critère en fonction des itérations k (Cas A. 2). ....................................... 163 Tableau 5. 4. Coordonnées identifiées en fonction des itérations k (Cas A. 2). ............................. 163 Tableau 5. 5. Résidus de température (Cas A. 2). ............................................................................ 164 Tableau 5. 6. Valeurs du critère en fonction des itérations (Cas B. 1). ........................................... 166 Tableau 5. 7. Valeurs des coordonnées en fonctions des itérations (Cas B. 1)................................ 166 Tableau 5. 8. Évolution du critère en fonction des itérations k (Cas B. 2). .................................... 167 Tableau 5. 9. Évolution des coordonnées en fonction des itérations k (Cas B. 2). ........................ 167 Tableau 5. 10. Résidus de température (Cas B. 2). .......................................................................... 168 Tableau 5. 11. Valeurs du critère en fonction des itérations k (Cas C. 1). ..................................... 173 Tableau 5. 12. Valeurs du critère en fonction des itérations k (Cas C. 2). ..................................... 175 Tableau 5. 13. Résidus de température (Cas C. 2). .......................................................................... 176 Tableau 5. 14. Résidus des coordonnées de la trajectoire (Cas C. 2). ............................................. 176 Tableau 5. 15. Valeurs du critère en fonction des itérations k (Cas D. 1). ..................................... 178 Tableau 5. 16. Valeurs du critère en fonction des itérations k (Cas D. 2). ..................................... 180 Tableau 5. 17. Résidus de température (Cas D. 2). .......................................................................... 181 Tableau 5. 18. Résidus des coordonnées de la trajectoire (Cas D. 2). ............................................. 181 Liste des tableaux xiii Tableau 6. 1. Valeurs du critère en fonction des itérations k (Problème de la localisation). ......... 190 Tableau 6. 2. Coordonnées de la source en fonction des itérations k (Problème de la localisation). .......................................................................................................................................................... 191 Tableau 6. 3. Valeurs du critère en fonction des itérations k (Problème d’estimation simultanée (φ ( t ) ; I S ) )........................................................................................................................................ 193 Tableau 6. 4. Coordonnées de la source en fonction des itérations k (Problème d’estimation simultanée (φ ( t ) ; I S ) ). .................................................................................................................... 194 Tableau A. 1. Valeurs du critère en fonction des itérations k (Cas C.1). ....................................... 202 Tableau A. 2. Valeurs des coordonnées de sources en fonction des itérations k (Cas C.1). .......... 203 Tableau A. 3. Valeur du critère et d’erreur de poursuite k (Cas C.2). ............................................ 204 Tableau A. 4. Coordonnées des sources en fonction des itérations k (Cas C.2). ........................... 204 Tableau A. 5. Valeurs du critère en fonction des itérations k (Cas C. 3). ...................................... 206 Tableau A. 6. Coordonnées des sources en fonction des itérations k (Cas C. 3). .......................... 206 Tableau B. 1. Valeurs du critère en fonction des itérations k (Cas B. 1). ...................................... 210 Tableau B. 2. Résidus de température (Cas B. 1). ........................................................................... 211 Tableau B. 3. Valeurs du critère en fonction des itérations k (Cas B. 2). ...................................... 212 Tableau B. 4. Résidus de température (Cas B. 2). ........................................................................... 213 Tableau B. 5. Résidus des coordonnées de la trajectoire (Cas B. 2). ............................................... 213 Tableau B. 6. Valeurs du critère en fonction des itérations k (Cas C. 1). ...................................... 215 Tableau B. 7. Résidus de température (Cas C. 1). ........................................................................... 216 Tableau B. 8. Résidus des coordonnées de la trajectoire (Cas C. 1). ............................................... 217 Tableau B. 9. Valeurs du critère en fonction des itérations k (Cas C. 2). ...................................... 217 Tableau B. 10. Résidus de température (Cas C. 2). ......................................................................... 218 Tableau B. 11. Résidus des coordonnées de la trajectoire (Cas C. 2). ............................................. 218 Nomenclature Symbole Description Unité θ θˆ θ0 δθ Température simulée Température mesurée Température initiale Variation de température Domaine géométrique étudié Frontière de Ω Vecteur unitaire normal dirigé vers l’extérieur à la frontière ∂Ω K K K Variable d’espace Variable de temps Temps final m s s Intervalle de temps T = 0, t f Pas d’échantillonnage Nombre de pas d’échantillonnage s Conductivité thermique du matériau Chaleur volumique Diffusivité thermique Coefficient d’échange convectif W.m −1.K −1 J.m −3 .K −1 m 2 .s -1 W.m −2 .K −1 Intensité du flux de chauffe W.m −2 Φ Flux de chaleur W.m −2 Cm Capteur de température numéro m Nombre de capteurs Ω ∂Ω = Γ r n ( x, y , z ) t tf T ∆T Nt λ ρc α h φ (t ) NC Nm Sj Nombre de mesures effectuées par chaque capteur C Source de chauffe numéro j NS I (X,Z) Nombre de source de chauffe Centre de la source de chauffe Coordonnées du centre de la source de chauffe D r R Coordonnées du capteur C Disque de chauffe Rayon de la source de chauffe Rayon de la trajectoire de la source ( xC , yC , zC ) K s m m m m m xvi J ∇J J stop H l Nomenclature Fonctionnelle à minimiser Gradient de la fonctionnelle à minimiser J Test d’arrêt Hessien de la fonctionnelle Lagrangien de la fonctionnelle γ d Direction de descente Profondeur de descente δD µ Distribution de Dirac Paramètre de régularisation k maxiter Nombre d’itérations Nombre maximal des itérations ψ si tr Fonction adjointe Fonction chapeau Transposée d’une matrice . Norme Euclidienne .,. 2 L Produit scalaire Espace des fonctions carrées intégrables Abréviations : EDPs PDCC PICC-1D PICC-3D MGC FKD Équations aux dérivées partielles Problème Direct de la Conduction de Chaleur Problème Inverse unidimensionnel de la Conduction de Chaleur Problème Inverse tridimensionnel de la Conduction de Chaleur Méthode du Gradient Conjugué Filtre de Kalman Discret Introduction générale Au cours des dernières décennies, de nombreuses avancées technologiques ont été réalisées à l’aide de nouveaux matériaux aux comportements très spécifiques. L’élaboration de ces derniers requiert une attention particulière. Dans certains cas, lorsque certaines propriétés sont insuffisamment connues (ou maîtrisées), une démarche d’identification paramétrique doit être mise en place. Le domaine de l’identification fait, depuis plusieurs siècles, l’objet de recherches actives illustrées dans de nombreux champs applicatifs (génie civil, génie thermique, génie électrique, ...). En effet, elles peuvent permettre de répondre à divers intérêts industriels : l'identification du comportement dynamique des systèmes, l'estimation des effets du bruit, le diagnostic, la commande, … L’identification par minimisation de l’erreur de sortie (différence entre les sorties du modèle mathématique et celles obtenues expérimentalement) nécessite de récolter des informations pertinentes. À titre d’exemple dans le cadre du domaine de génie thermique, les observations peuvent être recueillies ponctuellement (thermocouple de très petite dimension, par exemple), selon une ligne (pyromètre à balayage, par exemple), ou sur une surface (à l’aide d’une caméra infrarouge). Néanmoins ces observations sont en général incertaines et ces erreurs expérimentales conduisent à des résultats erronés sur les paramètres estimés. Le sujet de recherche étudié concerne l’identification paramétrique au sein de problèmes tridimensionnels dans le cadre du génie thermique. L’objectif de l’identification d’un ou plusieurs paramètres inconnus lors d’un transfert thermique est atteint en résolvant un « problème inverse ». Dans le contexte des études abordées dans ce document, l’état du système thermique satisfait un modèle mathématique décrit par un ensemble d’équations aux dérivées partielles (EDPs) paraboliques. Celles-ci décrivent l’évolution de la température en tout point et à chaque instant au sein du volume étudié à partir de conditions initiales et considérant des conditions aux limites. Il est très fréquent que la résolution de ce problème inverse soit basée sur la minimisation d’une fonctionnelle décrivant l’écart quadratique entre les observations (issues de mesures pratiques) et les simulations (issues de calculs numériques). Dans le cas des problèmes inverses de conduction de 2 Introduction générale la chaleur (PICC), la solution mathématique du problème inverse n’est pas stable (le comportement mal posé au sens d’Hadamard des PICC est bien connu). Afin de palier cette difficulté, une méthode de régularisation doit être mise en œuvre dans le but de réduire l’effet des incertitudes. Parmi les méthodes de régularisation ordinairement utilisées en thermique, il est usuel de citer la méthode de régularisation de Tikhonov, la méthode de spécification de fonction (méthode de Beck) ou encore la méthode de la décomposition en valeurs singulières. Le choix optimal du coefficient de régularisation nécessaire à ces techniques les rend délicates à mettre en œuvre. Une autre approche consiste à développer une méthode de régularisation itérative qui permet de régulariser la solution recherchée au cours des itérations afin de minimiser la fonctionnelle quadratique et donc d’identifier le paramètre inconnu. Bien que de nombreux travaux aient traités dans la littérature de la mise en œuvre d’une méthode de régularisation itérative en génie thermique (unidimensionnel et bidimensionnel), la résolution d’un problème inverse tridimensionnel demeure toujours un sujet moins abordé à cause de la complexité apportée par la géométrie (point de vue mathématique), du temps de calcul nécessaire à la résolution itérative du problème inverse (point de vue numérique) et enfin des aspects pratiques lors du développement d’un dispositif de test (point de vue expérimental). Dans ce qui suit, la préoccupation majeure concerne l’identification paramétrique d’un ou plusieurs paramètres inconnus au sein d’une géométrie tridimensionnelle en résolvant un Problème Inverse de la Conduction de Chaleur (PICC-3D). Plusieurs méthodes de résolution des PICC-1D seront abordées en les détaillant avec un exemple de mise œuvre. Les résultats obtenus seront analysés afin d’adopter la méthode plus pertinente utilisée par la suite pour des problèmes plus complexes : PICC-3D. Afin de valider la robustesse de la méthode choisie, des expérimentations seront mises en places. Dans ce contexte et compte tenu de la multidisciplinarité du sujet, une collaboration a été développée entre deux laboratoires de recherche de l’Ouest de la France : le Laboratoire d’Ingénierie et Systèmes Automatisés (LISA) de l’université d’Angers et le Laboratoire de Thermocinétique de Nantes (LTN) de l’université de Nantes. Pour ce faire, ce document est structuré comme suit. Introduction générale 3 Dans le premier chapitre, une présentation générale des problèmes inverses est proposée. Une définition est donnée et divers contextes applicatifs illustrent le propos. Différentes méthodes de résolution utilisées dans des domaines variés de l’ingénierie sont décrites. Le second point abordé dans ce chapitre introductif est dédié à la mise en œuvre de la méthode itérative du gradient conjugué pour résoudre un problème inverse académique formulé par des matrices mal conditionnées d’Hilbert. Les résultats obtenus sont analysés sans et en présence de coefficients bruités. Le troisième point de ce chapitre porte sur la mise en œuvre d’une technique de filtrage classique (filtre de Kalman discret) pour de la résolution d’un problème inverse didactique (étude d’un circuit RLC). À la fin de ce chapitre introductif, un bref bilan est proposé. Le second chapitre a pour objet de présenter les problèmes inverses dans le contexte du génie thermique. Une introduction permet de présenter succinctement les différents modes de transport de chaleur ainsi que quelques informations relatives aux techniques de mesure de température. Le second point de ce chapitre dresse quelques repères historiques relatifs aux PICC. Un exemple unidimensionnel est ensuite exposé. Deux méthodes sont détaillées : Méthode de régularisation itérative du Gradient Conjugué (MGC) et le Filtre de Kalman Discret (FKD). Une comparaison des résultats obtenus à l’aide des deux approches est effectuée. Ce dernier point est suivi d’un bilan du chapitre. Dans le troisième chapitre, une attention particulière est apportée aux problèmes inverses tridimensionnels de la conduction de chaleur PICC-3D. Deux études sont effectuées et présentées en détails : la première vise à identifier la densité d’un flux de chauffe surfacique fournie par une source fixe ou mobile et la deuxième étude porte sur l’estimation des flux délivrés par deux sources mobiles différentes. Les objectifs souhaités sont atteints par la mise en œuvre de la méthode du gradient conjugué. Plusieurs configurations sont exposées. Les résultats de simulations numériques sont obtenus en utilisant le solveur de Comsol MultiphysicsTM interfacé avec Matlab® (pour divers types de matériaux (conducteur, isolant), sans et en présence des mesures bruitées ou incertaines, dans le cadre d’une source fixe ou mobile ou même plusieurs sources mobiles) afin de valider les démarches suivies. Le quatrième chapitre est dédié à la localisation d’une ou plusieurs sources chauffantes surfaciques par le biais de la même méthode de régularisation itérative du gradient conjugué. Trois études sont effectuées : la première consiste à estimer les coordonnées de deux sources chauffantes fixes surfaciques ; la seconde étude concerne l’estimation des coordonnées d’une, deux et trois 4 Introduction générale sources fixes sur la face inférieure d’une plaque de géométrie tridimensionnelle en temps réduit. La dernière étude est consacrée à identifier la trajectoire d’une source de chauffe mobile en utilisant la même méthode. Le cinquième chapitre est relatif à l’identification du couple puissance & trajectoire en combinant les démarches suivies dans les troisième et quatrième chapitres. La première étude a pour objectif de localiser une source de chauffe fixe et d’estimer sa puissance de chauffe fournie (à l’aide d’un seul ensemble d’observations). Pour ce faire, une adaptation spécifique de l’algorithme du gradient conjugué est proposée afin qu’il soit mis en œuvre de manière séquentielle. Plusieurs simulations et exemples numériques sont présentés dans le but de valider l’approche retenue. Le second point de ce chapitre vise à estimer la trajectoire et la puissance d’une source de chauffe surfacique mobile. Divers exemples numériques sont traités et les résultats obtenus sont analysés. À la fin de ce chapitre, quelques perspectives sont discutées. En parallèle des précédents aspects méthodologiques, une étude expérimentale développée au sein du LISA est présentée dans le sixième et dernier chapitre. Il s’agit de considérer une plaque soumise à une source de chauffe fixe sur une de ses faces. Sur la face opposée une caméra infrarouge permet de disposer de cartographies de température. La localisation de la source et l’identification du flux chauffant sont réalisées considérant les informations fournies par trois pixels. La robustesse de la méthode du gradient conjugué proposée est étudiée dans ce contexte expérimental. À la fin de ce chapitre, un bref bilan est proposé. Ce document se clôt par une discussion générale sur l’ensemble des travaux réalisés lors de cette thèse et sur ses perspectives à court et moyen terme (quelques annexes sont fournies afin de compléter les explications de certains résultats précédemment abordés). CHAPITRE 1 État de l’art Sommaire 1. Problème inverse ......................................................................................................................... 5 1.1. Au sujet des problèmes inverses .......................................................................................... 5 1.2. Caractéristiques des problèmes inverses .............................................................................. 7 1.3. Diverses applications des problèmes inverses ..................................................................... 8 1.4. Méthodes de minimisation ................................................................................................. 11 1.5. Régularisation des problèmes inverses .............................................................................. 21 2. Méthode du gradient conjugué pour résoudre des systèmes linéaires ....................................... 26 2.1. Illustration du caractère mal posé ...................................................................................... 26 2.2. Méthode du gradient conjugué (MGC) .............................................................................. 29 2.3. Mise en œuvre de la MGC pour les matrices d’Hilbert ..................................................... 30 2.4. Analyses des résultats ........................................................................................................ 38 3. Mise en œuvre du filtre de Kalman pour l’identification paramétrique .................................... 38 3.1. Modélisation du système électrique ................................................................................... 38 3.2. Discrétisation du modèle mathématique ............................................................................ 40 3.3. Filtre de Kalman discret ..................................................................................................... 41 3.4. Mise en œuvre du FKD pour le circuit RLC ...................................................................... 42 4. Bilan du chapitre ........................................................................................................................ 44 1. Problème inverse 1.1. Au sujet des problèmes inverses La notion de problème inverse repose sur la démarche scientifique qui a pour objectif de déterminer les causes d’un phénomène (physique, mathématique, biologique, …) à partir de l’observation de ses effets (mesures par exemple). Parmi les définitions les plus générales et abondamment citées dans la littérature relative aux problèmes inverses, celle donnée dans [Keller, 1976] peut être citée : "We call two problems inverses of one another if the formulation of each involves all or part of the solution of the other. Often, for historical reasons, one of the two problems has been studied extensively for some time, while the other is newer and not so well understood. In 6 Chapitre 1. État de l’art such cases, the former is called the direct problem, while the latter is called the inverse problem". Cette définition peut être complétée par le schéma suivant établissant la distinction entre les problèmes inverses et problèmes directs proposé par [Menke, 1989] : Figure 1. 1. Distinction entre le problème direct (flèches vertes) et le problème inverse (flèches rouges). Avant même que cette notion de problème inverse soit formalisée et ce de manière communément admise par plusieurs disciplines scientifiques, de nombreux problèmes classiques (et relativement anciens) avaient été posés sous une forme s’y rattachant : Le problème de la courbe brachistochrone semble avoir été initialement proposé par Galilée (1633). Il s’agit de trouver la forme de la courbe dans un plan vertical sur laquelle un point matériel pesant placé dans un champ de pesanteur uniforme, glissant sans frottement et sans vitesse initiale, présente un temps de parcours minimal parmi toutes les courbes joignant deux points fixés. Ici l’effet est « le temps de parcours minimal », la cause étant « la forme de la courbe ». Ce problème d’optimisation de forme (dont Galilée donna une solution erronée) fut l’un des premiers exemples de calcul variationnel et résolu en 1696 (plusieurs scientifiques y contribuèrent : les frères Jean et Jacques Bernoulli, Newton, Leibniz, L'Hôpital, …) Le problème du toboggan d’Abel a été formalisé en 1823 (cf. [De Verdière et Truc, 2009], [Abel, 1826 & 1881]). Il s’agit de déterminer la forme d’un toboggan (courbe dans un plan vertical) disposant d’une bille d’énergie cinétique initiale Ec (glissant sans frottement) et connaissant son temps d’arrivée T . Si Ec varie et que l’on mesure T ( Ec ) peut on déterminer la forme du toboggan ? Une variante est présente dans [De Verdière et Truc, 2009] en considérant une vitesse initiale nulle et en faisant varier la hauteur initiale H . Est-ce que la mesure de T ( H ) permet de déterminer la forme ? Dans le domaine de la thermique, la méthode d’Angström datant de 1861 peut être citée. Cette méthode, qui consiste à étudier dans un barreau cylindrique la propagation d’un signal périodique de température permet de déterminer la diffusivité thermique (rapport de la Chapitre 1. État de l’art 7 conductivité thermique à la chaleur volumique) du matériau testé ([Angström, 1861] et [Gatecel et Weill, 1962]). La formulation plus générale des problèmes inverses est en partie issue des travaux du physicien Soviétique Arménien Viktor Hambardzumyan (1908-1996) relatifs à la physique quantique. Ayant observé l’analogie entre les niveaux d’énergie discrets et les valeurs propres des équations différentielles, il se posa la question suivante [Hambardzumyan, 1929] : "given a family of eigenvalues, is it possible to find the form of the equations whose eigenvalues they are ?" Ce travail de Hambardzumyan dans la revue allemande de physique Zeitschrift für Physik en 1929 propose une formalisation générale adaptée à l’étude de différents problèmes inverses dans diverses disciplines. 1.2. Caractéristiques des problèmes inverses La notion des problèmes mal posés a été introduite pour la première fois par le mathématicien français Jacques Hadamard (1865-1963) dans [Hadamard, 1932]. Pour comprendre cette notion, considérons un problème inverse s’écrivant sous forme matricielle tel que : Ax = y où y est le vecteur de sortie du système, x le vecteur d’état du système, et A est un opérateur linéaire (matrice inversible) qui décrit la relation entrée-sortie. Selon la définition de [Hadamard, 1932], un problème est bien posé, si et seulement si : • existence : il existe une solution x à l’équation Ax = y . • unicité : cette solution est unique. • stabilité : lorsqu’il existe des faibles variations sur les coefficients de la matrice d’état du modèle A ou sur le vecteur de sortie du système y , ces variations entrainent de faibles variations sur la solution x . Si au moins l’une des conditions précédentes n’est pas satisfaite alors le problème inverse est dit « mal posé ». Pour les problèmes inverses issus de la physique (identification paramétrique en thermique par exemple), l’existence d’une solution est en général établie (si le modèle mathématique est en adéquation avec le système physique). Il en est de même pour l’unicité de la solution lorsque les paramètres inconnus sont des propriétés du matériau. En revanche, la stabilité n’est pas toujours assurée et par exemple, de faible erreurs de mesure sur y peuvent s’avérer dramatiques sur la qualité de l’estimation de x . Dans le cas de la résolution d’un système de type Ax = y , la notion de stabilité est directement liée au conditionnement de la matrice A . 8 Chapitre 1. État de l’art Définition 2.1. Soit C le nombre de conditionnement exprimé par C = max ui i min ui ( ui étant les valeurs i propores de cf. [Neumann et Goldstine, 1947], [Gregory et Karney, 1969]). Ce nombre définit aussi u ( A) −1 une mesure de la stabilité du problème étudié tel que : C = A A = n , (où u1 ( A) , et un ( A ) u1 ( A ) sont respectivement la plus petite et la plus grande valeur propre de la matrice A ), sachant que est la norme Euclidienne. Une matrice est dite « bien conditionnée » (ce qui implique que le problème : « connaissant A et y , trouver x tel que Ax = y » est stable) si la valeur de C est proche de 1, et « mal conditionnée » si C 1. Il est à noter que les problèmes inverses sont en général mal posés au sens d’Hadamard [Hadamard, 1932]. Dans la section suivante, de nombreux problèmes inverses sont brièvement décrits afin d’illustrer la grande variété des applications aussi bien dans le domaine académique que dans le domaine industriel. 1.3. Diverses applications des problèmes inverses Durant les trois derniers siècles, les problèmes inverses se sont généralisés à divers domaines de l’ingénierie et ce pour différents champs d’applications (industriels et/ou académiques). Leurs impacts industriels et économiques sont de première importance et justifient l’intérêt de nombreuses unités de formation et de recherche. Parmi les multiples secteurs d’applications, la liste non exhaustive suivante peut être considérée : • Imagerie/vision : une configuration classique en imagerie consiste en la reconstruction de cartes ou de scènes tridimensionnelles à partir de plusieurs données GPS ou satellitaires (photographies). Un autre objectif abondamment traité dans le domaine du traitement d’image [Bertero et Boccacci, 1998] concerne la restauration de la netteté d’images hautes résolutions à partir d’une ou plusieurs images dégradées et/ou floues (problèmes de déconvolution [Mohammad-Djafari, 1997], [Demoment, et al., 2001]). L'estimation de mouvement dans une séquence d'images ou encore la séparation de plusieurs images mélangées, la reconstruction de formes à partir d'ombrages [Devir, et al.] sont autant d’applications de grand intérêt. Les problèmes inverses en traitement d’image doivent être formulés d’une manière adéquate afin de s’adapter à des classes d’applications bien spécifiques. Le cas de l’imagerie médicale illustre le Chapitre 1. État de l’art 9 propos : reconstructions des os ; vaisseaux ou organes ; détection des maladies ; Échographie ; Tomographie par rayons X [Hunt, 1970], [Kern, 2002-2003], … • Génie chimique : une première étude des problèmes inverses dans ce domaine a été introduite par [Goldman, et al., 2000] dans le contexte de la recherche pharmaceutiques. Suite à cette étude [Xueliang, et al., 2003] ont proposé une étude dédiée à la détermination des quatre indices topologiques (indice σ , indice c , indice Z et l’indice M 1 ) en chimie combinatoire. D’autres démarches ont été menées à bien afin d’extraire des informations concernant les composantes chimiques intervenant lors des réactions chimiques [Santosa et Weitzy]. Enfin, la détermination des propriétés des éléments moléculaires en se basant sur des données expérimentales est proposée dans [Kochikov, et al., 2000]. • Hydrogéologie : la plupart des problèmes inverses traités dans ce domaine sont basés sur les données des charges hydrauliques (ces charges étant fournies par la mesure du niveau d’eau à l’aide d’un piézomètre). Les applications concernent, par exemple, le traitement d’eaux souterraines, la détermination de zones de protection autour de puits de captages, l’identification du champ de perméabilité ou de la conductivité hydraulique, … Pour plus de détails, quelques références peuvent être citées [Yeh, 1986], [De Marsily, et al., 1999], [Carrera, et al., 2005], … • Génie civil : plusieurs types de problèmes inverses sont considérés dans ce domaine. À titre d’exemple et parmi les problèmes récemment traités : la détection des hétérogénéités physiques et géométriques de structures civiles [Potetyunko, et al., 2005], l’identification des caractéristiques électromagnétiques des matériaux utilisés en génie civil comme la détermination de la permittivité diélectrique des bétons hydrauliques et bitumineux [Adous, 2006]. La reconstruction de la température dans les structures du génie civil (unidimensionnel et tridimensionnel) associée à une démarche expérimentale a été traitée dans la thèse de [Nassiopoulos, 2008]. • Sismologie : parmi les différents cas traités dans ce domaine, il est possible de citer : la détermination des structures de l’écorce terrestre à différentes profondeurs et à différents endroits dans le but de localiser des nouvelles sources de minéraux, des combustibles fossiles (pétrole, charbon, gaz naturel), l’eau... [Averill, et al., 2007]. Étant donné un modèle de propagation des ondes sismiques, l’estimation de paramètres du sous-sol (l’impédance 10 Chapitre 1. État de l’art acoustique et les conditions de pression) a été réalisée par la résolution d’un problème inverse bidimensionnel [Métivier, 2011]. La prédiction de la vitesse d’onde acoustique au sein d’un dispositif de foret situé au centre d’un puits de forage (considéré comme une source sismique) a été traitée par [Santos, 2002]. D’autres types de problèmes inverses dans le domaine de sismologie ont été résolus dans [Gray et Mcmechan, 1995], [Alekseev et Mikhailenko, 1999], [Stolk, 2000] et [Belonosov et Skazka, 2008]. • Géophysiques : plusieurs problèmes inverses ont été résolus dans ce domaine, parmi lesquels le traitement de données recueillies à partir de la surface afin de construire des images des structures souterraines [Marescot], ou encore plus récemment, l’estimation des résistivités et des profondeurs des couches de terre par la résolution d’un problème inverse de sondage électrique vertical [Fernández Martínez, et al., 2010]. Une étude a été proposée par [Tsai, et al., 2005] dans le but de traiter simultanément : la caractérisation de l’hétérogénéité des paramètres et l’identification de la structure de ces paramètres lors de la modélisation des eaux souterraines. Ces modèles sont souvent utilisés afin de décrire l’écoulement naturel dans l’environnement d’eaux contenant éventuellement des polluants (produits chimiques) pour des problématiques liées à la qualité. Pour d’autres exemples de mise en œuvre de la résolution des problèmes inverses dans le domaine de la géophysique, il est possible de se référer à [Adomian et Vasudevan, 1984], [Pereyra, 1988] et [Ramm et Ghosh Roy, 1993]. • Ingénierie pétrolière : les enjeux économiques majeurs dans ce domaine ont permis l’émergence de problèmes inverses originaux tels que la localisation de ressources pétrolières potentielles par l’utilisation des relevés sismiques [Jahn, et al., 2008], la détermination de mouvements du liquide dans les réservoirs en temps réel [Nordtvedt, et al., 1999], [Jahn, et al., 2008]. • Industrie aérospatiale : certaines classes de problèmes inverses ont été développées dans le cadre d’applications aérospatiales afin de palier certaines difficultés. Parmi les diverses démarches suivies, il est possible de citer l’identification du moment aérodynamique à partir de mesures de l'angle d'attaque et de la vitesse proposée par [Alestra et Srithammavanh, 2010] ou encore la détermination en temps réel des contraintes et déplacements des véhicules aérospatiaux en fonction des charges appliquées [Shkarayev, et al., 2001]. 11 Chapitre 1. État de l’art • Génie thermique : dans ce domaine, les problèmes inverses ainsi que les aspects numériques liés à leurs résolutions sont très fortement étudiés à travers les différents modes de transfert thermique (convection, conduction, rayonnement et leurs couplages). Parmi les diverses avancées, il est possible de mentionner : l’identification de l’évolution de flux ou de sources thermiques [Alifanov, 1994], de paramètres thermo-physiques [Telejko et Malinowski, 2004], de conditions initiales [Muniz, et al., 1999], de conditions aux limites [Li, et al., 2003], de forme [Huang et Chen, 2000]. Plusieurs ouvrages majeurs traitent de nombreux exemples de problèmes inverses en thermique tels que [Tarantola, 2005], [Alifanov, et al., 1995], [Özisik et Orlande, 2000]. Des applications différentes sont décrites dans [Hunt, 1970], [Blump, et al., 1985], [Blump, et al., 1986], [Colton, et al., 1990], [Groetsch, 1993], [Kirsch, 1996], [Hofmann, 1999], [Johnston, 2000], [Nassiopoulos, 2008]. 1.4. Méthodes de minimisation De nombreuses approches ont été développées pour la résolution de problèmes inverses. Les dernières décennies ayant connu un essor prodigieux des outils informatiques, la mise en œuvre d’outils numériques a été largement facilitée. Dans ce qui suit, diverses méthodes bien connues de la littérature sont brièvement présentées. Il s’agit de méthodes de minimisation d’une fonctionnelle par une approche itérative (méthode de descente). Le problème d’optimisation suivant est considéré : Soit le critère quadratique J ∈ C1 ( n , trouver xˆ ∈ ) ; l’objectif est de minimiser J ( x ) , c'est-à-dire : n tel que : xˆ = arg min ( J ( x ) ) x∈ n (où C1 est la classe des fonctions continûment différentiables au moins une fois). Cette fonctionnelle est dite quadratique lorsque J s’exprime comme une somme des termes quadratiques par rapport aux composantes du vecteur x . 12 Chapitre 1. État de l’art 1.4.1. Méthode du gradient Cette méthode est appelée la méthode de la plus forte pente. L’idée principale de cet algorithme consiste à utiliser le gradient de la fonctionnelle à minimiser comme direction de descente : d = −∇J ( x ) de l’algorithme. Dans ce qui suit le principe de cette méthode à travers son algorithme de mise en œuvre est brièvement présenté. Algorithme du la méthode du gradient Initialiser x k = 0 et calculer la profondeur de descente initiale γ k =0 (selon le type de la méthode utilisée). A partir de k = 1 et tant que le test d’arrêt n’est pas validé : • Calculer la direction de descente d k −1 = −∇J ( x k −1 ) . • Calculer la nouvelle valeur de l’itéré x k = x k −1 − γ k −1 ∇J ( x k −1 ) = x k −1 + γ k −1d k −1 . • Calculer la profondeur de descente γ k (selon le type de la méthode utilisée). • k ← k +1 Lorsque le test d’arrêt est vérifié, le vecteur x k est considéré comme une estimation satisfaisante du vecteur inconnu x̂ . Selon la valeur de γ ( γ est une valeur réelle appelée profondeur de descente γ ∈ * ), la méthode du gradient prend trois formes différentes : méthode du gradient à pas fixe, méthode du gradient à pas optimal et méthode du gradient à pas variant (pour plus de détails sur ces dernières méthodes, il est possible de se référer à [Rouquette, 2003], [Leborgne, 2006], [Herbin, 2008] et [Di Menza, 2009]. Propriétés de la méthode du gradient D’une manière générale, cet algorithme converge vers la solution désirée (le minimum d’un critère quadratique strictement convexe) du problème posé [Laurent, 2012]. Malgré des résultats de convergence théoriques satisfaisants, cet algorithme converge lentement, il est très sensible à la forme de la fonctionnelle à minimiser, ce qui le rend parfois moins performant que d’autres algorithmes de descente. Une attention particulière doit être apportée à la valeur de la profondeur de descente γ . En effet, si la valeur de γ est trop faible la convergence sera lente, si elle est trop importante la méthode risque de diverger. Il est à noter que les algorithmes à direction de descente sont pour la plupart fondés sur cet algorithme. 13 Chapitre 1. État de l’art 1.4.2. Méthode du gradient conjugué Cette méthode de descente consiste à minimiser une fonctionnelle quadratique J : n → en au plus n itérations. Historiquement, cette méthode a été introduite par Hestenes et Stiefel en 1952 [Hestenes et Stiefel, 1952] pour la minimisation d’une fonctionnelle quadratique. L’idée fondamentale de cette méthode consiste à choisir à chaque itération k , une direction de descente d k conjuguée avec la direction de descente précédente d k −1 (orthogonale à la direction précédente selon un produit scalaire particulier adapté à la fonctionnelle J ). Cette direction est définie à partir d’une combinaison linéaire du gradient de la fonctionnelle à minimiser −∇J ( x k ) en x k et des directions précédentes d 0 , d 1 ,..., d k −1 . Notons que les coefficients de la combinaison linéaire sont choisis de telle sorte que la nouvelle valeur de la direction d k soit conjuguée par rapport à toutes les directions de descentes précédentes [Minoux, 2007]. Algorithme de gradient conjugué Initialisation du vecteur de départ x k = 0 et la première direction de descente d k =0 = −∇J ( x k =0 ) À partir de k = 1 et tant que le test d’arrêt n’est pas validé : • Calculer γ k = arg min J ( x k −1 + γ d k ) la profondeur de descente, γ∈ * • Estimer la nouvelle valeur de l’itéré x k = x k −1 + γ k d k −1 , • Calculer le gradient de la fonctionnelle ∇J ( x k ) , • Calculer la β de descente d k = −∇J ( x k ) + β k d k −1 , avec (∇J ( x )) (∇J ( x ) − ∇J ( x )) (selon [Hestenes et Stiefel, 1952]), = (∇J ( x ) − ∇J ( x )) d k k direction tr k k −1 k k −1 tr k −1 • k ← k +1 Lorsque le test d’arrêt est vérifié, le vecteur x k est considéré comme une estimation satisfaisante du vecteur inconnu x̂ . L’ensemble des étapes mentionnées ci-dessus est mis en œuvre dans la section 2 de ce chapitre avec un exemple illustratif dans le but d’identifier un vecteur d’état inconnu x en minimisant un critère quadratique J ( x ) à chaque itération k . Plusieurs références ont été consacrées à l’illustration de chaque étape de cet algorithme [Shewchuk, 1994], [Quarteroni, et al., 2004], [Minoux, 2007], [Laurent, 2012], … 14 Chapitre 1. État de l’art Propriétés de la méthode du gradient conjugué La convergence rapide de la méthode du gradient conjugué en fait son intérêt majeur [Minoux, 2007]. En outre, cet algorithme ne requiert pas le calcul du Hessien (matrice carrée de dimension n dont les coefficients sont H ij = ∂2 J ), ce qui représente une simplicité sur la mise en ∂xi ∂x j œuvre numérique de la méthode [Rouquette, 2003]. Néanmoins, en présence de perturbations (incertitude de modèle, bruit de mesure, …), cette méthode converge vers une solution tenant compte du bruit. Il est alors essentiel de choisir un test d’arrêt ( J stop ) judicieux afin de stopper la procédure d’itération avant de chercher à décrire le bruit. Ces aspects seront illustrés dans les prochains chapitres. Parmi différents domaines d’application de cette méthode, quelques travaux dédiés à la résolution des problèmes inverses peuvent être cités [Su et Silva Neto, 2001], [Liu et Tan, 2001], [Prud’homme et Hung Nguyen, 2001], [Nho Hào, et al., 2009], [Huang et Liu, 2010], [Zhou, 2010], … 1.4.3. Méthode de Fletcher et Reeves Cette méthode est une extension de la méthode du gradient conjugué. Un de ses avantages est qu’elle peut être appliquée quelque soit le type de la fonctionnelle à minimiser. Dans le cas où cette dernière est quadratique, alors les résultats obtenus par la méthode de Fletcher et Reeves sont identiques aux résultats obtenus par la mise en œuvre de la méthode du gradient conjugué. La différence entre les deux algorithmes réside en l’expression de β définie par Fletcher et Reeves dans [Monard, 2003]. Dans ce qui suit, les principales étapes de la méthode de Fletcher et Reeves sont résumées par l’algorithme [Minoux, 2007] suivant : Algorithme de Fletcher et Reeves Initialisation du vecteur de départ x k = 0 et la première direction de descente d k =0 = −∇J ( x k =0 ) À partir de k = 1 et tant que le test d’arrêt n’est pas validé : • Calculer γ k = arg min J ( x k −1 + γ d k ) la profondeur de descente γ∈ * • Estimer la nouvelle valeur de l’itéré x k = x k −1 + γ k d k −1 • Calculer le gradient de la fonctionnelle ∇J ( x k ) . • d = −∇J ( x k k −1 )+β ( ∇J ( x ) ) = ( ∇J ( x ) ) k k d k −1 , avec β Reeves [Monard, 2003]). k k −1 tr tr ∇J ( x k ) ∇J ( x k −1 ) , (selon la formule de Fletcher- 15 Chapitre 1. État de l’art • k ← k +1 Lorsque le test d’arrêt est vérifié, le vecteur x k est considéré comme une estimation satisfaisante du vecteur inconnu x̂ . Propriétés de la méthode Fletcher et Reeves L’intérêt majeur de cette méthode est qu’elle est plus générale que la méthode du gradient conjugué au niveau du type de fonctionnelle à minimiser. Elle est caractérisée par une grande vitesse de convergence et ne nécessite pas beaucoup de stockage de données. Plusieurs ouvrages ont été dédiés à résoudre des problèmes inverses en utilisant cette méthode : [Lum Wan et White, 1991], [Park et Lee 1998] et [Zhao, et al., 2009]. 1.4.4. Méthode de Newton Supposons que la fonctionnelle à minimiser J ∈ C 2 ( n , ) est deux fois continûment différentiable (où C 2 est la classe des fonctions deux fois continûment différentiables). L’algorithme suivant expose les principales étapes de mise en œuvre de la méthode de Newton (qui se base sur le calcul du Hessien) : Algorithme de la méthode de Newton Initialiser le vecteur de départ x k = 0 . À partir de k = 1 et tant que le test d’arrêt n’est pas validé : • Calculer le gradient de la fonctionnelle ∇J ( x k −1 ) • Calculer le Hessien de la fonctionnelle H ( x k −1 ) = ∇ 2 J ( x k −1 ) ( • Calculer la nouvelle valeur de l’itéré x k = x k −1 − H ( x k −1 ) ) −1 ∇J ( x k −1 ) . • k ← k +1 Lorsque le test d’arrêt est vérifié, le vecteur x k est considéré comme une estimation satisfaisante du vecteur inconnu x̂ . Propriétés de la méthode Newton La méthode de Newton converge en une seule itération lorsque J ( x ) est une fonction quadratique strictement convexe [Minoux, 2007]. Cette méthode est connue pour sa capacité de convergence rapide (convergence quadratique), mais il n’y a aucune garantie qu’elle converge vers le minimum global de la fonctionnelle à minimiser (sauf si la valeur initiale de x k = 0 est proche de la 16 Chapitre 1. État de l’art solution) [Rouquette, 2003]. En outre l’algorithme de Newton nécessite le calcul du gradient ∇J ( x ) et du Hessien H ( x ) de la fonctionnelle J ( x ) à chaque itération k , ce qui rend le calcul plus lourd. Les erreurs numériques, qui peuvent être commises lors du calcul du Hessien et de son inverse, peuvent aussi affecter la convergence. Cette méthode a été mise en œuvre pour la résolution de nombreux problèmes inverses parmi lesquels [Kress et Lee, 2007], [Xiaoa, et al., 2009], … La ‘Méthode quasi-Newton’ généralise l’algorithme de Newton. 1.4.5. Méthode quasi-Newton Cette extension de la méthode de Newton regroupe deux méthodes de minimisation (la méthode du gradient et la méthode de Newton). Cette méthode consiste à approcher l’inverse du Hessien par une nouvelle matrice M ≈ H −1 définie positive et qui sera modifiée à chaque itération k . Cette matrice est construite de manière à converger vers le Hessien pour une fonctionnelle quadratique J ( x) . Ainsi, la nouvelle valeur de l’itéré x s’exprime par : x k = x k −1 − γ k M k ( x k −1 ) ∇J ( x k −1 ) . Les changements apportés par cette méthode sur la méthode de Newton sont résumés par l’algorithme suivant [Minoux, 2007] : Algorithme de la méthode de quasi-Newton Initialiser le vecteur de départ x k = 0 et M k =0 = I (la matrice identité). • Calculer le gradient initial la fonctionnelle ∇J ( x 0 ) À partir de k = 1 et tant que le test d’arrêt n’est pas validé : • Calculer la direction de descente d k = − M k −1 ∇J ( x k −1 ) • Calculer γ k = arg min J ( x k −1 + γ d k ) la profondeur de descente γ∈ * • Calculer la nouvelle valeur de l’itéré x k = x k −1 + γ k d k • Calculer la nouvelle valeur du gradient de la fonctionnelle ∇J ( x k ) • Poser : δ = x k − x k −1 et α = ∇J ( x k ) − ∇J ( x k −1 ) • Calculer M k ([Corriou, 2010]) telle que α tr M k −1 α δ trδ δ α tr M k −1 + M k −1α δ tr M k = M k −1 + 1 + − δ tr α δ trα δ trα • k ← k +1 Lorsque le test d’arrêt est vérifié, le vecteur x k est considéré comme une estimation satisfaisante du vecteur inconnu x̂ . 17 Chapitre 1. État de l’art À noter que la matrice initiale M k =0 peut être n’importe quelle matrice positive. Il est usuel de choisir une matrice identité M k =0 = I . Pour exprimer M k , plusieurs formules ont été données dans [Corriou, 2010], parmi lesquelles la formule générale proposée par Broyden, Fletcher, Goldfarb et Shanno présentée dans l’algorithme précédent. Propriétés de la méthode quasi-Newton La convergence de cette méthode est obtenue en n itérations (contrairement à la méthode de Newton). Néanmoins, cette méthode nécessite un temps de calcul non négligeable et un espace de stockage important lors du calcul approché de l’inverse du Hessien (la matrice M ) à chaque itération. En outre et selon [Rouquette, 2003], [Walter et Pronzato, 1994] et [École d’Hiver METTI, 1999], la méthode quasi Newton est très sensible aux erreurs de calcul. 1.4.6. Méthode de Gauss-Newton Cette méthode due à Carl Friedrich Gauss est une extension de la méthode de Newton (paragraphe 1.4.4) adaptée à la résolution des problèmes non linéaires surdéterminés. En outre, la méthode Gauss-Newton est une classe de méthodes pour la résolution des problèmes de moindres carrés non-linéaires. L’idée principale de cette méthode réside sur le rapprochement du Hessien H ( x ) de la fonctionnelle à minimiser par H ( x ) ≈ ( ∇J ( x ) ) ∇J ( x ) , où ∇J ( x ) est le gradient de tr la fonctionnelle. L’algorithme suivant reprend les mêmes étapes suivies dans l’algorithme de Newton (paragraphe 1.4.4) avec quelques modifications (sans passer par le calcul du Hessien) dans le but de tr 1 déterminer xˆ = arg min ( J ( x ) ) J ( x ) , où J : n 2 x∈ n → m . Algorithme de la méthode Gauss-Newton Initialiser le vecteur de départ x k = 0 . À partir de k = 1 et tant que le test d’arrêt n’est pas validé : • Évaluer la valeur du critère J ( x k −1 ) • Calculer le gradient de la fonctionnelle noté ∇J ( x k −1 ) • Calculer la direction de recherche d k −1 solution de ( ∇J ( x ) ) k −1 tr ( ∇J ( x k −1 ) d k −1 = − ∇J ( x k −1 ) ) J (x ) tr k −1 • Calculer la nouvelle valeur de l’itéré x k = x k −1 + ∆x k −1 . • k ← k +1 18 Chapitre 1. État de l’art Lorsque le test d’arrêt est vérifié, le vecteur x k est considéré comme une estimation satisfaisante du vecteur inconnu x̂ . Propriétés de la méthode Gauss-Newton Un des avantages de cette méthode est qu’elle ne nécessite pas le calcul du Hessien, ce qui rend le calcul plus rapide avec. Néanmoins, cette méthode s’avère limitée car elle n’assure pas que la solution obtenue est la solution optimale (le minimum recherché). En effet, l’erreur commise lors de cette méthode réside sur le rapprochement du Hessien en fonction du gradient de la fonctionnelle. Une version améliorée de la méthode Gauss-Newton est la méthode de LevenbergMarquardt. 1.4.7. Méthode de Levenberg-Marquardt Cette méthode représente une alternative performante de la méthode Gauss-Newton [Corriou, 2010]. L’algorithme suivant décrit un cas général de la mise en œuvre de la méthode LevenbergMarquardt appliquée à la minimisation d’une fonction quelconque J ( x ) . Algorithme de la méthode de Levenberg-Marquardt Étant donné le vecteur de départ x k = 0 , et la valeur initiale α k = 0 . D’après [Corriou, 2010], la direction de recherche de l’algorithme de LM est une solution de ( H k + α k I ) d k = −∇J ( x k ) où α k est un scalaire non négatif. α k doit être choisi de manière adéquate : si α k = 0 , d k est la direction de Gauss-Newton Si α k → ∞ , d k devient parallèle à la direction de plus grande pente. À partir de k = 1 et tant que le test d’arrêt n’est pas validé : • Calculer le gradient de la fonctionnelle ∇J ( x k −1 ) • Calculer le Hessien de la fonctionnelle H ( x k −1 ) = ∇J 2 ( x k −1 ) • Mettre α k ← α k −1 ( ) • Factoriser H ( x k −1 ) + α k I . Si cette matrice n’est pas définie positive, poser α k = 4α k et recommencer, ( ) • Déduire la direction d k à partir de H ( x k −1 ) + α k I d k = −∇J ( x k −1 ) • Évaluer J ( x k −1 ) et calculer le rapport β k = ∆J ( x k −1 ) ∆J ( x k −1 + d k ) = J ( x k −1 ) − J ( x k −1 + d k ) J ( x k −1 ) − J ( d k ) Chapitre 1. État de l’art 19 Si β k < 0.25 , poser α k +1 = 4α k Si β k > 0.75 , poser α k +1 = α k 2 Si 0.25 ≤ β k ≤ 0.75 , alors poser α k +1 = α k Si β k ≤ 0 , mettre x k = x k −1 Si β k > 0 , calculer x k = x k −1 + d k • k ← k +1 Le test d’arrêt est vérifié lorsque le vecteur x k est considéré comme une estimation satisfaisante du vecteur inconnu x̂ . Propriétés de la méthode de Levenberg-Marquardt Cette méthode est devenue une technique standard pour résoudre des problèmes non linéaires. L’algorithme de la méthode de Levenberg-Marquardt est caractérisé par son comportement lent lorsque l’initialisation est loin de la solution désirée avec une grande garantie de convergence. Dans le cas contraire où l’initialisation est proche de la solution exacte, l’algorithme se comporte comme une méthode de Gauss-Newton. Cette méthode a montré des propriétés en terme de convergence globale, de capacité d’optimisation non linéaire sous contraintes [Courtial, et al., 2004] et de robustesse. Parmi les abondantes applications de cette méthode dans le domaine de l’identification, il est possible de citer les travaux suivants : [Su, et al., 2000] pour l’estimation de la densité d’un flux de chaleur au sein d’écoulement turbulent dans une conduite circulaire ; [Kleefeld et Reibel, 2011] pour l’identification de paramètres liés à la structure du sol et ses propriétés ; [Rouquette, et al., 2007 (b)] pour une mise en œuvre liée au soudage par faisceau d'électrons … 1.4.8. Algorithme génétique Le principe fondamental de cet algorithme consiste à trouver la solution optimale d’un problème posé en se basant sur une population de candidats (solutions) potentiels. Il est à noter qu’il faut disposer d’une population suffisamment grande pour pouvoir estimer l’optimum global et non un optimum local. Les principales étapes à suivre lors de la mise en œuvre de ce type d’algorithme sont définies par : 20 Chapitre 1. État de l’art Algorithme génétique • Création de la population initiale : une population initiale d’individus est créée à partir des données du problème. Plusieurs modes de codage peuvent s’appliquer pour décrire ces individus d’une manière numérique (informatique) tels que le codage binaire (le plus utilisé [Goldberg, 1989]), le codage à caractères multiples, ou encore le codage sous forme d’arbre). • Évaluation de la fonctionnelle pour chaque individu : lors de cette étape, une évaluation (potentiel) est déterminée pour chaque individu afin de définir son adéquation au problème étudié. • Classement des individus selon leur « potentiel » : une hiérarchie des individus selon leurs évaluations est définie. Parmi les différentes méthodes de triage des individus, il est possible de citer : la sélection par roulette, par rang, par tournoi, par élitisme. • Évolution de la population (les individus) par reproduction et mutation : − Reproduction (croisement) consiste à produire des nouveaux individus (nouvelle génération) à partir des individus de la population précédente uniquement. − Mutation permet de changer aléatoirement la valeur de certaines variables dans un individu afin de créer des nouveaux individus avec de nouvelles caractéristiques indépendamment de ses "parents". • Sélection des individus à conserver : lors de cette étape, une sélection des individus est réalisée afin d’identifier les meilleurs individus d’une population et d’éliminer les moins bons. En général, le même nombre d’individus est conservé d’une génération à une autre. Propriétés de l’algorithme génétique Un des intérêts manifeste de cet algorithme est que son principe de fonctionnement est intuitif. Il peut ainsi s’appliquer pour des problèmes présentant des incertitudes ou de grandes complexités dans leurs modélisations mathématiques. Néanmoins, cet algorithme nécessite une forte capacité de calcul pour gérer des populations de grande taille et permettre de nombreuses générations d’individus. Le choix des règles de reproduction, mutation et sélection sont bien souvent empiriques. Cet algorithme a été appliqué par exemple par [Boudreau, et al., 1998], [Karr, et al., 2000], [Wrobel et Miltiadou, 2004], [Liu, 2008], [Adili, et al., 2010], … 21 Chapitre 1. État de l’art 1.5. Régularisation des problèmes inverses La plupart des problèmes inverses s’avèrent mal posés au sens de Hadamard [Hadamard, 1932]. Cette caractéristique traduit l’effet potentiellement rédhibitoire des bruits de mesures, des bruits numériques et des erreurs de modèle, … Ces perturbations (même de faible amplitude) provoquent des erreurs sur les solutions obtenues. Afin de diminuer leur impact sur les paramètres à estimer, plusieurs techniques dites « de régularisation » ont été développées. Dans le cadre des phénomènes thermiques abordés dans ce manuscrit, diverses techniques de régularisation existent dans la littérature : techniques de régularisation de Tikhonov, régularisation par décompositions en valeurs singulières, méthode de spécification de Beck ainsi que les méthodes de régularisations itératives basées sur le calcul du gradient de la fonctionnelle quadratique à minimiser (pour plus de détails sur les problèmes inverses et les méthodes de régularisation, se référer à [Davies, et al., 1999]). 1.5.1. Régularisation de Tikhonov Cette technique plus répandue et plus utilisée lors de la résolution des problèmes inverses mal posés a été introduite pour la première fois par le mathématicien russe Andreï Nikolaïevitch Tikhonov (1906-1993) dans l’ouvrage [Tikhonov et Arsenin, 1977]. L’idée principale de cette méthode consiste à associer un terme de régularisation (ou terme pénalisateur) dans l’expression de la fonctionnelle à minimiser. Pour comprendre le principe de cette méthode, supposons un problème inverse défini par : Ax = y avec A une matrice d’état dont les coefficients appartiennent à du système et y ∈ n , x∈ n le vecteur d’état le vecteur de sortie (vecteur de mesures). Cependant ce problème peut être mal posé au sens d’Hadamard (si A est mal conditionnée et y est bruité (incertain)). La résolution de ce problème inverse a pour objectif d’identifier le vecteur d’état inconnu x en dépit du caractère mal posé du problème. Pour ce faire, considérons : n J: x → a J ( x; R; µ ) = Ax − y + µ Rm x où µ est le coefficient de régularisation ( µ ∈ 2 ) 2 et [ µ Rm ] est la matrice de régularisation (appelée aussi matrice de Tikhonov), avec m l’ordre de régularisation et la norme Euclidienne. Dans ce cas, la solution estimée du problème peut s’exprimer par : { xˆµ = Arg min { J ( x; R; µ )} = Arg min Ax − y + µ Rm x x∈ n x∈ n 2 2 } 22 Chapitre 1. État de l’art Cette précédente expression définie une famille de solutions x̂µ paramétrée par le coefficient de régularisation µ . Notons que la difficulté majeure de cette technique réside dans le choix du coefficient de régularisation µ et de la matrice de régularisation [ µ Rm ] . D’une manière générale, si µ est très grand alors l’effet du terme Ax − y 2 minimisation par rapport au poids du terme µ Rm x est négligeable lors de la procédure de 2 sur la solution recherchée ce qui permet d’éviter le comportement bruité ou mal posé du problème. Cependant, la solution obtenue dans ce cas peut être correcte d’un point de vue mathématique (minimisation du critère), mais indépendante de la physique du problème. Dans le cas opposé, si µ est très petit, alors le terme µ Rm x négligeable et le terme Ax − y 2 2 devient devient prépondérant lors de la résolution. Le problème inverse demeure alors mal posé. La solution obtenue dans ce cas sera biaisée. Afin de fixer la matrice de régularisation d’une manière judicieuse, plusieurs études ont été consacrées au choix du paramètre de régularisation µ , à titre d’exemple le lecteur peut se référer à [Scherzez, et al., 1993], [Gejadze et Jarny, 2002], … Cette technique connaît encore de nombreux développements comme l’atteste la récente publication [Zhao et Meng, 2011]. En outre, parmi les nombreux travaux utilisant cette approche, il est possible de citer la résolution d’un problème inverse de viscosimétrie capillaire par la méthode de régularisation de Tikhonov [Nguyen, et al., 1999] ou encore une publication récente [Azikri de Deus, et al., 2012] relative à un problème inverse d’élasto-plasticité. 1.5.2. Régularisation par décomposition en valeurs singulières La méthode de décomposition en valeurs singulières (Singular Value Decomposition - SVD) fait partie des techniques les plus utilisées pour la factorisation matricielle [Golub et Van Loan, 1996]. Pour comprendre le principe de cette technique lors de la résolution d’un problème inverse, considérons le problème linéaire surdéterminé (c.à.d. le nombre de mesures est plus grand ou égale au nombre d’inconnus) Ax = y avec A une matrice rectangulaire de dimension m ≥ n , x∈ n le vecteur d’état du système et y ∈ m ( m × n) avec le vecteur correspondant aux observations. Cette technique détaillée dans [Thompson et Tripputi, 1994], [Petit et Maillet, 2008] consiste à décomposer la matrice d’état Am×n en trois matrices telles que Am×n = U m×n Wn×n Vn×n , ce qui est tr 0 w1 V , avec : équivalent à écrire : A = U O 0 wn 23 Chapitre 1. État de l’art U m×n est une matrice orthogonale de dimension ( m × n ) , ses vecteurs colonnes sont de norme unité et perpendiculaires deux à deux : U tr U = I n (où I n est la matrice d’identité d’ordre n ). Ses vecteurs colonnes constituent les n premiers vecteurs propres (classés par valeurs propres décroissantes), de la matrice A Atr . Vn×n est une matrice carrée orthogonale (V V tr = V tr V = I n ) , ses vecteurs colonnes sont les n vecteurs propres de la matrice Atr A classés par valeurs propres décroissantes. Wn×n est une matrice carrée diagonale, contenant les valeurs singulières wi ∈ (avec i = 1, ..., n ) rangées par ordre décroissant w1 ≥ w2 ≥ L ≥ wn . Les valeurs singulières de la matrice W sont par définition les racines carrées des valeurs propres de la matrice Atr A . Dans le cas d’une matrice carrée A , les valeurs propres et les valeurs singulières sont identiques. Cette décomposition en valeurs singulières (SVD) peut être réalisée pour toute matrice A [Petit et Maillet, 2008]. En supposant que les valeurs singulières de A ne sont pas nulles, la solution x̂ du problème des moindres carrés ordinaires ( Ax = y ) peut s’exprimer par : 0 1 w1 −1 U xˆ = (U W V ) y = V O 14243 0 1 wn A −1 tr y Cette formule peut s’écrire aussi en utilisant les colonnes des matrices U m×n et Vn×n notées ui de dimension m × 1 et vi de dimension n × 1 , avec i = 1, ..., n . tr xˆ = A−1 y = [ v1 n ou encore : xˆ = ∑ vi i =1 0 u1 1 w1 M y L vn ] O 0 1 wn un 1 tr ui y . Cette dernière équation permet de réordonner la solution x̂ et de wi n l’écrire sous la forme suivante : xˆ = ∑ i =1 uitr y vi . wi Cette dernière expression montre que l’inconnu estimé x̂ peut s’écrire comme une combinaison linéaire des n vecteurs vi qui constituent une base orthonormée de l’espace des inconnus, les coefficients étant les projections du vecteur des données y sur chacun des vecteurs ui , les produits scalaires correspondants étant divisés par la valeur singulière correspondante. 24 Chapitre 1. État de l’art Si une valeur singulière wi devient petite et que la sortie exacte du système possède une composante faible ou nulle, le facteur (1 wi ) va provoquer une instabilité sur l’inconnu recherché x̂ (amplification du rapport signal/bruit). Une solution simple pour éviter ce problème et donc retirer la contribution des valeurs singulières trop faibles ou nulles à l’estimateur, cette solution est obtenue à partir d’une opération de troncature sur l’expression de x̂ . En effet, cette technique de régularisation (SVD) consiste à choisir un ordre de troncature sur les nt valeurs de la formule d’inversion et qui permet d’écrire : xˆ = ∑ i =1 uitr y vi , où nt est l’ordre de wi troncature. Ce paramètre dépend de la stabilité de la solution et il est délicat à choisir (pour plus de détails sur le choix de nt , le lecteur est invité par exemple à consulter [Petit et Maillet, 2008]). Cette technique de régularisation est uniquement applicable pour des problèmes linéaires [Lagier, et al., 2004], [Gutiérrez Cabeza, et al., 2005], [Martin Garcia, et al., 2009], [Chen et Wen, 2012], … 1.5.3. Méthode de spécification de fonction Cette technique proposée par [Beck, et al., 1985] est connue sous le nom de méthode de spécification de fonction ou méthode de Beck. Elle a été mise en œuvre pour la résolution des problèmes inverses dans le domaine thermique (1D et 2D) pour l’estimation de la température pariétale ou de la densité de flux de chauffe surfacique. Elle est présentée dans les travaux de [Cordeiro Cavalcanti, 2006] : le paramètre inconnu p ( t ) est identifié de manière séquentielle à chaque pas de temps ti ( ti ∈ T = 0, t f , t f étant l’instant final) par la minimisation d’une fonctionnelle basée sur l’écart quadratique entre les températures calculées θ (fournies par le modèle direct) et les températures mesurées θˆ pour N C capteurs C j . Cette estimation temporelle du paramètre inconnu p ( t ) est réalisée connaissant ses valeurs précédentes et sa variation temporelle. Pour ce faire, une fenêtre temporelle de quelques pas de temps est considérée afin de prendre en compte l’effet de la variation de l’inconnu p ( ti ) et régulariser la solution. Dans le cas où la fenêtre temporelle est large, la méthode de spécification devient plus stable [Guillot, 2009], cependant cette largeur provoque des erreurs d’estimation plus importantes. À noter que le choix de l’horizon de cette fenêtre dépend du nombre de pas de temps futur et du niveau du bruit de mesure. Le critère quadratique proposé pour calculer la variation de l’inconnu p ( t ) est défini par : 25 Chapitre 1. État de l’art ∑ (θˆ ( C ; t + k δ t ) − θ ( p; C ; t N C nfutur J ( p ( ti ) ) = ∑ j =1 k =1 j i j i + k δt) ) 2 où δ t est le pas de temps futur et nfutur est le nombre total de pas de temps futur. Cette fonctionnelle atteint son minimum si sa dérivée première par rapport à p ( t ) est nulle ( ∂J ( p ) ∂p = 0 ) i.e. : NC nfutur ∂θ ( p; C j ; ti + k δ t ) ∂J ( p ) = 2∑ ∑ θˆ ( C j ; ti + k δ t ) − θ ( p; C j ; ti + k δ t ) =0 ∂p ∂p j =1 k =1 ( où le terme S ( ti ) = ) ∂θ ( p; C j ; ti + k δ t ) ∂p (1. 1) est appelé fonction de sensibilité. D’un point de vue physique, le coefficient de sensibilité est défini comme étant la variation de la température θ ( p; Ci ; ti + k δ t ) (déduite de la résolution du problème direct) provoquée par une variation de la valeur du paramètre δ p = p ( ti + kδ t ) − p ( ti ) . Un développement de Taylor (approximation d’ordre 1) par rapport au paramètre inconnu p ( ti ) permet d’écrire : θ ( C j ; ti + k δ t ) = θ ( C j ; ti ) + ∂θ ( C j ; ti + k δ t ) ∂p δ p. En remplaçant l’équation précédente dans l’expression de la dérivée de la fonctionnelle à minimiser, il vient : δ p = ∂θ ( C j ; ti + kδ t ) θˆ ( C j ; ti + kδ t ) − θ ( C j ; ti ) ∂p 2 NC nfutur ∂θ C ; t + kδ t ( j i ) ∑ ∑ ∂p j =1 k =1 ∑∑ ( N C nfutur j =1 k =1 ) D’où l’expression corrective de p à l’instant ti + kδ t : p ( ti + k δ t ) = p ( ti ) + δ p Différents problèmes inverses ont été traités sur la base de la méthode de spécification de Beck, parmi lesquels [Raudensky, et al., 1995], [Blanc, et al., 1998], [Chantasiriwan, 1999], [Behbahaninia et Kowsary, 2004] et [Cordeiro Cavalcanti, 2005]. 26 Chapitre 1. État de l’art 1.5.4. Méthode de régularisation itérative Un point commun entre la plupart des méthodes itératives est le calcul du gradient ∇J ( x, p ) de la fonctionnelle à minimiser J ( x, p ) . Un des avantages de ces méthodes est qu’elles ne nécessitent pas l’ajout d’un terme de régularisation car la solution se régularise implicitement à chaque itération. Le seul paramètre de régularisation de ces méthodes est défini par la valeur du test d’arrêt J stop qui permet d’arrêter le processus d’itération avant de converger vers les valeurs de solutions affectées par le bruit. La valeur de ce paramètre dépend notamment du type de bruit. Dans ce mémoire, la validation de la robustesse d’une méthode de régularisation itérative (la méthode du gradient conjugué) est réalisée [Alifanov, 1994], [Morozov, 1993] et [Minoux, 2007], … 2. Méthode du gradient conjugué pour résoudre des systèmes linéaires Dans ce paragraphe, la méthode du gradient conjugué (MGC) est mise en œuvre afin de résoudre un système matriciel classique de type Ax = y . Il s’agit par exemple à partir de mesures ou d’observations y ∈ n de déterminer le vecteur inconnu x ∈ n représentant l’état de ce système. Considérant que la matrice An×n est inversible et que le second membre y ∈ n est bruité : y = yˆ + e où ŷ serait la mesure correspondant à un cas idéal (sans bruit). Il est évident que la résolution de x = A−1 y ne permet pas d’obtenir l’estimation du vecteur correct : xˆ = A−1 yˆ . Le cas ( ) où la matrice A comporte des coefficients bruités A = Aˆ + E illustre aussi cette problématique ( x = A−1 y pouvant être fort différent de xˆ = Aˆ −1 yˆ ). Le caractère mal posé de ces problèmes est illustré dans le cas académique des matrices d’Hilbert. 2.1. Illustration du caractère mal posé Définition 2.2. Une matrice d’Hilbert ([Gregory et Karney, 1969], [Khalil, 2008]) est une matrice carrée de dimensions (n × n) de terme général : aˆij = 1 , 1 ≤ i, j ≤ n . Cette matrice est i + j −1 nommée matrice d’Hilbert en référence au mathématicien David Hilbert (1862-1943). Dans ce paragraphe, les matrices d’Hilbert sont notées Aˆ n = aˆij . 27 Chapitre 1. État de l’art 1 Aˆ 2 = 1 2 1 2 1 3 1 1 Aˆ3 = 2 1 3 1 2 1 3 1 4 1 1 2 Aˆ n = 1 3 M 1 n 1 3 1 4 1 5 1 2 1 3 1 4 M 1 n +1 1 3 1 4 1 5 M L L L O 1 L n+2 1 n 1 n +1 1 n+2 M 1 2n − 1 Supposons qu’en absence de bruit, le second membre soit égal à yˆ ( i ) = e− i où e est la fonction exponentielle exp (.) . La solution exacte de xˆ = Aˆ n −1 yˆ est donnée pour plusieurs matrices de Hilbert Aˆ n ci après : pour n = 2 , xˆ = ( 0.6595 , -0.5833) tr pour n = 3 , xˆ = ( -0.0675 , 3.779 , -4.3623) tr pour n = 5 , xˆ = ( -0.5242 , 5.6962 , 8.6565 , -44.3025 , 31.1704 ) tr Effet d’un bruit sur le second membre 1 En présence d’un bruit gaussien y ( i ) = (1 + v ) e −i où v suit une loi normale N 0, , en 100 obtenant les estimations suivantes en inversant la matrice x = Aˆ n −1 y : pour n = 2 , x = ( 0.6871 , -0.6322 ) tr pour n = 3 , x = ( -0.0973 , 3.9353 , -4.5095 ) tr pour n = 5 , x = ( -0.8484 , 11.8928 , -18.3842 , -3.196 , 10.9797 ) tr Il possible de remarquer que plus la dimension de la matrice d’Hilbert augmente, plus l’écart entre x et x̂ augmente. En effet, les matrices d’Hilbert sont mal conditionnées (le rapport entre la plus grande valeur propre et la plus petite valeur propre est « grand » cf. paragraphe 1.2). Sur la Figure 1. 2, le conditionnement de Aˆ n et l’erreur d’estimation (norme euclidienne) x − xˆ sont tracés en fonction de la taille du système n . 28 Chapitre 1. État de l’art 10 10 10 10 10 15 Conditionnement Erreur d'estimation 10 5 0 -5 1 2 3 4 5 6 7 8 9 10 Taille du système : "n" Figure 1. 2. Conditionnement de Aˆ n et erreur d’estimation x − xˆ en fonction de n . Effet d’un bruit sur la matrice 1 Alors que les mesures sont supposées non bruitées, yˆ ( i ) = e− i , un bruit Gaussien N 0, est 100 ajouté sur les coefficients des matrices Aˆ n de manière à ce que aij = (1 + v ) aˆij . La solution de x = An −1 yˆ est donnée pour quelques valeurs de n : pour n = 2 , x = ( 0.6508 , -0.5285 ) tr pour n = 3 , x = ( -0.1086 , 4.5164 , -4.9443) tr pour n = 5 , x = ( -0.8844 , 34.8438 , 74.1549 , -160.9256 , 58.5828 ) tr Les écarts avec la valeur correcte de x̂ sont, dans ce cas aussi, très grands et peuvent être reliés au conditionnement de An (voir Figure 1. 3). 10 10 10 10 10 15 Conditionnement Erreur d'estimation 10 5 0 -5 1 2 3 4 5 6 7 8 9 10 Taille du système : "n" Figure 1. 3. Conditionnement de An et erreur d’estimation x − xˆ en fonction de n . 29 Chapitre 1. État de l’art Bilan relatif à la résolution directe de Ax = y en inversant la matrice A Bien que la matrice A soit inversible, si son conditionnement est mauvais ( 1) alors de très faibles bruits de mesure sur le second membre ou sur la matrice ont un effet dramatique sur l’estimation de x = A−1 y . Dans ce qui suit, une méthode itérative visant à estimer correctement la solution x̂ même en présence de bruits de mesure importants est exposée. 2.2. Méthode du gradient conjugué (MGC) La méthode du gradient conjugué fait partie des méthodes itératives de descente. Ces méthodes sont très répandues dans la littérature [Allaire, 2006], [Minoux, 2007]. Un des principes communs de ces méthodes est la minimisation d’une fonctionnelle J suivant une procédure basée sur l’emploi du gradient de cette fonctionnelle. Soit le problème suivant : Déterminer x ∈ y∈ n n tel que Ax = y avec A une matrice carrée de dimension n définie positive et . Ce problème peut se formuler sous la forme du problème de minimisation suivant : Déterminer x ∈ n telle que la fonctionnelle quadratique J ( x ) soit minimum avec n J: → a x J ( x) = Ax − y = xtr Atr Ax − 2 x tr Atr y + y tr y 2 (1. 2) où . est la norme Euclidienne. Les hypothèses faites sur A montrent que la fonctionnelle J est strictement convexe sur qui implique que le problème (1. 2) admet une solution unique x ∈ n n , ce . La méthode du gradient conjugué consiste à déterminer une nouvelle valeur du vecteur inconnu x à chaque itération k selon la formule suivante : x k +1 = x k + γ k d k , où γ k ∈ * et d k ∈ n . L’algorithme suivant regroupe les principales étapes de la méthode du gradient conjugué associée à la résolution du problème considéré. 30 Chapitre 1. État de l’art Initialiser le nombre d’itérations k à 0, et choisir un vecteur d’état initial x k = 0 , Calculer la valeur initiale du gradient de la fonctionnelle : ( ) ∇J x k = 0 = ∇J k = 0 = ∂J ∂x = 2 Atr Ax k =0 − 2 Atr y . x k =0 Poser : d k =0 = −∇J ( x k = 0 ) (la valeur initiale de la direction de descente). Calculer la valeur initiale de la fonctionnelle : J ( x k =0 ) = Ax k =0 − y . 2 Pour k = 1: maxiter ( maxiter est le nombre maximal d’itérations) ( ( ) tr • k −1 d k −1 1 ∇J k −1 Calculer la profondeur de descente : γ = ∈ 2 d k −1 T A d k −1 • Calculer la nouvelle valeur de l’itéré : x k = x k −1 + γ k −1d k −1 , • Calculer la nouvelle valeur de la fonctionnelle : J x k +1 = Ax k − y . ) ( ∗ , ) 2 − Si J ≤ ε (le test d’arrêt), alors stopper l’algorithme et considérer que le vecteur actuel x k +1 est une estimation du vecteur inconnu x̂ , − Sinon, continuer la procédure itérative. • ( Calculer la prochaine direction de descente : d = − ∇J k k )+ ∇J k ∇J 2 k −1 2 d k −1 , Fin pour ; Le comportement de cet algorithme de minimisation est analysé en considérant l’exemple précédent des matrices d’Hilbert. 2.3. Mise en œuvre de la MGC pour les matrices d’Hilbert Considérant que la matrice d’état est une matrice d’Hilbert, quatre cas seront traités : absence de bruit ( Aˆ n ( y = yˆ ) , avec un vecteur de sortie bruitée ) ( ŷ = y + e ) , avec une matrice d’état bruitée ( ) = An + E , et avec un vecteur de sortie et une matrice d’état bruités yˆ = y + e et Aˆ n = An + E . Pour d’autres exemples de systèmes matriciels, différents cas avec des matrices de dimensions ( 4 × 4 ) sont traités par [Abou-Khachfe, 2000]. 31 Chapitre 1. État de l’art 2.3.1. Système non bruité Considérons la matrice d’Hilbert Â5 et le vecteur de sortie ŷ défini par : y ( j ) = e− j pour 1 ≤ j ≤ n où n est la dimension de la matrice. La solution correcte de l’équation Aˆ5 xˆ = yˆ est donnée dans le tableau suivant. Tableau 1. 1. Solution exacte de l’équation Aˆ5 xˆ = yˆ . xˆ (1) = −0.5242 xˆ ( 2 ) = 5.6962 xˆ ( 3) = 8.6565 xˆ ( 4 ) = −44.3025 xˆ ( 5 ) = 31.1704 Un choix du vecteur initial est x k =0 ( i ) = i ; le test d’arrêt ε est fixé à ε = 10−12 (ces deux choix sont arbitraires). Les résultats de la mise en œuvre de la méthode du gradient conjugué dans le but de déterminer le vecteur d’état inconnu x en minimisant la fonctionnelle quadratique J ( x) = Aˆ5 x − yˆ Fonctionnelle J(x) à chaque itération k peuvent être résumés par les figures et le tableau suivants : 10 10 10 10 10 5 0 -5 -10 -15 0 2 4 6 8 10 Itérations k Erreur d'estimation Figure 1. 4. Évolution de la fonctionnelle J ( x ) en fonction des itérations k (cas non bruité) 10 10 10 10 2 0 -2 -4 0 2 4 6 8 10 Itérations k Figure 1. 5. Évolution de l’erreur d’estimation en fonction des itérations k (cas non bruité). 2 32 Chapitre 1. État de l’art Les valeurs de la fonctionnelle présentées sur la figure précédente sont aussi résumées dans le tableau suivant. Tableau 1. 2. Les valeurs de la fonctionnelle J ( x ) en fonction des itérations (cas non bruité). Itération k J ( x) 0 50.2 1 1.4 2 3 5 8 2 10 −3 5 10 −5 5 10 −5 2 10−9 … … 11 10−15 Les composantes du vecteur solution déterminées à l’aide de la MGC sont présentées en fonction des itérations k dans le tableau suivant : Tableau 1. 3. Les valeurs du vecteur d’état x en fonction des itérations (cas non bruité). Itération k 0 1 2 3 4 5 10 11 x1 x2 x3 x4 x5 1 2 3 4 5 -2.3594 -0.0153 1.5227 2.8243 4.0201 1.1125 -1.5978 -0.9266 0.2601 1.5389 0.2903 1.1862 -0.4761 -0.9309 -0.6188 0.1829 2.1822 -2.0109 -1.4671 0.6647 -0.8287 11.4515 -16.3077 -6.4643 12.6138 -0.5448 6.0737 7.0303 -41.8381 29.9593 -0.5242 5.6962 8.6565 -44.3024 31.1703 Les figures et les tableaux précédents confirment la convergence de la méthode du gradient conjugué vers la bonne solution. 2.3.2. Sortie bruitée Pour ce second cas, la sortie du système est perturbée avec de très faibles variations représentées par un bruit blanc Gaussien telle que y ( i ) = (1 + v ) e −i où v suit une loi normale 1 N 0, . Les résultats sont montrés sur les figures et tableaux suivants. 100 33 Fonctionnelle J(x) Chapitre 1. État de l’art 10 10 10 10 10 5 0 -5 -10 -15 0 2 4 6 8 10 Itérations k Erreur d'estimation Figure 1. 6. Évolution de la fonctionnelle en fonction des itérations k (mesures bruitées) 10 10 10 2 1 0 0 2 4 6 8 10 Itérations k Figure 1. 7. Évolution de l’erreur d’estimation en fonction des itérations k (mesures bruitées). Tableau 1. 4. Les valeurs de la fonctionnelle J ( x ) en fonction des itérations (mesures bruitées). Itération k J ( x) 0 1 50.2 1.45 2 2 10 3 −3 5 10 −5 … … 5 4 10 −8 … … 8 3 10 −9 … … 10 3 10 11 −9 4 10−14 34 Chapitre 1. État de l’art Tableau 1. 5. Les valeurs du vecteur d’état x en fonction des itérations (mesures bruitées). x4 x5 x − xˆ 1 2 3 -2.3586 -0.01 1.5231 1.1156 -1.5984 -0.9279 0.2967 1.1743 -0.4793 0.1086 2.8867 -3.1218 -0.8202 11.42141 -16.2825 4 2.8245 0.2587 -0.9276 -1.8516 -6.4519 5 4.0203 1.5375 -0.6115 1.5965 1.2598 55.37 55.18 54.88 54.74 53.14 49.32 8 -0.5005 5.392 9.8557 -46.0686 32.0301 2.3215 11 -0.4667 4.7385 12.7055 -50.3887 34.1454 7.95 Itération k 0 1 2 3 4 5 x1 x2 x3 Alors que la minimisation de la fonctionnelle converge après 11 itérations de manière à ce que ( ) J x k =11 < 10 −12 , le vecteur d’état estimé à k = 11 est très différent par rapport au vecteur d’état réel (obtenu sans bruit). Le vecteur solution obtenu à l’itération 8 est le plus proche du vecteur d’état réel. Ces résultats illustrent qu’il est nécessaire de stopper le processus de minimisation avant d’obtenir la solution x de Â5 x = y qui respecte le critère d’arrêt. En effet, les premières itérations permettent de tendre vers la solution x̂ de Aˆ5 xˆ = yˆ alors que trop d’itérations conduisent à vouloir « donner du sens au bruit ». Après avoir montré l’effet de la perturbation du vecteur de sortie sur la solution du vecteur d’état estimé, l’exemple suivant illustre le cas d’un système A5 x = yˆ où la matrice A5 est légèrement perturbée. 2.3.3. État du système bruité 1 Alors que les mesures sont supposées non bruitées, yˆ ( i ) = e− i , un bruit Gaussien N 0, 100 est ajouté sur les coefficients de la matrice Aˆ n de manière à ce que aij = (1 + v ) aˆij . La mise en œuvre de la méthode du gradient donne les résultats suivants : 35 Fonctionnelle J(x) Chapitre 1. État de l’art 10 10 10 10 10 10 5 0 -5 -10 -15 -20 0 1 2 3 4 5 6 7 8 Itérations k Erreur d'estimation Figure 1. 8. Évolution de la fonctionnelle en fonction des itérations k (matrice bruitée) 10 10 10 2 1 0 0 1 2 3 4 5 6 7 8 Itérations k Figure 1. 9. Évolution de l’erreur d’estimation en fonction des itérations k (matrice bruitée) Tableau 1. 6. Les valeurs de la fonctionnelle J ( x ) en fonction des itérations (matrice bruitée). Itération k J ( x) 0 1 50.2 1.5 2 3 6 7 8 3 10−3 4 10 −5 2 10−6 2 10 −10 10−19 Tableau 1. 7. Les valeurs du vecteur d’état x en fonction des itérations (matrice bruitée). Itération k 0 1 2 3 4 x1 x2 x3 x4 x5 x − xˆ 1 -2.3576 1.1094 0.2894 0.3069 2 -0.0040 -1.4897 1.2058 0.9500 3 1.5320 -0.9548 -0.7348 -0.1483 4 2.8326 0.1872 -0.7725 -0.9087 5 4.0252 1.4375 -0.4626 -0.7168 55.37 55.18 54.86 54.81 54.78 6 -0.8158 6.3240 9.0786 -44.4680 30.3729 1.15 8 -0.8807 6.6530 9.6437 -47.1536 32.2842 3.37 36 Chapitre 1. État de l’art Les mêmes remarques que précédemment peuvent être considérées. L’algorithme de minimisation permet de faire tendre la fonctionnelle J ( x ) vers 0 et donc de résoudre A5 x = yˆ . Afin d’obtenir une meilleure estimation de x̂ solution de (1. 1), il faut stopper l’algorithme alors que le critère continue à décroitre. Après avoir testé l’effet de perturbations sur la sortie et l’état du système séparément, l’exemple suivant illustre un cas général de l’estimation d’état par la méthode du gradient conjugué en présence des légères perturbations sur l’état et sur la sortie du système. 2.3.4. État et sortie du système bruités Une combinaison entre les deux précédentes configurations (cf. paragraphes 2.3.2 et 2.3.3) est retenue lors de ce dernier cas. L’état et la sortie du système sont affectés par des bruits additifs de type Gaussien, tels que y ( i ) = (1 + v ) e −i et aij = (1 + w ) aˆij (les coefficients de la matrice Aˆ n ), où v 2 1 et w suivent deux lois normales exprimées respectivement par N v 0, et N w 0, . Les 100 100 résultats obtenus par la mise en œuvre de la méthode du gradient conjugué pour identifier le vecteur Fonctionnelle J(x) d’état du système sont résumés par les figures et les tableaux suivants : 10 10 10 10 10 10 5 0 -5 -10 -15 -20 0 1 2 3 4 5 6 7 8 Itérations k Figure 1. 10. Évolution de la fonctionnelle en fonction des itérations k (matrice et mesures bruitées). 37 Erreur d’estimation Chapitre 1. État de l’art 10 1 0 1 2 3 4 5 6 7 8 Itérations k Figure 1. 11. Évolution de l’erreur d’estimation en fonction des itérations k (matrice et mesures bruitées). Tableau 1. 8. Les valeurs de la fonctionnelle J ( x ) en fonction des itérations (matrice et mesures bruitées). 0 1 2 3 6 7 8 Itération k −3 −5 −10 −6 J ( x) 3 10 4 10 5 10 3 10−19 50 1.5 10 Tableau 1. 9. Les valeurs du vecteur d’état x en fonction des itérations (matrice et mesures bruitées). x1 x2 x3 x4 x5 Itération k x − xˆ 0 1 2 3 4 1 -2.3543 1.1155 0.2098 0.1970 2 -0.0021 -1.4876 1.5085 1.6027 3 1.5334 -0.9558 -0.7693 -0.8046 4 2.8337 0.1854 -0.8622 -1.2024 5 4.0261 1.4352 -0.6325 -0.3220 55.37 55.18 54.86 54.82 54.37 6 -1.1709 8.1440 10.6073 -54.6342 37.7452 12.66 8 -1.1717 8.1461 10.6110 -54.6498 37.7568 12.68 Cet exemple montre la convergence du critère J ( x ) après 8 itérations, cependant le vecteur d’état identifié est trop éloigné du vecteur d’état réel (voir Tableau 1. 2 et Tableau 1. 9) ce qui confirme la convergence du vecteur d’état estimé vers le vecteur d’état du système bruité (les remarques précédentes illustrées d’après les cas présentés dans les paragraphes (2.3.2) et (2.3.3) confirment ces résultats). Afin d’obtenir une meilleure estimation de x̂ solution de Aˆ5 xˆ = yˆ , il est nécessaire d’arrêter l’algorithme avant de prendre le bruit en considération. 38 Chapitre 1. État de l’art 2.4. Analyses des résultats L’ensemble des résultats obtenus montrent la robustesse de la MGC lors de la minimisation de la fonctionnelle J ( x ) . En présence d’un second membre bruité ou bien lorsque la matrice est perturbée, il est nécessaire de disposer d’un test d’arrêt judicieux qui prend en considération ces perturbations afin de stopper l’algorithme avant de s’éloigner de la meilleure solution. Le choix de ce test d’arrêt est discuté ultérieurement dans le cadre de cette étude. La résolution du problème précédent (de type Ax = y ) dans le but de déterminer le vecteur d’état x représente un problème classique souvent appelé dans la littérature « problème d’estimation d’état ». Plusieurs méthodes et algorithmes d’optimisation ont été développés pour résoudre ce type de problèmes. L’étude abordée précédemment concerne une de ces méthodes (gradient conjugué) et dans ce qui suit, une autre méthode classique très répandue tant dans le domaine industriel que dans le domaine académique est présentée. Celle ci a été présentée par Rudolf Emil Kalman à la fin de l’année 1961 et est connue comme le filtre de Kalman [Kalman, 1960], [Kalman, et al., 1961]. Dans ce qui suit, une illustration didactique de la résolution d’un problème d’identification par le filtre de Kalman pour un circuit électrique est proposée. 3. Mise en œuvre du filtre de Kalman pour l’identification paramétrique Cette section est dédiée à la mise en œuvre de l’algorithme du filtre de Kalman dans le cadre d’un système physique dont l’état peut être obtenu en résolvant un système matriciel de type Ax = y . La situation étudiée concerne un circuit électrique extrêmement académique. 3.1. Modélisation Soit le circuit RLC présenté sur la figure suivante : Figure 1. 12. Circuit RLC. 39 Chapitre 1. État de l’art Les lois fondamentales de l’électricité permettent d’écrire : di (t ) 1 1 di (t ) − R e(t ) = Ri (t ) + L dt + v(t ) dt = L i (t ) − L v(t ) + L e(t ) dv(t ) dv(t ) 1 ⇔ = i (t ) i (t ) = C dt C dt y (t ) = v(t ) y (t ) = v(t ) (1. 3) où y ( t ) = v ( t ) est la grandeur observée. L’équation du second degré est facile à résoudre et pour un échelon en entrée de E = 10 V et les données suivantes : R = 2000 Ω ; L = 0.01 H ; C = 10 ηF la solution est : E − τt i ( t ) = − te L t v ( t ) = E 1 + τ t −τ e (1. 4) L’évolution du courant i ( t ) et de la tension aux bornes du condensateur v ( t ) est représentée ci- i(t) en A après. 4 x 10 -3 3 2 1 0 0 0.5 1 1.5 2 2.5 3 3.5 4 -5 x 10 Temps en secondes Figure 1. 13. Évolution du courant dans le circuit RLC. 40 v(t) en V Chapitre 1. État de l’art 10 8 6 4 2 0 0 0.5 1 1.5 2 2.5 3 3.5 4 -5 x 10 Temps en secondes Figure 1. 14. Évolution de la tension aux bornes du condensateur dans le circuit RLC. Dans ce qui suit, le filtre de Kalman est utilisé pour identifier en ligne le couple ( i ( t ) , v ( t ) ) à partir d’observations bruitées de la tension aux bornes du condensateur y ( t ) = v ( t ) + z ( t ) où z ( t ) y(t) en V est un bruit blanc Gaussien d’écart type égal à 1. 15 10 5 0 -5 0 0.5 1 1.5 2 2.5 3 3.5 4 -5 x 10 Temps en secondes Figure 1. 15. Observations de la tension aux bornes du condensateur. 3.2. Discrétisation du modèle mathématique Une représentation d’état du système RLC étudié est ; di (t ) − R dt L = dv(t ) 1 dt C −1 1 L i (t ) + L e(t ) v(t ) 0 0 i (t ) y (t ) = v(t ) + z (t ) = [ 0 1] + z (t ) v(t ) 41 Chapitre 1. État de l’art Sous une forme discrète où le pas de temps est ∆t , les états et sorties sont obtenues itérativement : −∆t i (k ) − R∆t +1 ∆t i (k + 1) L L = + L e( k ) v(k + 1) ∆t 1 v(k ) 0 C i ( k ) y (k ) = v(k ) + z (k ) = [ 0 1] + z (k ) v(k ) Le système matriciel à résoudre s’écrit : X k +1 = AX k + Be k k k k y = CX + z Pour ce système, le filtre de Kalman est mis en œuvre. 3.3. Filtre de Kalman discret D’une manière générale, le filtre de Kalman vise à reconstruire l’état d’un système à partir d’observations bruitées. Un des points forts de ce filtre est sa capacité à estimer les paramètres inconnus et rectifier les erreurs (les bruits) de système et de mesure. En outre, ce filtre calcule une matrice de covariance de l’erreur de système informant sur la précision du système. Néanmoins ce filtre nécessite la connaissance des covariances des bruits. Pour comprendre le principe de ce filtre appliqué au circuit RLC , le système suivant est considéré : k +1 k k k x = Ax + Bu + Gw k k k y = Cx + v (1. 5) où : k sont les instants successifs du temps, xk ∈ n et y k ∈ m sont respectivement les vecteurs d’état et de sortie (mesure ou observation) du système à l’instant k, uk ∈ l wk ∈ l est l’entrée du système, est le bruit du modèle (système) et v k ∈ m est le bruit de mesure. Ces bruits sont supposés Gaussiens de moyennes nulles et leurs matrices de covariance sont notées respectivement W et V . L’algorithme du filtre de Kalman discret (FKD) utilisé par la suite est défini comme suit [Simon, 2006] : 42 Chapitre 1. État de l’art Algorithme du Filtre de Kalman Discret (FKD) 1. Étape d’initialisation : − Initialisation : k = 0, − Choix du vecteur d’état initial x k = 0 et d’état estimé xˆ k =0 = x k =0 (dans le cas proposé, aucune incertitude est considérée sur l’état initial : P k =0 = 0 ) − Calcul de la Covariance des erreurs de mesure (bruit de mesure) V = σ y2 et la covariance des erreurs de modèle W = σ x2 . 2. Étape d’estimation à l’itération k + 1 : − Calcul du gain de Kalman K k ( K k = ( AP k Atr + GWG tr ) C tr C ( AP k Atr + GWG tr ) C tr + V ) −1 − Estimation de la nouvelle valeur de l’itéré xˆ k +1 : xˆ k +1 = ( I − K k C ) Axˆ k + ( I − K k C ) Bu k + K k y k − Calcul de la matrice de covariance de l’erreur d’estimation P k +1 : P k +1 = ( I − K k C )( AP k Atr + GWG tr ) 3. k ← k + 1 et poursuivre à l’étape 2. 3.4. Mise en œuvre du FKD pour le circuit RLC Cet algorithme est mis en œuvre à partir des données bruitées (voir Figure 1. 15) en i (0) 0 considérant un état initial où le système est au repos : = v(0) 0 Premier cas : V = σ y2 = 1 et W = σ x2 = 0 . Les résultats sont présentés sur les courbes suivantes (les évolutions correctes sont celles données par les équations (1. 4)). 43 i (t) en A Chapitre 1. État de l’art 4 x 10 -3 i(t) réel i(t) estimé 3 2 1 0 0 0.5 1 1.5 2 2.5 3 3.5 4 -5 x 10 Temps en secondes Tension en V Figure 1. 16. Courant estimé et courant réel. 15 10 v(t) y(t) v(t)estimée 5 0 -5 0 0.5 1 1.5 2 2.5 3 3.5 4 -5 x 10 Temps en secondes Figure 1. 17. Tension réelle, mesurée et estimée. L’erreur relative maximale est de l’ordre de 4% sur le courant. Second cas : V = σ y2 = 1 et W = σ x2 = 1 . Dans cette situation, considérant que la tension d’alimentation est bruitée par un bruit blanc Gaussien d’écart type égal à 1V. Dans ce cadre, l’erreur relative maximale est de l’ordre de 5.5% sur le courant. Les résultats obtenus montrent que l’état est estimé correctement. Les bruits de mesures n’affectent pas dramatiquement l’identification. Toutefois, il est nécessaire de mentionner que la précision de ce filtre dépend du pas d’échantillonnage en temps et en espace ainsi que des variances supposées connues des bruits de mesure et de système. 44 Chapitre 1. État de l’art 4. Bilan du chapitre Dans ce chapitre, un aperçu historique avec quelques rappels sur la définition et les propriétés des problèmes inverses ont été présentés. À travers les deux derniers paragraphes de la première section, diverses applications des problèmes inverses sont détaillées. Un bref panorama de quelques méthodes classiques pour résoudre de nombreuses classes des problèmes inverses est proposé. Quelques méthodes de régularisation sont exposées dans la dernière partie de cette section. Un premier cas de résolution d’un problème inverse académique présenté sous forme matricielle a été abordé pour illustrer la mise en œuvre de la méthode de minimisation du gradient conjugué (MGC). Différentes situations sont étudiées sans et avec bruits de mesure et de système dans la seconde section. Dans la troisième section, un second cas d’estimation d’une fonction inconnue a été traité. Il s’agit d’un problème d’identification d’un circuit électrique de type RLC. Ce dernier problème a été reformulé et résolu par la mise en œuvre du filtre de Kalman discret (FKD). CHAPITRE 2 Problèmes inverses en thermique : exemple introductif Sommaire 1. Différents modes de transfert de chaleur ................................................................................... 47 1.1. Transfert de chaleur par conduction................................................................................... 47 1.2. Transfert de chaleur par convection ................................................................................... 48 1.3. Transfert de chaleur par rayonnement ............................................................................... 48 1.4. Conditions aux limites spatio-temporelles ......................................................................... 49 1.5. Mesure de température ....................................................................................................... 51 2. Exemple d’un transfert thermique unidimensionnel.................................................................. 51 2.1. Quelques repères historiques sur les problèmes inverses en thermique ............................ 51 2.2. Problème direct .................................................................................................................. 52 3. Résolution du PICC-1D ............................................................................................................. 57 3.1. Filtre de Kalman discret (PICC-1D) .................................................................................. 57 3.2. Méthode du gradient conjugué (PICC-1D) ........................................................................ 61 4. Bilan de chapitre ........................................................................................................................ 74 Depuis plusieurs décennies, la résolution de problèmes inverses en génie thermique est une étape essentielle pour de nombreuses applications d'ingénierie. En effet, l’identification paramétrique peut permettre de mieux comprendre et/ou maîtriser les phénomènes qui se produisent dans des contextes expérimentaux. Comme mentionné précédemment (cf. sous-section 1.3 du chapitre 1), les procédés thermiques ont été largement étudiés dans la littérature relative à la résolution de problèmes inverses. Parmi les diverses applications dans le domaine du génie thermique, plusieurs modes de transfert de chaleur (conduction, rayonnement, convection, ainsi que leurs couplages avec d’autres phénomènes multi-physiques, …) sont concernés, au sein de différentes géométries et en présence de diverses conditions aux limites (de type Neumann, Dirichlet ou mixte) et initiales (voir sous section 1.4). De manière non exhaustive les objectifs suivants peuvent être mentionnés : la validation des modèles numériques prédictifs, l'identification des systèmes dynamiques, l’estimation des propriétés thermo-physiques ou le diagnostic des matériaux, ... 46 Chapitre 2. Problèmes inverses en thermique : exemple introductif L’identification paramétrique est nécessaire lorsque une ou plusieurs entrées du système (paramètres thermo-physiques, condition initiale, conditions aux limites, …) sont inconnues. Une procédure d’estimation doit alors être développée afin de les identifier. Cette dernière est mise en œuvre en réalisant des mesures de températures (parfois de flux) ponctuelles (par thermocouple par exemple) ou surfacique (pyrométrie, caméra IR). Compte tenu des forts intérêts et des différentes applications de l’identification paramétrique dans le domaine du génie thermique, la littérature qui s'y rapporte est assez large, avec diverses géométries et configurations pour une grande variété d’objectifs d’identification tels que : conditions initiales [Muniz, et al., 1999], coefficients aux limites lors d’échanges thermiques [Li et Yan, 2003], paramètres thermiques [Telejko et Malinowski, 2004] ou caractérisation d’une source de chauffe [Abou-Khachfe, 2000]. Dans ce contexte de génie thermique, différentes applications sont traitées dans de récentes références : contrôle des procédés de soudage à l'aide d’observations non intrusives [Silva, et al., 2003], [Wippo, et al., 2012] ; prédiction de l'effet thermique des armes Laser à Haute Énergie (LHE) afin de prédire les dommages potentiels sur une cible [Zhou, et al., 2010] ; estimation de la température dans les tissus humains soumis à une brûlure par laser [Museux, et al., 2012]. Plusieurs études ont été traitées dans une géométrie unidimensionnelle [Silva Neto et Özisik, 1993 (a)], bidimensionnelle (cf. [Abou-Khachfe et Jarny, 2000-2001] et [Lefèvre et Le Niliot, 2002]), et tridimensionnelle [Beddiaf et al., 2012 (a) & (b)]). Pour d’autres applications dans le secteur du génie thermique, plusieurs ouvrages peuvent être cités également, parmi lesquels, il est possible de se référer à [Beck et Arnold, 1977], [Tikhonov et Arsenin, 1977], [Beck, et al., 1985], [Murio, 1993], [Hensel, 1991], [Alifanov, 1994], [Alifanov, et al., 1995], [Minkowycz et Sparrow, 1997], [Trujillo et Busby, 1997], [Özisik et Orlande, 2000], [Woodbury, 2002], [Tarantola, 2005], … De tels problèmes inverses sont mal posés au sens d’Hadamard [Hadamard, 1932], [Beck, et al., 1985] et [Hensel, 1991]. Plusieurs approches de résolution peuvent être mise en œuvre telles que : la décomposition en valeurs singulière [Hensel, 1991], la régularisation de Tikhonov [Alifanov, 1994] et la spécification de fonction [Blanc, et al., 1998], ... S’inscrivant dans le cadre de l’identification paramétrique, le présent chapitre a pour objectif la présentation et la résolution d’un problème inverse en génie thermique. Avant de proposer un exemple illustratif de transfert de chaleur, quelques notions générales sont rappelées. Dans la section 2 de ce chapitre, un succinct balayage historique au sujet des problèmes inverses en thermique est exposé, puis un exemple introductif de transfert de chaleur par conduction et convection au sein d’une géométrie unidimensionnelle (PDCC-1D) est présenté, modélisé et résolu numériquement (par le biais du solveur de Comsol Multiphysics™ interfacé avec Matlab®). Dans Chapitre 2. Problèmes inverses en thermique : exemple introductif 47 la section 3, un problème inverse associé à l’exemple thermique est formulé (PICC-1D) afin d’identifier un paramètre inconnu. La résolution de ce problème est réalisée par la mise en œuvre de deux méthodes classiques de l’identification paramétrique : le filtre de Kalman discret (FKD) et la méthode de régularisation itérative du gradient conjugué (MGC). Les résultats obtenus par chacune de ces méthodes sont analysés et comparés entre eux. Ce chapitre se termine par un bilan général qui résume l’ensemble des travaux réalisés. 1. Différents modes de transfert de chaleur Il existe trois principaux modes de transfert de chaleur : la conduction, le rayonnement et la convection (ainsi que le couplage de ces modes entre eux). 1.1. Transfert de chaleur par conduction La conduction est un phénomène de diffusion de la chaleur qui permet à la chaleur de se propager à l'intérieur d'un corps solide. Ce transfert de chaleur résulte d'un transport d'énergie cinétique entre les particules ou groupes de particules à l'échelle atomique (voir Figure 2. 1). Un flux de chaleur φ apparaît entre le milieu chaud (à la température θ1 ) et le milieu froid (à la température θ 2 ). Figure 2. 1. Transfert de chaleur par conduction. En général, ce type de transfert est négligeable dans les milieux liquides et gazeux. Le flux de chaleur transféré par conduction dans une direction est proportionnel au gradient de la température dans cette direction. Il s’agit de la loi de Fourier (1822), où le flux de chauffe transféré dans la direction x est exprimé par : φ = −λ W.m -1.K -1 ). ∂θ en W.m -2 , ( λ est la conductivité thermique exprimée en ∂x 48 Chapitre 2. Problèmes inverses en thermique : exemple introductif 1.2. Transfert de chaleur par convection La convection est un mode de transfert de chaleur induit par un fluide en mouvement en présence d’un gradient de température. Cette convection peut être naturelle (se produit à partir de différence de masse volumique due aux différences de températures), ou forcée (réalisée à partir des moyens mécaniques tels que des ventilateurs, des pompes, ...). Ce mode représente le mode de transfert privilégié dans les échangeurs thermiques. Un exemple mixte de transfert de chaleur par convection naturelle (libre) et forcée est présenté par la Figure 2. 2. Figure 2. 2. Transfert de chaleur par convection. Ce mode de transfert est en général extrêmement complexe à modéliser à l’aide d’un modèle mathématique de connaissance (basé sur les équations de Navier-Stokes). Dans des configurations académiques, un modèle de type boite grise est souvent considéré où l’expression de la densité de flux lors d’un transfert de chaleur par convection est donnée par : φ = h (θ P − θ F ) , où h est le coefficient d’échange convectif en ( W.m -2 .K -1 ) , θ P et θ F sont respectivement la température de la paroi et la température du fluide. Le coefficient d’échange convectif est difficilement mesurable mais selon des géométries de référence (plaque plane, verticale, …) différentes valeurs peuvent être trouvées dans la littérature [Sacadura, 1993]. 1.3. Transfert de chaleur par rayonnement Le rayonnement est un flux d’ondes électromagnétiques émises par tous les corps quelle que soit leur température. Ce type de transfert de chaleur ne nécessite aucun support matériel (voir Figure 2. 3). Les gaz, les liquides et les solides sont capables d'émettre et d'absorber les rayonnements thermiques. Ce transfert dépend de la nature des corps : type de matériau, couleur, orientation ou nature de la surface, … L’expression simplifiée de la densité de flux rayonnée a été définie par Stefan-Boltzmann : φ = σε (θ14 − θ 24 ) , où σ = 5.67 10−8 W.m -2 .K -4 est la constante de Chapitre 2. Problèmes inverses en thermique : exemple introductif 49 Stefan-Boltzmann et ε est l’émissivité de la surface ( 0 ≤ ε ≤ 1) , θ1 et θ 2 étant les températures des surfaces en regard. Figure 2. 3. Transfert de chaleur par rayonnement. En général ces trois modes de transferts (conduction, convection et rayonnement) coexistent au sein d’un même procédé. La modélisation mathématique des phénomènes thermiques correspondants à un ou plusieurs modes de transfert de chaleur (mentionnés précédemment) est basée sur un bilan énergétique qui décrit l’échange de la quantité de chaleur entre le domaine considéré et l’extérieur par unité de temps. De plus des conditions initiales et d’échanges aux frontières doivent être considérés. 1.4. Conditions aux limites spatio-temporelles 1.4.1. Condition initiale Cette condition définit l’état thermique originel du domaine : en général la température à l’instant initial. Cette condition décrivant la distribution spatiale de température (notée θ0 ( x ) ou bien θ0 dans le cas d’une température uniforme) à l’intérieur du domaine est supposée connue initialement. Il existe cependant une classe de problèmes inverses en thermique visant à reconstruire l’état initial inconnu. 1.4.2. Conditions aux limites Ces conditions décrivent des contraintes thermiques imposées sur les bords du domaine au cours du temps. En général, trois types de conditions aux limites sont distingués. Température imposée : cette condition est aussi dite condition de Dirichlet. Il s’agit d’imposer l’évolution d’une température sur une ou plusieurs frontières du domaine. En 50 Chapitre 2. Problèmes inverses en thermique : exemple introductif pratique, il s’avère souvent extrêmement délicat d’imposer une température expérimentalement. Densité du flux imposée : cette condition est aussi appelée condition de Neumann. Elle traduit le fait d’imposer une densité du flux sur une ou plusieurs limites du domaine. Cette condition doit être considérée lors de transferts convectifs ou radiatifs. Sa modélisation ∂θ mathématique est : −λ uur = φ ( t ) , où φ ( t ) est l’intensité de la densité de flux imposée en ∂n W.m -2 (cette valeur peut être constante ou peut éventuellement dépendre du temps t ), λ ∂θ est la conductivité thermique du matériau donnée en W.m -1.K -1 et uur désigne la dérivée ∂n normale de la température θ dirigée vers l’extérieur (cette dérivée représente la quantité scalaire du gradient de température ou la magnitude de celui-ci [Battaglia, et al., 2010]). Dans le cas où une frontière du domaine est isolée thermiquement (aucun échange), alors ∂θ −λ uur = 0 sur cette frontière. ∂n Condition mixte : cette condition est parfois nommée condition de Fourier, condition de convolution ou condition de transfert linéaire à la surface ou encore condition de transfert par coefficient d’échange. En fait, cette condition est une conséquence du bilan thermique au niveau de l’interface du domaine [Battaglia, et al., 2010]. Cette condition fournit souvent une description de l’évolution d’une densité du flux traversant la surface frontière d’un domaine avec une relation de proportionnalité liée à la différence de température (une imposée au point C par exemple et l’autre comme une température de référence notée θ∞ [Sacadura, 1993]) telle que : φ = h (θC − θ∞ ) avec h le facteur de proportionnalité ou encore le coefficient d’échange (ou de transfert) thermique ayant pour unité de mesure W.m -2 .K −1 . Expérimentalement, ce dernier est très difficile à appréhender et des hypothèses simplificatrices sont considérées dans diverses situations académiques et pratiques. Il est important de mentionner également que cette condition est plus particulièrement utilisée lors de la modélisation des transferts thermiques en surface d’un matériau en contact avec un fluide en mouvement. Pour approfondir au sujet de ces conditions aux frontières, il est conseillé par exemple de se référer à [Sacadura, 1993], [Battaglia, et al., 2010], [Radenac, 2006], .... Chapitre 2. Problèmes inverses en thermique : exemple introductif 51 Afin de résoudre un problème inverse, il est nécessaire de disposer de mesures de températures. Dans le paragraphe suivant, quelques éléments de thermométrie sont très brièvement exposés. 1.5. Mesure de température Dans le cas où des mesures ponctuelles de température sont requises, des capteurs avec contact peuvent être utilisés (thermocouples, thermistances, …). Néanmoins, la mise en œuvre peut être assez rapidement limitée par le nombre de points de mesure souhaités. De plus, des erreurs de positionnement ne sont généralement pas négligeables et le contact rarement parfait (soudure, présence d’une graisse conductrice, …). La présence du capteur lui-même modifie les phénomènes thermiques ce qui provoque par la suite des mesures erronées (bruit, retard, …). Enfin, pour certains types de matériaux, il peut s’avérer délicat de placer des capteurs du fait des caractéristiques physiques, thermo-physiques, électriques, …du milieu lui-même. Dans le cas des phénomènes thermiques dans des milieux gazeux ou liquides, les capteurs placés sur les parois de l’enceinte où le phénomène se produit mesurent des températures différentes des températures réelles du fluide. Lors de certaines expériences, il n’est pas possible de mesurer la température par des capteurs au contact direct du matériau. Le choix s’oriente alors vers des capteurs à distance qui mesurent le rayonnement émis par la surface visée. Les principaux attraits de ce type de mesure résident en la sensibilité des capteurs aux petites variations de température ainsi qu’en mesure quasi-instantanée. Néanmoins, ces capteurs non intrusifs (pyromètre, caméra infrarouge) sont beaucoup plus chers que les thermocouples. Pour approfondir au sujet de la thermométrie par rayonnement, une démarche détaillée a été proposée par exemple dans [Legrand, 2002]. Dans ce qui suit, la résolution de problèmes inverses de conduction de chaleur est abordée dans une géométrie unidimensionnelle. 2. Exemple d’un transfert thermique unidimensionnel 2.1. Quelques repères historiques sur les problèmes inverses en thermique À la fin des années 1950, la résolution d’un problème inverse en conduction dans le but d’estimer des transferts de chaleur lors du refroidissement des corps a été proposée dans [Stolz, 1960]. Par la suite de nombreux problèmes inverses en géométrie unidimensionnelle ont été considérés [Burggraf, 1964], [Sparrow, et al., 1964], [Imber et Khan, 1972], [Shoji, 1973], [Garifo, et al., 1975], [Ott et Hedrick, 1977], … En ce qui concerne la résolution des problèmes inverses 52 Chapitre 2. Problèmes inverses en thermique : exemple introductif non-linéaires en conduction, les travaux suivants peuvent être cités comme précurseurs : [Beck et Wolf, 1965], [Beck, 1970]. De plus, des avancées majeures dans le domaine de l’électronique ont permis un développement rapide d’informatique ainsi que des outils de calculs numériques. Dans le domaine thermique, l’émergence de nouveaux procédés a contribué à l’intégration de l’étude des problèmes inverses de conduction dans les domaines académiques et industriels. Des problèmes plus complexes ont alors été considérés. À titre d’exemple, dans les années 80, dans [Weber, 1981] un problème inverse en thermique a été traité pour des géométries plus complexes (cylindre, plaque, sphère) en proposant une nouvelle extension de la méthode des différences finies. Celle-ci a été mise en œuvre dans [Hensel et Hills, 1986], [Raynaud et Bransier, 1986], [Carasso, 1992], … À partir des années 90, plusieurs problèmes inverses de conduction de chaleur ont été traités avec différentes méthodes de résolution [Chen et Chang, 1990] par exemple pour la méthode hybride afin de résoudre un PICC. Dans [Serra, et al., 1993] une méthode semi-numérique a été développée et adaptée à la résolution d’un exemple expérimental de PICC. Par ailleurs dans [Taler, 1996], une méthode transitoire pour la résolution d’un problème inverse en thermique a été proposée. Dans [Monde, 2000] une méthode analytique a été utilisée pour la résolution d’un problème inverse de transfert de chaleur en utilisant la transformation de Laplace. Dans l’ouvrage très complet de [Tarantola, 2005] de nombreuses méthodes de résolution des problèmes inverses en génie thermique (Monte-Carlo, moindres carrés, …) sont décrites. Enfin, plusieurs exemples d’identification paramétriques ont été menés à bien dans un contexte thermique en utilisant la méthode de régularisation itérative du gradient conjugué ([Alifanov, 1994], [Alifanov, et al., 2009]) ,… Dans ce qui suit un problème inverse de conduction de la chaleur est présenté dans un cas académique (géométrie unidimensionnelle). 2.2. Problème direct Considérons un phénomène de conduction de chaleur au sein d'un fil de titane (de section négligeable) et de longueur L = 0.2 m (voir Figure 2. 4). Initialement, à t = 0 s , la température initiale du fil est constante et notée θext égale à la température extérieure (ambiante). À la frontière x = 0 (voir Figure 2. 4), une condition de type Dirichlet est imposée sous forme d’une température notée θ D . À la frontière x = L , une densité de flux de chaleur dépendant du temps et notée φ ( t ) (en W.m -2 ) est imposée (condition de type Neumann non homogène). λ est la conductivité thermique en W.m -1.K -1 . Les propriétés thermo-physiques du fil sont considérées comme indépendantes de la température. Chapitre 2. Problèmes inverses en thermique : exemple introductif 53 Figure 2. 4. Barre unidimensionnelle. Cette configuration physique peut se modéliser mathématiquement par l’ensemble des équations aux dérivées partielles suivantes : ∂θ ( x; t ) ∂ 2θ ( x; t ) =α ∀ ( x; t ) ∈ Ω × T ∂x 2 ∂t θ ( x; 0 ) = θ ext ∀x ∈ Ω θ ( 0; t ) = θ D ∀t ∈ T ∂θ ( x; t ) −λ = −φ ( t ) ∀t ∈ T ∂x x = L (2. 1) avec : x ∈ Ω = ]0, L[ la variable d’espace en m et t ∈ T = 0, t f la variable temporelle en s, θ ( x; t ) la température en Kelvin au point x ∈ Ω à l’instant t ∈ T , α la diffusivité thermique du matériau en m 2 .s -1 . Les notations et définitions des paramètres thermo-physiques du système étudié ainsi que leurs valeurs numériques sont données dans le tableau suivant : Tableau 2. 1. Notations et définition des paramètres. longueur de la barre L en m 0.2 température imposée θ D en x = 0 en K 293 diffusivité thermique α en m 2 .s -1 9.32 10−6 instant final t f en s 100 conductivité thermique λ en W.m -1.K -1 21.9 température initiale (ambiante) θext en K 293 Sur la Figure 2. 5, le tracé du flux de chauffe φ ( t ) en fonction du temps t est présenté. 54 10 φ(t) en W.m -2 Chapitre 2. Problèmes inverses en thermique : exemple introductif x 10 4 8 6 4 2 0 0 20 40 60 80 100 Temps en secondes Figure 2. 5. Flux de chauffe imposé en x = L . Lorsque l’ensemble des paramètres P = { L, t f , λ , α , φ , θ ext , θ D } est connu, la résolution du problème est dite directe et permet de connaître l’état (ici la température) θ ( x; t ) . Pour ce faire, la discrétisation peut s’appuyer par exemple sur l’utilisation des formules de Taylor [Patankar, 1980] qui permettent d’approcher les opérateurs aux dérivées partielles décrivant le phénomène thermique d’une manière discrète en temps et en espace. Un schéma de discrétisation explicite par le biais de la méthode des différences finies a été mis en œuvre, en notant : ∆x le pas d’espace : les points (coordonnées) xi ( i variant de 1 à N − 1 ) avec x1 = ∆x et xN −1 = L − ∆x ; ∆x = L , sont régulièrement espacés dans [ 0, L ] , N ∆t le pas de temps, θik la température calculée au point xi = i∆x à l’instant tk = k ∆t . Afin de discrétiser l’équation de la chaleur (équation (2. 1)), un schéma d’ordre 1 a été choisi pour évaluer la dérivée temporelle et un schéma centré d’ordre 2 a été choisi pour évaluer le gradient en k k +1 k ∂ 2θ θik+1 − 2θik + θik−1 ∂θ θi − θi espace, tels que : = et . 2 = ∆t ∆x 2 ∂t i ∂x i k Ainsi, l’équation de la chaleur discrète se formule : θik +1 = βθik+1 + (1 − 2β ) θik + βθik−1 avec β = α∆t ( ∆x ) 2 le nombre adimensionnel de Fourier. (2. 2) 55 Chapitre 2. Problèmes inverses en thermique : exemple introductif Pour décrire numériquement la condition de Neumann imposée en x = L , une différence finie d’ordre 1 est choisie : ∂θ ∂x k = θ Nk − θ Nk −1 x=L ∆x −λ −λ ∂θ ∂x , il vient alors : k x=L θ Nk − θ Nk −1 ∆x θ Nk = −φ ( tk ) = −φ k = θ Nk −1 + ∆x λ φk Ainsi, la discrétisation du système s’écrit : i = 1 : θ k +1 = βθ k + (1 − 2 β ) θ k + βθ k 1 2 1 D k +1 k k i = 2 : θ 2 = βθ3 + (1 − 2 β ) θ 2 + βθ1k M M M i = N − 2 : θ k +1 = βθ k + 1 − 2 β θ k + βθ k ( ) N −2 N −2 N −1 N −3 ∆x k k +1 k k i = N − 1: θ N −1 = (1 − β ) θ N −1 + βθ N − 2 + β φ λ Considérant le Tableau 2. 1, en obtenant avec β= α∆t ( ∆x ) 2 = 0.37 , θ D θ 1 θ 2 M θ N −2 θ N −1 φ k +1 ∆x = 0.005 m (2. 3) ( N = 40 ) et ∆t = 1 s, β ∆x = 8.5 10 −5 . Le système matriciel à résoudre s’écrit : λ k 0 0 L 0 1 θ D β 1 − 2β β 0 L 0 θ1 0 β 1 − 2β β 0 L 0 θ 2 M M M M M M M M M M = 0 L 0 L β 1 − 2β 0 β θ N −2 ∆x β β θ N −1 0 L 0 1− β λ φ 0 0 L 0 1 14444444444 4244444444444 3 A ou encore X k +1 = AX k avec X k = θ D k (2. 4) tr θ1k L θ Nk −1 φ k l’état augmenté. Sachant que θ D est constante et connaissant à chaque instant le flux de chauffe, il est possible de déterminer l’évolution de température depuis la température initiale (connue). Les résultats de la résolution numérique du problème direct sont présentés sur la figure suivante. 56 Température θ en K Chapitre 2. Problèmes inverses en thermique : exemple introductif 360 340 320 300 280 100 80 60 40 Temps en secondes 20 0 0.1 arre la b e d 0 ur gue Lo n 0.2 en m Figure 2. 6. Résultat du problème direct. Dès lors qu’au moins un des paramètres est inconnu, il est possible d’essayer à partir de mesures de l’état du système d’identifier ce paramètre inconnu. Dans ce qui suit, le flux de chauffe φ ( t ) est supposé inconnu et doit être identifié à l’aide de mesures de température. Ces dernières sont obtenues à l’aide d’un capteur de température (thermocouple par exemple) C placé dans le matériau en xC = L − ∆x = 0.195 m et qui permet de mesurer la température θ ( xC ; tk ) = θCk à chaque seconde. De plus, des bruits de mesures v ( tk ) suivant une loi Gaussienne N ( 0, σ θ ) sont considérés. Dans la figure suivante, un exemple de telles « mesures », simulées avec le flux φ ( t ) défini par la Figure 2. 5 est montré pour σ θ =1 K. Température mesurée θ(C,t) en K Chapitre 2. Problèmes inverses en thermique : exemple introductif 57 350 340 330 320 310 300 290 0 20 40 60 80 100 Temps en secondes Figure 2. 7. Exemple de mesures θCk en K pour σ θ =1 K. Deux méthodes de résolution de ce problème inverse de conduction dans une géométrie 1D (PICC-1D) sont proposées dans ce qui suit. 3. Résolution du PICC-1D Les deux méthodes présentées ci-après sont le filtre de Kalman discret et la méthode de régularisation itérative du gradient conjugué. 3.1. Filtre de Kalman discret (PICC-1D) L’hypothèse d’un flux de chauffe φ ( t ) constant par morceaux (voir un exemple similaire dans [Daouas, et al., 2000]) introduit une erreur de modèle sachant qu’expérimentalement le flux serait continu. Compte tenu des opérateurs utilisés, cette erreur de modèle est bornée. Dans [Labarrere, et al., 1982], [Scarpa, et al., 1995] et [Daouas, et al., 2000] il est supposé que celle-ci peut être compensée en introduisant dans l’équation dynamique du paramètre un bruit utile blanc de type Gaussien N ( 0, σ φ ) noté wk : φ k +1 = φ k + wk (2. 5) Considérant la discrétisation précédente qui a conduit au système (2. 4), le problème thermique peut être représenté sous forme matricielle (2. 6) : x k +1 = Ax k + Bu k + Gwk k k k y = Cx + v (2. 6) 58 Chapitre 2. Problèmes inverses en thermique : exemple introductif où : k représente l’itération relative à l’instant t k = k ∆t , xk ∈ n et y k ∈ m sont respectivement les vecteurs d’état et de sortie (mesure ou observation) du système à l’instant t k , uk ∈ l wk ∈ l est l’entrée du système, est le bruit du modèle (système) et v k ∈ m est le bruit de mesure. Ces bruits sont supposés Gaussiens et de moyennes nulles, et leurs matrices de covariance sont notées respectivement W et V . avec : x k = θ1k L θ Nk −1 φ k A = AN × N tr β 1 − 2 β β 1 − 2β M M = L 0 0 0 0 M G = GN ×1 = 0 1 ; u k = θ Dk ; y k = θ Ck ; 0 L β M 0 M L M M M 0 L β 1 − 2β β L β 1− β L 0 0 0 0 M 0 ∆x β λ 1 ; β 0 B = BN ×1 = M 0 C = [ 0 L 0 1 0]i =1,L, N Après avoir modélisé le comportement du phénomène thermique sous forme discrète, l’algorithme du FKD (voir chapitre 1) peut être mis en œuvre dans le but d’identifier le flux de chauffe φ ( t ) . Les résultats obtenus sont présentés sur les figures suivantes. 59 Température en K Chapitre 2. Problèmes inverses en thermique : exemple introductif 350 Température mesurée Température simulée 340 330 320 310 300 290 0 20 40 60 80 100 Temps en secondes Flux de chauffe en W.m-2 Figure 2. 8. Comparaison entre températures estimées et mesurées pour σ φ = 5000 . 10 x 10 4 Flux réel Flux estimé 8 6 4 2 0 -2 0 20 40 60 80 100 Temps en secondes Figure 2. 9. Comparaison entre flux estimé et flux théorique pour σ φ = 5000 . Afin de vérifier la précision des résultats obtenus, les deux figures suivantes illustrent respectivement l’évolution des résidus en température et en flux en fonction du temps. 60 Résidu de température en K Chapitre 2. Problèmes inverses en thermique : exemple introductif 2 1 0 -1 -2 -3 0 20 40 60 80 100 Temps en secondes Résidu du flux en W.m-2 Figure 2. 10. Résidus de température en K . 2 x 10 4 1 0 -1 -2 0 20 40 60 80 100 Temps en secondes Figure 2. 11. Résidus en flux de chauffe en W.m -2 . La valeur moyenne des résidus de température est d’environ −1.7 10 −4 K et la valeur moyenne des résidus du flux de chauffe est d’environ −64.9 W.m -2 ; les deux écart-types de température et du flux de chauffe sont respectivement 0.72 K et 7498 W.m -2 . Les résultats obtenus montrent que les valeurs du résidu de flux de chauffe sont faibles (compte tenu de la valeur maximale du flux de chauffe qui est de 105 W.m -2 ). Le biais temporel provient d’une part du schéma aux différences finies et d’autre part du filtre de Kalman qui introduisent un retard dans la résolution numérique. Les résultats obtenus (voir Figure 2. 8 et Figure 2. 9) montrent une convergence satisfaisante pour identifier le flux de chauffe considéré. Les bruits de mesures n’affectent pas dramatiquement l’identification. Toutefois, il est nécessaire de mentionner que la précision de ce filtre dépend du pas Chapitre 2. Problèmes inverses en thermique : exemple introductif 61 d’échantillonnage en temps et en espace ainsi que des variances supposées connues des bruits de mesure et de système. L’emplacement du (ou des) point(s) de mesure est aussi crucial. Tout ceci est autant de limitations à la mise en œuvre du FKD dont l’intérêt principal réside en une possible identification en ligne des paramètres. 3.2. Méthode du gradient conjugué (PICC-1D) 3.2.1. Principe de mise en œuvre Le problème inverse qui consiste à identifier le flux φ ( t ) à partir de mesures de températures θC réalisées au point C d’abscisse xC = 0.195 m (la barre faisant L = 0.2 m) peut être résolu en minimisant un critère quadratique noté J (φ ( t ) ) qui décrit l’écart entre les mesures de température et les résultats prédits par le modèle mathématique (problème direct) θ ( xC ; t ; φ ( t ) ) . tf ( ) 2 1 J (φ ( t ) ) = ∫ θ ( xC ; t ; φ ( t ) ) − θC ( t ) dt 20 (2. 7) Parmi les diverses méthodes de résolution des problèmes inverses en thermique, la méthode de régularisation itérative du gradient conjugué (MGC) peut être mise en œuvre. Cette méthode s’avère particulièrement pertinente lorsque le nombre de paramètres inconnus est grand ou encore lorsque le modèle ou les mesures sont incertains (bruités). Elle a été déjà mise en œuvre avec succès pour des systèmes dynamiques non linéaires et dans des géométries complexes (1D et 2D) (voir par exemple [Abou-Khachfe et Jarny, 2000 & 2001], [Beddiaf, 2011] et [Silva Neto et Özisik, 1993 (a) & (b)], …). Pour la mise en œuvre de l’algorithme (voir chapitre 1), il est essentiel de calculer le gradient ∇J (φ ( t ) ) de la fonctionnelle à minimiser. Le flux φ ( t ) peut être approché par une fonction linéaire continue par morceaux (sur des intervalles de longueur de 25 secondes, par exemple). Aussi, pour l’intervalle de temps [ 0,100] secondes, le flux de chauffe peut s’exprimer sur la base des fonctions chapeaux (voir Figure 2. 12) par : Nt +1 φ ( t ) = ∑ φi si ( t ) (2. 8) i =1 où N t est le nombre de pas de temps (nombre de pas d’échantillonnage) et qui vaut 4 dans la présente étude (voir Figure 2. 12). 62 Chapitre 2. Problèmes inverses en thermique : exemple introductif Figure 2. 12. Base des fonctions chapeaux. Le paramètre inconnu à identifier est donc le vecteur φ = (φ1 ,K , φ5 ) ∈ 5 . Le gradient de la ∂J . La méthode du gradient conjugué consiste à calculer à fonctionnelle est le vecteur ∂φi i =1,L, Nt +1 chaque itération k le gradient de la fonctionnelle ∇J (φ k ) , ce qui permet par la suite de calculer la r direction de descente notée d k , la profondeur de descente γ k et la nouvelle valeur de l'itéré φ k +1 . Algorithme de la méthode du gradient conjugué (MGC) 1. Initialisation k = 0 : avec la valeur initiale du paramètre inconnu φ k =0 . 2. Résolution du problème direct pour calculer la température au point de mesure puis calculer le ( ) critère J φ k . − Si J (φ k ) ≤ J stop , alors : arrêter la procédure d’itération et φ k est considéré comme un estimateur satisfaisant du paramètre inconnu φ * ; − Sinon, si J (φ k ) > J stop , alors : continuer la procédure itérative. 3. Résolution du problème adjoint afin de déduire le gradient de la fonctionnelle : ∇J k (φ k ) et la uuur k r r prochaine direction de descente d k +1 = ∇J + β k d k où β k = ∇J k 2 ∇J k −1 2 ∈ + (avec . la norme Euclidienne et β k = 0 = 0 ), 4. Résolution du problème de sensibilité pour calculer la profondeur de descente r γ k +1 = Arg min J φ k − γ d k +1 dans la direction de descente. γ∈ ∗ ( ) r 5. Estimation de la nouvelle valeur du paramètre recherché φ k +1 tel que : φ k +1 = φ k − γ k +1 d k +1 . 6. k ← k + 1 et poursuivre à l’étape 2. Chapitre 2. Problèmes inverses en thermique : exemple introductif 63 L’ensemble de ces démarches nécessite la résolution itérative de trois problèmes successifs (considérés comme bien posés au sens d’Hadamard [Hadamard, 1932]). 1. Résoudre le problème direct pour calculer le champ de température prédit par le modèle mathématique et la valeur du critère J (φ k ) à l'itération k . 2. Résoudre le problème adjoint (issu d’une formulation Lagrangienne [Jarny, et al., 1991], [Abou-Khachfe, 2000], et [Gillet, 2009]) associé au paramètre inconnu φ k afin de calculer r l’expression du gradient ∇J (φ k ) et la prochaine direction de descente d k . r 3. Résoudre le problème de sensibilité dans la direction d k pour calculer la profondeur de descente γ k ; puis déduire la nouvelle valeur de l’itéré φ k +1 . L'ensemble de ces démarches est détaillé ci après. 3.2.2. Le problème direct (PICC-1D) La résolution de ce problème (voir (2. 1)) permet de calculer le champ de température noté θ ( x ; t ) à chaque instant t et en chaque point x ∈ Ω connaissant le flux φ k . Une fois ce problème résolu, il est aisé de calculer le critère J (φ k ) . 3.2.3. Le problème de sensibilité (PICC-1D) La résolution de ce problème permet d'évaluer la sensibilité notée δθ ( x; t ) du champ de température à une variation du flux δφ . La résolution de ce problème permet aussi de calculer la profondeur de descente γ . Deux méthodes peuvent être employées pour estimer la sensibilité. a. Méthode par différences finies Cette méthode consiste à étudier la sensibilité de la température aux paramètres en comparant les températures simulées de deux problèmes directs : l’un pour θ + (la température obtenue avec le flux varié) et l’autre pour θ (la température obtenue avec le flux nominal) puis à faire la différence entre les deux. À titre d’exemple, pour étudier la sensibilité de θ lorsque le flux φ varie de ε , la θ + (φ + ε φ ) − θ (φ ) sensibilité est approchée par : δθ = . ε 64 Chapitre 2. Problèmes inverses en thermique : exemple introductif b. Méthode par résolution du problème de sensibilité Cette méthode consiste à formuler un nouvel ensemble d’équations aux dérivées partielles satisfait par les fonctions dites de sensibilité (voir un exemple dans [Abou-Khachfe, 2000]). Soit le vecteur du flux de chauffe φ ( t ) varié d’une valeur de φ ( t ) + εδφ ( t ) où ε est un réel positif. La température obtenue lors de cette variation est notée θ + = θ (φ ( t ) + εδφ ( t ) ) et satisfait : ∂θ + ( x; t ) ∂ 2θ + ( x; t ) −α = 0 ∀ ( x; t ) ∈ Ω × T ∂t ∂x 2 θ + ( x; 0 ) = θext ∀x ∈ Ω θ + ( 0; t ) = θ D ∀t ∈ T ∂θ + ( x; t ) −λ = − (φ ( t ) + εδφ ( t ) ) ∀t ∈ T ∂x x=L La comparaison avec le système non varié (2. 1) conduit à : ( ) ( ) ∂ θ + ( x; t ) − θ ( x; t ) ∂ 2 θ + ( x; t ) − θ ( x; t ) −α =0 ∂t ∂x 2 θ + ( x; 0 ) − θ ( x;0 ) = 0 θ + ( 0; t ) − θ ( 0; t ) = 0 ∂ θ + ( x; t ) − θ ( x; t ) −λ = −εδφ ( t ) ∂x x=L ( ∀ ( x, t ) ∈ Ω × T ∀x ∈ Ω ∀t ∈ T ) ∀t ∈ T θ (φ + εδφ ) − θ (φ ) θ + −θ La fonction de sensibilité est donnée par : δθ = lim = lim . Ainsi, lorsque ε →0 ε →0 ε ε ε tend vers 0, alors θ + − θ = εδθ . La fonction de sensibilité δθ ( x; t ) est solution de : ∂δθ ( x; t ) ∂ 2δθ ( x; t ) − =0 α 2 ∂ t ∂ x δθ ( x;0 ) = 0 δθ ( 0; t ) = 0 ∂δθ ( x; t ) = −δφ (t ) −λ ∂x x=L ∀ ( x, t ) ∈ Ω × T ∀x ∈ Ω ∀t ∈ T ∀t ∈ T (2. 9) 65 Chapitre 2. Problèmes inverses en thermique : exemple introductif À noter que de même que φ ( t ) = flux est δφ = (δφ1 ,K , δφ5 ) ∈ 5 Nt +1 Nt +1 i =1 i =1 ∑ φi si ( t ) , alors δφ ( t ) = ∑ δφi si ( t ) . Le vecteur variation de . La résolution de ce problème de sensibilité permet de calculer la valeur de la profondeur de descente notée γ k +1 à chaque itération k + 1 . La profondeur de descente γ k +1 La profondeur de descente γ k +1 est la valeur réelle correspondant au pas optimal dans la ur k +1 direction de descente de la nouvelle valeur de l’inconnu du flux de chauffe φ k +1 = φ k − γ k +1 d . r Cette grandeur γ k +1 minimise le critère J φ k − γ d k +1 : ( ) (( tf r k +1 r 1 J φ −γd = ∫ θ xC ; t ; φ k − γ d k +1 − θC ( t ) 20 r L’expression de θ xC ; t ; φ k − γ d k +1 peut se mettre sous la forme : ( ) k ( ) 2 dt (2. 10) ) r ( ) θ xC ; t ; φ k − γ d k +1 ≈ θ ( xC ; t ; φ k ) − γ δθ dr ( ) ( x ; t; φ ) k k +1 C ) où δθ dr k +1 xC ; t ; φ k est la variation de température induite par la variation du flux dans la direction r r de descente d k +1 . En remplaçant l’équation précédente dans l’expression de J φ k − γ d k +1 , il ( ) vient : tf r k +1 1 J φ −γ d ≈ ∫ θ ( xC ; t ; φ k ) − γδθ dr k +1 ( xC ; t ; φ k ) − θC ( t ) 20 ( ( ) k tf ( tf ) ) 2 dt ( ) 2 1 ≈ ∫ θ ( xC ; t ; φ k ) − θC ( t ) dt − γ ∫ θ ( xC ; t ; φ k ) − θC ( t ) δθ dr k +1 ( xC ; t ; φ k ) dt 20 0 + γ2 2 tf ∫ (δθ ( x r d k +1 C ) ; t ; φ k ) dt 0 2 Comme mentionné précédemment, la valeur de la profondeur de descente γ est obtenue en r k +1 k ∂ J φ − γ d r minimisant le critère J φ k − γ d k +1 . Il s’agit donc de résoudre : = 0 , ce qui est ∂γ ( ( ) ) équivalent à écrire : tf ( − ∫ θ ( xC ; t ; φ 0 tf k ) − θ ( t ) ) δθ ( x ; t;φ ) dt + γ ∫ (δθ ( x ; t;φ ) ) C r d k +1 k r d k +1 C k C 2 dt = 0 0 Ce qui implique que la profondeur de descente γ k +1 calculée à chaque itération k + 1 doit être : 66 Chapitre 2. Problèmes inverses en thermique : exemple introductif tf ∫ (θ ( x C γ k +1 = ) ; t ; φ k ) − θC ( t ) δθ dr k +1 ( xC ; t ; φ k ) dt 0 tf ∫ (δθ ( x r d k +1 C ; t;φ k ) 0 ) 2 dt Afin de résoudre le problème de sensibilité, il est indispensable de connaître le vecteur des r directions de descente d k +1 . Pour ce faire, il est nécessaire de calculer le gradient en résolvant par exemple le problème adjoint. 3.2.4. Le problème adjoint (PICC-1D) Ce problème consiste à construire une fonction dite adjointe ψ ( x; t ) qui permet de déterminer l’expression du gradient ∇J (φ ) de la fonctionnelle à minimiser J (φ ) ; se référer par exemple à [Abou-Khachfe, 2000], [Alekseev et Navon, 2005], [Vintrou, 2009] ou encore [Jarny, et al., 1991]. Soit l (φ ,θ ,ψ ) le Lagrangien associé au problème direct de la conduction de chaleur, défini par : ∂θ ( x; t ) l (φ , θ ,ψ ) = J (θ , φ ) + ∫ ∫ ρ c − λ∆θ ( x; t ) ψ ( x; t ) dx dt ∂t 0 0 tf L L’expression de la variation du Lagrangien δ l (φ ,θ ,ψ ) est : δ l (φ ,θ ,ψ ) = Si ψ ( x; t ) est fixe, alors : ∂l ∂l ∂l δθ + δφ + δψ ∂θ ∂φ ∂ψ ∂l ∂l ∂l δψ = 0 , et donc δ l (φ ,θ ,ψ ) devient : δ l (φ ,θ ,ψ ) = δθ + δφ . ∂ψ ∂θ ∂φ Le choix de la fonction multiplicateur de Lagrange ψ ( x; t ) se fait pour que l’équation suivante soit satisfaite : ∂l δθ = 0 ∀δθ , ce qui implique que l’expression de la variation du Lagrangien ∂θ δ l (φ ,θ ,ψ ) devient : δ l (φ ,θ ,ψ ) = ∂l δφ . ∂φ De plus, si θ ( x, t ) est une solution de l’ensemble des équations qui décrivent le problème direct (2. 1), alors l (φ ,θ ,ψ ) = J (φ ) , ce qui implique que : δ l (φ ,θ ,ψ ) = δ J (φ ) . L’expression du gradient de la fonctionnelle ∇J (φ ) peut être obtenue grâce à la formulation suivante : 67 Chapitre 2. Problèmes inverses en thermique : exemple introductif δ l (φ ,θ ,ψ ) = δ J (θ ) = Nt +1 i =1 = J (φi + εδφi ) − J (φi ) ε ∑ lim ε Nt +1 →0 ∂J ∑ ∂φ δφ i =1 i i Considérant le problème unidimensionnel à résoudre, il est nécessaire de calculer les 5 composantes ∂J ∂l du gradient ∇J i (φ ) = . Afin de fixer ψ ( x; t ) de sorte que δθ = 0 ∀ δθ la variation ∂θ ∂φi i =1,...,5 du Lagrangien δ l (θ , φ ( t ) ,ψ ) est : δ l (θ , φ ( t ) ,ψ ) = tf L ∫ ∫ (θ ( x ; t ) − θˆ ( x ; t ) ) δθ ( x; t ) δ ( x − x ) dx dt C C D C 0 0 ∂δθ ( x; t ) + ∫ ∫ ρc − λ∆δθ ( x; t ) ψ ( x; t ) dx dt ∂t 0 0 tf L où δ D ( x − xC ) est la distribution de Dirac associée au capteur d’abscisse xC . La fonction erreur ( ) E ( x; t ) étant définie de la manière suivante : E ( x; t ) = θ ( xC ; t ) − θˆ ( xC ; t ) δ D ( x − xC ) , alors δ l (θ , φ ( t ) ,ψ ) devient : tf L tf L ∂δθ ( x; t ) 0 0 0 0 ∂t δ l (θ , φ ( t ) ,ψ ) = ∫ ∫ E ( x; t ) δθ ( x; t ) dx dt + ∫ ∫ ρ c − λ∆δθ ( x; t ) ψ ( x; t ) dx dt Soient les deux intégrales I1 et I 2 définies respectivement par : tf I1 = ∫ ρ c 0 ∂δθ ( x; t ) ∂t L ψ ( x; t ) dt et I 2 = ∫ −λ ∆δθ ( x; t ) ψ ( x; t ) dx 0 tf En intégrant par parties I1 il vient : I1 = ρ c δθ ( x; t ) ψ ( x; t ) 0 − ∫ ρ c tf 0 ∂ψ ( x; t ) ∂t δθ ( x; t ) dt L’intégration par partie pour calculer I 2 donne : ∂δθ ( x; t ) ∂ψ ( x; t ) L ∂ 2ψ ( x; t ) λ δθ λ δθ I 2 = −λ ψ ( x; t ) x t x t dx + ; − ; ( ) ( ) ∫ 2 ∂ x ∂ x ∂ x 0 0 0 L L En remplaçant I1 et I 2 par leurs expressions respectives dans l’équation δ l (θ , φ ( t ) ,ψ ) il vient : 68 Chapitre 2. Problèmes inverses en thermique : exemple introductif δ l (θ , φ ,ψ ) = tf L L 0 0 0 L ∫ ∫ E ( x; t ) δθ ( x; t ) dx dt + ∫ ρ c δθ ( x; t f ) ψ ( x; t f ) dx − ∫ ρ c δθ ( x; 0 ) ψ ( x;0 ) dx tf L − ∫ ∫ ρc ∂ψ ( x; t ) 0 0 ∂t tf + ∫ λδθ ( L; t ) 0 tf δθ ( x; t ) dx dt + ∫ −λψ ( L; t ) ∂δθ ( L; t ) ∂x 0 ∂ψ ( L; t ) 0 ∂x tf dt − ∫ λδθ ( 0; t ) ∂ψ ( 0; t ) ∂x 0 tf dt − ∫ −λψ ( 0; t ) ∂δθ ( 0; t ) 0 tf L dt − ∫ ∫ λδθ ( x; t ) ∂ 2ψ ( x; t ) ∂x 2 0 0 ∂x dt dx dt Considérant les équations du problème de sensibilité formulées en (2. 9), l’expression précédente de δ l (θ , φ ( t ) ,ψ ) se simplifie : δ l (θ , φ ( t ) ,ψ ) = ∂ψ ( x; t ) ∂ 2ψ ( x; t ) ∫0 ∫0 E ( x; t ) − ρ c ∂t − λ ∂x 2 δθ ( x; t ) dx dt tf L tf L + ∫ ρ c δθ ( x; t f ) ψ ( x; t f ) dx + ∫ λψ ( 0; t ) 0 tf 0 tf − ∫ δφ ( L; t ) ψ ( L; t ) dt + ∫ λδθ ( L; t ) 0 Afin que ∂δθ ( 0; t ) ∂x ∂ψ ( L; t ) 0 ∂x dt dt ∂l δθ = 0 ∀ δθ , il est nécessaire que la fonction adjointe ψ ( x; t ) soit solution du ∂θ problème adjoint suivant : ∂ψ ( x; t ) ∂ 2ψ ( x; t ) c + = E ( x; t ) ρ λ ∂t ∂x 2 ψ ( x; t f ) = 0 ψ ( 0; t ) = 0 ∂ψ ( x; t ) −λ =0 ∂x x= L ∀ ( x, t ) ∈ Ω × 0, t f ∀x ∈ Ω ∀t ∈ 0, t f (2. 11) ∀t ∈ 0, t f Il est important de noter que ce problème adjoint est un problème "purement" mathématique (il ne décrit pas un problème thermique) et que sa résolution se fait d’une manière rétrograde par rapport au temps. Lorsque ψ ( x; t ) est solution de (2. 11) alors δ l (θ , φ ( t ) ,ψ ) devient : Chapitre 2. Problèmes inverses en thermique : exemple introductif 69 tf δ l (θ , φ ( t ) ,ψ ) = − ∫ ψ ( L; t ) δφ (t ) dt 0 tf Nt +1 = − ∫ ψ ( L; t ) ∑ δφi si (t ) dt i =1 0 et comme δ l (θ , φ ( t ) ,ψ ) = Nt +1 (2. 12) ∂J ∑ ∂φ δφ i =1 i i Ainsi, tf ∂J = − ∫ ψ ( L; t ) si ( t ) dt ∂φi 0 (2. 13) Suite à la formulation de ces trois problèmes (problème direct, problème de sensibilité et problème adjoint) dans le but de résoudre le problème inverse unidimensionnel proposé, l’algorithme du gradient conjugué est prêt à la mise en œuvre. Cependant, cet algorithme nécessite de déterminer un test d’arrêt permettant de mettre fin à la procédure itérative pour une valeur optimale du paramètre à identifier. 3.2.5. Test d’arrêt J stop Afin d’obtenir le meilleur estimateur du paramètre à identifier possible en dépit des bruits de mesure ou de modèle, plusieurs études proposent différents tests d’arrêt selon le niveau du bruit. Dans le cas où le niveau de bruit est connu, il est possible de se référer à [Alifanov et al., 1995], [Engl, et al., 1996], [Gilyazov et Goldman, 2000], [Hanke, 1995], [Nemirovski, 1986], [Plato, 1998 & 1999] et [Plato et Vainikko, 2001]). Dans le cas où aucune information préalable sur le niveau de bruit n’est considérée, la règle de Hanke-Raus [Hanke et Raus, 1996] peut s’appliquer. Le cas intermédiaire où le niveau de bruit est approximativement connu, la règle proposée par [Hämarik et Raus, 2005] peut être choisie. Lorsque les erreurs de modèle, les erreurs de mesure et les erreurs numériques (lors de la résolution des trois problèmes bien posés) sont négligeables, le critère d’arrêt J stop peut être choisi proche de 0. En considérant un bruit de mesure additif de type Gaussien et d’écart type σ , le test d’arrêt proposé dans ([Alifanov, et al., 1995], [Huang et Chen, 1999] et [Perez, et al., 2007]) est 70 Chapitre 2. Problèmes inverses en thermique : exemple introductif J stop = 1 N C N m σ 2 , où N C (resp. N m ) est le nombre de capteurs (resp. le nombre de mesure par 2 capteur). Lorsque la solution φ * ( t ) est connue (uniquement dans les situations académiques ; voir Figure 2. 5) une information supplémentaire peut être considérée : le calcul de l’Erreur de Poursuite ( EP ) . ( ) = ∫ (φ ( t ) Il s’agit de la distance EP φ tf k k ) 2 − φ * ( t ) dt , où φ ( t ) 0 k est le flux estimé à l’itération k et φ * ( t ) le flux à identifier. 3.2.6. Résultats numériques Dans cette sous-section, la procédure d’identification est mise en place afin de reconstruire le vecteur du flux de chauffe inconnu φ . Pour ce faire, la méthode du gradient conjugué est mise en () œuvre pour calculer la nouvelle valeur de l’itéré φ en minimisant le critère quadratique J φ à chaque itération k . De plus, il est important de noter que lors de la mise en œuvre numérique de la MGC un rafraichissement de la direction de descente [Powell, 1977] a été considéré. Le test d’arrêt est défini par une valeur moyenne du résidu de température inférieure à 0.003 K (dans le cas non bruité) et en utilisant la formule donnée en [Alifanov et al., 1995] (voir paragraphe 3.2.5) pour le cas bruité. Cas 1 : sans bruit de mesure Soit φ k =0 ( t ) = 0 : à l’initialisation de l’algorithme, le flux de chauffe est nul pour t ∈ [ 0,100] secondes. Les résultats de la mise en œuvre de la MGC afin d’identifier la puissance de chauffe en () 10 10 10 5 EP(φ(t)) J(φ(t)) minimisant le critère quadratique J φ sont présentés par les deux figures suivantes : 4 10 3 10 10 10 10 6 5 2 1 0 0 2 4 6 8 10 12 Itérations k Figure 2. 13. Évolution du critère en fonction des itérations k . 10 4 0 2 4 6 8 10 12 Itérations k Figure 2. 14. Évolution de l’erreur de poursuite en fonction des itérations k . 71 Chapitre 2. Problèmes inverses en thermique : exemple introductif Les valeurs du critère et de l’erreur de poursuite sont respectivement résumées dans le tableau suivant : Tableau 2. 2. Les valeurs de la fonctionnelle J (φ ( t ) ) et de l’erreur de poursuite EP (φ ( t ) ) Itération k J (φ ( t ) ) EP (φ ( t ) ) (cas non bruité). 2 3 0 1 4 5 6 40745.6 3216.5 1143.9 841.8 50 35.7 34.9 500000 373570 235224.4 207468.6 76432.9 74706 68551.3 7 32 64332.6 8 17.2 43504.7 9 10.8 21849.6 10 3.02 19511.4 11 2.86 19704.5 12 2.8 19942.9 13 2.6 19273.2 Une comparaison entre le flux de chauffe désiré (réel) et identifié après 13 itérations est présentée 12 x 10 4 φ(t) φ(t) 10 13 8 6 4 2 0 -2 0 20 40 60 80 100 Temps en secondes Figure 2. 15. Flux de chauffe réel φ ( t ) et flux de chauffe identifié φ k =13 ( t ) . Résidu du flux de chauffe en W.m-2 Flux de chauffe φ(t) en W.m -2 par les Figure 2. 15 et Figure 2. 16. 4000 3000 2000 1000 0 -1000 -2000 0 20 40 60 80 100 Temps en secondes Figure 2. 16. Résidu du flux de chauffe en fonction du temps t . La comparaison entre la température simulée avec le flux de chauffe identifié après 13 itérations et la température mesurée est présentée sur la Figure 2. 17. Le tracé du résidu de 340 Résidu de température en K Température en K température est proposé par la Figure 2. 18. Température mesurée Température simulée 330 320 310 0.4 0.2 0 -0.2 -0.4 -0.6 300 290 0 -0.8 20 40 60 80 100 Temps en secondes Figure 2. 17. Température mesurée et simulée après 13 itérations. -1 0 20 40 60 80 100 Temps en secondes Figure 2. 18. Résidu de température en K . 72 Chapitre 2. Problèmes inverses en thermique : exemple introductif Tableau 2. 3. Valeurs moyennes et écart-types des résidus de température. Valeur moyenne Écart-type Résidu de température 0.002 0.23 Résidu de flux de chauffe 471.3 1658.2 Analyse des résultats Les résultats obtenus montrent une convergence satisfaisante de l’algorithme. Le flux identifié tend vers le flux désiré lors de la minimisation du critère quadratique associé à ce problème inverse ( J (φ ( t ) ) ) . Cas 2 : en présence de mesures bruitées Soit la même configuration que précédemment en présence d’un bruit additif de type Gaussien N ( 0,1) sur la température mesurée par le capteur (voir Figure 2. 23). Dans ce cas le test d’arrêt J stop est fixé à 50 d’après la définition (voir paragraphe 3.2.5). Les résultats obtenus sont 10 10 10 10 10 5 EP(φ(t)) J(φ(t)) illustrés par les figures et le tableau suivant : 10 6 4 3 10 5 2 1 0 2 4 6 8 10 12 14 16 Itérations k Figure 2. 19. Évolution du critère et de l’erreur de poursuite en fonction des itérations k. 10 4 0 2 4 6 8 10 12 14 16 Itérations k Figure 2. 20. Évolution de l’erreur de poursuite en fonction des itérations k . Tableau 2. 4. Les valeurs de la fonctionnelle J (φ ( t ) ) et de l’erreur de poursuite EP (φ ( t ) ) Itération k J (φ ( t ) ) EP (φ ( t ) ) 0 40445.7 en fonction des itérations (cas bruité). 1 2 3 4 3121.1 1573.6 923.1 372.5 … 7 … 303.1 500000 373623.6 265143.6 222191.3 102594.2 … 86452.3 8 278.5 91329.7 9 255.1 92287.1 … … … 17 49.7 53116.1 10 238.2 90238.3 … … … 15 70.7 64144.3 73 Chapitre 2. Problèmes inverses en thermique : exemple introductif Les deux figures suivantes présentent respectivement le flux de chauffe identifié et le résidu entre le x 10 4 φ(t) k=17 φ(t) 8 6 4 2 0 -2 0 -2 10 Différence du flux en W.m Flux de chauffe φ(t) en W.m -2 flux de chauffe identifié (obtenu après 17 itérations) et le flux de chauffe désiré. 2000 1000 0 -1000 -2000 -3000 20 40 60 80 100 Temps en secondes Figure 2. 21. Flux de chauffe réel φ ( t ) et flux de chauffe identifié φ k =17 ( t ) . -4000 0 20 40 60 80 100 Temps en secondes Figure 2. 22. Résidu du flux de chauffe en fonction du temps t . Les valeurs du flux de chauffe identifié permettent d’obtenir une évolution de température donnée par la Figure 2. 23. L’écart entre la température simulée (solution du (2. 1) avec un flux de chauffe 340 Résidu de température en K Température en K donné par φ k =17 ( t ) ) et la température mesurée est présenté sur la Figure 2. 24. Température simulée Température mesurée 330 320 310 300 290 0 3 2 1 0 -1 -2 20 40 60 80 100 Temps en secondes Figure 2. 23. Température mesurée et simulée après 17 itérations. -3 0 20 40 60 80 100 Temps en secondes Figure 2. 24. Résidu de température en fonction du temps t . La convergence du critère est obtenue après 17 itérations J (φ k =17 ) < J stop . Compte tenu du bruit de mesure considéré, ce critère ne peut pas converger vers 0. Le flux de chauffe identifié à l’itération 17 peut être considéré comme le meilleur estimateur du flux inconnu au regard de l’écart entre température simulée et température mesurée. 74 Chapitre 2. Problèmes inverses en thermique : exemple introductif Analyse des résultats Les résultats obtenus confirment la robustesse de la MGC pour résoudre ce type de problème inverse unidimensionnel (PICC-1D). L’objectif est atteint après quelques itérations. Le tableau suivant résume les résultats obtenus en termes de résidus en température et en flux. Tableau 2. 5. Valeurs moyennes et écart-types des résidus de température. Valeur moyenne Écart-type Résidu de température -0.0624 0.9900 Résidu de flux de chauffe -375.7492 4736 Il est utile d’observer que l’écart type du résidu de température est de même ordre de grandeur que l’écart-type du bruit de mesure proposé, ce qui confirme la robustesse de la MGC pour résoudre ce type de problème inverse. 4. Bilan du chapitre Dans ce chapitre, une attention particulière a été portée à l’identification paramétrique en génie thermique. Pour ce faire, un bref exposé sur les différents modes de transfert de chaleur, les méthodes de mesure de température ainsi que les divers types de conditions aux limites a été proposé. Un exemple de PDCC-1D a également été présenté et résolu. Dans la deuxième partie de ce chapitre, un problème d’identification paramétrique (PICC-1D) associé au PDCC-1D (proposé précédemment) a été formulé. Deux méthodes d’identification paramétrique ont été retenues. Chacune de ces méthodes a été définie et mise en œuvre afin d’atteindre l’objectif visé. La robustesse et la précision de chacune ont été exposées dans le cadre de mesures incertaines. Les résultats obtenus par la mise en œuvre numérique de chaque méthode ont été analysés. Malgré les résultats satisfaisants obtenus par chaque méthode, il est facile d’observer que la méthode itérative du GC a été la seule à offrir de fortes potentialités sur la qualité du paramètre estimé avec une convergence satisfaisante du critère à minimiser. En effet, elle constitue moins de connaissances a priori du système étudié. Le chapitre suivant propose une étude de la résolution d’un PICC dans une géométrie plus complexe (3D) pour identifier la puissance d’une ou plusieurs sources chauffantes. CHAPITRE 3 Identification du flux de chauffe d’une source surfacique en géométrie 3D Sommaire 1. Identification paramétrique du flux de chauffe d’une source fixe ou mobile en géométrie 3D 76 1.1. Problème direct .................................................................................................................. 77 1.2. Problème inverse ................................................................................................................ 83 1.3. Résultats numériques ......................................................................................................... 87 1.4. Analyse des résultats .......................................................................................................... 95 2. Identification paramétrique du flux de chauffe de deux sources de chauffe mobiles en géométrie 3D ...................................................................................................................................... 95 2.1. Problème direct .................................................................................................................. 95 2.2. Problème inverse ................................................................................................................ 98 2.3. Résultats numériques ....................................................................................................... 100 2.4. Analyse des résultats ........................................................................................................ 105 3. Bilan du chapitre ...................................................................................................................... 106 Les démarches nécessaires à la mise en œuvre de la méthode de régularisation itérative du gradient conjugué ont été décrites dans le précédent chapitre afin d’identifier un flux en frontière d’une géométrie 1D. L’approche présentée requiert la résolution itérative de trois problèmes bien posés au sens d’Hadamard (problème direct, problème adjoint et problème de sensibilité). Dans ce qui suit, l’identification du flux de chauffe délivré par une source fixe ou mobile en surface d’une plaque (géométrie tridimensionnelle) est considérée. D’autres exemples de problèmes inverses de conduction de la chaleur (PICC) dans différents contextes thermiques ont été traités dans [Huang et Chen, 2000], [Rouquette, et al., 2007 (a)], [Zhou, et al., 2010], [Feng, et al., 2011] et [Zhou, et al., 2012 (a) & (b)]). Le présent chapitre est organisé comme suit : la section suivante permet de situer l’objectif visé (identification du flux de chauffe surfacique) par rapport à des précédents travaux relatifs à des problématiques similaires. Dans la sous section 1.1, le phénomène thermique considéré sera présenté, modélisé et le problème direct résolu numériquement (en considérant la méthode des éléments finis et le solveur de Comsol Multiphysics™ interfacé avec Matlab®). Dans le deuxième 76 Chapitre 3. Identification du flux de chauffe d’une source surfacique en géométrie 3D paragraphe, le problème inverse est formulé et les problèmes de sensibilité et adjoint sont présentés. Enfin, différents résultats numériques seront présentés et l’effet du bruit de mesure sera analysé. Dans la deuxième partie de ce chapitre, un PICC-3D sera formulé et résolu afin d’identifier des flux de chauffe inconnus délivrés par deux sources de chauffe mobiles. La démarche suivie pour estimer ces inconnus est basée sur la mesure des températures obtenue à l’aide de cinq capteurs. Plusieurs configurations numériques sont exposées afin de valider l’approche suivie. Enfin, un bilan succinct clôt ce chapitre. 1. Identification paramétrique du flux de chauffe d’une source fixe ou mobile en géométrie 3D L’identification du flux thermique en frontière d’un domaine est une problématique répandue en génie thermique. Dans le même contexte, il est possible de citer les études récentes suivantes : La mise en œuvre de la méthode de spécification de fonction au sein d’un problème unidimensionnel et bidimensionnel de la conduction de chaleur pour identifier le flux et la surface de chauffe a été réalisée par [Gilles, et al., 1998]. Dans [Monde, 2000], une méthode analytique (à l’aide de la transformée de Laplace) a été utilisée pour identifier le flux de chauffe au sein d’un problème inverse de la conduction de chaleur. Cette technique a été validée par simulation numérique pour deux géométries différentes (géométrie infinie et semi-infinie). La même année, dans [Le Niliot, et al., 2000] une démarche d’identification de la puissance de plusieurs sources linéiques au sein d’un problème bidimensionnel de diffusion de la chaleur est proposée à l’aide de la méthode des éléments de frontière. Un schéma aux différences finies est mis en œuvre pour la simulation numérique et les effets du bruit des mesures ont été analysés. Dans [Battaglia, et al., 2001], l’estimation du flux de chauffe surfacique par la méthode séquentielle de spécification de fonction développée par [Beck, et al., 1985] a été étudiée. L’estimation du flux de chauffe délivré par une source de chaleur interne au sein d’une géométrie bidimensionnelle a été obtenue à l’aide d’une transformée de Laplace et de la méthode de différences finies [Han-Taw, et al., 2001]. Toujours en 2001, l’analyse complète d’une source de chaleur dans des procédés de diffusion thermique considérant la résolution de divers problèmes inverses de transfert de chaleur a été traitée par [Su et Silva Neto, 2001]. Trois problèmes inverses ont été résolus (problème unidimensionnel cylindrique, problème bidimensionnel cylindrique et un problème inverse unidimensionnel avec deux plaques) par la mise en œuvre de la méthode du gradient conjugué Chapitre 3. Identification du flux de chauffe d’une source surfacique en géométrie 3D 77 sans aucune information a priori sur la dépendance (temporelle ou spatiale) de la puissance du flux. [Lin et Ching-yu, 2007] ont combiné une discrétisation par différences finies avec une méthode modifiée de Newton-Raphson afin d’identifier le flux de chauffe dans un PICC-1D. Plus récemment, dans [Girault, et al., 2010] la Méthode d’Identification Modale (MIM) a été mise en œuvre pour identifier des puissances de deux flux de chauffe temporels fournis par deux sources de chaleur. Cette technique a été validée par une démarche expérimentale. Ce sujet de recherche demeure très étudié pour des géométries simples et il est possible de se référer à [Alemdar et Pektaş, 2013] pour une démarche basée sur la mise en place de la MGC pour identifier le flux de chauffe au sein d’un PICC-1D et basant uniquement sur la mesure de température fournie à l’instant final. Néanmoins, la résolution de tels problèmes inverses au sein de géométries plus complexes reste un sujet moins abordé dans la littérature. Parmi les initiatives de résolution des problèmes inverses tridimensionnels en thermique, il est possible de mentionner l’étude proposée dans [Huang et Chen, 2000] pour l’estimation d’un flux de chauffe surfacique en tenant compte de la convection forcée (les résultats numériques ont été obtenus à l’aide du programme commercial CFX 4.2 - Computational Fluid Dynamics). Dans ce qui suit, la démarche pour la résolution d’un PICC en 3D est détaillée. Il s’agit d’identifier l’intensité d’un flux de chauffe délivré par une source chauffante (pour deux configurations : source fixe ou mobile). Plusieurs cas seront évalués (avec et sans bruit de mesure). 1.1. Problème direct Dans cette section, la modélisation du phénomène thermique est présentée. Considérons une plaque carrée Ω ⊂ 3 , de coté L et d’épaisseur e , voir (Figure 3. 1. a). La variable de temps est − L L −e e − L L t ∈ T = 0, t f en seconde et la variable d’espace est ( x, y, z ) ∈ Ω = , × , × , 2 2 2 2 2 2 en mètre. La frontière du domaine Ω est notée ∂Ω ⊂ 2 . La température en K (Kelvin) est notée θ ( x, y, z; t ) . L’échantillon considéré est chauffé sur sa face inférieure Γchauffe = x, −e , z ∈ ∂Ω 2 par une source mobile (ou fixe). Cette source fournit un flux de chauffe noté φ ( t ) (en W.m -2 ), ce dernier étant supposé uniforme sur un disque D ⊂ Γchauffe de centre I ( t ) et de rayon r = 2 10−3 m . L’expression du flux de chauffe Φ ( x, z; t ) est ainsi définie par : 78 Chapitre 3. Identification du flux de chauffe d’une source surfacique en géométrie 3D φ ( t ) si ( x, z ) ∈ D ( I ( t ) , r ) Φ ( x, z ; t ) = sinon 0 −e Rappelons que la source est placée sur la face inférieure de la plaque y = m . 2 Il est supposé que la source de chauffe mobile suit une trajectoire circulaire sur la face −e inférieure de la plaque YS = m telle que I ( t ) = ( R cos (ω t ) , R sin (ω t ) ) où R est le rayon de 2 la trajectoire de la source en ( m ) et ω est la vitesse angulaire en ( rad/s ) . À noter que si R = 0 , la source est fixe et placée au centre de la face inférieure. L’expression du flux peut être approchée de manière analytique et dérivable à l’aide de la fonction trigonométrique de l’arc tangente telle que : Φ ( x, z ; t ) ≈ − où : ( X (t ) , Z (t )) φ (t ) atan µ π ( x − X (t )) + ( z − Z (t )) 2 2 π − µr − 2 sont les coordonnées du centre de la source à l’instant t . Une attention particulière doit être apportée au paramètre µ afin de décrire au mieux la discontinuité du flux de chauffe considéré. De plus, un transfert de chaleur par convection naturelle est considéré ∀ ( x, y, z ) ∈ ∂Ω le coefficient d’échange convectif étant noté h en W.m -2 .K -1 . La géométrie tridimensionnelle (3D) considérée est présentée sur la Figure 3. 1. (a) (b) Figure 3. 1. (a). Géométrie de la plaque, (b). Trajectoire de la source. Chapitre 3. Identification du flux de chauffe d’une source surfacique en géométrie 3D 79 Afin de mettre en évidence des transferts thermiques 3D, une petite plaque isolante (verre) est choisie : coté L = 5 10 −2 m et épaisseur e = 2 10 −3 m . Les caractéristiques thermiques du matériau isolant ainsi que certains paramètres d’entrée sont définis dans le tableau suivant. Tableau 3. 1. Données du problème. conductivité thermique λ en W.m -1.K −1 1.2 chaleur volumique ρ c en J.m -3 .K −1 2 106 température initiale θ0 en K 293 coefficient d’échange convectif h en W.m -2 .K −1 20 temps final t f en s 300 En prenant en compte la température initiale de la plaque notée θ0 (égale à la température ambiante) et l’ensemble des paramètres d’entrée {λ , ρ c, h, Φ, L, e} , le problème direct associé à ce phénomène a pour objectif de déterminer l’évolution de la température θ ( x, y, z; t ) qui satisfait l’ensemble des EDPs suivantes : ∂ 2θ (.) ∂ 2θ (.) ∂ 2θ (.) ∂θ (.) + + = ρc λ 2 2 2 ∂y ∂z ∂t ∂x θ ( x, y, z;0 ) = θ0 ∂θ . −λ r( ) = h (θ (.) − θ0 ) − Φ ( x, z; t ) ∂n ∀ ( x, y, z; t ) ∈Ω× T ∀ ( x, y, z ) ∈Ω (3. 1) ∀ ( x, y, z; t ) ∈∂Ω× T r sachant que n est un vecteur unitaire normal dirigé vers l’extérieur à ∂Ω . Le flux de chauffe Flux de chauffe φ(t) en W.m-2 considéré est présenté sur la figure suivante : x 10 4 10 8 6 4 2 0 0 50 100 150 200 Figure 3. 2. Flux de chauffe. 250 300 Temps en secondes 80 Chapitre 3. Identification du flux de chauffe d’une source surfacique en géométrie 3D Le problème direct (3. 1) peut être résolu en utilisant la méthode des éléments finis implémentée par le solveur Comsol MultiphysicsTM interfacé avec Matlab®. Deux exemples numériques sont présentés ci-après : le premier correspond à une source fixe ( R = 0 m) , tandis que ( trajectoire circulaire : R = 1.5 le second décrit le cas de la source mobile ) 10−2 m . Pour le premier cas, la source fixe est localisée au centre de la face inférieure de la plaque (ce qui est correspond à une configuration axisymétrique). Sur la Figure 3. 3. (a), l’évolution de la température en fonction du temps t ∈ T est tracée au centre de la face inférieure et supérieure de la plaque. Un exemple de distribution spatiale de la température 500 Centre de la face inférieure Centre de la face supérieure 400 0.02 450 380 0.01 400 Z en m Température θ en K obtenue à l’instant t = 150 s est exposé sur la Figure 3. 3. (b). 350 360 0 340 -0.01 320 300 -0.02 300 -0.02 250 0 50 100 150 (a) 200 -0.01 0 X en m 0.01 0.02 250 300 Temps en secondes (b) Figure 3. 3. (a). Évolution de la température pour une source fixe (problème direct), (b). Distribution spatiale de la température sur la face supérieure à t = 150 s . En considérant à présent que la source de chauffe est mobile et suit une trajectoire circulaire ( R = 1.5 10−2 m , ω = 2π rad.s −1 ). L’évolution de la température est tracée en fonction du temps 300 t en cinq points de mesure correspondants à cinq capteurs Cm =1,...,5 placés sur la face supérieure de la plaque (voir Figure 3. 4). Chapitre 3. Identification du flux de chauffe d’une source surfacique en géométrie 3D ( C1 0,10−3 ,0 81 ) ( ) ( ) ( ) ( ) C2 2 10−2 ,10−3 ,0 C3 0,10−3 , −2 10−2 C4 −2 10−2 ,10−3 ,0 C5 0,10−3 , 2 10−2 Face supérieure Face inférieure (a) (b) Figure 3. 4. (a). Positions des capteurs de température (face supérieure), (b). Trajectoire de source (face inférieure). Sur la Figure 3. 5, il est montré que la température la plus élevée est délivrée par le capteur C4 à l’instant t = 168 s avec une valeur de θ ( C4 ;168 ) = 322.5 K . Un tel résultat est évidemment en adéquation avec la trajectoire de la source : le flux de chauffe atteint une valeur maximale à Température θ en K t = 168 s avec une localisation très proche du capteur ( C4 ) . 330 θ(C ;t) θ(C ;t) 1 2 θ(C ;t) 3 θ(C ;t) 4 θ(C ;t) 5 320 310 300 Température θ(C1;t) en K 290 0 50 100 150 200 250 300 Temps en secondes 50 100 150 200 250 300 Temps en secondes 301 300 299 298 297 296 295 294 293 0 Figure 3. 5. Évolution de la température sur la face supérieure de la plaque (problème direct-source mobile). 82 Chapitre 3. Identification du flux de chauffe d’une source surfacique en géométrie 3D Sur la figure suivante, quelques exemples de distributions spatiales de température sur la face supérieure de la plaque à ( t = 60 s, t = 120 s, t = 180 s, t = 240 s et t = 300 s ) sont exposés. à t = 60 s . à t = 120 s . 300 0.02 360 0.02 299 350 0.01 298 340 Z en m Z en m 0.01 297 0 330 0 296 -0.01 320 -0.01 295 310 294 -0.02 -0.02 -0.01 0 X en m 0.01 -0.02 0.02 300 -0.02 -0.01 à t = 180 s . 0 X en m 0.01 0.02 à t = 240 s . 370 0.02 0.02 335 330 360 0.01 340 0 330 320 -0.01 325 320 Z en m 350 0 315 310 -0.01 305 310 -0.02 300 -0.02 -0.01 0 X en m 0.01 300 -0.02 295 -0.02 0.02 -0.01 0 X en m 0.01 0.02 à t = 300 s . 301 0.02 300 0.01 Z en m Z en m 0.01 299 298 0 297 296 -0.01 295 294 -0.02 -0.02 -0.01 0 X en m 0.01 0.02 Figure 3. 6. Distribution spatiale de la température sur la face supérieure de la plaque. 83 Chapitre 3. Identification du flux de chauffe d’une source surfacique en géométrie 3D Dans ce qui suit, l’identification de la densité surfacique inconnue du flux de chauffe est étudiée considérant les observations de la température obtenues à chaque seconde (un seul point de mesure localisé sur le centre de la face supérieure de la plaque est considéré). Pour le cas de la source fixe, le thermogramme présenté sur la Figure 3. 3. (a) (la courbe continue) est pris en compte tandis que pour la source mobile, la température observée par le capteur C1 est considérée (Figure 3. 5). 1.2. Problème inverse 1.2.1. Formulation du problème inverse de la conduction de chaleur Supposons que la puissance du flux de chauffe notée φ ( t ) délivrée par la source fixe ou mobile est inconnue (alors que sa localisation est supposée parfaitement connue). Dans le but d’estimer cette inconnue, un problème tridimensionnel de la conduction de la chaleur (PICC-3D) est formulé comme un problème classique d’optimisation qui consiste à la minimisation d’un critère quadratique noté J (φ ( t ) ) . Ce critère décrit la différence quadratique entre la température simulée (solution du problème direct (3. 1)) et la température mesurée θˆ ( t ) fournie par le capteur C1 . Le problème d’identification peut alors se formuler comme un problème inverse : Déterminer la puissance du flux de chauffe φ * ( t ) tel que la fonctionnelle quadratique J (φ ( t ) ) soit minimale : 2 tf 1 e φ ( t ) = Arg min J (φ ( t ) ) = Arg min ∫ θ 0, , 0; t ; φ − θˆ ( t ) dt 2 2 2 φ∈L (T ) φ∈L (T ) 2 0 * L’espace fonctionnel L2 (T ) (3. 2) est l’espace des fonctions carrées intégrables sur T : L2 (T ) = φ | ∫ φ 2 ( t ) dt < +∞ . Une paramétrisation de la fonction inconnue φ ( t ) à l’aide des T fonctions linéaires continues par morceaux est considérée. Pour ce faire, le flux de chauffe φ ( t ) est défini ∀t ∈ T = [ 0,300] secondes le long de N t = 10 intervalles de temps tels que I n = [ pn−1 , pn ] = 30 ( n − 1) ,30n avec n = 1,L , N t et un pas d’échantillonnage ∆t = pn − pn −1 = 30 s 84 Chapitre 3. Identification du flux de chauffe d’une source surfacique en géométrie 3D où φ ( t ) = N t +1 ∑ φ s (t ) = φ . s (t ) i =1 i i tr avec φ = (φ1 ,L , φ11 ) ∈ 11 , s ( t ) = ( s1 ( t ) ,L , s11 ( t ) ) et tr est l’opérateur transposé. Les fonctions de bases si ( t ) sont définies par : t − pi − 2 ∆t p −t si ( t ) = i ∆t 0 si t ∈ [ pi − 2 , pi −1 ] si t ∈ [ pi −1 , pi ] sinon Ces fonctions de bases si ( t ) sont présentées sur la figure suivante : Figure 3. 7. Fonctions de base si ( t ) . D’où le problème inverse discrétisé qui conduit à l’estimation du flux inconnu : tf 2 ∆t e φ = Arg min J (φ ) = Arg min ∫ θ 0, , 0; t ; φ − θˆ ( t ) dt 11 11 2 0 2 φ∈ φ∈ * (3. 3) Sachant que θ ( x, y, z; t ; φ ) est la solution du problème direct (3. 1). Dans le but de résoudre le précédent problème inverse mal posé, la méthode du gradient conjugué est adoptée ; voir l’algorithme du GC présenté dans le chapitre 2 (voir section 3.2). Celuici requiert la résolution itérative de trois problèmes bien posés : problème direct (3. 1), problème de sensibilité et problème adjoint. Chapitre 3. Identification du flux de chauffe d’une source surfacique en géométrie 3D 1.2.2. 85 Problème de sensibilité Ce problème consiste à déterminer la variation de température δθ ( x, y, z; t ) introduite par la variation du flux de chauffe δφ ( t ) = N t +1 ∑ (δφ ) s ( t ) i =1 i i (des applications de calcul variationnel sont présentées par [Weinstock, 1952]). En considérant l’ensemble des EDPs satisfait par θ ( x, y, z; t ) + εδθ ( x, y, z; t ) (voir le problème direct (3. 1) avec un flux de chauffe donné par φ ( t ) + εδφ ( t ) ) et en utilisant une des méthodes de formulation du problème de sensibilité mentionnées dans le chapitre 2 (sous-section 3.2.3), soit δθ ( x, y, z; t ) la solution du problème de sensibilité suivant : ∂ 2δθ (.) ∂ 2δθ (.) ∂ 2δθ (.) ∂δθ (.) + + λ = ρ c 2 2 2 ∂y ∂z ∂t ∂x δθ ( x, y, z;0 ) = 0 ∂δθ . () −λ r = hδθ (.) − δΦ (.) ∂n ∀ ( x, y, z; t ) ∈Ω× T ∀ ( x, y, z ) ∈Ω (3. 4) ∀ ( x, y, z; t ) ∈∂Ω× T Pour la présente étude, la variation du flux de chauffe s’exprime : Nt +1 tr δφ ( t ) = ∑ (δφi ) si ( t ) = δφ . s ( t ) δΦ ( x, z; t ) = i =1 0 Sachant que y = si ( x, z ) ∈ D ( I ( t ) , r ) sinon −e m (la source est placée sur la face inférieure de la plaque) 2 L’expression analytique de cette variation du flux de chauffe peut s’écrire par : δΦ ( x, z; t ) = − δφ ( t ) atan µ π ( x − X (t )) + ( z − Z (t )) 2 2 π − µr − 2 En utilisant la formulation du problème de sensibilité, la profondeur de descente peut être facilement explicitée. Rappelons qu’à chaque itération k , la profondeur de descente γ k +1 est calculée afin de déterminer la nouvelle valeur de la puissance du flux de chauffe : uuuur φ k +1 = φ k − γ k +1 d k +1 . 86 Chapitre 3. Identification du flux de chauffe d’une source surfacique en géométrie 3D En se basant sur les démarches mentionnées dans la sous-section 3.2.3 du chapitre 2 et en prenant en compte le nombre des capteurs (fixé lors de cette étude à N C = 1 ), l’expression de la profondeur de descente est : tf γ k +1 = e ∫ θ 0, 2 , 0; t;φ ˆ uuuur e k − θ ( t ) δθ d k +1 0, , 0; t ; φ dt 2 k 0 tf (3. 5) 2 e ∫0 δθ duuuurk +1 0, 2 , 0; t dt Le calcul de la profondeur de descente nécessite la résolution du problème de sensibilité dans la direction de descente. Cette dernière est déterminée suite à la résolution du problème adjoint. 1.2.3. Problème adjoint Considérons ψ ( x, y, z; t ) la fonction adjointe (solution du problème adjoint) et l (θ , φ ,ψ ) le Lagrangien associé au problème direct défini par : ∂θ (.) l (θ , φ ,ψ ) = J (φ ) + ∫ ∫ ρ c − λ∆θ (.) ψ (.) dt d Ω ∂t 0 Ω tf (3. 6) En suivant la même procédure que celle évoquée lors du chapitre 2, sous-section 3.2.4 et en prenant en compte l’ensemble des équations décrivant le problème de sensibilité décrit par (3. 4), l’expression de la variation Lagrangienne δ l (θ , φ ( t ) ,ψ ) se simplifie comme suit : tf ∂ψ (.) 0 Ω ∂t δ l (θ , φ ,ψ ) = ∫ ∫ E (.) − ρ c − λ∆ψ (.) δθ (.) dt d Ω + ∫ ρ c δθ (.; t f ) ψ (.; t f ) d Ω Ω f f ∂ψ (.) + ∫ ∫ λδθ (.) r d ∂Ω dt + ∫ ∫ h δθ (.) ψ (.) d ∂Ω dt − ∫ ∫ δΦ (.) ψ (.) d ∂Ω dt ∂n 0 ∂Ω 0 ∂Ω 0 Γ chauffe tf t t ( (3. 7) ) où E ( x, y, z; t ) est la fonction erreur exprimée par : E ( x, y, z; t ) = θ ( x, y, z; t ) − θˆ ( t ) δ D ( C1 ) . Soit ψ ( x, y, z; t ) la solution du problème adjoint décrit par : ∂ψ (.) + λ∆ψ (.) = E (.) ρc ∂t ψ ( x, y, z; t f ) = 0 −λ ∂ψ r(.) = h ψ . () ∂n ∀ ( x, y, z; t ) ∈Ω× T ∀ ( x, y, z ) ∈Ω ∀ ( x, y, z; t ) ∈∂Ω× T (3. 8) 87 Chapitre 3. Identification du flux de chauffe d’une source surfacique en géométrie 3D Ce problème ne décrit pas un problème thermique et sa résolution se fait de manière rétrograde par rapport au temps t . Si ψ est solution du problème adjoint décrit par (3. 8), alors l’équation (3. 7) devient : tf δ l (θ , φ ,ψ ) = − ∫ ∫ δΦ ( x, z; t ) ψ ( x, y, z; t ) d ∂Ω dt 0 Γchauffe tf =∫ ∫ 0 Γ chauffe δφ ( t ) atan µ π ( x − X (t )) + ( z − Z (t )) 2 tf s (t ) = ∑ δφi ∫ ∫ i atan µ π i =1 0 Γchauffe Nt +1 De plus, δ l (θ , φ ( t ) ,ψ ) = δ J (φ ( t ) ) = Le gradient de la fonctionnelle noté tf ∂J 1 =∫ ∫ atan µ ∂φi 0 Γchauffe π π − µ r − ψ (.) d ∂Ω dt 2 ( x − X (t )) + ( z − Z (t )) 2 Nt +1 ∑ δφ i =1 2 i 2 (3. 9) π − µ r − ψ (.) d ∂Ω dt 2 ∂J . ∂φi ∂J s’exprime ainsi par : ∂φi ( x − X (t )) + ( z − Z (t )) 2 2 π − µ r − ψ ( x, y, z; t ) si ( t ) d ∂Ω dt 2 (3. 10) L’ensemble des étapes nécessaires pour mettre en œuvre l’algorithme de la MGC (voir chapitre 2, section 3.2.1) est désormais défini. Dans ce qui suit, les résultats numériques obtenus par la mise en œuvre de la MGC pour différents cas sont présentés. 1.3. Résultats numériques Cette sous-section est dédiée à présenter et analyser les résultats numériques obtenus par la résolution du PICC-3D (3. 2) dans le but d’estimer l’intensité du flux de chauffe φ ( t ) dans deux situations différentes (cas d’une source de chauffe fixe et d’une source de chauffe mobile). Ces résultats numériques sont obtenus par la mise en œuvre de la MGC en interfaçant les logiciels de calcul numérique Comsol-MultiphysicsTM et Matlab®. Le test d’arrêt J stop est arbitrairement fixé à 3 10−3 (pour les cas non bruités) et un rafraichissement de la direction de descente [Powell, 1977] a été pris en compte lors de la simulation numérique. 88 Chapitre 3. Identification du flux de chauffe d’une source surfacique en géométrie 3D 1.3.1. Source de chauffe fixe Cas A. 1 : sans bruit de mesure Considérant les mesures de température présentées sur la Figure 3. 3 (a) (courbe bleue) et soit φ k =0 (t ) = 0 l’intensité du flux à l’itération initiale k = 0 . Les résultats numériques de la mise en œuvre de la MGC sont présentés par l’évolution du critère à minimiser en fonction des itérations J(φ(t)) k : 10 10 10 10 10 10 6 4 2 0 -2 -4 0 5 10 15 20 Itérations k Figure 3. 8. Évolution du critère en fonction des itérations (Cas A. 1 : source de chauffe fixe). Sur la Figure 3. 9 le flux de chauffe identifié après 24 itérations et le flux de chauffe désiré (réel) Flux de chauffe en W.m-2 sont représentés en fonction du temps t : 12 x 10 4 φ*(t) φk=24(t) 10 8 6 4 2 0 -2 0 50 100 150 200 250 300 Temps en secondes Figure 3. 9. Flux de chauffe identifié (Cas A. 1 : source de chauffe fixe). La figure précédente illustre que les deux courbes des flux de chauffe identifié et désiré sont confondues, ce qui atteste une identification satisfaisante de l’inconnue recherchée. Chapitre 3. Identification du flux de chauffe d’une source surfacique en géométrie 3D 89 À l’itération 24, une comparaison entre la température mesurée et la température calculée est réalisée : θˆ ( t ) − θ ( C1 ; t ) max θˆ ( t ) − θ ( C1 ; t ) = 0.022 K ; max ≈ 0.007 % ; t∈T t∈T θˆ ( t ) θˆ ( t ) − θ ( C1 ; t ) 2 L2 (T ) = 2 J (φ 24 ) = 0.0043 Ces résultats attestent bien des performances de la méthode d’identification. Cas A. 2 : avec bruit de mesure Pour ce deuxième cas, la même configuration que celle du Cas A. 1 précédent est considérée en présence d’un bruit de mesure additif de type Gaussien N ( 0,1) (voir Figure 3. 10). La valeur du test d’arrêt dans le cas présent donne J stop = 150 (selon la définition donnée dans du chapitre 2, Température θ(C1;t) en K sous-section 3.2.5). 440 420 400 380 360 340 320 300 280 0 50 100 150 200 250 300 Temps en secondes Figure 3. 10. Température bruitée (Cas A. 2 : source de chauffe fixe avec des mesures bruitées). L’évolution du critère à chaque itération k est présentée dans le tableau suivant : Tableau 3. 2. Valeurs du critère en fonction des itérations k (Cas A. 2). Itération k J (φ k ( t ) ) 0 1 2 3 4 5 6 998722 12479 830 393 244 205 178 7 163 8 159 9 155 12 150.1 13 149 10 11 153.19 152.71 90 Chapitre 3. Identification du flux de chauffe d’une source surfacique en géométrie 3D x 10 4 -2 12 φ*(t) φk=13(t) 10 8 6 300 200 100 0 -100 4 -200 -300 2 -400 0 -2 0 Résidu de flux de chauffe φ(t) en W.m Flux de chauffe φ(t) en W.m -2 Le flux de chauffe identifié est présenté ci après : 50 100 150 200 250 300 Temps en secondes Figure 3. 11. Flux de chauffe (Cas A. 2 : source de chauffe fixe avec des mesures bruitées). -500 0 50 100 150 200 250 300 Temps en secondes Figure 3. 12. Résidu de flux (Cas A. 2 : source de chauffe fixe avec des mesures bruitées). Les précédents résultats confirment que 13 itérations sont suffisantes pour identifier le flux de chauffe en prenant en compte la valeur du test d’arrêt J stop . Pour vérifier les résultats obtenus, les deux figures suivantes présentent respectivement une comparaison entre la température mesurée et la température simulée (avec le flux de chauffe identifié) et le résidu entre ces deux valeurs de 440 θ(φ*(t)) 420 θ(φk=13(t)) Résidu de température en K Température θ en K température. 400 380 360 340 320 2 1 0 -1 -2 -3 300 280 0 3 50 100 150 200 250 300 Temps en secondes Figure 3. 13. Température mesurée et simulée (Cas A. 2 : source de chauffe fixe avec des mesures bruitées). -4 0 50 100 150 200 250 300 Temps en secondes Figure 3. 14. Résidu de température (Cas A. 2 : source de chauffe fixe avec des mesures bruitées). Chapitre 3. Identification du flux de chauffe d’une source surfacique en géométrie 3D 91 Tableau 3. 3. Erreurs de température pour une source fixe en présence du bruit de mesure (Cas A. 2). max θˆ ( t ) − θ ( C1 ; t ) t∈T max t∈T 3.17 θˆ ( t ) − θ ( C1 ; t ) θˆ ( t ) θˆ ( t ) − θ ( C1 ; t ) 1.08 % 2 L2 ( T ) 298.11 La valeur d’erreur moyenne de température est proche de -0.016 K, avec un écart type égal à 0.995 K. Notons que la valeur d'écart type entre la température mesurée et simulée est du même ordre de grandeur que l’écart type du bruit de mesure proposé, ce qui confirme la robustesse de la MGC pour résoudre ce type du problème. 1.3.2. Source de chauffe mobile Cas B. 1 : sans bruit de mesure Pour cet exemple, la source mobile suit une trajectoire circulaire de rayon R = 1.5 10−2 m (cf. Figure 3. 1, b). Dans ce cas, la valeur du flux de chauffe à l’itération initiale est φ k =0 (t ) = 0 . La résolution du PICC-3D en utilisant la MGC et en se basant sur les valeurs de température mesurées par le capteur C1 (voir Figure 3. 5) est effectuée. La Figure 3. 15 montre que le critère atteint une J(φ(t)) valeur minimale (inférieure à J stop choisi) après 31 itérations. 10 10 10 10 10 4 2 0 -2 -4 0 5 10 15 20 25 30 Itérations k Figure 3. 15. Évolution du critère en fonction des itérations (Cas B. 1 : source de chauffe mobile). 92 Chapitre 3. Identification du flux de chauffe d’une source surfacique en géométrie 3D Flux de chauffe φ(t) en W.m-2 Le flux de chauffe estimé à cette itération est présenté sur la Figure 3. 16. 12 x 10 4 φ*(t) φk=31(t) 10 8 6 4 2 0 0 50 100 150 200 250 300 Temps en secondes Figure 3. 16. Flux de chauffe (Cas B. 1 : source de chauffe mobile). L’erreur moyenne entre le flux de chauffe désiré et celui identifié est 217.61 W.m −2 , et l’écart entre la température mesurée θˆ ( t ) et la température simulée θ ( C1 , t ) est faible : θˆ ( t ) − θ ( C1 ; t ) max θˆ ( t ) − θ ( C1 ; t ) = 0.180 K ; max ≈ 0.058 % ; t∈T t∈T θˆ ( t ) θˆ ( t ) − θ ( C1; t ) 2 L2 (T ) ( ) = 2 J φ k =31 = 1.75 Les résultats sont satisfaisants alors que la source est mobile et que les variations de température relevées Figure 3. 5 sont treize fois plus faibles que celles obtenues avec la source fixe (Figure 3. 3). Cas B. 2 : avec bruit de mesure Ce dernier cas consiste à résoudre le même précédent problème (Cas B. 1) mais en présence d’un bruit additif de mesure de température de type Gaussien défini par N ( 0,1) (voir Figure 3. 17). À noter que ce bruit de mesure est plus élevé (relativement aux températures observées) que celui présenté sur la Figure 3. 10 (même si l’écart type demeure égal à 1). Température θ(C1;t) en K Chapitre 3. Identification du flux de chauffe d’une source surfacique en géométrie 3D 93 304 302 300 298 296 294 292 290 0 50 100 150 200 250 300 Temps en secondes Figure 3. 17. Température bruitée (Cas B.2 : source de chauffe mobile avec des mesures bruitées). Les valeurs du critère en fonction des itérations sont résumées par : Tableau 3. 4. Valeurs du critère en fonction des itérations k (Cas B. 2). Itération k ( J φ (t ) k ) 0 1 2 3340.63 326.12 129.13 Les tracés du flux de chauffe désiré et identifié après 2 itérations sont présentés sur la Figure 3. 18, 12 x 10 4 φ*(t) φk=2(t) 10 8 6 4 Résidu du flux de chauffe en W.m-2 Flux de chauffe φ(t) en W.m-2 tandis que le résidu entre ces deux flux de chauffe est donné par la Figure 3. 19 : 2 x 10 4 1.5 1 0.5 0 -0.5 2 -1 0 -2 0 -1.5 0 50 100 150 200 250 300 Temps en secondes Figure 3. 18. Flux de chauffe (Cas B.2 : source de chauffe mobile avec des mesures bruitées). 50 100 150 200 250 300 Temps en secondes Figure 3. 19. Résidu de flux (Cas B. 2 : source de chauffe fixe avec des mesures bruitées). 94 Chapitre 3. Identification du flux de chauffe d’une source surfacique en géométrie 3D Les erreurs entre température mesurée et température simulée après 2 itérations sont calculées et présentées par le Tableau 3. 5. Tableau 3. 5. Erreurs de température pour une source mobile en présence du bruit de mesure (Cas B. 2). max θˆ ( t ) − θ ( C1 ; t ) t∈T 2.85 max θˆ ( t ) − θ ( C1 ; t ) θˆ ( t ) t∈T θˆ ( t ) − θ ( C1 ; t ) 0.95% 2 L2 ( T ) 258.26 La figure suivante montre les résidus après ces deux itérations entre la température mesurée et la 304 θ(φ*(t)) 302 θ(φk=2(t)) Résidu de température en K Température θ(C1;t) en K température simulée. 300 298 296 3 2 1 0 -1 294 -2 292 290 0 50 100 150 200 250 300 Temps en secondes Figure 3. 20. Température mesurée et simulée (Cas B. 2 : source de chauffe fixe avec des mesures bruitées). -3 0 50 100 150 200 250 300 Temps en secondes Figure 3. 21. Résidu de température (Cas B. 2 : source de chauffe fixe avec des mesures bruitées). La valeur moyenne du résidu de température est égale à 0.031 K avec un écart-type de 0.93 K, ce dernier est proche de l’écart-type du bruit de mesure (ce qui valide les résultats obtenus). En considérant l’ensemble des résultats précédents, il est montré que le comportement de la méthode est satisfaisant. La convergence de l’algorithme est obtenue après deux itérations alors que onze paramètres inconnus sont recherchés. Le flux est correctement identifié compte tenu des bruits de mesure. Chapitre 3. Identification du flux de chauffe d’une source surfacique en géométrie 3D 1.4. 95 Analyse des résultats Dans cette étude, la méthode du gradient conjugué est efficacement mise en œuvre afin d’estimer le flux de chauffe dans plusieurs situations différentes (une source fixe ou mobile, sans ou en présence de mesures bruitées). Le PICC-3D associé à chaque situation a été résolu avec succès. L’intensité du flux de chauffe est correctement identifiée dans chaque cas. Les diverses situations traitées montrent la grande robustesse de la MGC pour traiter de tels problèmes d’identification paramétrique. En restant toujours dans le cadre de l’identification paramétrique du flux de chauffe, l’étude suivante illustre l’identification simultanée de deux intensités de flux de chauffe fournies par deux sources mobiles. 2. Identification paramétrique du flux de chauffe de deux sources de chauffe mobiles en géométrie 3D Dans ce paragraphe, il s’agit d’identifier les flux de chauffe fournis par deux sources mobiles se déplaçant sur la face inférieure d’une plaque en utilisant des observations de l’évolution de température fournie par cinq capteurs de température sur la face supérieure (voir Figure 3. 22). Cette étude est structurée de manière identique à l’étude précédente et les références mentionnées dans le précédent paragraphe sont également retenues. 2.1. Problème direct Considérons une plaque de type et de dimension identique à celle utilisée dans la première étude de ce chapitre (voir section 1.1). Cette plaque est soumise sur sa face inférieure à deux flux de chauffe notés φS j ( t ) (avec j ∈ {1, 2} ) fournis par deux sources chauffantes mobiles notées S j de rayon identique r (où j décrit le numéro de la source chauffante). L’expression du flux de chauffe Φ ( x, z; t ) appliqué sur la face inférieure de la plaque est donnée par : φS ( t ) si 1 Φ ( x, z; t ) = φS2 ( t ) si sinon 0 sachant que YS j = − Chacune ( des ( x, z ) ∈ DS 1 ( x, z ) ∈ DS 2 ( I (t ) , r ) ( I (t ) , r ) S1 S2 e m. 2 sources suit ) une trajectoire notée IS j (t ) définie par I S j ( t ) = R j cos (ω j t ) , R j sin (ω j t ) où R j est le rayon de la trajectoire de la source S j en ( m ) et 96 Chapitre 3. Identification du flux de chauffe d’une source surfacique en géométrie 3D ω j est la vitesse angulaire en ( rad/s ) . Cette configuration du flux de chauffe peut être décrite (approchée) d’une manière analytique et dérivable telle que : NS Φ ( x, z ; t ) ≈ ∑ j =1 −φS j ( t ) atan µ π (x − X Sj (t )) 2 ( + z − Z S j (t ) ) 2 π − µr − 2 où N S est le nombre des sources de chauffe (égal à 2 dans cette étude). Les coordonnées du centre de la source S j à l’instant t sont (X Sj (t ) , ZS (t )) j avec YS j ( t ) = − e en m . Cette situation est 2 schématisée par la figure suivante : ( C1 0,10−3 ,0 ) ( C2 10−2 ,10−3 ,10−2 ) ( ) ( ) C3 10−2 ,10−3 , −10−2 C4 −10−2 ,10−3 , −10−2 ( C5 −10−2 ,10−3 ,10−2 ) Face supérieure Face inférieure (b) (a) Figure 3. 22. (a). Positions des capteurs de température (face supérieure), (b). Trajectoire de deux sources chauffantes (face inférieure). où O1 et O2 sont les centres des trajectoires circulaires des deux sources fixés respectivement sur la −e face inférieure de la plaque Y = en 2 ( 0.5 10−2 , 0 ) et ( −0.75 10 −2 , 0 ) en mètre. Les évolutions des deux densités surfaciques de flux de chauffe fournies par les deux sources de chauffe en fonction du temps sont données par la Figure 3. 23. Flux de chauffe en W.m-2 ( S1 et S2 ) x 10 4 φ (t) 1 10 φ (t) 2 8 6 4 2 0 0 20 40 60 80 100 Temps en secondes Figure 3. 23. Densités des deux flux de chauffe en W.m -2 . 97 Chapitre 3. Identification du flux de chauffe d’une source surfacique en géométrie 3D La résolution numérique du problème direct permet de déterminer l’évolution de la température à Température θ en K chaque seconde sur les cinq points de mesures : voir Figure 3. 25. 325 θ(C ;t) 1 θ(C ;t) 2 θ(C ;t) 3 θ(C ;t) θ(C ;t) 4 5 320 315 310 305 300 295 290 0 20 40 60 80 100 Temps en secondes Figure 3. 24. Évolution de la température sur la face supérieure de la plaque (problème direct-deux sources mobiles). Sur la figure suivante, quelques exemples de distributions spatiales de température sont proposés. à t = 40 s . 0.02 320 0.02 0.01 315 0.01 310 0 305 -0.01 Z en m Z en m à t = 20 s . 350 340 330 0 320 -0.01 310 -0.02 300 300 -0.02 295 -0.02 -0.01 0 X en m 0.01 0.02 -0.02 -0.01 0 X en m 0.01 0.02 98 Chapitre 3. Identification du flux de chauffe d’une source surfacique en géométrie 3D à t = 60 s . à t = 80 s . 360 0.02 340 0.02 350 330 340 330 0 320 -0.01 310 300 -0.02 -0.02 -0.01 0 X en m 0.01 0.01 320 Z en m Z en m 0.01 0 310 -0.01 300 -0.02 0.02 -0.02 -0.01 0 X en m 0.01 0.02 à t = 100 s . 0.02 304 302 Z en m 0.01 300 0 298 -0.01 296 -0.02 294 -0.02 -0.01 0 X en m 0.01 0.02 Figure 3. 25. Distribution spatiale de la température sur la face supérieure de la plaque. 2.2. Problème inverse Il est supposé que les deux intensités du flux de chauffe sont inconnues. La MGC est mise en œuvre afin d’estimer ces deux fonctions en minimisant le critère quadratique défini par : ( J φS1 ( t ) , φS2 ( t ) ) tf ( ( ) ) 2 1 = ∫ θ C1,...,5 ; t ; φS1 ; φS2 − θˆ ( t ) dt 20 (3. 11) Une discrétisation sur la base des fonctions chapeaux est proposée. Pour ce faire le choix du pas de temps est fixé à ∆t = 10 s le long d’un intervalle de temps défini par T = [0, t f ] = [0,100] secondes. Chapitre 3. Identification du flux de chauffe d’une source surfacique en géométrie 3D 2.2.1. 99 Problème de sensibilité Ce problème reste identique au précédent problème décrit par (3. 4). En revanche, le seul changement est donné par l’expression de la variation du flux qui devient : Nt +1 tr δφS1 ( t ) = ∑ (δφi ) S1 si ( t ) = δφS1 . s ( t ) i =1 Nt +1 tr δΦ ( x, z; t ) = δφS2 ( t ) = ∑ (δφi ) S si ( t ) = δφS2 . s ( t ) 2 i =1 0 où YS j = − si ( x, z ) ∈ DS 1 ( I (t ) , r ) si ( x, z ) ∈ DS 2 ( I (t ) , r ) S1 S2 sinon e m (avec j ∈ {1, 2} ). 2 L’expression analytique de la variation de flux s’écrit par : NS δΦ ( x, z; t ) ≈ ∑ j =1 −δφS j ( t ) atan µ π (x − X Sj (t )) 2 ( + z − ZS j (t ) ) 2 π − µr − 2 Comme il a été mentionné précédemment, ce problème se résout à chaque itération k dans la direction de descente. Cette dernière est déterminée grâce à la résolution du problème adjoint associé au présent problème inverse. 2.2.2. Problème adjoint Les équations décrivant ce problème restent identiques à celles données en (3. 8), tandis que la variation Lagrangienne s’écrit : tf δ l (θ , φS , φS ,ψ ) = − ∫ 1 2 tf =∫ ∫ 0 Γ chauffe δΦ (.) ψ (.) d ∂Ω dt 0 Γchauffe δφS ( t ) atan µ ∑ π j =1 NS j NS = ∑ ∑ (δφi ) S j i =1 j =1 Nt +1 ∫ tf ∫ ∫ 0 Γchauffe (x − X Sj (t )) si ( t ) atan µ π 2 ( + z − ZS j (t ) (x − X Sj (t )) 2 ) ( 2 π − µ r − ψ (.) d ∂Ω dt 2 + z − ZS j (t ) ) 2 π − µ r − ψ (.) d ∂Ω dt 2 100 Chapitre 3. Identification du flux de chauffe d’une source surfacique en géométrie 3D En se basant sur la relation suivante : δ l (θ , φS ( t ) , φS ( t ) ,ψ ) = δ J (θ , φS ( t ) , φS ( t ) ) = 1 2 1 2 N t +1 N S ∂J ∑ ∑ (δφ ) ( ∂φ ) i =1 i S j j =1 , i S j Le gradient de la fonctionnelle associé à chaque inconnue peut s’écrire : tf ∂J 1 =∫ ∫ atan µ ( ∂φ i ) S1 0 Γchauffe π tf 1 ∂J =∫ ∫ atan µ ∂φ π ( i ) S2 0 Γchauffe 2.3. ( x − X (t )) + ( z − Z (t )) 2 S1 2 S1 ( x − X (t )) + ( z − Z (t )) 2 S2 S2 2 π − µ r + ψ ( x, y, z; t ) si ( t ) d ∂Ω dt 2 π − µ r + ψ ( x, y, z; t ) si ( t ) d ∂Ω dt 2 Résultats numériques Dans cette sous-section, plusieurs exemples de simulations numériques sont présentés afin d’analyser le comportement et la robustesse de la MGC pour résoudre un PICC-3D (identification de deux densités de flux de chauffe délivrées par deux sources mobiles). Le test d’arrêt J stop est choisi arbitrairement égal à 3 10−2 pour les cas non bruités, alors que pour les cas bruités, la formule donnée dans le chapitre 2, sous-section 3.2.5 est retenue. Dans ces deux situations, la formule de rafraichissement de [Powell, 1977] est prise en compte. Cas C. 1 : sans bruit de mesure Les deux flux de chauffe à l’itération initiale ( k = 0 ) de l’algorithme de minimisation sont nuls : φSk1 =0 (t ) = φSk2 =0 (t ) = 0 . Les résultats de la minimisation du critère sont présentés par la figure et le tableau suivants : J(φS1(t), φS2(t)) 10 10 10 10 10 6 4 2 0 -2 0 10 20 30 40 50 60 Itérations k Figure 3. 26. Évolution du critère en fonction des itérations. 101 Chapitre 3. Identification du flux de chauffe d’une source surfacique en géométrie 3D Tableau 3. 6. Valeurs du critère en fonction des itérations k (Cas C. 1). Itération k J φSk1 ( t ) , φSk2 ( t ) ( ) 0 1 2 3 … 6 … 14 … 41106 3426.6 1085.4 398.9 … 80.8 … 9.09 … 26 1.12 27 0.88 … … 49 0.11 50 0.1 52 0.092 … … 65 0.037 66 0.029 Cette minimisation du critère est caractéristique de la convergence des deux densités estimées vers les valeurs désirées (réelles) des deux densités des deux sources chauffantes. Les figures 12 x 10 4 φ* (t) S1 φk=66(t) S1 10 8 6 4 Flux de chauffe φS2(t) en W.m-2 Flux de chauffe φS1(t) en W.m-2 suivantes illustrent la comparaison entre les densités des flux estimées et celles désirées. 10 x 10 4 φ* (t) S2 φk=66(t) 8 S2 6 4 2 2 0 0 20 40 60 80 100 Temps en secondes 0 0 Figure 3. 27. Densité du flux de chauffe φS1 ( t ) . 20 40 60 80 100 Temps en secondes Figure 3. 28. Densité du flux de chauffe φS2 ( t ) . Les Figure 3. 27 et Figure 3. 28 illustrent la convergence des densités du flux vers les deux ( ) intensités du flux désirées. En outre, les résidus des deux flux de chauffe φS1 ( t ) et φS2 ( t ) sont Résidu du flux de chauffe φ2(t) en W.m-2 Résidu du flux de chauffe φS1(t) en W.m-2 donnés par Figure 3. 29 et Figure 3. 30. 1000 500 0 0 -1000 -500 -1000 -2000 -1500 -3000 -2000 -2500 0 1000 20 40 60 80 100 Temps en secondes Figure 3. 29. Résidu du flux de chauffe φS1 ( t ) . -4000 0 20 40 60 80 100 Temps en secondes Figure 3. 30. Résidu du flux de chauffe φS2 ( t ) . 102 Chapitre 3. Identification du flux de chauffe d’une source surfacique en géométrie 3D Les valeurs moyennes des deux résidus des flux de chauffes sont égales respectivement à −239.17 W.m -2 et 42.20 W.m -2 , et leurs écarts-types sont 714.28 W.m -2 et 1309.11 W.m -2 . Les valeurs obtenues ont un ordre de grandeur faible par rapport à l’ordre de grandeur des puissances réelles. Sur la figure suivante les résidus de températures sont tracés pour chaque capteur en Résidu de température en K fonction du temps. 0.05 Rθ(C1;t) Rθ(C2;t) Rθ(C3;t) Rθ(C4;t) Rθ(C5;t) 0 -0.05 0 20 40 60 80 100 Temps en secondes Figure 3. 31. Évolution des résidus de températures. D’après cette figure, il apparaît que les valeurs des résidus de température obtenues pour chaque capteur de mesure sont comprises entre ±0.05 K . Ces résultats sont complétés par le tableau suivant : Tableau 3. 7. Valeurs des résidus températures pour chaque capteur Cm (Cas C. 1). Valeur moyenne du résidu de température en K Écart-type du résidu de température en K Capteur C1 Capteur C2 Capteur C3 Capteur C4 Capteur C5 0.007 0.0015 -0.0057 -0.003 0.0035 0.0125 0.0035 0.0039 0.00995 0.0138 D’après l’ensemble des résultats exposés précédemment, la convergence du critère a permis d’identifier de manière satisfaisante les deux densités du flux de chauffe. Dans ce qui suit, un cas d’identification de ces deux flux est proposé en présence de bruit de mesure. Chapitre 3. Identification du flux de chauffe d’une source surfacique en géométrie 3D 103 Cas C. 2 : en présence de mesures incertaines La même problématique traitée dans le Cas C. 1 est considérée en présence de mesures de Température mesurée en K température bruitées par un bruit additif de type Gaussien défini par N ( 0,1) (voir Figure 3. 32). θ(C ;t) 330 1 θ(C ;t) 2 θ(C ;t) 3 θ(C ;t) θ(C ;t) 4 5 325 320 315 310 305 300 295 290 0 20 40 60 80 100 Temps en secondes Figure 3. 32. Température mesurée en présence du bruit de mesure. Les flux de chauffe proposés à l’itération initiale restent identiques à ceux proposés dans le Cas C. 1. Le test d’arrêt J stop est choisi égal à 250 (voir sous-section 3.2.5 du chapitre 2). Les J(φS1(t),φS2(t)) résultats de la mise en œuvre numérique sont proposés dans le tableau et la figure suivants. 10 10 10 10 5 4 3 2 0 2 4 6 8 10 Itérations k Figure 3. 33. Évolution du critère en fonction des itérations. 104 Chapitre 3. Identification du flux de chauffe d’une source surfacique en géométrie 3D Tableau 3. 8. Valeurs du critère en fonction des itérations k (Cas C. 2). Itération k J φSk1 ( t ) , φSk2 ( t ) ( 0 ) 1 41131.1 3623.4 8 260.8 2 3 4 5 6 7 1285.8 607.7 419.2 342.3 297 276.4 9 252.3 10 237.7 Les valeurs des deux densités du flux qui mènent à cette minimisation sont présentées 12 x 10 4 12 φ* (t) S1 φk=10(t) 10 S1 8 6 4 2 Flux de chauffe φS2(t) en W.m-2 Flux de chauffe φS1(t) en W.m-2 respectivement par les Figure 3. 34 et Figure 3. 35. x 10 4 φ* (t) S2 10 φk=10(t) S2 8 6 4 2 0 0 0 20 40 60 80 100 Temps en secondes -2 0 Figure 3. 34. Densité du flux de chauffe φS1 ( t ) . 20 40 60 80 100 Temps en secondes Figure 3. 35. Densité du flux de chauffe φS2 ( t ) . Afin d’évaluer la robustesse des résultats obtenus, les résidus des deux densités de flux de x 10 4 -2 3 Résidu du flux de chauffe φS2(t) en W.m Résidu du flux de chauffe φS1(t) en W.m-2 chauffe fournies par les deux sources mobiles sont montrés sur les deux figures suivantes. 2.5 2 1.5 1 0.5 0 -0.5 -1 0 20 40 60 80 100 Temps en secondes Figure 3. 36. Résidu du flux de chauffe φS1 ( t ) . 5 x 10 4 4 3 2 1 0 -1 -2 0 20 40 60 80 100 Temps en secondes Figure 3. 37. Résidu du flux de chauffe φS2 ( t ) . Les valeurs moyennes des deux résidus des flux de chauffe imposés sont respectivement égales à −1264 W.m -2 et 3114 W.m -2 , et leurs écarts-types sont 8662 W.m -2 et 15187 W.m -2 . Les Chapitre 3. Identification du flux de chauffe d’une source surfacique en géométrie 3D 105 valeurs obtenues sont plus élevées que celles obtenues dans le Cas C.1 ; ces écarts sont dus au niveau de bruit imposé sur les températures. Les résidus des températures aux cinq points de mesure Résidu de température en K sont tracés sur la figure suivante : 4 Rθ(C1;t) Rθ(C2;t) Rθ(C3;t) Rθ(C4;t) Rθ(C5;t) 3 2 1 0 -1 -2 -3 -4 0 20 40 60 80 100 Temps en secondes Figure 3. 38. Évolution des résidus de températures. Les valeurs moyennes ainsi que les écarts-types des résidus de température sont donnés dans le tableau ci-après. Tableau 3. 9. Valeurs du critère en fonction des itérations k (Cas C. 2). Valeur moyenne du résidu de température en K Écart-type du résidu de température en K Capteur C1 Capteur C2 Capteur C3 Capteur C4 Capteur C5 -0.05 -0.09 -0.1 -0.07 0.18 0.87 0.95 0.95 1.07 0.98 Ce tableau atteste également que les écarts-types des résidus de température sont du même ordre de grandeur que celui du bruit de mesure considéré. 2.4. Analyse des résultats Que ce soit avec des mesures non bruitées ou bien en présence de perturbations, l’algorithme issu de la MGC permet la reconstruction des deux flux de chauffe (22 paramètres inconnus) délivrés par deux sources mobiles. En respectant la formule de définition du test d’arrêt J stop donné pour des observations bruitées, des résultats satisfaisants sont obtenus après quelques itérations (10 itérations). Dans ce cas, malgré les écarts sur les valeurs des densités des flux par rapport aux densités réelles, les écarts-types de résidus de température restent du même ordre que l’écart type de bruit de mesure. À noter que pour avoir des valeurs plus précises des deux densités du flux identifiées par rapport à celles imposées, il serait souhaitable par la suite de réduire le pas d’échantillonnage ∆t afin de décrire au mieux le comportement de ces deux densités. 106 Chapitre 3. Identification du flux de chauffe d’une source surfacique en géométrie 3D 3. Bilan du chapitre Dans ce chapitre, l'identification de l’évolution temporelle de la puissance de flux de chauffe généré par une ou plusieurs sources de chauffe (fixe ou mobiles) a été traitée dans une géométrie tridimensionnelle. L'algorithme du gradient conjugué a été appliqué avec succès pour un tel problème mal posé. À chaque itération, les directions de descente sont calculées en résolvant le problème adjoint (issu de la formulation Lagrangienne), tandis que la profondeur de descente est obtenue à partir de la résolution du problème de sensibilité. Considérant des mesures bruitées, la régularisation itérative est fiable et l'algorithme de minimisation montre une grande robustesse lors de la procédure d’identification du flux. De plus, la convergence est obtenue rapidement (quelques itérations sont suffisantes pour atteindre des densités de flux proches des flux réels). Une communication internationale relative à la première étude considérée dans ce chapitre pour un autre type de matériau est disponible dans [Beddiaf, et al., 2012 (a)]. Les résultats obtenus dans chapitre ont été diffusés dans un journal international [Beddiaf, et al., 2013 (c)]. Après avoir validé la robustesse de la méthode du gradient conjugué pour identifier l’évolution temporelle de la puissance d’un ou plusieurs flux de chauffe au sein d’un problème tridimensionnel de la conduction de chaleur, la localisation d’une ou plusieurs sources chauffantes fixes est détaillée dans le prochain chapitre. CHAPITRE 4 Localisation de sources chauffantes en géométrie 3D Sommaire 1. Identification paramétrique de la position de sources chauffantes fixes ................................. 108 1.1. Problème direct ................................................................................................................ 109 1.2. Problème inverse .............................................................................................................. 112 1.3. Résultats numériques ....................................................................................................... 115 1.4. Analyse des résultats ........................................................................................................ 121 2. Localisation en temps réduit .................................................................................................... 122 2.1. Résultats numériques ....................................................................................................... 122 2.2. Analyse des résultats ........................................................................................................ 135 3. Identification de la trajectoire d’une source de chauffe mobile .............................................. 136 3.1. Problème direct ................................................................................................................ 136 3.2. Problème inverse .............................................................................................................. 140 3.3. Résultats numériques ....................................................................................................... 145 3.4. Analyse des résultats ........................................................................................................ 150 4. Bilan du chapitre ...................................................................................................................... 150 Dans le précédent chapitre, l’identification d’une ou plusieurs densités du flux de chauffe surfaciques a été réalisée en mettant en œuvre la méthode de régularisation itérative du gradient conjugué dans une géométrie tridimensionnelle. Dans ce qui suit, la localisation (l’identification des coordonnées) d’une ou plusieurs sources fixes ainsi que l’identification de la trajectoire d’une source mobile sont étudiées. À travers les divers cas proposés, plusieurs capteurs de température ainsi que plusieurs sources de chauffe seront utilisés. Trois configurations sont traitées : la localisation de deux sources de chauffe fixes (avec un temps de résolution suffisamment long pour les localiser), l’estimation des coordonnées d’une ou plusieurs sources chauffantes fixes en temps réduit et enfin l’identification de la trajectoire d’une source mobile. Pour ce faire, le présent chapitre est organisé comme suit. Dans la première section, la résolution d’un PICC-3D est réalisée par la mise en œuvre de la MGC afin d’identifier la position de deux sources chauffantes fixes, des exemples de résolution numérique sont fournis et l’influence du bruit de mesure est présentée. Dans la deuxième section, la localisation d’une ou plusieurs 108 Chapitre 4. Localisation de source chauffante en géométrie 3D sources de chauffe stationnaires a été également effectuée en considérant un intervalle de temps réduit. Dans la troisième section, il est supposé que la trajectoire d’une source de chauffe mobile est inconnue. Plusieurs cas sont présentés avec diverses situations (différentes trajectoires initiales et désirées, diverses formes de densité du flux, sans et avec des mesures incertaines). Les résultats numériques présentés sont basés sur l’utilisation du solveur de Comsol-Multiphisics™ interfacé avec Matlab®. Pour chacune de ces études, un PICC-3D mal posé au sens d’Hadamard sera formulé et résolu par la MGC. Cette dernière nécessite la résolution itérative de trois problèmes successifs bien posés au sens d’Hadamard (problème direct, problème adjoint et problème de sensibilité) ; voir chapitre 2, section 3.2. Quelques éléments bibliographiques sont préalablement présentés afin de positionner la présente démarche par rapport aux précédents travaux de même nature. 1. Identification paramétrique de la position de sources chauffantes fixes Durant les deux dernières décennies, différentes méthodes ont été appliquées avec succès afin d’estimer la localisation d’une ou plusieurs sources chauffantes en géométrie unidimensionnelle et bidimensionnelle. La progression chronologique suivante peut être considérée : en 1993, dans les travaux de [Silva Neto et Özisik, 1993 (a)], la puissance ainsi que la profondeur d’une source chauffante ont été identifiées dans une géométrie unidimensionnelle (des mesures de température étant effectuées sur les deux extrémités du domaine). Puis en 2000, la localisation et la détermination de la puissance de deux sources ponctuelles au sein d’un domaine bidimensionnel ont été menées à bien dans [Abou-Khachfe et Jarny, 2000] par la mise en œuvre d’une méthode de régularisation itérative du gradient conjugué. Dans les travaux de [Le Niliot et Lefèvre, 2001], de multiples sources de chaleur linéiques sont positionnées. Un problème de diffusion avec une application expérimentale dans une géométrie bidimensionnelle a été proposé et résolu en utilisant la méthode d’intégrale de frontière (BIF : Boundary Integral Formulation) combinée à des fonctions de Green. Dans [Yi et Murio, 2004], l’identification d’un terme source au sein d’un PICC-1D est effectuée par l’utilisation d’une procédure de régularisation basée sur "The Mollification Method, and a marching scheme". Durant la même année 2004, se basant sur la référence [Beck et Arnold, 1977] et utilisant également la méthode des éléments de frontière (BEM : Boundary Element Method), un problème d’identification paramétrique a été résolu par [Le Niliot et Lefèvre, 2004] afin d’identifier des 109 Chapitre 4. Localisation de source chauffante en géométrie 3D sources de chauffe ponctuelles. Quelques résultats numériques et expérimentaux sont présentés par ces deux auteurs au sein d’une géométrie bidimensionnelle. Plus récemment, les travaux de [Renault, et al., 2008 & 2010] sont dédiés à la résolution d'un PICC-2D. Enfin, l’identification spatiale d’une source chauffante au sein d’un PICC-1D a été réalisée par l’utilisation d’une méthode de troncature et en se basant sur la solution analytique de l’équation de chaleur [Xiao-Xiao et Fan, 2011]. Dans ce qui suit, la méthode itérative du gradient conjugué a été retenue afin de résoudre le PICC-3D. Cette étude est organisée de la même manière que le chapitre précédent. Le prochain paragraphe est dédié à la modélisation du système physique. 1.1. Problème direct Considérons une plaque de titane tridimensionnelle carrée Ω ⊂ 3 , de dimensions identiques à celles présentées dans le chapitre 3 (voir Figure 3. 1. (a)). Rappelons que θ ( x, y, z; t ) est la température en Kelvin ( K ) et que θ0 est la température initiale de la plaque. Un phénomène de convection est considéré sur toutes les frontières de la plaque ( ∀ ( x, y, z ) ∈ ∂Ω ) . De plus, cette −e plaque est chauffée sur sa face inférieure Γchauffe = x, , z ∈ ∂Ω par plusieurs sources fixes 2 notées S j (où j = 1,..., N S , avec N S le nombre de sources). Chacune des sources fournit un flux de chaleur temporel connu et noté φS j ( t ) (en W.m -2 ), ( ces flux sont supposés uniformes sur des disques DS j ⊂ Γchauffe des centres I S j X S j , Z S j rayons égaux à r = 2 10−3 m (avec YS j = ) et des −e m ). Cette configuration réaliste peut être réalisée en 2 considérant une chauffe radiative sans contact (laser ou ampoule par exemple). Dans le cadre de cette étude, le flux de chauffe Φ ( x, z; t ) est défini par : ( φ ( t ) si ( x, z ) ∈ D I , r Sj Sj Φ ( x, z ; t ) = S j sinon 0 ) Dans ce qui suit, le nombre des sources est fixé à deux ( N S = 2 ) . L’expression du flux peut être approchée de manière analytique et dérivable comme suit : Φ ( x, z ; t ) ≈ φS ( t ) φS ( t ) FS ( x, z ) + FS ( x, z ) π π 1 2 1 2 (4. 1) 110 Chapitre 4. Localisation de source chauffante en géométrie 3D ( ( )) où : FS j ( x, z ) = −atan µ ξ S j ( x, z ) − r + π 2 , avec µ ∈ + et ξ S j ( x, z ) = (x − X ) +(z − Z ) 2 Sj Sj 2 . Le paramètre de régularisation µ , utilisé dans l’expression de Φ ( x, z; t ) , a été choisi de manière adéquate afin de décrire la discontinuité des flux de chauffe. L’évolution de la température est décrite par le système d’EDPs (4. 1). Les notations et les grandeurs thermo-physiques du matériau choisi sont détaillées dans le tableau suivant : Tableau 4. 1. Données du problème. conductivité thermique λ en W. m-1. K-1 température chaleur coefficient d’échange temps final initiale (ambiante) volumique convectif h t f en s ρ c en J. m-3.K-1 θ0 en K en W. m-2. K-1 2.35 106 21.9 20 293 300 Lorsque tous les paramètres d’entrée du modèle sont connus, ce problème direct peut être résolu numériquement en utilisant la méthode des éléments finis (Comsol-Multiphisics© interfacé avec Matlab©). La température θ ( x, y, z; t ) peut alors être calculée et sera considérée comme "température mesurée θˆ ( Cm ; t ) " (en l’absence de dispositif expérimental) dans les sections suivantes qui sont consacrées à la résolution d’un PICC-3D. Considérons par exemple deux sources −e chauffantes sur la face inférieure de la plaque YS j = m placées respectivement en 2 I S1 ( 0.01, 0.01) et I S2 ( −0.01, −0.01) (voir Figure 4. 1. (a)). Les valeurs de la température mesurée sont fournies par trois capteurs ( N C = 3) sur la face supérieure de la plaque et de coordonnées e e e C1 0, , 0.006 , C2 −0.0052, , −0.003 et C3 0.0052, , −0.003 (Figure 4. 1. (b)). 2 2 2 (a) (b) Figure 4. 1. (a). Positions des sources et (b). Positions des capteurs. Les flux de chauffe sont définis selon les deux cas suivants. 111 x 10 5 -2 10 Flux de chauffe en W.m Flux de chauffe en W.m -2 Chapitre 4. Localisation de source chauffante en géométrie 3D 8 φ (t) 6 4 10 x 10 5 φ (t) S1 φ (t) S2 8 6 4 2 2 0 0 50 100 150 200 0 0 250 300 Temps en secondes Figure 4. 2. Cas A : Les flux de chauffe φS1 ( t ) = φS2 ( t ) = φ ( t ) . ( 50 100 150 200 250 300 Temps en secondes Figure 4. 3. Cas B : Les flux de chauffe φS1 ( t ) et φS2 ( t ) sont distincts. ) La résolution numérique du problème direct permet d’obtenir l’évolution des températures pour le 1200 θ(C ;t) θ(C ;t) 1 θ(C ;t) 2 3 1000 0.02 800 0.01 600 0 820 800 Z 780 760 740 -0.01 400 720 -0.02 200 0 50 100 150 200 250 300 Temps en secondes 900 θ(C ;t) θ(C ;t) 1 2 700 -0.02 Figure 4. 4. Évolution de la température (problème direct – Cas A). Température θ en K Température θ en K Cas A (Figure 4. 4 et Figure 4. 5) et pour le Cas B (Figure 4. 6). -0.01 0 X 0.01 0.02 Figure 4. 5. Exemple de la distribution spatiale (Cas A, pour t = 200 s ) θ(C ;t) 3 800 700 600 500 400 300 200 0 50 100 150 200 250 300 Temps en secondes Figure 4. 6. Évolution de la température (problème direct – Cas B). 112 Chapitre 4. Localisation de source chauffante en géométrie 3D Dans le cas où les positions I S j des centres de deux sources sont inconnues, une procédure basée sur la résolution d’un problème inverse peut être mise en place afin d’identifier ces paramètres inconnus à partir des valeurs de température délivrées à chaque seconde par les trois capteurs de mesure Figure 4. 1. (b). 1.2. Problème inverse −e Supposons que les coordonnées des centres des deux sources I S* j X S* j , , Z S* j soient 2 j =1,2 ( ) { } inconnues. Afin de déterminer I * = I S*1 , I S*2 = X S*1 , Z S*1 , X S*2 , Z S*2 , un problème inverse est résolu en minimisant un critère quadratique J ( I ) qui décrit la différence entre les températures calculées et les températures mesurées par chaque capteur de mesure [Abou-Khachfe et Jarny, 2000 & 2001], [Beddiaf, et al., 2012 (b) & (c)]. tf ( ) 2 1 NC J ( I ) = ∫ ∑ θ ( Cm ; t ; I ) − θˆ ( Cm ; t ) dt 2 0 m=1 (4. 2) où les points de mesures sont notés Cm (définis précédemment, Figure 4. 1. (b)) et la température mesurée au capteur Cm est θˆ ( Cm ; t ) . Les valeurs des coordonnées des centres des sources sont obtenues en minimisant cette fonctionnelle quadratique : I * = Argmin J ( I ) . Le critère (4. 2) peut 4 s’écrire également d’une manière discrète (en considérant un pas d’échantillonnage en temps ∆t ), tel que : Jd ( I ) = ( ∆t f NC ∑∑ θ ( Cm ; tn ; I ) − θˆ ( Cm ; tn ) 2 n =1 m=1 t ) 2 La minimisation de ce critère s’effectue en utilisant l’algorithme de la MGC. (4. 3) 113 Chapitre 4. Localisation de source chauffante en géométrie 3D 1.2.1. Méthode du gradient conjugué pour la localisation des sources La structure de l’algorithme du gradient conjugué reste similaire à celle donnée dans la ( ) doivent être déterminées à chaque itération, ce coordonnées { X , Z , X , Z } . La formule de calcul est section 3. 2 du chapitre 2. Deux positions I Sk1 , I Sk2 k S1 qui est équivalent à estimer quatre ( ) k S1 ( ) k S2 k S2 uuuur uuuur donnée par X Sk j+1 = X Sk j − γ k +1 d Sk j+1 , Z Sk j+1 = Z Sk j − γ k +1 d Sk j+1 , avec 1 2 (( ) ( ) ) uuuur uuuur d Sk j+1 , d Sk j+1 1 étant les 2 deux coordonnées de la direction de descente associée à la source de chauffe S j . Il est important de noter que ( ) ( uuuur d Sk j+1 1 ( )) uuuur resp. d Sk j+1 fait référence à la première composante (resp. la deuxième 2 uuuur composante) du vecteur de direction de descente d Sk j+1 qui sera utilisée pour déterminer la première coordonnée notée X S j (resp. la deuxième coordonnée notée Z S j ) du centre I S j . Chaque uuuur β k = ∇J k 2 direction uuuuur 2 ∇J k −1 ∈ uuuur ∂J ∂J ∇J k = , ∂X S ∂Z S j j de +* k k X S j , ZS j ( descente . (avec ) j =1,L, N S est exprimée la norme par uuuur uuuur uuur d Sk j+1 = ∇J Sk j + β k d Sk j Euclidienne et β k =0 = 0 ) où et est le gradient de la fonctionnelle J ( I ) (en rappelant que lors de cette étude N S = 2 ). Dans les sections suivantes, le problème de sensibilité ainsi que le problème adjoint sont présentés. 1.2.2. Problème de sensibilité Soit δθ ( x, y, z; t ) la variation de température induite par une variation des paramètres { } inconnus δ I = δ X S1 , δ Z S1 , δ X S2 , δ Z S2 . La valeur de δθ ( x, y, z; t ) est obtenue par la résolution du problème de sensibilité ci-après. Notons que l’ensemble des équations décrivant le problème de sensibilité est identique à (3. 4) (voir chapitre 3), tandis que la variation du flux de chauffe peut s’exprimer par : ( δ Φ ( x, z ; t ) = φS ( t ) 1 D 1 + S1 \ DS1 −1 D + S1 \ DS1 ) + φ (t ) (1 S2 DS+2 \ DS2 −1 D S2 \ DS+2 ) 114 Chapitre 4. Localisation de source chauffante en géométrie 3D 1 si ( x, z ) ∈ A et ( x, z ) ∉ B où : 1 A\ B ( x, z ) = et DS+j est le disque de rayon r et de centre varié 0 sinon I S j + δ I S j (sachant que la coordonnée YS j est fixée sur la face inférieure de la plaque YS j = −e m) 2 Cette variation de flux peut aussi être exprimée de manière analytique à partir de (4. 1) comme suit : δ Φ ( x, z ; t ) ≈ avec : δ FS j ( x, z ) = où : AS j ( x, z ) = ( φS ( t ) φS ( t ) δ FS ( x, z ) + δ FS ( x, z ) , π π ) ( x, z ) 1 + ( µ (ξ 1 2 1 ( 2 ( −µ δ X S j X S j − x + δ X S j X S j − z ξS j ( −µ X S j − x ( ( ( x, z ) − r ) ) Sj ) )) ξ S j ( x, z ) 1 + µ ξ S j ( x , z ) − r 2 2 )) = A Sj ( x, z ) δ X S et BS j ( x, z ) = + BS j ( x, z ) δ Z S j j ( −µ Z S j − z ( ( ) ξ S j ( x, z ) 1 + µ ξ S j ( x , z ) − r )) 2 . Finalement, il vient : NS δ Φ ( x, z ; t ) ≈ ∑ φS ( t ) j =1 j π (A Sj ( x, z ) δ X S + BS j ( x, z ) δ Z S j j ) (4. 4) Pour déterminer la profondeur de descente à la prochaine itération : ( uuuur γ k +1 = Arg min J I k − γ d k +1 γ∈ * ) (( ) uuuur 2 1 t f NC = Arg min ∫ ∑ θ Cm ; t ; I k − γ d k +1 − θˆ ( Cm ; t ) dt 2 0 m =1 γ∈ * ) En suivant les démarches mentionnées dans la sous-section 3.2.3 du chapitre 2, l’expression de la profondeur de descente est : tf N C γ k +1 = ∫ ∑ (θ ( C 0 m =1 m ) ) ( ) ; t ; I k − θˆ ( Cm ; t ) δθ uuuur Cm ; t ; I k dt k +1 d tf N C ∫ ∑ (δθ ( C 0 m =1 uuuur d k +1 m ; t; I k ) ) dt (4. 5) 2 Le problème de sensibilité (3. 4) (Chapitre 3) (avec la variation du flux donnée par (4. 4)) sera uuuur uuuuur résolu numériquement à chaque itération k dans la direction de descente d k +1 = d1,kL+1,4 afin de calculer la profondeur de descente γ k +1 donnée par l’équation précédente. 115 Chapitre 4. Localisation de source chauffante en géométrie 3D 1.2.3. Afin de Problème adjoint calculer à uuuur ∂J ∂J ∂J ∂J ∇J k = , , , ∂X S ∂Z S ∂X S ∂Z S 1 1 2 2 chaque itération le gradient de la fonctionnelle noté k k k k X S1 , Z S1 , X S2 , Z S2 , la procédure de formulation du problème ( ) adjoint a été suivie (chapitre 2, sous-section 3.2.4). Ce problème reste identique à celui exprimé par tf (4. 8). La variation du Lagrangien s’exprime ici par : δ l (θ , φ ,ψ ) = − ∫ ∫ ψ (.) δΦ (.) d ∂Ω dt où la 0 ∂Ω variation du flux de chauffe δ Φ ( x, z; t ) est exprimée en (4. 4). D’où, il vient : tf NS δ l (θ , φ ,ψ ) = − ∫ ∫ ψ (.) ∑ 0 ∂Ω uuur Comme ∇J , δ I L2 ( ∂Ω×T ) j =1 φS ( t ) j π (A Sj ( .) δ X S j ) + BS j (.) δ Z S j d ∂Ω dt (4. 6) = δ J (.) = δ l (.) , l’expression du gradient de la fonctionnelle est : tf φS ( t ) ∂J = − ∫ ∫ ψ ( .) j AS j (.) d ∂Ω dt ∇J X S j = π ∂X S j uuuur 0 Γ chauffe ∇J k = tf φS j ( t ) ∂J ψ ∇ J = = − . BS j (.) d ∂Ω dt ( ) Z S j ∂Z ∫0 Γ ∫ π S j chauffe (4. 7) Le gradient de la fonctionnelle étant calculé à l’aide de (4. 7), la prochaine direction de descente peut être déduite facilement (voir l’algorithme de la MGC (paragraphe 1.2.1)). 1.3. Résultats numériques Afin de résoudre le présent PICC-3D, un test d’arrêt a été choisi arbitrairement égal à 0.1 pour les cas non bruités et selon la formule de la sous-section 3. 2. 5 du chapitre 2 pour les cas en présence de mesures bruitées. La méthode du gradient conjugué est mise en œuvre pour deux configurations (selon les deux valeurs du flux de chauffe (voir Cas A. (Figure 4. 2) et Cas B. (Figure 4. 3)) comme suit : 116 Chapitre 4. Localisation de source chauffante en géométrie 3D Cas A. 1 : sans bruit de mesure Supposons que les coordonnées initiales des deux sources sont données respectivement par : I Sk1=0 ( 0.015, 0.015 ) et I Sk2=0 ( −0.015, −0.015) avec YS1 = YS2 = −0.001 m . Les flux de chauffe sont définis par le Cas. A (voir Figure 4. 2). La température mesurée est donnée par la résolution du problème direct (Figure 4. 4) avec les valeurs désirées de positions des deux sources (voir Figure 4. 1. (a)). L’évolution des valeurs du critère en fonction des itérations est présentée par la figure et le J(IS1,IS2) tableau suivants : 10 10 10 10 10 10 8 6 4 2 0 -2 0 1 2 3 4 ( 5 6 7 Itérations k ) Figure 4. 7. Évolution de la fonctionnelle J I S1 , I S2 en fonction des itérations k (Cas A. 1). Tableau 4. 2. Valeurs du critère (Cas A. 1). Itération k J I S1 , I S 2 ( ) 0 2.34 10 1 6 2 3 4 5 6 7 12086 25.3 13.2 1.7 1.1 0.18 0.023 Les coordonnées des centres de deux sources identifiées à chaque itération sont données par : Tableau 4. 3. Coordonnées identifiées à chaque itération (Cas A. 1). Itération k X S1 0 1 2 3 4 5 6 7 0.015 0.0096 0.0099 0.01 0.01 0.01 0.0099 0.01 Z S1 0.015 0.0098 0.0101 0.01 0.01 0.01 0.01 0.01 X S2 -0.015 -0.0097 -0.01 -0.01 Z S2 -0.015 -0.0095 -0.0099 -0.0099 -0.0099 -0.0099 -0.0099 -0.0099 -0.0099 -0.01 -0.001 -0.01 117 Chapitre 4. Localisation de source chauffante en géométrie 3D La convergence est satisfaisante et l’efficacité de l’algorithme du gradient conjugué qui mène à l’obtention des positons correctes après quelques itérations est montrée. Cas A. 2 : avec bruit de mesure Considérons la même configuration du Cas A. 1 en présence d’un bruit Gaussien défini par Température meusrée en K N ( 0,5 ) sur les valeurs de la température mesurée par chaque capteur (voir Figure 4. 8). 1200 θ(C ;t) θ(C ;t) 1 θ(C ;t) 2 3 1000 800 600 400 200 0 50 100 150 200 250 300 Temps en secondes Figure 4. 8. Évolution de température mesurée en fonction du temps t . Les résultats obtenus sont présentés par le Tableau 4. 4 et le Tableau 4. 5 (où J stop est fixé à 11250 d’après la sous-section 3. 2. 5, chapitre 2). Tableau 4. 4. Valeurs du critère (Cas A. 2). Itération k J I S1 , I S2 ( ) 0 1 2 2346049 22962 10982 Tableau 4. 5. Coordonnées identifiées à chaque itération (Cas A. 2). Itération k X S1 0 1 2 0.015 0.0096 0.0100 Z S1 0.015 0.0098 0.0101 X S2 -0.015 -0.0097 -0.0100 Z S2 -0.015 -0.0095 -0.0099 118 Chapitre 4. Localisation de source chauffante en géométrie 3D Afin d'analyser si les coordonnées identifiées sont satisfaisantes, la figure suivante présente l’évolution temporelle du résidu entre la température mesurée (considérant les coordonnées exactes des deux sources chauffantes) et la température simulée (par la résolution du problème direct en Résidu de température en K utilisant les coordonnées identifiées). 15 Rθ(C1;t) Rθ(C2;t) Rθ(C3;t) 10 5 0 -5 -10 -15 0 50 100 150 200 250 300 Temps en secondes Figure 4. 9. Évolution des résidus des températures fournies par chaque capteur. Les valeurs moyennes des résidus de température ainsi que leurs écart-types sont égales à : Tableau 4. 6. Résidus de température (Cas A. 2). Valeur moyenne du résidu de température en K Écart-type du résidu de température en K Capteur C1 Capteur C2 Capteur C3 0.36 0.05 -0.43 4.82 4.77 5.16 L’écart type des résidus de température est du même ordre de grandeur que l’écart type du bruit de mesure considéré. Les résultats obtenus dans les deux précédentes situations montrent une convergence rapide du critère et une précision satisfaisante des coordonnées identifiées même en présence de mesures bruitées. Cas B. 1 : sans bruit de mesure Dans ce cas, le flux de chauffe est donné par le Cas B (voir Figure 4. 3) et les coordonnées initiales sont fixées à I Sk1=, S02 ( 0, 0 ) où YS1 , S2 = −0.001 m . Considérant les valeurs de la température (Figure 4. 6) délivrées par les trois capteurs (Figure 4. 1. (b)), les valeurs du critère obtenues par la mise en œuvre de la MGC sont résumées par le tableau suivant : 119 Chapitre 4. Localisation de source chauffante en géométrie 3D Tableau 4. 7 . Valeurs du critère (Cas B. 1). Itération k J I S1 , I S2 ( ) 0 1 2 3 4 5 2726089 2156691 1919170 530944 244019 J(IS1,IS2) 10 8983.5 10 10 10 10 10 10 11 15634.1 12 4598.5 13 2721.7 14 307.4 6 197679 154745 15 89.3 16 58.6 … 9 … 69051 … … 21 0.0377 8 6 4 2 0 -2 0 5 10 ( 15 20 Itérations k ) Figure 4. 10. Évolution de la fonctionnelle J I S1 , I S2 en fonction des itérations k (Cas B. 1). et les coordonnées identifiées en fonction des itérations sont décrites par : Tableau 4. 8. Coordonnées identifiées à chaque itération (Cas B. 1). Itération k X S1 0 0 1 0.0012 2 0.0037 3 0.0091 4 0.0131 5 0.0153 … … 21 0.01 Z S1 0 0.0029 0.0008 0.0001 0.0009 0.0018 … 0.01 X S2 0 -0.0006 -0.0018 -0.0048 -0.0061 -0.0063 … -0.01 Z S2 0 -0.0038 -0.0051 -0.0122 -0.0148 -0.0138 … -0.01 Les résultats présentés pour les deux sources sont satisfaisants. Cas B. 2 : avec bruit de mesure Lorsque les mesures de température sont perturbées par la présence d’un bruit additif Gaussien défini par N ( 0,5 ) (Figure 4. 11) le critère d'arrêt J stop est fixé à 11250. 120 Température mesurée en K Chapitre 4. Localisation de source chauffante en géométrie 3D 900 θ(C ;t) θ(C ;t) 1 2 θ(C ;t) 3 800 700 600 500 400 300 200 0 50 100 150 200 250 300 Temps en secondes Figure 4. 11. Évolution des températures mesurées en fonction du temps t . Les deux tableaux suivants présentent respectivement le comportement du critère et des coordonnées estimées en fonction des itérations k le long de la procédure de minimisation. Tableau 4. 9. Valeurs du critère (Cas B. 2). Itération k J I S1 , I S2 ( ) 0 1 2 3 4 2667217 2052449 234432 13881 10637 Tableau 4. 10. Coordonnées identifiées à chaque itération (Cas B. 2). Itération k X S1 0 1 2 3 4 0 0.0023 0.0075 0.0099 0.0103 Z S1 0 0.0029 0.0073 0.0092 0.0096 X S2 0 -0.0036 -0.0077 -0.0096 -0.0097 Z S2 0 -0.0030 -0.0080 -0.0104 -0.0105 Malgré les mesures bruitées, les résultats de l’identification obtenus semblent satisfaisants. La figure suivante présente l’évolution des résidus de température en fonction de temps. 121 Résidu de température en K Chapitre 4. Localisation de source chauffante en géométrie 3D 15 Rθ(C1;t) Rθ(C2;t) Rθ(C3;t) 10 5 0 -5 -10 -15 0 50 100 150 200 250 300 Temps en secondes Figure 4. 12. Évolution du résidu de température en fonction du temps t . Le tableau suivant présente les valeurs moyennes et les écart-types des résidus de température en chaque point de mesure Cm . Tableau 4. 11. Résidus de température (Cas B. 2). Valeur moyenne du résidu de température en K Écart-type du résidu de température en K Capteur C1 Capteur C2 Capteur C3 -0.85 -0.50 1.01 4.63 5.00 4.72 Les résultats obtenus confirment la convergence des coordonnées estimées vers les coordonnées désirées. 1.4. Analyse des résultats Dans cette étude, la méthode du gradient conjugué est efficacement mise en œuvre dans le but d’identifier les positions (coordonnées) de centres de deux sources de chauffe fixes (en surface d’un domaine tridimensionnel). Considérant les mesures fournies par les trois capteurs (placés sur une frontière différente de celle où les deux sources interviennent), un PICC-3D a été formulé et résolu avec succès. Diverses situations et résultats numériques sont exposés afin de vérifier la robustesse de cette méthode même en présence de mesures bruitées. Dans ce qui suit, l’identification de coordonnées d’une ou plusieurs sources chauffantes en temps d’estimation réduit (ou minimal) est réalisée. 122 Chapitre 4. Localisation de source chauffante en géométrie 3D 2. Localisation en temps réduit Après avoir identifié dans le paragraphe précédent le centre des coordonnées de deux sources de chauffe fixes, ce paragraphe concerne la localisation (le centre des coordonnées) d’une, deux et trois sources de chauffe fixes en temps de résolution réduit. Cet objectif sera atteint par la mise en œuvre de la MGC. Les problèmes direct, de sensibilité et adjoint sont les mêmes que ceux définis dans l’étude précédente. Afin de quantifier la qualité de la localisation, un critère supplémentaire est considéré. Il s’agit de l’Erreur de Poursuite notée EP (cf. sous-section 3.2.5, chapitre 2) qui est défini au regard des inconnus recherchés par : ( ) NS EP I k = ∑ ( j =1 ( X Sk j − X S* j ) ( 2 + Z Sk j − Z S* j ) 2 ) est la position estimée du centre de la source chauffante I ( X où les positions I ( X , Z ) sont connues, la valeur de EP où I Sk j X Sk j , Z Sk j configuration * Sj * Sj * Sj * Sj * Sj ) , Z S* j . Dans la représente une information pertinente pour étudier le comportement de l’algorithme. La valeur de EP est utilisée dans cette étude pour illustrer l’identification en temps réduit. Cette erreur de poursuite est considérée comme un test d’arrêt de l’algorithme de la MGC. Ce dernier s’arrêtera si ( ( ) EP I k < 10 −3 m . Cependant en pratique, les positions I S* j X S* j , Z S* j ) étant inconnues et les erreurs de mesure non négligeables, le test d’arrêt J stop est fixé comme mentionné dans [Alifanov, 1994]. 2.5. Résultats numériques Cas A. 1 : la plaque est chauffée par une seule source chauffante Dans ce premier exemple, la plaque est chauffée par une seule source ( N S = 1) placée en I S* ( 0.01,0.01) en m avec YS = −e m (voir Figure 4. 13). 2 123 Chapitre 4. Localisation de source chauffante en géométrie 3D Figure 4. 13. Localisation de la source chauffante. En considérant que le temps final t f = 1 s . Les résultats du problème direct sont présentés sur les 294 θ(C ;t) 1 θ(C ;t) 2 302 θ(C ;t) 3 0.02 301 293.8 300 0.01 293.6 299 Z en m Température mesurée en K figures suivantes : 293.4 293.2 298 0 297 296 -0.01 295 293 -0.02 292.8 0 0.2 0.4 0.6 0.8 1 Temps en secondes 294 -0.02 -0.01 0 X en m 0.01 0.02 Figure 4. 14. Résolution du problème direct (Cas A. 1). Considérons que les observations sont délivrées à chaque 0.1 seconde et que la température (θˆ (C ; t )) est obtenue numériquement en chaque point de mesure C m m (cf. Figure 4. 1. (b)). Dans ce qui suit, les coordonnées de la source sont inconnues. Dans le but d’identifier ces coordonnées inconnues, le PICC-3D (sous-section 1.2) est résolu. Considérons pour l’algorithme de minimisation que l’initialisation est I Sk =0 ( 0.01, 0 ) m (rappelons que la source est placée sur la face inférieure de la plaque YS = −e m ). La résolution du PICC est effectuée en appliquant la MGC et 2 ( ) les résultats obtenus sont présentés ci-après. L’algorithme s’arrête lorsque J I k ≤ J stop = 10 −3 . 124 10 10 10 0 0.01 -2 0.005 -4 0 EP(IS) en m J(IS) Chapitre 4. Localisation de source chauffante en géométrie 3D 1 2 3 4 Itérations k 5 6 7 0 8 Figure 4. 15. Évolution du critère et de l’erreur de poursuite en fonction des itérations (Cas A. 1). Tableau 4. 12. Valeurs du critère en fonction des itérations k (Cas A. 1). Itération k 0 1 2 3 4 5 6 7 8 J (I ) 0.4956 0.0737 0.0227 0.0178 0.0047 0.0023 0.0018 0.0016 0.0007 Sur la figure précédente, il est montré qu’après 8 itérations, le critère J ( I k ) converge vers une valeur plus petite que le test d’arrêt. De plus, l’évolution de l’erreur de poursuite décroît à chaque itération ce qui confirme un comportement correct de l’algorithme. Pour J ( I k ) < J stop = 10 −3 , l’erreur de poursuite a une valeur inférieure à 10 −3 m . L’évolution des coordonnées recherchées (en fonction des itérations k ) de la source concernée est présentée dans la figure suivante : 0.02 Z en m 0.01 Ik=8 S 0 Ik=0 S -0.01 -0.02 -0.02 -0.01 0 X en m 0.01 0.02 Figure 4. 16. Évolution des coordonnées sur la face inférieure de la plaque (Cas A.1). Les coordonnées identifiées du centre de la source sont présentées par le Tableau 4. 13. 125 Chapitre 4. Localisation de source chauffante en géométrie 3D Tableau 4. 13. Coordonnées de source en fonction des itérations k (Cas A. 1). Itération k 0 1 2 3 4 5 6 7 8 XS 0.010 0.0124 0.0144 0.0153 0.0083 0.0076 0.0082 0.0081 0.0108 ZS 0 0.0015 0.0029 0.0048 0.0141 0.0130 0.0129 0.0125 0.0095 Ces précédents résultats montrent que les coordonnées de source de chauffe sont identifiées après huit itérations avec un temps d’observation égal à une seconde. Le choix de cette valeur du temps minimal de résolution dépend du nombre d’information délivrée par les capteurs de mesures. Pour des mesures bruitées, le temps final sera adapté afin d’obtenir la convergence désirée et donc la localisation correcte. Cas A. 2 : en présence d’un bruit de mesure N ( 0, 0.5 ) Les températures prédites dans la même configuration du Cas A.1 sont bruitées par un bruit additif de type Gaussien défini par N ( 0, 0.5 ) . Les observations obtenues par les trois capteurs sont Température mesurée en K présentées sur la figure suivante pour un temps final de t f = 2 s . 295.5 θ(C ;t) 1 θ(C ;t) 2 θ(C ;t) 3 295 294.5 294 293.5 293 292.5 292 0 0.5 1 1.5 2 Temps en secondes Figure 4. 17. Température bruitée pour t f = 2 secondes (Cas A. 2). L’évolution du critère et l’évolution de l’erreur de poursuite en fonction des itérations k sont présentées ci après : Tableau 4. 14. Valeurs du critère et erreur de poursuite en fonction des itérations k (Cas A. 2). 2 0.972 3 0.898 4 0.847 5 0.753 6 0.729 7 0.727 … … 12 0.727 Itération k J t f =2 s 0 4.285 1 1.256 EPt f =2 s 0.01 0.0086 0.0081 0.0046 0.0072 0.0059 0.0069 0.0068 … 0.0005 126 5 0.01 4 0.008 3 0.006 2 0.004 1 0.002 0 0 2 4 6 Itération k 8 10 EP(IS) J(IS) Chapitre 4. Localisation de source chauffante en géométrie 3D 0 12 Figure 4. 18. Évolution du critère et de l’erreur de poursuite en fonction des itérations (Cas A. 2). Il est montré que la convergence de l’algorithme est obtenue en douze itérations avec une convergence de l’erreur de poursuite telle que EP ( I Sk ) < 10−3 . Dans le but d’illustrer que le temps final t f = 1s ne fournit pas assez d’observations, l’erreur de poursuite est comparée pour t f = 1s et Erreur de poursuite en m pour t f = 2 s comme il est montré sur la figure suivante : 10 10 10 -2 EPtf=1s EPtf=2s -3 -4 0 2 4 6 8 10 12 Itération k Figure 4. 19. Erreur de poursuite pour différentes valeurs du temps final (Cas A. 2). La figure précédente montre que pour t f = 1s , l’erreur de poursuite est quasi constante pour k ≥ 6 , ce qui implique qu’il ne semble pas possible de localiser correctement le centre de la source de chauffe. Pour t f = 2 s , l’erreur de poursuite obtenue après douze itérations est inférieure à la précision désirée. L’évolution des coordonnées de source en fonction des itérations est exposée par le Tableau 4. 15. 127 Chapitre 4. Localisation de source chauffante en géométrie 3D Tableau 4. 15. Coordonnées de la source en fonction des itérations k (Cas A. 2). Itération k XS 0 0.01 0 ZS 1 0.0128 0.0018 2 0.0146 0.0033 3 0.0142 0.0082 4 0.0067 0.0164 5 0.0052 0.0135 … … … 12 0.0089 0.0105 Cas A. 3 : en présence d’un bruit de mesure N ( 0,1) Un bruit Gaussien d’écart type plus important que le Cas A.2 précédent est considéré ici ; ce bruit est défini par N ( 0,1) . L’impact de ce bruit sur les valeurs de température mesurée est Température mesurée en K présenté par Figure 4. 20. 297 θ(C ;t) 1 θ(C ;t) 2 θ(C ;t) 3 296 295 294 293 292 291 0 0.5 1 1.5 2 2.5 3 Temps en secondes Figure 4. 20. Température bruitée pour t f = 3 secondes (Cas A.3). Les deux courbes d’évolution du critère et de l’erreur de poursuite en fonction des itérations k sont 20 0.01 10 0.005 0 0 1 2 3 4 Itération k 5 6 EP(IS) en m J(IS) présentées par la figure et les tableaux ci-après (sachant que le temps final est t f = 3s ). 0 7 Figure 4. 21. Évolution du critère et de l’erreur de poursuite en fonction des itérations (Cas A.3). 128 Chapitre 4. Localisation de source chauffante en géométrie 3D Tableau 4. 16. Valeurs du critère et d’erreur de poursuite en fonction des itérations k (Cas A.3). Itération k 0 J t f =3 s 1.381 EPt f =3s 0.01 1 5.105 2 4.074 3 3.968 4 3.968 5 3.958 6 3.755 7 3.596 0.0081 0.0053 0.0047 0.0047 0.0045 0.0026 0.0008 Tableau 4. 17. Coordonnées de la source en fonction des itérations k (Cas A.3). Itération k 0 1 2 3 4 5 6 7 XS 0.01 0.0129 0.0137 0.0124 0.0124 0.0120 0.0103 0.0103 ZS 0 0.0024 0.0062 0.0059 0.0059 0.0059 0.0074 0.0093 Sur la figure suivante, considérant le niveau de bruit pris en compte, l’évolution de l’erreur de Erreur de poursuite en m poursuite en fonction des itérations k est présentée selon plusieurs valeurs du temps final. 0.01 EPtf=1s EPtf=3s EPtf=2s 0.008 0.006 0.004 0.002 0 0 1 2 3 4 5 6 7 Itération k Figure 4. 22. Erreur de poursuite pour plusieurs valeurs du temps final (Cas A. 3). Les résultats obtenus montrent que trois secondes ( t f = 3s ) sont suffisantes pour identifier les coordonnées de la source chauffante considérant des températures « mesurées » bruitées par un bruit Gaussien N ( 0,1) , tandis que 2 secondes ne semblent pas capables de fournir assez d’observations pertinentes pour identifier les positions correctes. De plus, l’effet de régularisation de la MGC est illustré lorsque les données bruyantes sont prises en compte pour l’identification. 129 Chapitre 4. Localisation de source chauffante en géométrie 3D Cas B. 1 : la plaque est chauffée par deux sources chauffantes −e Soient deux sources chauffantes fixes placées respectivement en I S1 0.01, , 0.01 et 2 −e I S2 −0.01, , 0.01 en m (voir Figure 4. 23). 2 Figure 4. 23. Positions des sources. La distribution spatiale ainsi que les valeurs de la température simulée (considérée comme 295 θ(C ;t) 1 θ(C ;t) 2 θ(C ;t) 3 302 0.02 301 294.5 300 0.01 Z en m Température θ en K température mesurée lors de la procédure d’identification) sont présentées par la figure suivante : 294 299 0 298 297 -0.01 296 293.5 295 -0.02 293 0 0.2 0.4 0.6 0.8 1 Temps en secondes 294 -0.02 -0.01 0 X en m 0.01 0.02 Figure 4. 24. Résolution du problème direct (Cas B. 1). Dans le but de résoudre le présent problème inverse, la MGC sera appliquée. Pour ce faire, En considérant pour l’algorithme de minimisation que l’initialisation est I Sk1=0 ( 0.01, 0 ) et I Sk2=0 ( −0.01, 0 ) en m avec YS1,2 = −e m . Les résultats obtenus sont présentés par la figure et le tableau suivants : 2 130 10 10 10 10 10 2 0.02 0 0.015 -2 0.01 -4 0.005 -6 0 EP(IS1,IS2) en m J(IS1,IS2) Chapitre 4. Localisation de source chauffante en géométrie 3D 1 2 3 4 5 Itérations k 6 7 8 0 9 Figure 4. 25. Évolution du critère et de l’erreur de poursuite en fonction des itérations (Cas B. 1). Tableau 4. 18. Valeurs du critère en fonction des itérations k (Cas B. 1). Itération k ( J I S1 , I S2 ) 0 1 2 3 4 … 7 8 1.1443 0.1787 0.0736 0.0578 0.0469 … 0.0016 0.0016 9 4.2859 ×10 −5 L’évolution des coordonnées identifiées pour les deux sources chauffantes est présentée ci après. 0.02 Z en m 0.01 0 Ik=9 2 Ik=9 1 Ik=0 2 Ik=0 1 -0.01 -0.02 -0.02 -0.01 0 X en m 0.01 0.02 Figure 4. 26. Évolution des coordonnées des deux sources sur la face inférieure de la plaque (Cas B.1). 131 Chapitre 4. Localisation de source chauffante en géométrie 3D Tableau 4. 19. Coordonnées des sources en fonction des itérations k (Cas B.1). Itération k X S1 0 0.01 1 0.0124 2 0.0143 3 0.0148 4 0.0091 5 0.0068 6 0.0072 … … 9 0.0099 Z S1 0 0.0015 0.0028 0.0057 0.0155 0.0125 0.0135 … 0.0101 X S2 Z S2 -0.01 -0.012 -0.0143 -0.0147 -0.0090 -0.0067 -0.0072 … -0.0099 0 0.0014 0.0028 0.0057 0.0155 0.0126 0.0135 … 0.0102 Les résultats obtenus montrent que les observations effectuées durant une seule seconde (t f = 1s ) sont suffisantes pour identifier la position des deux sources en minimisant l’écart quadratique entre les mesures observées et les valeurs de température simulées à chaque itération. Cas B. 2 : en présence d’un bruit de mesure N ( 0, 0.5 ) Considérant que la température mesurée est affectée par un bruit Gaussien d’une valeur Température mesurée en K N ( 0, 0.5 ) , l’évolution de la température mesurée est montrée sur la Figure 4. 27. 297 θ(C ;t) 1 θ(C ;t) 2 θ(C ;t) 3 296 295 294 293 292 0 0.5 1 1.5 2 Temps en secondes Figure 4. 27. Température bruitée durant t f = 2 secondes (Cas B.2). Les évolutions du critère et d’erreur de poursuite sont présentées à travers la figure et le tableau suivants : 132 J(IS1,IS2) 0.025 0.02 0.015 EP(IS1,IS2) en m Chapitre 4. Localisation de source chauffante en géométrie 3D 0.01 10 0.005 0 0 5 10 Itération k 15 0 20 Figure 4. 28. Évolution du critère et erreur de poursuite en fonction des itérations (Cas B.2). Tableau 4. 20. Valeurs du critère et de l’erreur de poursuite en fonction des itérations k (Cas B.2). Itération k ( (I J t f =2 s I S1 , I S2 EPt f =2 s S1 ) ) , I S2 0 1 2 3 4 5 … 23 9.1839 2.1753 1.5705 1.3159 1.6817 2.1721 … 0.6727 0.02 0.01745 0.01614 0.00582 0.01894 0.01392 … 0.00064 Les coordonnées obtenues pour la localisation des deux sources sont données par le tableau suivant. Tableau 4. 21. Coordonnées de la source en fonction des itérations k . Itération k X S1 0 0.01 … … 3 0.0127 4 0.0066 5 0.0041 … … 10 0.0153 11 0.0035 12 0.0063 … … Z S1 0 … 0.0115 0.0187 0.0133 … 0.0084 0.0176 0.0151 … X S2 -0.01 … -0.0123 -0.0058 -0.0033 … -0.0173 -0.0016 -0.0053 … Z S2 0 … 0.0115 0.0186 0.0126 … 0.0094 0.0169 0.0147 … 15 16 17 … 23 0.0118 0.0080 0.0075 … 0.0096 0.0093 0.0143 0.0135 … 0.0107 -0.0136 -0.0073 -0.0067 … -0.0096 0.0101 0.0139 0.0131 … 0.0103 Dans le but de justifier le choix du temps final ( t f = 2 s ) , une comparaison entre les valeurs d’erreur de poursuite obtenues pour ( t f = 1s ) et pour ( t f = 2 s ) en fonction des itérations k est présentée par la figure suivante : 133 Erreur de poursuite en m Chapitre 4. Localisation de source chauffante en géométrie 3D 10 10 10 10 -1 EPtf=1s EPtf=2s -2 -3 -4 0 5 10 15 20 Itération k Figure 4. 29. Évolution d’erreur de poursuite en fonction du temps final (Cas B.2). Il est montré dans la Figure 4. 29 que pour un bruit de mesure N ( 0, 0.5 ) que les observations effectuées durant une seconde ne sont pas suffisantes pour identifier les coordonnées de deux sources chauffantes. En effet, dans une telle situation le rapport signal/bruit est trop faible et la MGC ne parvient pas à extraire l’information pertinente sur cette durée trop courte. Pour un temps final égal à t f = 2 s , la convergence obtenue est satisfaisante et les coordonnées inconnues sont correctement identifiées. Cas B. 3 : en présence d’un bruit de mesure N ( 0,1) Dans le cas où le bruit de mesure est donné par N ( 0,1) , l’évolution de la température Tempértaure mesurée en K mesurée par les trois thermocouples est présentée par la Figure 4. 30 : 315 θ(C ;t) 1 θ(C ;t) 2 θ(C ;t) 3 310 305 300 295 290 0 2 4 6 8 10 Temps en secondes Figure 4. 30. Température mesurée pour t f = 10 secondes (Cas B.3). 134 Chapitre 4. Localisation de source chauffante en géométrie 3D La convergence de la MGC est obtenue pour un temps final t f = 10 secondes , les résultats J(IS1,IS2) 10 3 0.02 0.015 10 2 EP(IS1,IS2) en m sont présentés par les figures et les tableaux suivants : 0.01 0.005 10 1 0 2 4 6 Itération k 8 0 10 Figure 4. 31. Évolution du critère et d’erreur de poursuite en fonction des itérations (Cas B. 3). Les valeurs numériques de l’évolution du critère et de l’erreur de poursuite sont résumées respectivement dans les deux prochains tableaux. Tableau 4. 22. Valeurs du critère et de l’erreur de poursuite en fonction des itérations k (Cas B. 3). Itération k ( (I J t f =10 s I S1 , I S2 EPt f =10 s S1 0 ) ) … 3 384.34 … 49.92 , I S2 0.02 4 40.28 5 … 27.05 … 7 8 … 11 26.37 26.37 … 12.84 … 0.007 0.0014 0.012 … 0.0085 0.0035 … 0.0005 Les valeurs des coordonnées identifiées sont présentées ci après : Tableau 4. 23. Coordonnées de la source en fonction des itérations k (Cas B. 3). Itération k X S1 0 0.01 1 0.0138 2 0.0148 3 0.0106 4 0.0064 5 0.0058 … … 11 0.0095 Z S1 0 0.0022 0.0052 0.0135 0.0157 0.0143 … 0.0111 -0.01 -0.0138 -0.0148 -0.0105 -0.0061 -0.0056 … -0.0095 0.0052 0.0134 0.0156 0.0142 … 0.0108 X S2 Z S2 0 0.0022 Les résultats numériques obtenus pour un temps final t f = 10 secondes confirment la robustesse et l’efficacité de l’algorithme dans le but d’identifier les coordonnées des centres de deux 135 Chapitre 4. Localisation de source chauffante en géométrie 3D sources chauffantes. Afin de justifier le choix du temps final ( t f = 10 s ) , la figure suivante présente les valeurs d’erreur de poursuite entre les coordonnées réelles et les coordonnées estimées pour Erreur de poursuite en m différentes valeurs de temps final. 10 10 10 10 -1 EPtf=2s EPtf=5s EPtf=7s EPtf=9s EPtf=10s -2 -3 -4 0 2 4 6 8 10 Itération k Figure 4. 32. Évolution de l’erreur de poursuite pour différentes valeurs du temps final (Cas B. 3). Un autre test sur l’évolution des valeurs d’erreur de poursuite en fonction des itérations a été établi pour k = 20 itérations et pour trois valeurs différentes de temps final ( t f = 5s ) , ( t f = 7 s ) et (t f = 9s ) . Les résultats obtenus montrent que l’erreur de poursuite est toujours supérieure à 0.0012 m. Lorsque ( t f = 10 s ) , les coordonnées sont identifiées en 11 itérations. Une dernière configuration de la mise en œuvre de la MGC pour localiser trois sources chauffantes fixes est présentée dans l’annexe A (les résultats numériques obtenus sont présentés sans ou en présence de bruit de mesure). 2.6. Analyse des résultats À travers cette étude, un problème inverse tridimensionnel de la conduction de chaleur (PICC-3D) a été formulé et résolu dans le but d’estimer la position d’une ou plusieurs sources en surface d’une géométrie tridimensionnelle en utilisant la méthode du gradient conjugué (MGC). Les résultats numériques sont établis dans le but de mettre en évidence l’effet du nombre de sources, de bruit de mesures et de temps final pour avoir des résultats d’identification précis. La robustesse de l’algorithme proposé est illustrée si le nombre des observations est suffisant ; l’identification est obtenue en quelques itérations. Le nombre adéquat d’observations est directement lié au temps final (temps de résolution) et au niveau du bruit de mesure. Dans un contexte expérimental, il est 136 Chapitre 4. Localisation de source chauffante en géométrie 3D envisageable de déterminer le temps final et le nombre d’observations en tenant compte du rapport signal sur bruit et du nombre d’inconnus (i.e. le nombre des coordonnées à déterminer). Plusieurs perspectives peuvent être mises en place à la suite de cette étude et seront discutées à dans le bilan de ce chapitre. Après l’étude de la localisation d’une ou plusieurs sources fixes, il est naturel de s’interroger : "est-il possible d’identifier la trajectoire d’une source de chauffe mobile par la mise en œuvre de la méthode du gradient conjugué ?" La réponse à cette question est l’objet de l’étude suivante. 3. Identification de la trajectoire d’une source de chauffe mobile Ce paragraphe est dédié à l’identification de la trajectoire d’une source de chauffe mobile. De manière plus générale, l’identification (ou la reconstruction) de la trajectoire revêt une importance particulière dans différents domaines industriels et scientifiques tels que la robotique, l’aéronautique, l’aérospatiale, la chimie, la médicine et le multimédia… Pour avoir une idée plus précise sur l’identification de la trajectoire dans l’un de ces domaines, il est possible de se référer à [Leonard et Durrant-Whyte, 1991], [Facius, et al., 1990], [Atkins, et al., 1998], [Guo, et al., 2007], [Berg, 1983], [Da Silva, et al., 2010], [Bouktir, et al., 2008], ... Néanmoins, ce sujet est encore rarement abordé dans le domaine du génie thermique. Une initiative a été proposée par [Yang, 2006] dans le but d’étudier simultanément l’identification de la puissance et de la position de deux sources mobiles au sein d’une géométrie bidimensionnelle en utilisant 32 capteurs de températures situés sur la frontière d'un domaine carré. Dans ce qui suit, la trajectoire d’une source de chauffe mobile en surface d’une géométrie tridimensionnelle est identifiée en résolvant trois problèmes bien posés au sens d’Hadamard : problème direct, problème adjoint et problème de sensibilité. Plusieurs situations seront traitées et présentées afin de valider la robustesse de la méthode appliquée (sans et en présence de bruits de mesures, pour différentes initialisations). 3.1. Problème direct Une plaque de titane de dimensions identiques à celles présentées Figure 3. 1. (a) est considérée. Rappelons que θ ( Cm ; t ; I ( t ) ) est la température en K ; Cm désigne l’emplacement des capteurs placés sur la face supérieure de la plaque, voir Figure 4. 1. (a). La température initiale de la plaque (température ambiante) est notée θ0 . Des transferts thermiques par convection naturelle sont 137 Chapitre 4. Localisation de source chauffante en géométrie 3D −e supposés sur toutes les faces de la plaque. Sur la face inférieure Γchauffe = x, , z ∈ ∂Ω de la 2 plaque, une source de chauffe mobile délivre un flux de chauffe φ ( t ) uniforme sur un disque D ∈ Γchauffe , de rayon r = 2 10−3 m et de centre mobile I ( t ) . La trajectoire est définie par : I ( t ) = ( X ( t ) , Z ( t ) ) , avec y= −e -2 . Le flux de chauffe Φ ( x, z; t ) en W.m peut s’exprimer : 2 φ ( t ) si ( x, z ) ∈ D ( I ( t ) , r ) Φ ( x, z; t ) = sinon 0 Cette expression du flux peut être approchée d’une manière analytique et dérivable par : Φ ( x, z ; t ) ≈ ( ) où : F ( x, z; t ) = −atan µ (ξ ( x, z; t ) − r ) + π 2 φ (t ) F ( x, z ; t ) π , avec : ξ ( x, z; t ) = (4. 8) ( x − X (t )) + ( z − Z (t )) 2 2 et µ est un paramètre de régularisation. En outre, la puissance du flux de chauffe φ ( t ) est connue dans ce paragraphe et fixée à φ ( t ) = 105 W.m -2 . Le modèle mathématique présenté dans le Chapitre 3 et décrit par l’ensemble des EDPs (4. 1) reste valable pour décrire l’évolution de la température. L’ensemble des notations et valeurs est détaillé dans le Tableau 4. 1, excepté pour le temps final t f fixé à 60 secondes. Comme il est signalé précédemment, I ( t ) est la trajectoire de la source décrivant la position des coordonnées du centre de la source de chauffe à chaque instant et noté I ( t ) = ( X ( t ) , Z ( t ) ) . La trajectoire peut être discrétisée sur la base de fonctions linéaires et continues par morceaux (en utilisant la base des fonctions chapeaux) telle que : N t +1 tr X ( t ) = ∑ X i si ( t ) = X s ( t ) i =1 N t +1 tr Z (t ) = Z i si ( t ) = Z s ( t ) ∑ i =1 avec N t est le nombre de pas de temps (fixé à 4) le long de l’intervalle de temps T = 0, t f , où chaque pas de temps est défini par l’intervalle 15 ( n − 1) , 15n avec n = 1,L , N t , ( ∆t = 15 est le 138 Chapitre 4. Localisation de source chauffante en géométrie 3D pas temporel de discrétisation de la trajectoire). La figure suivante (Figure 4. 33) présente la base des fonctions chapeaux en fonction des pas de temps choisis. Figure 4. 33. Base des fonctions chapeaux. En fonction de la vitesse de la source et de la complexité de la trajectoire, il est toujours possible de diminuer le pas de temps et d’augmenter ainsi le nombre d’inconnues. Sur la figure suivante, une trajectoire simple suivie par la source chauffante sur la face inférieure est présentée : Face inférieure Figure 4. 34. Trajectoire de la source mobile. La trajectoire précédente est parfaitement définie par la donnée de : X = 10−3 ( −1.5,1.5,1.5, −1.5 ) m et Z = 10−3 (1.5,1.5, −1.5, −1.5) m. Le modèle mathématique de ce système thermique est décrit par (4.1) avec le flux de chauffe (délivré par la source mobile) formulé par (4. 8), et l’ensemble des paramètres thermo-physiques présentés dans le Tableau 4. 1. Les Chapitre 4. Localisation de source chauffante en géométrie 3D 139 résultats de la résolution du problème direct (en utilisant le solveur de Comsol-MultiphysicsTM interfacé avec Matlab®) sont présentés par l’évolution des températures obtenues à chaque seconde Température θ en K en chaque point de mesure. 325 θ(C ;t) θ(C ;t) 1 2 θ(C ;t) 3 320 315 310 305 300 295 290 0 10 20 30 40 50 60 Temps en secondes Figure 4. 35. Évolution de la température en fonction du temps. Ces résultats montrent la différence entre les valeurs de température délivrées par chaque capteur de mesure en fonction du temps t . La température notée θ ( Cm ; t ; I ( t ) ) dépend bien évidemment de la localisation de la source par rapport aux positions des capteurs. À titre d’exemple, à t = 30 s : la valeur de la température la plus élevée est délivrée par le capteur C3 , ce qui confirme qu’à cet instant la source est plus proche de ce point (à noter toutefois que dans le cas présenté le flux φ ( t ) est constant). Pour avoir une idée plus précise de l’impact de la localisation de la source sur les valeurs de température, la figure suivante présente un exemple de distribution spatiale de la température aux instants 15, 30, 45 et 60 secondes : 140 Chapitre 4. Localisation de source chauffante en géométrie 3D à t = 15 s . à t = 30 s . 312 0.02 312 0.02 310 310 308 306 0 308 0.01 Z en m Z en m 0.01 304 306 0 304 302 302 -0.01 -0.01 300 300 298 -0.02 -0.02 -0.01 0 X en m 0.01 0.02 298 -0.02 296 -0.02 à t = 45 s . -0.01 0 X en m 0.01 0.02 à t = 60 s . 312 0.02 312 0.02 310 310 308 0.01 306 0 308 0.01 Z en m Z en m 296 304 306 0 304 302 302 -0.01 -0.01 300 300 298 -0.02 -0.02 -0.01 0 X en m 0.01 0.02 298 -0.02 296 -0.02 -0.01 0 X en m 0.01 0.02 296 Figure 4. 36. Distribution spatiale de la température sur la face supérieure de la plaque. Dans ce qui suit, il est supposé que la trajectoire de cette source est inconnue. Pour procéder à son identification, un PICC est résolu par la MGC. 3.2. Problème inverse Dans le but d’estimer la trajectoire de la source notée I * ( t ) , un problème inverse de conduction de la chaleur sera formulé comme un problème classique d’optimisation dans le but de minimiser un critère quadratique notée J ( I ( t ) ) : tf ( 1 NC I ( t ) = Arg min J ( I ( t ) ) = Arg min ∫ ∑ θ ( Cm ; t ; I ( t ) ) − θˆ ( Cm ; t ) 2 0 m =1 * ) 2 dt (4. 9) La fonctionnelle à minimiser peut être approchée d’une manière discrète comme suit : (( ∆t f NC J I = ∑∑ θ Cm ; tn ; I − θˆ ( Cm ; tn ) 2 n =1 m =1 () t ) ) 2 (4. 10) 141 Chapitre 4. Localisation de source chauffante en géométrie 3D Après avoir formulé le problème direct dans le paragraphe précédent, le problème de sensibilité et le problème adjoint sont présentés dans les deux paragraphes suivants. 3.2.1. Problème de sensibilité Ce problème a pour objectif d’étudier la variation de température δθ ( x, y, z; t ; δ I ( t ) ) due à la variation de la trajectoire δ I ( t ) = (δ X ( t ) , δ Z ( t ) ) . Ce problème peut s’exprimer par le même ensemble d’équations aux dérivées partielles donné en (4. 4) sachant que la variation du flux de chauffe δΦ ( x, z; t ) est formulée par : φ (t ) δΦ ( x, z; t ) = −φ ( t ) 0 rappelons que YS = ( x, z ) ∈ ( D + ( I + ( t ) , r ) − D ( I ( t ) , r ) ) si ( x, z ) ∈ ( D ( I ( t ) , r ) − D + ( I + ( t ) , r ) ) si (4. 11) sinon −e , 2 avec I + ( t ) = I ( t ) + εδ I ( t ) et D + est le disque varié de la source de chauffe dû à la variation I + ( t ) . L’expression analytique de la variation du flux de chauffe δ Φ ( x, z; t ) est donnée par l’équation suivante: −φ ( t ) (δ X ( t ) ) ( X ( t ) − x ) + (δ Z ( t ) ) ( Z ( t ) − z ) µ 2 2 δ Φ ( x, z ; t ) = π 1 + µ ( ξ ( x, z ; t ) − r ) ξ ( x, z ; t ) 0 ) ( où ξ ( x, z; t ) = ( x − X (t )) + ( z − Z (t )) 2 2 si y=− e 2 (4. 12) sinon . En utilisant la base des fonctions chapeaux, l’expression de la variation du flux de chauffe devient : −φ ( t ) Nt +1 Nt +1 Nt +1 Nt +1 δ Φ ( x, z ; t ) = ∑ δ X i si ( t ) ∑ X i si ( t ) − x + ∑ δ Z i si ( t ) ∑ Z i si ( t ) − z A (.) π i =1 i =1 i =1 i =1 µ 2 2 avec : A ( x, z; t ) = ξˆ ( x, z; t ) 1 + µ ξˆ ( x, z; t ) − r 0 ( 2 ) 2 N t +1 Nt +1 et ξˆ ( x, z; t ) = x − ∑ X i si ( t ) + z − ∑ Z i si ( t ) . i =1 i =1 si sinon y=− e 2 (4. 13) 142 Chapitre 4. Localisation de source chauffante en géométrie 3D Après avoir résolu le problème de sensibilité dans la direction de descente et en se basant sur la procédure mentionnée précédemment lors de la sous-section 3.2.3 du chapitre 2, alors l’expression de la profondeur de descente est : tf N C γ k +1 = ∫ ∑ (θ ( C 0 m =1 m ) ) ( ) ; t ; I k ( t ) − θˆ ( Cm ; t ) δθ uuuur Cm ; t ; I k ( t ) dt k +1 d tf N C ∫ ∑ (δθ ( C uuuur d k +1 0 m =1 m ; t; I k (4. 14) ( t ) ) ) dt 2 Pour calculer la direction de descente, il est nécessaire de calculer le gradient de la fonctionnelle J . Pour ce faire, le problème adjoint est présenté ci-après. 3.2.2. Problème adjoint En suivant les démarches mentionnées précédemment (voir sous-section 3.2.4 du Chapitre 2), le lagrangien l ( I ( t ) ;θ ;ψ ) (associé au problème direct (3. 1) avec le flux de chauffe exprimé dans cette étude par (4. 8)) est défini par : f ∂θ (.) l ( I ( t ) ;θ ;ψ ) = J ( I ( t ) ) + ∫ ∫ ρ c − λ Δθ (.) ψ (.) dt dΩ ∂t 0 Ω t (4. 15) où J ( I ( t ) ) est le critère à minimiser qui peut s’exprimer : tf ( ) NC 2 1 J ( I ( t ) ) = ∫ ∫ ∑ θ ( Cm ; t ; I ( t ) ) − θˆ ( Cm ; t ) δ D ( Cm ; t ) dt d Ω 2 0 Ω m =1 (4. 16) avec δ D est la distribution de Dirac. Si θ est une solution de (3. 1), alors : l ( I ( t ) ;θ ;ψ ) = J ( I ( t ) ) ⇒ δ l ( I ( t ) ;θ ;ψ ) = δ J ( I ( t ) ) (4. 17) La variation du Lagrangien est définie par : δ l ( I ( t ) ;θ ;ψ ) = = ∂l (.) ∂θ (.) ∂l (.) ∂θ (.) δθ (.) + ∂l (.) ∂I ( t ) N t +1 ∂l (.) δθ (.) + ∑ i =1 δ I (t ) + ∂X i ∂l (.) ∂ψ (.) δ Xi + δψ (.) ∂l (.) ∂Z i δ Zi + ∂l (.) ∂ψ (.) δψ (.) 143 Chapitre 4. Localisation de source chauffante en géométrie 3D Le calcul de cette variation lorsque ψ ( x, y, z; t ) est fixé donne : δ l ( I ( t ) ;θ ;ψ ) = tf ∂l (.) ∂θ (.) NC = ∫ ∫∑ 0 Ω m =1 δθ (.) + ∂l (.) ∂I ( t ) δ I (t ) f ∂δθ (.) ˆ θ ( Cm ; t ; I ( t ) ) − θ ( Cm ; t ) δ D (.; Cm ) dt dΩ + ∫ ∫ ρ c − λ Δδθ (.) ψ (.) dt dΩ ∂t 0 Ω ( t ) Notons E ( I ( t ) ;θ ) la fonction erreur définie par : NC ( ) E ( I ( t ) ;θ ) = ∑ θ ( Cm ; t ; I ( t ) ) − θˆ ( Cm ; t ) δ D (.; Cm ) m =1 En intégrant par partie par rapport au temps et par rapport à l’espace, l’ensemble des équations décrivant le problème de sensibilité (4. 4), la variation δ l ( I ( t ) , θ ,ψ ) peut s’écrire : tf ∂ψ (.) 0 Ω ∂t ∫ ∂ψ (.) λ δθ (.) r d ∂Ω dt + ∂n δ l ( I ( t ) ;θ ;ψ ) = ∫ ∫ E (.) − ρ c tf −∫ 0 ∂Ω − λ Δψ (.) δθ (.) dt dΩ + ∫ ρ c δθ (.; t f )ψ (.; t f ) dΩ Ω tf ∫∫ 0 ∂Ω tf h δθ (.) ψ (.) d ∂Ω dt − ∫ Rappelons que, le choix du multiplicateur de Lagrange ψ ∫ δ Φ (.) ψ (.) d ∂Ω dt (4. 18) 0 ∂Ω se fait pour que l’équation ∂l δθ = 0 ∀δθ soit satisfaite (voir sous-section 3.2.4 chapitre 2), ce qui implique que ∂θ Nt +1 ∂l (.) δ l ( I ( t ) ;θ ;ψ ) = ∑ i =1 ∂X i δ Xi + ∂l (.) ∂Z i δ Z i . En utilisant l’expression de δ l ( I ( t ) ;θ ;ψ ) donnée par (4. 18), le problème adjoint s’écrit par le même ensemble des EDPs (4. 8). La variation lagrangienne δ l ( I ( t ) ;θ ;ψ ) devient alors : tf δ l ( I ( t ) ;θ ;ψ ) = − ∫ ∫ δΦ (.) ψ (.) d ∂Ω dt 0 ∂Ω = δ J ( I (t )) (4. 19) En remplaçant l’expression de δ Φ ( x, z; t ) donnée par (4. 13) dans l’équation (4. 19), il vient : 144 Chapitre 4. Localisation de source chauffante en géométrie 3D tf δ l ( I ( t ) ;θ ;ψ ) = − ∫ ∫ δΦ (.) ψ (.) d ∂Ω dt 0 ∂Ω −φ ( t ) Nt +1 Nt +1 Nt +1 Nt +1 X s t X s t − x + Z s t δ δ ( ) ( ) ( ) ∑ ∑ i i ∑ i i ∑ Z i si ( t ) − z A (.) ψ (.) d ∂Ω dt i i ∫ π i =1 i =1 i =1 i =1 0 ∂Ω tf = −∫ Le développement de cette expression donne : δ l ( I ( t ) ;θ ;ψ ) = φ (t ) N +1 N +1 δ X s t ( ) ∑ ∑ X i si ( t ) − x A (.) ψ (.) d ∂Ω dt i i ∫ ∫ π 0 ∂Ω i =1 i =1 tf t t φ (t ) N +1 N +1 + Z s t δ ( ) ∑ i i ∑ Z i si ( t ) − z A (.) ψ (.) d ∂Ω dt ∫ ∫ π 0 ∂Ω i =1 i =1 tf t t (4. 20) φ ( t ) N +1 N +1 δ X s t ∑ i ∫ ∫ ( i ( ) ) ∑ X i si ( t ) − x A ( .) ψ ( .) d ∂Ω dt π i =1 i =1 0 ∂Ω = tf φ ( t ) Nt +1 Nt +1 + Z s t δ ∑ i ∫ ∫ ( i ( ) ) ∑ Z i si ( t ) − z A ( .) ψ ( .) d ∂Ω dt π i =1 i =1 0 ∂Ω tf t De plus, δ l ( I ;θ ;ψ ) = δ J ( I ;θ ) = t N t +1 ∂J (.) i =1 ∂I i ∑ δ Ii = Nt +1 ∂J (.) i =1 ∂X i ∑ δ Xi N t +1 ∂J (.) i =1 ∂Z i + ∑ δ Zi . Ainsi, le gradient de la fonctionnelle J ( I ( t ) ;θ ) s’écrit : ∂J φ ( t ) t f Nt +1 = ∑ X i si ( t ) − x A (.) ψ (.) si ( t ) d ∂Ω dt ∫ ∫ π 0 ∂Ω i =1 ∂X i ∂J = et ∂I i tf Nt +1 ∂J = φ ( t ) ∑ Z i si ( t ) − z A (.) ψ (.) si ( t ) d ∂Ω dt ∫ ∫ ∂Z i π 0 ∂Ω i =1 (4. 21) À ce stade, l’algorithme de la MGC utilisé dans les précédents chapitres (étude de la section 1 et de la section 2) peut être mis en œuvre afin d’identifier la trajectoire inconnue. L’expression du uur k +1 k nouveau vecteur décrivant la trajectoire estimée à l’itération k + 1 est donnée par I = I − γ k +1 d k , uuuur 2 ∇J k uuuur uuuur uur avec d k +1 = ∇J k + β k d k le vecteur des directions de descente, et β k = uuuuur 2 ∈ ∇J k −1 +* le rapport 145 Chapitre 4. Localisation de source chauffante en géométrie 3D entre les normes des deux gradients successifs. Le gradient de la fonctionnelle est défini par uuur k uuuuuuuuuuur k ∂J ∂J ∂J ∂J ∇J = grad J I = = = , ∈ Nt +1 en considérant que β k =0 = 0 . ∂ I ∂I i i =1,L, Nt +1 ∂X i ∂Z i i =1,L, Nt+1 ( ) Passons maintenant à la mise en œuvre numérique dans le but d’estimer la trajectoire d’une source de chauffe mobile par la résolution d’un PICC-3D. 3.3. Résultats numériques Les résultats numériques sont obtenus avec un test d’arrêt fixé arbitrairement à 0.1 dans les cas non bruitées et selon la définition donnée dans le chapitre 2, sous-section 3.2.5 pour les cas bruités. Il est nécessaire de mentionner que lors de la mise en œuvre numérique, il est supposé que les positions initiales et finales de la source chauffante mobile sont identiques mais inconnues (cas A et B). De plus, un rafraîchissement de la direction de descente [Powell, 1977] a été pris en compte lors de la mise en œuvre numérique de l’algorithme. Cas A. 1 : trajectoire initiale sous forme d’un carré Les températures « mesurées » sont celles données par la Figure 4. 35. Pour l’initialisation de l’algorithme, la trajectoire initiale de la source de chauffe est définie par la courbe pointillée en vert I k =0 (voir Figure 4. 38). La résolution du problème inverse permet d’identifier la trajectoire inconnue (8 paramètres recherchés) de la source chauffante en minimisant le critère quadratique J ( I ( t ) ) (cf. (4. 16)) à chaque itération k . Les résultats de la minimisation du critère sont présentés par la Figure 4. 37 et le J(I(t)) Tableau 4. 24. 10 10 10 10 4 2 0 -2 0 2 4 6 8 10 12 Itérations k Figure 4. 37. Évolution du critère en fonction des itérations (Cas A. 1). 146 Chapitre 4. Localisation de source chauffante en géométrie 3D Tableau 4. 24. Valeurs du critère en fonction des itérations k (Cas A. 1). Itération k J ( I (t )) 0 1 2 3 4 5 6 7 1430.3 4.56 11.70 3.39 2.76 1.11 0.855 0.766 8 0.655 9 0.360 10 0.241 11 0.146 12 0.116 13 0.093 La trajectoire identifiée après treize itérations I ( t ) (trajectoire réelle) et la trajectoire initiale I ( t ) I*(t) k =0 I(t)k=0 k =13 ainsi que la trajectoire désirée I * ( t ) sont présentées sur la Figure 4. 38. I(t)k=13 0.02 S(0s), S(60s) S(15s) S(0s), S(60s) S(15s) S(45s) S(30s) Z en m 0.01 0 -0.01 S(45s) S(30s) -0.02 -0.02 -0.01 0 X en m 0.01 0.02 Figure 4. 38. Évolution des trois trajectoires ( I ( t ) = I ∗ : trajectoire réelle (désirée), I (t ) k =0 : trajectoire initiale et I ( t ) k =13 : trajectoire identifiée après 13 itérations en fonction du temps t ). La convergence est obtenue après 13 itérations et l’efficacité de l’algorithme du gradient conjugué qui mène à l’obtention de la trajectoire désirée après quelques itérations est montrée. De plus, la figure suivante confirme la précision des résultats obtenus à travers le tracé du résidu de température décrivant la différence entre les températures mesurées (Figure 4. 35) et la température simulée avec la trajectoire identifiée. 147 Résidu de température en K Chapitre 4. Localisation de source chauffante en géométrie 3D 0.06 Rθ(C1;t) Rθ(C2;t) Rθ(C3;t) 0.04 0.02 0 -0.02 -0.04 -0.06 -0.08 0 10 20 30 40 50 60 Temps en secondes Figure 4. 39. Résidu de température en fonction du temps. Les résidus de température fournis par les trois capteurs sont inclus dans un intervalle de température très faible ( ]−0.08, 0.06[ en K ) par rapport aux valeurs de température obtenues par la résolution du problème direct (température mesurée (cf. Figure 4. 35)). Tableau 4. 25. Résidus de température (Cas A. 1). Valeur moyenne du résidu de température en K Capteur C1 Capteur C2 Capteur C3 0.0061 0.0084 -0.0140 Ces faibles valeurs des résidus de température (valeurs moyennes) confirment la qualité des résultats obtenus. Dans l’exemple suivant, la MGC est mise en œuvre en considérant des mesures incertaines. Cas A. 2 : trajectoire initiale sous forme d’un carré en présence des mesures bruitées Pour ce deuxième cas, la même configuration que précédemment est considérée en tenant compte de mesures affectées par un bruit additif de type Gaussien (défini par N ( 0,1) ) sur les mesures de température (voir Figure 4. 40). 148 Température mesurée en K Chapitre 4. Localisation de source chauffante en géométrie 3D 330 θ(C ;t) θ(C ;t) 1 325 2 θ(C ;t) 3 320 315 310 305 300 295 290 0 10 20 30 40 50 60 Temps en secondes Figure 4. 40. Évolution de la température bruitée (Cas A. 2). La MGC dans le but d’identifier la trajectoire de la source mobile dans ces conditions (mesures bruitées) et en prenant en compte la valeur du test d’arrêt déterminé selon la formule donnée dans le chapitre 2, sous-section 3.2.5 à J stop = 90 dans le cas présent, est mise en œuvre : Les valeurs du critère minimisé sont données aussi dans le Tableau 4. 26. Tableau 4. 26. Valeurs du critère en fonction des itérations k (Cas A. 2). Itération k 0 1 2 J ( I ( t ) ) 1557.1 112.9 76.7 Pour ce cas, les trajectoires : désirée, initiale et identifiée sont présentées par Figure 4. 41, les résidus de températures fournies par chaque capteur de mesure sont exposés sur la Figure 4. 42 : I(t)k=0 I(t)k=2 S(15s) S(0s), S(60s) S(0s), S(60s) 0.01 Z en m Résidu de température en K I*(t) 0.02 S(15s) 0 -0.01 3 Rθ(C1,t) Rθ(C2,t) Rθ(C3,t) 2 1 0 -1 S(30s) S(45s) -2 S(30s) S(45s) -0.02 -3 0 -0.02 -0.01 0 X en m 0.01 0.02 Figure 4. 41. Évolution temporelle des ( trajectoires I * ( t ) , I ( t ) k =0 , I (t ) k =2 ). 10 20 30 40 50 60 Temps en secondes Figure 4. 42. Évolution du résidu de température en fonction du temps t . 149 Chapitre 4. Localisation de source chauffante en géométrie 3D D’après la Figure 4. 42, les résidus de température sont compris dans l'intervalle ]−3,3[ en K . Cette différence de température (entre la température mesurée et simulée avec la trajectoire identifiée) est bien évidemment due à l’impact du bruit de mesure sur les températures mesurées. Néanmoins, ces perturbations n'affectent pas dramatiquement la procédure d’identification et donc le paramètre estimé (cf. Figure 4. 41) grâce au principe de régularisation de la MGC. Afin de confirmer ces résultats, le tableau suivant présente les valeurs numériques des moyennes et des écart-types des résidus de température. Tableau 4. 27. Résidus de température (Cas A. 2). Capteur C1 Capteur C2 Capteur C3 0.005 0.011 -0.107 1.005 1.006 0.853 Valeur moyenne du résidu de température en K Écart-type du résidu de température en K Ce tableau confirme également que les écart-types des résidus de température ont le même ordre de grandeur que l’écart type du bruit de mesure. Afin de confirmer la qualité des résultats obtenus, le tableau suivant présente les résidus des coordonnées (estimées et réelles) du centre de la source chauffante pour quelques instants de temps tn . Tableau 4. 28. Résidus des coordonnées de la trajectoire. tn = 0 s ou tn = 60 s tn = 15 s tn = 30 s tn = 45 s Résidu de la première coordonnée X ( tn ) en m −0.0036 −2.7 10−4 −0.0011 4.61 10−4 Résidu de la seconde coordonnée Z ( tn ) en m 0.0011 −6.02 10−4 3.31 10−4 0.0011 Ces faibles écarts entre les coordonnées réelles et les coordonnées estimées de la trajectoire confirment la robustesse de la méthode du gradient conjugué pour estimer la trajectoire de cette source chauffante mobile même en présence de mesures bruitées. En annexe B, des exemples supplémentaires sont présentés et attestent de l'intérêt de la méthode proposée : Cas B : identification de la trajectoire (carré) de la source mobile avec une initialisation différente (avec et sans bruit de mesure). Cas C : identification de la trajectoire (un 4) considérant un flux de chauffe connu qui varie en fonction du temps (avec et sans bruit de mesure). 150 Chapitre 4. Localisation de source chauffante en géométrie 3D 3.4. Analyse des résultats L’ensemble des résultats obtenus dans les cas non bruités (Cas A. 1, et en annexe B les Cas B. 1 et Cas C. 1) confirme la robustesse de la MGC pour identifier la trajectoire d’une source de chauffe mobile. En présence de bruits de mesure, les résultats obtenus dans les Cas A. 2, Cas B. 2 et Cas C. 2 (ces deux derniers en annexe B) montrent que la reconstruction de trajectoire est satisfaisante. La convergence est toujours obtenue avec des résidus dont l’écart type est de l’ordre de grandeur du bruit de mesure. Ainsi la méthode de régularisation itérative du gradient conjugué a été efficacement mise en œuvre pour la reconstruction de trajectoire d’une source mobile dans une géométrie 3D à l’aide de 3 capteurs ponctuels. 4. Bilan du chapitre À travers ce chapitre, la résolution de divers problèmes inverses dans une géométrie tridimensionnelle a été menée à bien dans le but de localiser une ou plusieurs sources fixes ou mobiles. L’algorithme du gradient conjugué a été adapté à chaque étude afin de répondre aux objectifs visés. La minimisation du critère défini a été atteinte dans chaque étude avec une convergence satisfaisante vers les coordonnées recherchées. Dans le cadre de la première étude qui consiste à localiser deux sources chauffantes fixes, la MGC est efficacement mise en œuvre dans le but d’identifier les positions (les coordonnées) de deux sources de chauffe fixées à la surface d’un domaine tridimensionnel. Considérant les mesures fournies par trois capteurs ponctuels (placés sur une frontière différente), le problème inverse associé à cette étude a été résolu avec succès. Plusieurs cas sont traités afin de vérifier la robustesse de cette méthode même en présence des mesures bruitées. Parmi les perspectives qui sont explorées : la localisation d’une ou plusieurs sources chauffantes en temps réduit (et qui représente l’objectif de la seconde étude proposée dans ce chapitre), l’identification de la trajectoire d’une source mobile (troisième étude abordée dans ce chapitre) ... Dans la deuxième partie de ce chapitre, la localisation d’une ou plusieurs sources fixes a été réalisée en un temps réduit. Ce dernier est mis en évidence en considérant la convergence de l’erreur de poursuite. Divers cas sont traités sans ou en présence de bruits de mesures. Une perspective importante de cette étude pourrait être la détermination d'un critère (en relation avec le Chapitre 4. Localisation de source chauffante en géométrie 3D 151 rapport signal/bruit reçu par l'ensemble des capteurs) qui permettrait de choisir le temps minimal afin d’identifier les inconnues recherchées. L’identification de la trajectoire d’une source mobile fait l’objet de l’étude abordée dans la troisième partie de ce chapitre (et complétée en annexe). Plusieurs situations numériques ont été considérées : à partir de diverses trajectoires initiales et finales (désirées), en présence ou non de bruits de mesures et avec divers types de densité du flux de chauffe. Les résultats obtenus ont été analysés et permettent de valider la robustesse de la MGC. Dans le chapitre suivant, l'identification simultanée de la trajectoire et de la puissance est proposée. CHAPITRE 5 Identification simultanée du couple puissance & position Sommaire 1. Estimation simultanée du flux de chauffe et de la localisation d’une source fixe. .................. 153 1.1. Problème direct ................................................................................................................ 155 1.2. Problème inverse .............................................................................................................. 158 1.3. Résultats numériques ....................................................................................................... 161 1.4. Analyses des résultats ...................................................................................................... 168 2. Estimation simultanée du flux de chauffe et de la trajectoire d’une source mobile ................ 168 2.1. Problème direct ................................................................................................................ 169 2.2. Problème inverse .............................................................................................................. 171 2.3. Résultats numériques ....................................................................................................... 172 2.4. Analyses des résultats ...................................................................................................... 181 3. Bilan du chapitre ...................................................................................................................... 182 Les deux précédents chapitres traitaient de l'identification du flux de chauffe (chapitre 3) et de la localisation (chapitre 4) d'une ou plusieurs sources (fixes ou mobiles). L'expérience acquise est exploitée dans ce nouveau chapitre afin d’identifier simultanément le couple (puissance & trajectoire) en résolvant un PICC-3D à l'aide d’une méthode séquentielle de régularisation itérative du gradient conjugué. Deux études sont présentées dans ce chapitre. La première consiste à identifier simultanément la puissance et la position d’une source de chauffe fixe. La seconde étude porte sur l’identification simultanée de la puissance et de la trajectoire d’une source mobile. L’organisation du présent chapitre est identique à celle des deux précédents. Divers exemples numériques sont proposés afin de valider les résultats obtenus. 1. Estimation simultanée du flux de chauffe et de la localisation d’une source fixe. Dans cette étude, l’emplacement d’une source de chauffe fixe ainsi que le flux de chaleur (variant en fonction du temps) qu'elle émet, sont identifiés à l'aide de quelques "mesures" de température. Mentionnons tout d’abord quelques jalons bibliographiques relatifs à cette 154 Chapitre 5. Identification simultanée du couple puissance & position thématique : une des premières études a été présentée par [Silva Neto et Özisik, 1993 (a)] où l'estimation du flux de chaleur temporel et la localisation d'une source ponctuelle dans un domaine unidimensionnel a été menée à bien (les températures sont mesurées aux deux extrémités). Dans l’étude proposée par [Silva Neto et Özisik, 1994], la MGC a été choisie afin d’estimer simultanément l’intensité et la position d’une source chauffante dans une géométrie unidimensionnelle (plusieurs cas sont traités en présence de bruit de mesure et en analysant l'effet du nombre et de l’emplacement des capteurs sur la précision des résultats). Une étude expérimentale a été réalisée et proposée par [Le Niliot, et al., 2000] pour l’estimation simultanée de la position et de la puissance d’une source chauffante au sein d’un problème bidimensionnel de diffusion de la chaleur en mettant en œuvre la méthode des éléments de frontière. Dans [Le Niliot et Lefèvre, 2001 & 2004], le flux de chauffe et la localisation de plusieurs sources de chauffe linéiques sont identifiés alors que le nombre de sources est inconnu (une démarche expérimentale au sein d’un domaine bidimensionnel a été proposée). Une étude plus récente a été présentée dans [Yang, 2006], où la puissance et la position de deux sources mobiles ont été déterminées considérant des erreurs de mesures et en utilisant 32 capteurs situés sur la frontière d’un domaine carré. Dans [Renault, et al., 2008], la reconstruction de la position et de la puissance d’une source chauffante dans une géométrie bidimensionnelle a été réalisée. Plus récemment, dans [Yun-Jie, et al., 2012], une démarche basée sur la mise en œuvre de la MGC a été mise en œuvre afin d’estimer une source chauffante (qui dépend simultanément au temps et à l’espace) dans une géométrie unidimensionnelle pour un problème de diffusion et de la conduction de chaleur. Dans l'étude proposée par [Hasanov, 2012], la puissance et la position d’une source chauffante fixe au sein d’un PICC-1D ont été estimées considérant la température mesurée à l’instant final en utilisant la MGC. Divers exemples numériques (sans et en présence des données bruitées) ont été présentés afin d’examiner l’efficacité et la précision de l’approche suivie. Une démarche similaire a été proposée dans [Yang, et al., 2012]. Dans d’autres contextes thermiques, plusieurs travaux relatifs à l’identification paramétrique simultanée d’un ou plusieurs paramètres (condition initiale, paramètres thermo-physiques, …) peuvent être citées : [Tarzia, 1983], [Le Niliot et Callet, 1998], [Liu, 2000], [Coles et Murio, 2001], [Colaço, et al., 2004], [Rodrigues et al., 2004], [Telejko, 2004], [Gonçalves, et al., 2006], [Tomasz, 2006], [Zanoelo, 2007], [Yu-Ching, et al., 2007], [Thomas, et al., 2010], [Haw-Long, et al., 2012], [Liu, et al., 2012], [Toivanen, et al., 2012], [Wei et Wang, 2012], … 155 Chapitre 5. Identification simultanée du couple puissance & position Dans la présente étude, l'estimation simultanée de l’emplacement et de la puissance temporelle d’un flux de chauffe délivré par une source fixe est réalisée en résolvant un PICC-3D par la méthode de régularisation itérative du gradient conjugué proposée sous forme séquentielle. Pour ce faire, en considérant : d'une part sur les travaux présentés dans [Beddiaf, et al., 2012 (a)] pour l'identification du flux de chauffe délivré par une source de chauffe fixe ou mobile, d'autre part sur les études présentées par [Beddiaf, et al., 2012 (b) & (c)] dans le but d’estimer l’emplacement de deux sources chauffantes fixes au sein d’un parallélépipède. Ces deux démarches sont combinées afin d’estimer à la fois le flux et la position d’une source chauffante fixe. 1.1. Problème direct Considérons que l’évolution de la température notée θ ( x, y, z; t ) au sein d’une géométrie tridimensionnelle dans le domaine présenté précédemment (Figure 3. 1. (a)) est décrite par l’ensemble des EDPs paraboliques (4. 1) avec une condition initiale θ0 et des conditions aux limites de type mixte (condition de type de Dirichlet et de Neumann). Les variables d’espace sont notées ( x, y , z ) ∈ Ω ⊂ 3 , ∂Ω ⊂ 2 est la frontière du domaine Ω défini par −L L −L L avec ( 0, 0, 0 ) le centre de ce domaine ; t ∈ T = 0, t f = [ 0,100 ] en Ω= , × ]0, e[ × , 2 2 2 2 secondes est la variable du temps. Le domaine géométrique étudié (une plaque parallélépipédique) est présenté sur la Figure 3. 1. (a) et les propriétés thermo-physiques de l’échantillon choisi (plaque de titane) sont données dans le Tableau 4. 1. Le flux de chauffe Φ ( x, z; t ) en W.m -2 dépend de la position de la source fixe et du temps. À titre d’exemple, pour une seule source fixe (localisée sur la face inférieure de la plaque ( y = 0 m ) ), une distribution spatiale du flux, uniforme sur un disque D (de centre I ( X , Z ) et de rayon r = 2 10−3 m ), peut s’écrire : Φ ( x, z ; t ) ≈ − ( φ (t ) atan µ π (x − X ) +(z − Z) 2 2 ) − µr − π 2 (5. 1) 156 Chapitre 5. Identification simultanée du couple puissance & position Rappelons que µ est le paramètre de régularisation (sa valeur est choisie arbitrairement dans le but de décrire la discontinuité spatiale du flux de chauffe avec précision sur la frontière de disque). Une formulation discrète de cette distribution en fonction du temps peut être envisagée par : Nt +1 φi si ( t ) si ( x, z ) ∈ D Φ ( x, z ; t ) = ∑ i =1 0 sinon (5. 2) L’équation (5. 2) est décrite pour N t pas de temps sur la base des fonctions chapeaux si ( t ) . Soit par exemple ( Nt = 5) avec un pas d’échantillonnage en temps (pas de discrétisation) ∆t = 20 secondes et un flux de chauffe surfacique donné par φ = ( 0 , 15 , 50 , 50 , 25 , 15 ) kW.m −2 . Ce flux est tracé sur la Figure 5. 1. Flux de chauffe φ(t) en W.m -2 x 10 4 5 4 3 2 1 0 -1 0 20 40 60 80 100 Temps en secondes Figure 5. 1. Flux de chauffe. En prenant en compte les propriétés thermo-physiques présentées par le Tableau 4. 1, le problème direct donné en (4. 1) (avec un flux de chauffe exprimé par (5. 1) ou (5. 2)) est résolu numériquement en utilisant le solveur de Comsol-Multiphyisics™ interfacé avec Matlab®. Considérons par exemple que la source de chauffe est placée en ( 0.005, 0, 0.005 ) m (voir Figure 5. 2), et que les coordonnées des capteurs restent identiques à celles utilisées dans le chapitre précédent (voir Figure 4. 1 (b)). L'évolution temporelle de la température et la distribution spatiale (à t = 100 s ) sont représentées sur la Figure 5. 3 et la Figure 5. 4. 157 Chapitre 5. Identification simultanée du couple puissance & position 310 θ(C ;t) θ(C ;t) 1 2 θ(C ;t) 308 3 0.02 307 305 0.01 306 Z en m Température θ en K Figure 5. 2. Position de la source chauffante. 300 0 305 -0.01 304 295 303 -0.02 290 0 20 40 60 80 100 Temps en secondes Figure 5. 3. Évolution de la température. -0.02 -0.01 0 X en m 0.01 0.02 302 Figure 5. 4. Distribution spatiale de température à t = t f . En considérant que la position de source I = ( X , Z ) (sachant que la source est placée sur la face inférieure de la plaque, ç.à.d Y = 0 m ) ainsi que la puissance du flux de chauffe φ = (φi )i =1,L, N +1 sont toutes deux inconnues, une méthode de régularisation itérative basée sur mise t en œuvre séquentielle de la méthode du gradient conjugué (MGC) ([Alifanov, et al., 1995] et [Tarantola, 2005]) est choisie dans le but d’identifier ces inconnues en résolvant un PICC-3D. Cet algorithme est construit afin de minimiser le critère quadratique qui décrit l’écart entre les températures mesurées θˆ et les températures calculées par la résolution du problème direct (4. 1) à chaque itération k . Dans le cadre de la présente configuration (en absence de mesures expérimentales), les valeurs des températures "mesurées" aux trois capteurs Cm et à chaque seconde sont issues de la résolution du problème direct "exact". ( où m ∈ {1, 2,3}) 158 Chapitre 5. Identification simultanée du couple puissance & position 1.2. Problème inverse Le problème inverse mal posé est résolu grâce à la résolution itérative de trois problèmes bien posés : problème direct (pour calculer la valeur du critère à minimiser), problème adjoint (issu de la formulation lagrangienne afin d'estimer le gradient de la fonction de coût) et problème de sensibilité (pour déterminer la profondeur de descente). L’identification simultanée des paramètres inconnus ( ) Φ = X , Z ; φi =1,L, Nt +1 est effectuée considérant la minimisation du critère quadratique J défini par : tf ( ) 2 1 NC J ( X , Z ; φ ( t ) ) = ∫ ∑ θ ( Cm ; t ; X , Z ; φ ( t ) ) − θˆ ( Cm ; t ) dt 2 0 m=1 (5. 3) Rappelons que θˆ ( Cm ; t ) est la température mesurée en Cm et N C est le nombre de capteurs (égal à 3 dans ce chapitre). Une approche séquentielle est proposée dans ce qui suit afin d’estimer ces inconnues (φ i =1,L, N t +1 ) et (X,Z) de natures différentes où l'étiquette qui correspond à l'identification de la puissance de flux de chauffe est notée ( FC ) tandis que l'étiquette qui correspond à l'identification des coordonnées de la source est notée ( CS ) . L'algorithme du gradient conjugué est adapté de la manière suivante : 1.2.1. Méthode séquentielle du gradient conjugué Algorithme séquentiel du gradient conjugué 1. Initialisation : nombre des itérations k = 0 , compteur interne n = 0 et une valeur arbitraire du ( ) flux de chauffe φ k =0 ( t ) et de la position initiale de la source de chauffe I k =0 = X k = 0 , Z k =0 , avec Y = 0 m . L’identification initiale est dédiée par exemple à l’identification de la puissance du flux de chauffe ( FC = 1; CS = 0 ) . ( 2. Résolution du problème direct et calcul de J φ k ( t ) ; I k ( ) ) − Si J φ k ( t ) ; I k ≤ J stop , alors : arrêter la procédure d’itération et les valeurs actuelles de (φ ( t ) , I ) sont considérées comme des estimateurs satisfaisants de la puissance du flux et k k de la position de la source de chauffe. ( ) − Sinon, si J φ k ( t ) ; I k > J stop , alors continuer la procédure d’itération. 159 Chapitre 5. Identification simultanée du couple puissance & position 3. Résolution du problème adjoint − Si ( FC = 1; CS = 0 ) , uuur uuuuur déterminer le gradient de la fonctionnelle ∇J = ∇Jφ (t ) , tandis que uuuur ∇J Ik = 0 ⇔ ∇J Xk = ∇J Zk = 0 et δ I = 0 ⇔ δ X = δ Z = 0 , uuuur uuuur − Si ( FC = 0 ; CS = 1) , déterminer le gradient de la fonctionnelle ∇J k = ∇J Ik , tandis que uuuuur ∇Jφ ( t ) = 0 et δφ ( t ) = 0 , uuuur uuuur uur uuuur − Calcul de la direction de descente d k +1 = ∇J k + β k d k où β k = ∇J k 2 uuuuur 2 ∇J k −1 ∈ +* (avec . la norme Euclidienne et β k = 0 = 0 ), 4. Résolution du problème de sensibilité dans la direction de descente uuuur − Calcul de la variation de température δθ ( x, y, z; t ) dans la direction de descente d k +1 , ( ) uur uuuur k +1 k Calcul de la profondeur de descente − γ = Arg min J Φ − γ d k +1 . γ∈ ∗ 5. Calcul de la nouvelle valeur de l’itéré selon le cas : uuuur − Si ( FC = 1; CS = 0 ) la nouvelle valeur du flux de chauffe est : φ k +1 ( t ) = φ k ( t ) − γ k +1 dφk +1 . uuuur − Si ( FC = 0 ; CS = 1) la nouvelle valeur de la position de source est : I k +1 = I k − γ k +1 d Ik +1 6. n ← n + 1 , − Si ( FC = 1; CS = 0 ) et n = nFC : alors ( FC = 0 ; CS = 1) ; n = 0 ; β k +1 = 0 − Si ( FC = 0 ; CS = 1) et n = nCS : alors ( FC = 1; CS = 0 ) ; n = 0 ; β k +1 = 0 7. k ← k + 1 et poursuivre à l’étape 2. Remarque 5.1. Dans le but de fixer les valeurs de nFC et nCS (les nombres maximums d’itérations successives dédiées à chaque problème FC ou CS ), l’approche présentée par [Powell, 1977] sera utilisée afin de réinitialiser la valeur de la direction de descente ( β = 0 ) . Dans le présent exemple, nFC est égal à la dimension du vecteur discrétisé du flux de chauffe φ ( nFC = 6 ) et à la dimension du vecteur des coordonnées ( X , Z ) de la source chauffante. nCS = 2 est égal 160 Chapitre 5. Identification simultanée du couple puissance & position Dans les deux sous-sections suivantes, le problème de sensibilité et le problème adjoint sont explicités. 1.2.2. Problème de sensibilité Ce problème consiste à déterminer la variation de température δθ ( x, y, z; t ) introduite par la variation de la puissance du flux de chauffe δφ ( t ) et de la position de la source δ I (δ X , δ Z ) . Considérant les équations aux dérivées partielles du système satisfait par la variation de température θ ( x, y, z; t ) + εδθ ( x, y, z; t ) (voir le problème direct donné en (3. 1) avec un flux de puissance φ ( t ) + εδφ ( t ) et de position δ I = I + εδ I = ( X + εδ X , Z + εδ Z ) ), alors si ε → 0 , le problème de sensibilité est décrit par l’ensemble des EDPs (3. 4). La variation du flux de chauffe δΦ ( x, z; t ) induite par une variation de flux δφ ( t ) et une variation de position δ I (δ X , δ Z ) est exprimée par : π −1 µφ ( t ) ( (δ X )( X − x ) + (δ Z )( Z − z ) ) δΦ ( x, z; t ) = + δφ ( t ) atan µ (ξ (.) − r ) + 2 2 π ξ (.) 1 + µ 2 (ξ (.) − r ) ) ( où ξ ( x, z ) = (x − X ) +(z − Z ) 2 ( 2 ) (5. 4) . L’expression de la profondeur de descente est (voir chapitres précédents) : tf N C γ k +1 = ∫ ∑ (θ ( C 0 m =1 m ) ) ∫ ∑ (δθ ( C ; t; Φ ( ) Cm ; t ; Φ k dt ; t ; Φ k − θˆ ( Cm ; t ) δθ uuuur k +1 tf N C 0 m =1 uuuur d k +1 m d k )) (5. 5) 2 dt La profondeur de descente γ k +1 sera calculée à chaque itération k en considérant le problème de sensibilité décrit par (3. 4) avec la variation du flux de chauffe donnée en (5. 4) dans la direction uuuur de descente d k +1 . Afin d'estimer cette dernière à chaque itération, le calcul du gradient de la uuur fonctionnelle ∇J est réalisé en résolvant le problème adjoint présenté dans la section suivante. 161 Chapitre 5. Identification simultanée du couple puissance & position 1.2.3. Problème adjoint La fonction adjointe ψ ( x, y, z; t ) est introduite dans le but de déterminer le gradient de la tr uuur ∂J ∂J ∂J fonctionnelle noté ∇J = , ; . L'ensemble de la démarche présentée dans le ∂X ∂Z ∂φi =1,L, N +1 t chapitre 2, sous-section 3.2.4 est suivi. Le problème adjoint est défini par les équations (3. 8). La variation Lagrangienne δ l (θ ,ψ , Φ (.) ) dans ce paragraphe est décrite par : tf δ l (θ ,ψ , Φ (.) ) = − ∫ δΦ (.) ψ (.) dt (.) d ∂Ω dt ∫ (5. 6) 0 Γchauffe = δ J ( Φ ( .) ) En utilisant l’équation (3. 8) et l’équation (5. 6), l’ensemble des gradients s’expriment par : tf ∂J 1 π ∇Jφ i = = ∫ ∫ atan µ (ξ ( x, z ) − r ) − ψ ( x, y, z; t ) si ( t ) d ∂Ω dt ∂φi π 0 Γchauffe 2 tf ∂J 1 = − ∫ ∫ φ ( t ) ( X − x ) A ( x, z ) ψ ( x, y, z; t ) d ∂Ω dt ∇J X = X ∂ π 0 Γchauffe tf ∂J 1 ∇J Z = ∂Z = − π ∫ ∫ φ ( t ) ( Z − z ) A ( x, z ) ψ ( x, y, z; t ) d ∂Ω dt 0 Γ chauffe ( avec : A ( x, z ) = ( ) −µ ξ ( x, z ) 1 + µ 2 ( ξ ( x, z ) − r ) 2 ) et ξ ( x, z ) = (x − X ) +(z − Z ) 2 (5. 7) 2 Dans ce qui suit, quelques exemples numériques de la mise en œuvre de la MGC sont présentés et analysés. 1.3. Résultats numériques Le test d’arrêt dans les cas non bruités est arbitrairement fixé à 0.1, tandis que pour les cas bruités le seuil est défini dans la sous-section 3.2.5 du chapitre 2. Deux cas sont présentés. Pour le cas A, la position de la source est fixée en I * = ( X * , Z * ) = ( 0.005, 0.005 ) m et le flux de chauffe est 162 Chapitre 5. Identification simultanée du couple puissance & position φ * = ( 0 , 15 , 50 , 50 , 25 , 15) kW.m −2 . Pour le cas B, la source est positionnée en I * = ( X * , Z * ) = ( 0.01, 0 ) m avec un flux qui vaut φ * = ( 0 , 100 , 0 , 100 , 0 ) kW.m −2 . Cas A. 1 : sans bruit de mesure φ k =0 (t ) = 0 Considérons la valeur initiale du flux de chauffe et I k =0 = ( X k =0 , Z k =0 ) = ( 0, −0.005 ) m la position initiale de la source chauffante. La résolution de ce problème inverse par la MGC-séquentielle conduit aux résultats suivants. L’évolution du critère en fonction des itérations effectuées k est présentée sur la Figure 5. 5. Le flux obtenu à l'itération 83 10 10 10 4 6 -2 10 Flux de chauffe φ(t) en W.m J(φ(t);I) est tracé Figure 5. 6 4 2 0 5 x 10 φ*(t) φk=83(t) 4 3 2 1 0 10 -2 0 10 20 30 40 50 60 70 80 Itérations k Figure 5. 5. Évolution du critère (Cas A. 1). -1 0 20 40 60 80 100 Temps en secondes Figure 5. 6. Flux identifié et flux réel (Cas A. 1). Les valeurs de la minimisation du critère sont données dans le tableau suivant Tableau 5. 1. Valeurs du critère en fonction des itérations k (Cas A. 1). Itération k J (φ ( t ) ; I ) 0 1 16081.29 1522.68 … … 3 … 7 8 9 … 39 … 737.23 … 482.49 44.86 9.32 … 0.95 … 83 0.09 Les coordonnées identifiées de la source chauffante sont présentées dans le Tableau 5. 2. Tableau 5. 2. Coordonnées identifiées en fonction des itérations k (Cas A. 1). Itération k X Z 0 0 -0.005 … … … 7 0.0029 -0.0027 8 0.0046 0.0045 … … … 15 0.0046 0.0046 16 0.0046 0.0047 … … … 83 0.0047 0.0047 163 Chapitre 5. Identification simultanée du couple puissance & position La convergence du critère est satisfaisante. Un comportement particulier de ce dernier est observé aux itérations k = 79 et k = 80 . Les coordonnées identifiées à partir de l’itération k = 78 ne varient plus. L'augmentation du critère à k = 79 et k = 80 est due uniquement à l'identification du flux de chauffe. Ce dernier s'est provisoirement légèrement éloigné du flux de chauffe réel. Le critère a ensuite poursuivi sa convergence en dessous du seuil retenu. D’après les résultats obtenus, il est montré que le flux de chauffe et les coordonnées du centre de la source sont déterminés avec précision. L’identification simultanée a été menée à bien et une convergence satisfaisante du critère a été obtenue. Le prochain paragraphe traite du même exemple en tenant compte d'observations bruitées. Cas A. 2 : avec bruit de mesure Considérons la configuration précédente en présence de mesures bruitées par un bruit additif Température mesurée en K Gaussien défini par N ( 0, 0.5 ) (voir Figure 5. 7). 310 θ(C ;t) 1 θ(C ;t) 2 θ(C ;t) 3 305 300 295 290 0 20 40 60 80 100 Temps en secondes Figure 5. 7. Évolution de la température mesurée en fonction du temps t (Cas A. 2). La mise en œuvre de la MGC-séquentielle permet d’estimer à la fois le flux et la position de la source en minimisant le critère à chaque itération k . Tableau 5. 3. Valeurs du critère en fonction des itérations k (Cas A. 2). Itération k J (φ ( t ) ; I ) 0 16060 1 1531 2 3 4 5 6 7 8 9 10 1212 780.5 725.3 699.4 697.7 526.6 67.8 40.1 35.6 Tableau 5. 4. Coordonnées identifiées en fonction des itérations k (Cas A. 2). Itération k X Z 0 0 -0.005 … … … 7 0.0028 -0.0027 8 0.0046 0.0045 … … … 10 0.0046 0.0045 164 Chapitre 5. Identification simultanée du couple puissance & position Le flux de chauffe obtenu à l’itération k = 10 est φ k =10 = ( −0.2 , 17.4 , 46.3 , 47.9 , 29.3 , 6.2 ) kW.m −2 . Le flux exact étant φ ∗ = ( 0 , 15 , 50 , 50 , 25 , 15) kW.m −2 . En quelques itérations, les coordonnées de la source et le flux de chauffe sont estimées de manière satisfaisante malgré une faible erreur due aux mesures bruitées. Afin de quantifier l’effet des erreurs de mesure sur les coordonnées et le flux estimés, le résidu (écart entre la température mesurée bruitée et la Résidu de température en K température calculée) est présenté Figure 5. 8. 1.5 Rθ(C1;t) Rθ(C2;t) Rθ(C3;t) 1 0.5 0 -0.5 -1 -1.5 0 20 40 60 80 100 Temps en secondes Figure 5. 8. Valeurs du résidu de température en fonction du temps (Cas A. 2). Les faibles valeurs des résidus de température obtenus confirment la robustesse de la méthode utilisée. Le tableau suivant présente les valeurs moyennes et les écart-types des résidus de température obtenus par chaque capteur de mesure. Tableau 5. 5. Résidus de température (Cas A. 2). Valeur moyenne du résidu de température en K Écart-type du résidu de température en K Capteur C1 Capteur C2 Capteur C3 -0.03 0.14 0.12 0.48 0.46 0.48 Les valeurs du précédent tableau montrent que les écart-types de températures obtenus ont le même ordre de grandeur que l’écart type du bruit de mesure proposé. Un exemple différent de la reconstruction simultanée de la position et de la puissance de chauffe est proposé ci après. 165 Chapitre 5. Identification simultanée du couple puissance & position Cas B. 1 : sans bruit de mesure Dans ce cas, la position réelle de la source chauffante est fixée en I = ( X , Z ) = ( 0.01, 0 ) m avec une puissance du flux de chauffe présentée Figure 5. 9. Cette fois-ci, le flux de chauffe est décrit toutes les 25 secondes par un vecteur φ ∈ 5 (ce qui implique que le nombre maximal d’itérations successives pour identifier le flux de chauffe devient nFC = 5 ). La température fournie 10 x 10 4 Température θ en K Flux de chauffe φ(t) en W.m-2 par les 3 capteurs après la résolution du problème direct est présentée Figure 5. 10. 8 6 325 θ(C ;t) 1 θ(C ;t) 2 θ(C ;t) 3 320 315 310 305 4 300 2 295 0 0 20 40 60 290 0 80 100 Temps en secondes Figure 5. 9. Intensité du flux de chauffe (Cas B. 1). 20 40 60 80 100 Temps en secondes Figure 5. 10. Évolution de température (Cas B. 1). Les initialisations suivantes sont considérées : flux de chauffe nul (φ k = 0 (t ) = 0 ) et position initiale définie par I k =0 = ( X k =0 , Z k =0 ) = ( −0.01, 0 ) m . L’algorithme séquentiel de la MGC (cf. paragraphe 1.2.1) est mis en œuvre pour identifier simultanément la position de la source et le flux 10 10 10 10 4 6 Flux de chauffe en W.m-2 J(φ(t);I) de chauffe. Les résultats obtenus sont présentés par les figures et les tableaux suivants : 4 2 10 x 10 φ*(t) 8 φk=968(t) 6 4 2 0 0 10 -2 0 100 200 300 400 500 600 700 800 900 Itérations k Figure 5. 11. Évolution du critère en fonction des itérations (Cas B. 1). -2 0 20 40 60 80 100 Temps en secondes Figure 5. 12. Flux de chauffe réel et identifié (Cas B. 1). 166 Chapitre 5. Identification simultanée du couple puissance & position Les valeurs de la fonctionnelle et la position de la source en fonction des itérations sont présentées dans les tableaux suivants : Tableau 5. 6. Valeurs du critère en fonction des itérations (Cas B. 1). Itération k J (φ ( t ) ; I ) 0 1 39039.8 4112.8 260 2.98 … … … … 418 1.02 49 50 51 52 … 100 … 192 … 1324.6 186.3 123.4 97.6 … 10.7 … 4.85 … 419 0.99 … … 967 0.10 968 0.09 avec : Tableau 5. 7. Valeurs des coordonnées en fonctions des itérations (Cas B. 1). Itération k 0 … 48 … 192 … 271 273 … 318 … -0.01 … 0.00633 … 0.00766 … 0.0082 0.00825 … 0.00848 … X 0 … -0.00204 … 0.00005 … 0.00007 0.00008 … 0.00007 … Z 705 706 … 850 … 855 … 900 … 968 511 … 0.0092 … 0.00952 0.0095 … 0.00964 … 0.00965 … 0.00968 … 0.00969 0.00005 … 0.00003 0.00003 … 0.00002 … 0.00002 … 0.00002 … 0.00001 Les résultats obtenus confirment encore la robustesse de la MGC pour identifier simultanément le flux de chauffe et la position de la source fixe. Il est important de noter que le nombre élevé d'itérations nécessaires pour obtenir la convergence vient d'une initialisation de la position plus éloignée de la position réelle et d'une forme de flux plus complexe. Cas B. 2 : en présence du bruit de mesure Ce paragraphe correspond à la même configuration que celle du Cas B.1 mais en présence de Température mesurée en K mesures bruitées (Figure 5. 13) par un bruit additif Gaussien N ( 0, 0.5 ) . 325 θ(C ;t) 1 θ(C ;t) 2 θ(C ;t) 3 320 315 310 305 300 295 290 0 20 40 60 80 100 Temps en secondes Figure 5. 13. Évolution de la température mesurée en fonction du temps t (Cas B. 2). 167 Chapitre 5. Identification simultanée du couple puissance & position Les résultats obtenus après la mise en œuvre numérique de l’algorithme séquentiel du GC sont présentés ci-après. Tableau 5. 8. Évolution du critère en fonction des itérations k (Cas B. 2). Itération k J (φ ( t ) ; I ) 0 1 … 8 … 40 41 … 43 44 45 … 39044.9 4199.7 … 2708.7 … 2156.3 954.2 … 136.7 95.2 90.3 … 60 52.9 … … 80 45.5 … … 120 39.8 … … 136 38.8 … … 150 37.8 … … 154 37.5 155 37.4 Tableau 5. 9. Évolution des coordonnées en fonction des itérations k (Cas B. 2). 0 … 7 8 … 15 16 … 41 42 … Itération k -0.01 … -0.0112 -0.0076 … -0.0061 -0.0062 … 0.00049 0.0050 … X 0 … 0.0526 0.0051 … 0.006 0.006 … 0.0011 -0.0014 … Z 117 69 70 … 0.0062 0.0062 … 0.0069 -0.00013 -0.00016 … 1.7 ×10 −5 68 0.0060 -0.0002 … … 153 … … 0.0075 … … 1.1×10−5 … … … 155 0.0075 8.6 × 10−5 Résidu de température en K Sur la figure suivante, le résidu de température est présenté. 1.5 Rθ(C1;t) Rθ(C2;t) Rθ(C3;t) 1 0.5 0 -0.5 -1 -1.5 0 20 40 60 80 100 Temps en secondes Figure 5. 14. Valeurs du résidu de température en fonction du temps (Cas B. 2). Le tableau suivant détaille les valeurs moyennes et les écart-types des résidu de température pour chaque capteur Cm . 168 Chapitre 5. Identification simultanée du couple puissance & position Tableau 5. 10. Résidus de température (Cas B. 2). Valeur moyenne du résidu de température en K Écart-type du résidu de température en K Capteur C1 Capteur C2 Capteur C3 -0.057 0.106 -0.049 0.46 0.47 0.53 La précision des résultats obtenus est satisfaisante : les écart-types des résidus de températures sont du même ordre de grandeur que le bruit de mesure ( N ( 0, 0.5 ) ) . 1.4. Analyse des résultats Les résultats obtenus attestent que la méthode du gradient conjugué peut s’adapter avec succès à l'identification du couple puissance & position (alors que ces inconnues ont des ordres de grandeurs extrêmement différents). L’effet du bruit de mesure a également été considéré et la robustesse de la méthodologie d’identification suivie est mise en évidence. 2. Estimation simultanée du flux de chauffe et de la trajectoire d’une source mobile Cette étude consiste à combiner les travaux de l’identification du flux de chauffe d’une source mobile présentés dans le chapitre 3 (cf. [Beddiaf, et al., 2012 (a)]) et la démarche de l’identification de la trajectoire qui fait l’objet de la troisième section du quatrième chapitre. Dans une géométrie bidimensionnelle, l’identification de la trajectoire et la puissance d’une source chauffante mobile a été réalisée par l’utilisation de la méthode des éléments de frontières ([Lefèvre et Le Niliot, 2002]). L'expérimentation était basée sur l'utilisation d'un scanner infrarouge pour mesurer les températures de surface et les flux de chaleur. Dans ce qui suit, l'identification du couple puissance & trajectoire est réalisée dans une géométrie tridimensionnelle en mettant en œuvre de manière séquentielle la méthode de régularisation itérative du gradient conjugué. Chapitre 5. Identification simultanée du couple puissance & position 2.1. 169 Problème direct Le système thermique étudié est modélisé dans la section 1.1 du chapitre 3 par l’ensemble des EDPs (3. 1) : ∂Ω ⊂ 2 ( x, y , z ) ∈ Ω ⊂ 3 − L L −e e − L L sont les variables d’espace Ω = , , × , × , 2 2 2 2 2 2 est la frontière du domaine Ω , t ∈ T = 0, t f = [ 0, 60 ] secondes est la variable de temps et θ ( x, y, z; t ) est la température en K . Le flux de chauffe fourni par la source de chauffe mobile peut s’exprimer : Φ ( x, z ; t ) ≈ − φ (t ) atan µ π ( x − X (t )) + ( z − Z (t )) 2 2 π − µ r − 2 (5. 8) où I ( t ) = ( X ( t ) , Z ( t ) ) décrit la trajectoire du centre de la source mobile sur la face inférieure −e m . La variation temporelle du flux de chauffe φ ( t ) est décrite par la Figure 5. 15. La Y = 2 Flux de chauffe φ(t) en W.m-2 trajectoire suivie par cette source est identique à celle présentée au chapitre 4 (Figure 4. 34). 10 x 10 4 8 6 4 2 0 0 10 20 30 40 50 60 Temps en secondes Figure 5. 15. Puissance du flux de chauffe en W.m -2 . Le flux de chauffe φ ( t ) est discrétisé toutes les 15 secondes sur la base des fonctions chapeaux si ( t ) (voir Figure 4. 33), pour i = 1,L , N t + 1 ; ( Nt = 4 ) . Considérant les paramètres thermo-physiques du Tableau 4. 1 et les coordonnées des capteurs présentées sur la Figure 4. 1. (b), 170 Chapitre 5. Identification simultanée du couple puissance & position l’évolution de température est obtenue par la résolution du problème direct en utilisant le solveur de Température en K Comsol-Multiphyisics™ interfacé avec Matlab®. 298 θ(C ;t) 1 θ(C ;t) 2 θ(C ;t) 3 297 296 295 294 293 0 10 20 30 40 50 60 Temps en secondes Figure 5. 16. Température fournie par les trois capteurs. La figure suivante présente la distribution spatiale de température sur la face supérieure de la plaque à quelques instants : à t = 15 s . à t = 30 s . 302 297 0.02 0.02 301 296.5 295.5 0 295 0.01 Z en m Z en m 300 296 0.01 294.5 -0.01 299 298 0 297 296 -0.01 294 295 293.5 -0.02 -0.02 -0.01 0 X en m 0.01 -0.02 0.02 294 -0.02 à t = 45 s . -0.01 0 X en m 0.01 0.02 à t = 60 s . 0.02 298 0.02 0.01 297 0.01 0 296 -0.01 295 294.2 294 -0.02 -0.02 -0.01 0 X en m 0.01 0.02 Z en m Z en m 294 293.8 0 293.6 -0.01 293.4 -0.02 293.2 -0.02 -0.01 0 X en m 0.01 0.02 Figure 5. 17. Distribution spatiale de la température sur la face supérieure de la plaque. 171 Chapitre 5. Identification simultanée du couple puissance & position Dans ce qui suit, il est considéré que la trajectoire et le flux de chauffe de la source mobile sont touts deux inconnus. Un problème inverse (PICC-3D) peut être formulé et résolu dans le but d’identifier ces inconnus à l'aide de la méthode itérative du gradient conjugué (mise en œuvre de manière séquentielle). 2.2. Problème inverse Afin d'estimer à la fois l’intensité du flux de chauffe et la trajectoire d’une source de chauffe, la minimisation du critère quadratique suivant doit être réalisée. tf ( 1 NC J (φ ( t ) ; X ( t ) , Z ( t ) ) = ∫ ∑ θ ( Cm ; t ; φ ( t ) ; X ( t ) , Z ( t ) ) − θˆ ( Cm ; t ) 2 0 m =1 ) 2 dt (5. 9) Rappelons qu'en absence d’un dispositif expérimental, la température calculée par résolution du problème direct avec les données exactes sera considérée comme température "mesurée" θˆ ( Cm ; t ) par chaque capteur Cm à chaque seconde. L’algorithme du GC est structuré de la même façon que l’algorithme présenté dans la sous-section 1.2.1 où I (la position de source dans l’algorithme précédent) sera remplacée par I ( t ) (la trajectoire de la source mobile), ce qui implique la substitution de X par X ( t ) et Z par Z ( t ) . 2.2.1. Problème de sensibilité Les équations décrivant ce problème ont pour objectif d’exprimer la variation de température δθ ( x, y, z; t ) induite par la variation du flux de chauffe δφ ( t ) et par la variation de la trajectoire du centre de la source δ I ( t ) (équivalente à (δ X ( t ) , δ Z ( t ) ) ). Ces équations sont décrites par le système d'EDPs (3. 4), où la variation du flux de chauffe est donnée par : δΦ ( x, z; t ) = φ (t ) −µ δ X ( t ) ) ( X ( t ) − x ) + (δ Z ( t ) ) ( Z ( t ) − z ) ) × ( ( 2 π ξ ( . ) 1 + µ 2 ( ξ ( .) − r ) ( δφ ( t ) π − atan ( µ (ξ (.) − r ) ) − π 2 avec : ξ ( x, z; t ) = ( x − X (t )) + ( z − Z (t )) 2 2 . ) (5. 10) 172 Chapitre 5. Identification simultanée du couple puissance & position L’expression de la profondeur de descente peut s’exprimer par la même expression (5. 5) où Φ ( x, z; t ) est donné par (5. 8). La formulation du problème adjoint présenté ci-après permet de calculer le gradient de la fonctionnelle et d'en déduire le vecteur de direction descente. 2.2.2. Problème adjoint La solution ψ ( x, y, z; t ) du problème adjoint permet de calculer le gradient de la uuur ∂J ∂J ∂J fonctionnelle noté ∇J = , ; . En utilisant la procédure suivie dans ∂X i =1,L, N +1 ∂Z i =1,L, N +1 ∂φi =1,L, N +1 t t t les précédentes études (cf. chapitre 3 et chapitre 4), le problème adjoint est décrit par le système (3. 8) alors que le gradient de la fonctionnelle s’exprime : tf ∂J 1 π ∇Jφ i = = ∫ ∫ arctan µ (ξ (.) − r ) − ψ ( x, y, z; t ) si ( t ) d ∂Ω dt 2 ∂φi π 0 Γchauffe tf Nt +1 ∂J −1 = t X s t − x φ ( ) ( ) ∇J X i = A ( x, z; t ) ψ ( x, y, z; t ) si ( t ) d ∂Ω dt ∑ i i ∫ ∂X i π ∫0 Γchauffe i =1 tf Nt +1 ∂J −1 ∇ J = = t Z s t − z φ ( ) ( ) A ( x, z; t ) ψ ( x, y, z; t ) si ( t ) d ∂Ω dt ∑ Z i i ∫ ∫ i ∂Z i π 0 Γchauffe i =1 ( avec : A ( x, z; t ) = ( ) −µ ξ ( x, z ; t ) 1 + µ ( ξ ( x, z ; t ) − r ) 2 2 ) (5. 11) . L’algorithme séquentiel de la méthode itérative du gradient conjugué présenté dans la soussection 1.2.1 du présent chapitre est mis en œuvre en remplaçant les coordonnées de la source fixe (X,Z) par ( X ( t ) , Z ( t ) ) (qui décrivent la trajectoire du centre de la source noté I ( t ) en fonction du temps t ). 2.3. Résultats numériques Les résultats numériques sont obtenus avec un test d’arrêt choisi arbitrairement égal à 0.01 pour les cas non bruités et en utilisant la règle mentionnée dans le chapitre 2, sous-section 3.2.5 pour les cas bruités. Il est indispensable de noter aussi que pour les deux cas (Cas C et Cas D), les coordonnées de départ et d'arrivée de la source sont identiques. Ainsi, la trajectoire est déterminée par la position de la source en quatre points : ( X ( 0 ) , Z ( 0 ) ) = ( X ( 60 ) , Z ( 60 ) ) ; ( X (15) , Z (15) ) ; ( X ( 30 ) , Z ( 30 ) ) et ( X ( 45) , Z ( 45) ) . fixées à nFC = 5 et nCS = 8 . Les valeurs maximales des deux compteurs internes sont 173 Chapitre 5. Identification simultanée du couple puissance & position Cas C. 1 : sans bruit de mesure Initialement, il est supposé que le flux de chauffe est identiquement nulle φ k =0 (t ) = 0 et que la trajectoire initiale est donnée par la courbe pointillée verte de la Figure 5. 19. La minimisation du J(φ(t);I(t)) critère quadratique est illustrée sur la figure suivante : 10 10 10 10 10 4 2 0 -2 -4 0 200 400 600 800 1000 1200 Itérations k Figure 5. 18. Évolution du critère en fonction des itérations k (Cas C. 1). Quelques valeurs de ce critère sont exposées dans le tableau suivant : Tableau 5. 11. Valeurs du critère en fonction des itérations k (Cas C. 1). Itération k J (φ ( t ) ; I ( t ) ) 0 564.5 1 310.3 … … 1100 0.018 1101 … 0.0181 … 500 0.686 … … 700 0.130 1200 … 1250 0.013 … 0.0117 … … 1270 … 1293 0.0107 … 0.0098 300 … 1.822 … … … 900 0.041 … 1000 … 0.026 174 Chapitre 5. Identification simultanée du couple puissance & position I(t)k=0 I*(t) S(0s), S(60s) S(15s) -2 S(0s),S(60s) 0.01 Z en m 4 Flux de chauffe en W.m 0.02 I(t)k=1293 S(15s) 0 12 x 10 φ*(t) 10 φk=1293(t) 8 6 4 -0.01 S(45s) S(30s) S(45s) 2 S(30s) 0 0 -0.02 -0.02 -0.01 0 X en m 0.01 20 30 40 50 60 Temps en secondes 0.02 Figure 5. 19. Trajectoires initiale I ( t ) réelle I * ( t ) et identifiée I ( t ) 10 k =0 Figure 5. 20. Flux de chauffe réel φ * ( t ) et , identifié φ k =1293 ( t ) en fonction du temps t (Cas C. 1). k =1293 (Cas C. 1). Les résultats obtenus montrent une convergence adéquate des paramètres identifiés par rapport aux paramètres désirés tout en minimisant le critère J (φ ( t ) ; I ( t ) ) . L'erreur de position est plus importante à 0 et 60 secondes. En effet, il est délicat d'identifier la position finale car les mesures ne sont pas disponibles après 60 secondes. Toutefois, comme les positions initiales et finales sont identiques et qu'elles influent sur les segments [0,15] et [ 45, 60] secondes, l'identification donne des résultats relativement satisfaisants. Cas C. 2 : en présence de mesures bruitées La même situation est considérée en présence d'incertitudes (ajout d’un bruit Gaussien Température mesurée en K N ( 0, 0.5 ) ). Les températures "mesurées" sont présentées par la Figure 5. 21). 298 297 296 295 294 293 292 0 10 20 30 40 50 60 Temps en secondes Figure 5. 21. Évolution de la température mesurée (bruitée), Cas C. 2. 175 Chapitre 5. Identification simultanée du couple puissance & position La mise en œuvre numérique de l’algorithme séquentiel de la MGC a été effectuée. La minimisation du critère a été achevée (voir Tableau 5. 12) en prenant en considération le principe de régularisation proposé dans la sous-section 3.2.5 du chapitre 2 afin de déterminer un test d’arrêt de la procédure de minimisation. Ce dernier a été fixé dans ce cas par : J stop = 22.5 . Tableau 5. 12. Valeurs du critère en fonction des itérations k (Cas C. 2). Itération k J (φ ( t ) ; I ( t ) ) 0 554.79 1 310.74 … … 4 121.33 5 88.11 … … 10 40.37 … … 14 37.19 … … 19 27.74 20 26.73 … … 26 26.21 27 24.99 … … 31 23.62 … … 33 22.54 34 22.33 L'arrêt du critère en dessous du seuil J stop permet d'obtenir les valeurs suivantes du flux et de la trajectoire : φ k =34 = ( 20.8 , 44.4 , 48.8 , 36 , 8.1) kW.m −2 , I k =34 = ( X ( tn ) , Z ( tn ) ) k = 34 = ( ( −1.4,1.5 ) ; ( −1.5,1.6 ) ; ( −0.9, −0.98 ) ; ( −1.2, −0.77 ) ; ( −1.4,1.5 ) ) 10−2 m Résidu de température en K Les résidus entre les températures "mesurées" et calculées sont montrés sur la figure suivante. 1.5 Rθ(C1;t) Rθ(C2;t) Rθ(C3;t) 1 0.5 0 -0.5 -1 -1.5 0 10 20 30 40 50 60 Temps en secondes Figure 5. 22. Évolution des résidus de température en fonction du temps t (Cas C. 2). Les résidus de température sont bornés entre ±1.5 K , ce qui traduit une convergence satisfaisante de la fonction coût à minimiser (l'écart type du bruit de mesure est égal à 0.5 K ). Les illustrations données par la figure précédente sont complétées par le tableau suivant : 176 Chapitre 5. Identification simultanée du couple puissance & position Tableau 5. 13. Résidus de température (Cas C. 2). Valeur moyenne du résidu de température en K Écart-type du résidu de température en K Capteur C1 Capteur C2 Capteur C3 2.3 10 −3 −0.11 −8.0 10 −3 0.46 0.53 0.48 Les valeurs moyennes des résidus de températures montrent une convergence satisfaisante de la température calculée vers la température mesurée. L’ordre de grandeur de l’écart-type du résidu est le même que celui du bruit de mesure. Les écarts entre les trajectoires identifiée et réelle sont donnés dans le tableau suivant à plusieurs instants. Tableau 5. 14. Résidus des coordonnées de la trajectoire (Cas C. 2). 0 s ou 60 s 15 s 30 s 45 s Résidu de la première coordonnée X ( tn ) en m −0.0013 −4.7 10−4 −0.0059 −0.0062 Résidu de la seconde coordonnée Z ( tn ) en m −1.7 10−4 −7.4 10 −4 −0.0052 0.0073 Ces écarts sont relativement importants. Cela provient des bruits de mesure relativement importants comparés aux élévations de température de la Figure 5. 21. Cependant, l'allure observée pour la trajectoire est globalement correcte et serait améliorée avec un meilleur rapport signal sur bruit. Un exemple différent de l’identification de la trajectoire et du flux de chauffe est proposé dans le paragraphe suivant. Cas D. 1 : Dans ce dernier cas, il est considéré que la trajectoire et la puissance du flux de chauffe de la source mobile sont données respectivement par les deux courbes bleues de la Figure 5. 26 et la Figure 5. 27. En utilisant ces valeurs exactes des paramètres φ ( t ) et I ( t ) , la résolution numérique du problème direct (3. 1) a été effectuée via le solveur de Comsol-Multiphisics™ interfacé avec Matlab®. Ces résultats sont présentés Figure 5. 23 pour l’évolution temporelle de la température fournie par chaque capteur et Figure 5. 24 pour la distribution spatiale de la température à quelques instants. 177 Chapitre 5. Identification simultanée du couple puissance & position Température θ en K 304 θ(C ;t) θ(C ;t) 1 θ(C ;t) 2 3 302 300 298 296 294 292 0 10 20 30 40 50 60 Temps en secondes Figure 5. 23. Température simulée par la résolution du problème direct (Cas D. 1). à t = 15 s . à t = 30 s . 301 0.02 0.02 302 300 0.01 299 298 0 297 300 Z en m Z en m 0.01 296 -0.01 0 298 -0.01 296 295 -0.02 -0.02 294 -0.02 -0.01 0 X en m 0.01 0.02 294 -0.02 à t = 45 s . -0.01 0 X en m 0.01 0.02 à t = 60 s . 0.02 0.02 295 302 0.01 0.01 0 298 Z en m Z en m 300 294.5 0 294 -0.01 296 -0.02 294 -0.02 -0.01 0 X en m 0.01 0.02 -0.01 293.5 -0.02 -0.02 -0.01 0 X en m 0.01 0.02 Figure 5. 24. Distribution spatiale de la température sur la face supérieure de la plaque (Cas D. 1). 178 Chapitre 5. Identification simultanée du couple puissance & position ( k = 0) Supposons que la source à l’état initial est fixe au centre de la face inférieure −e m de la plaque i.e. I ( t ) = ( X ( t ) , Z ( t ) ) = ( 0, 0 ) avec une puissance du flux de chauffe Y = 2 ( ) identiquement nulle (φ ( t ) = 0 W.m -2 ) . L’estimation du couple puissance & trajectoire est réalisée à l'aide de la méthode séquentielle du GC en minimisant le critère quadratique défini en (5. 9) à J(φ(t);I(t)) chaque itération k (voir Figure 5. 25). 10 10 10 10 4 2 0 -2 0 200 400 600 800 1000 1200 Itérations k Figure 5. 25. Évolution du critère en fonction des itérations (Cas D. 1). Quelques valeurs de ce critère en fonction des itérations sont exposées dans le tableau suivant : Tableau 5. 15. Valeurs du critère en fonction des itérations k (Cas D. 1). Itération k J (φ ( t ) ; I ( t ) ) 0 2574.8 … … 5 506.4 … … 100 4.25 1100 0.18 … … 1200 0.13 … … 1273 0.099 … … 454 1.01 Les inconnues estimées sont présentées par les deux figures suivantes : 455 0.97 … … 1000 0.25 179 Chapitre 5. Identification simultanée du couple puissance & position I(t)k=0 I*(t) 0.02 I(t)k=1273 4 Flux de chauffe en W.m-2 S(0 s), S(60 s) Z en m 0.01 I(t) S(45 s) 0 k=0 S(15 s) 12 x 10 φ*(t) 10 φ(t)k=1273 8 6 4 -0.01 2 S(30 s) -0.02 0 0 -0.02 -0.01 0 X en m 0.01 10 20 30 40 50 60 Temps en secondes 0.02 Figure 5. 26. Trajectoire désirée (réelle), initiale et identifiée (Cas D. 1). Figure 5. 27. Flux de chauffe réel et identifié (Cas D. 1). Les résultats obtenus montrent une convergence satisfaisante des paramètres estimés vers les paramètres réels (désirés). La trajectoire de la source et la puissance du flux de chauffe ont été déterminées de manière satisfaisante malgré une initialisation plus délicate de la trajectoire de la source (source immobile à l’itération initiale). Le cas suivant propose une démarche similaire en présence du bruit de mesure. Cas D. 2 : Considérons que les mesures sont affectées par un bruit additif Gaussien N ( 0, 0.5 ) . L’effet de ce bruit sur les températures mesurées par chaque capteur de mesure est présenté sur la figure Température mesurée en K suivante : 306 θ(C ;t) θ(C ;t) 1 2 θ(C ;t) 3 304 302 300 298 296 294 292 0 10 20 30 40 50 60 Temps en secondes Figure 5. 28. Évolution de la température mesurée (Cas D. 2). 180 Chapitre 5. Identification simultanée du couple puissance & position Le test d’arrêt basé sur le principe de régularisation de la MGC (sous-section 3.2.5, chapitre 2) est J stop = 22.5 . Le tableau suivant présente quelques valeurs du critère en fonction des itérations : Tableau 5. 16. Valeurs du critère en fonction des itérations k (Cas D. 2). Itération k J (φ ( t ) ; I ( t ) ) 0 2613.51 … … 4 748.12 5 532.15 … … 19 104.91 20 95.08 … … 40 44.97 … … 50 33.65 … … 65 262.34 66 25.87 … … 72 23.68 73 23.04 … … 83 22.72 84 22.31 Une convergence adéquate vers les paramètres recherchés est obtenue après 84 itérations. Les paramètres estimés (flux de chauffe et trajectoire) sont donnés respectivement par : φ k =84 = ( 33.3 , 80.1 , 100.4 , 78.6 , 17.2 ) kW.m −2 , I k =84 = ( X ( tn ) , Z ( tn ) ) k =84 = ( ( 0.6,1.8 ) ; (1.1, −0.02 ) ; ( 0.1, −1.1) ; ( −1, −0.2 ) ; ( 0.6,1.8 ) ) 10 −2 m Une comparaison entre la température "mesurée" (bruitée) et la température calculée (en Résidu de température en K considérant les valeurs des paramètres identifiés) est présentée Figure 5. 29. 1.5 Rθ(C1,t) Rθ(C2,t) Rθ(C3,t) 1 0.5 0 -0.5 -1 -1.5 0 10 20 30 40 50 60 Temps en secondes Figure 5. 29. Évolution du résidu de température en fonction du temps t (Cas D. 2). Les faibles valeurs des résidus obtenus attestent la robustesse de l’approche séquentielle de la MGC. Le tableau suivant présente les valeurs numériques de la moyenne et des écarts types des résidus de température. 181 Chapitre 5. Identification simultanée du couple puissance & position Tableau 5. 17. Résidus de température (Cas D. 2). Valeur moyenne du résidu de température en K Écart-type du résidu de température en K Capteur C1 Capteur C2 Capteur C3 -0.05 0.04 -0.02 0.55 0.49 0.42 Les faibles valeurs moyennes des résidus et les valeurs des écarts types (du même ordre que celles du bruit) attestent de l’efficacité du principe de régularisation de la méthode séquentielle du GC. Pour compléter, le tableau suivant présente les écarts de trajectoire à quelques instants. Tableau 5. 18. Résidus des coordonnées de la trajectoire (Cas D. 2). 0 s ou 60 s 15 s 30 s 45 s Résidu de la première coordonnée X ( tn ) en m −0.0055 0.0015 −0.0013 −0.0021 Résidu de la seconde coordonnée Z ( tn ) en m −0.0051 2.31 10−4 −0.0018 0.002 Les écarts observés proviennent du rapport signal/bruit trop faible qui empêche une identification précise alors que les résidus de températures sont corrects. Cependant, les résultats obtenus restent exploitables et globalement satisfaisants pour l'identification du couple puissance trajectoire compte tenu de l'initialisation extrêmement éloignée des valeurs recherchées et du niveau de bruit. 2.4. Analyse des résultats Une adaptation particulière de la MGC a été effectuée dans cette étude afin d’estimer à la fois la trajectoire et l’intensité du flux de chauffe. Un PICC-3D associé à l’objectif désiré a été résolu avec succès et les inconnues identifiées, en minimisant itérativement le critère quadratique, sont proches de leurs valeurs réelles. L’efficacité de l'approche séquentielle est montrée à l'aide de divers exemples. Il est utile de noter que l’influence des mesures incertaines ne joue pas dramatiquement sur les résultats obtenus grâce au principe de régularisation de la MGC qui permet de faire un choix judicieux du test d’arrêt. 182 Chapitre 5. Identification simultanée du couple puissance & position 3. Bilan du chapitre Ce chapitre avait pour objectif d’évaluer la robustesse de la méthode du gradient conjugué à des fins d’identification paramétrique de deux inconnues de natures différentes : le couple puissance & trajectoire d'une source chauffante. Deux études ont été proposées. La première concerne l’identification simultanée de la position et du flux de chauffe (dépendant du temps) fourni par une source fixe. Une configuration tridimensionnelle d’un phénomène de transfert de chaleur par conduction a été proposée. L’objectif visé a été formulé et présenté comme un problème d’optimisation classique qui consiste en la minimisation itérative d'un critère quadratique représentant l’écart entre les températures calculées et mesurées. Cette minimisation de l'erreur de sortie permet l’estimation des inconnues recherchées. Pour ce faire, une extension particulière de la méthode du gradient conjugué a été retenue : la mise en œuvre séquentielle de l’algorithme du GC afin d’estimer des paramètres de nature différente. Cet algorithme a été mis en place avec succès pour la résolution numérique du PICC-3D via le solveur de Comsol-Multiphyisics™ interfacé avec Matlab®. Divers exemples (en présence ou non de bruits de mesures, pour diverses situations initiales et finales) sont exposés afin de valider l’approche suivie. Les résultats numériques obtenus valident la robustesse et l’efficacité de la méthode proposée. Une partie de ces résultats a fait l'objet d’une communication internationale [Autrique, et al., 2012]. En outre, la participation à cette conférence a permis la sélection des résultats obtenus pour publication dans une revue internationale [Beddiaf, et al., 2013 (a)]. La deuxième étude présentée dans ce chapitre correspond aux objectifs conjoints du chapitre 3 (pour l’identification du flux de chauffe d’une source mobile) et du chapitre 4 (pour la reconstruction de la trajectoire d’une source de chauffe mobile, voir section 3 du chapitre 4). Dans cette étude, la mise en œuvre séquentielle de la méthode de régularisation itérative du gradient conjugué a été proposée. Les résultats numériques montrent une convergence satisfaisante du critère à minimiser et donc une estimation satisfaisante des paramètres inconnus (couple puissance & trajectoire). Par la suite, diverses perspectives peuvent être proposées. À titre d’exemple, il est possible de traiter les deux études précédentes en considérant plusieurs sources chauffantes dont le nombre est aussi une inconnue du problème. Le problème de l'identification quasi en ligne (en utilisant un intervalle temporel glissant) pourrait aussi faire l'objet d'une étude spécifique. Chapitre 5. Identification simultanée du couple puissance & position 183 Afin de compléter les démarches méthodologiques et les mises en œuvre numériques des précédents chapitres, le chapitre suivant sera consacré à la validation expérimentale de quelques unes des approches suivies. CHAPITRE 6 Aspects expérimentaux Sommaire 1. 2. Banc expérimental ................................................................................................................... 186 Identification paramétrique de la position d’une source chauffante fixe ................................ 189 2.1. Problème inverse .............................................................................................................. 189 2.2. Résultats numériques ....................................................................................................... 190 2.3. Analyse des résultats ........................................................................................................ 191 3. Identification simultanée de la position et du flux de chauffe d’une source fixe .................... 192 3.1. Problème inverse .............................................................................................................. 192 3.2. Résultats numériques ....................................................................................................... 193 3.3. Analyse des résultats ........................................................................................................ 194 4. Bilan du chapitre ...................................................................................................................... 194 Les résultats numériques présentés dans les précédents chapitres ont été obtenus alors que les mesures étaient issues de simulations (bruitées ou non) du problème direct. Dans ce dernier chapitre, un dispositif expérimental a été utilisé afin d’obtenir de vraies mesures et d’analyser la pertinence de la méthode retenue en configuration « réelle ». En effet, il est important dans cette phase de validation de ne pas négliger d’éventuelles erreurs de modèles et de ne pas subir d’effets numériques (maillages, …) dans la « création » des mesures « simulées ». Lors de cette étude, des cartographies expérimentales bruitées obtenues à l’aide d’une caméra infrarouge sont considérées. Elles permettent de faire des tests en choisissant la position des capteurs parmi l’ensemble des pixels proposés. L’objectif demeure bien évidemment de localiser la source chauffante et d’identifier sa puissance à partir d’un nombre limité de capteurs (prendre la totalité des pixels n’est pas l’option retenue ici). Dans une première partie, la méthode de régularisation itérative du gradient conjugué est mise en œuvre (voir sous-section 1.2.1, chapitre 4) pour localiser une source de chauffe fixe en considérant que la densité de chauffe est connue. La MGC est ensuite programmée de manière séquentielle afin d’identifier simultanément (à partir des mêmes mesures) la position du centre et l’évolution temporelle du flux de chauffe (cf. sous-section 1.2.1, chapitre 6). Ces études sont proposées sans aucune information a priori sur les entrées (position et flux). 186 Chapitre 6. Aspects expérimentaux Pour ce faire, ce chapitre est structuré comme suit. Dans le prochain paragraphe, une description détaillée de l’expérimentation est présentée et les observations effectuées sont analysées. Les transferts thermiques sont modélisés par un système d’équations aux dérivées partielles afin de formuler le problème direct. La seconde section de ce chapitre concerne la formulation et la résolution d’un PICC-3D pour la localisation d’une source fixe dans un contexte expérimental. La troisième section présente l’étude de l’identification simultanée de deux inconnues de natures différentes à partir des données expérimentales bruitées. À la fin de chaque étude, un paragraphe dédié à la présentation des résultats numériques obtenus sera exposé. Enfin, une conclusion générale clôt ce chapitre et quelques perspectives sont brièvement dressées. 1. Banc expérimental Dans le cadre de la mise en œuvre de la MGC à des fins d’identification du couple position & puissance, un banc expérimental a été développé au sein du laboratoire LISA. Celui-ci permet d’observer sur la face supérieure d’une plaque la propagation de la chaleur provoquée par un flux de chauffe délivré par une source fixe (lampe) placée sur la face inférieure de la plaque. Le montage expérimental réalisé regroupe trois parties principales (voir Figure 6. 1) : Figure 6. 1. Montage expérimental. L’échantillon est une plaque carrée Ω ⊂ et d’épaisseur e = 10−3 m . 3 de titane (pureté 99.6%) de longueur L = 5 10 −2 m Chapitre 6. Aspects expérimentaux 187 L’excitation (flux de chauffe) est réalisée à l’aide d’une lampe quartz-tungstène-halogène (400W – 36V). La face inférieure de la plaque de titane est placée dans le plan focal d’un dispositif optique de Köhler composé de deux jeux de lentilles afin d’homogénéiser la distribution spatiale du flux (voir Figure 6. 1). Dans le but de régler le diamètre de la tâche, un diaphragme est utilisé. Le flux est ainsi appliqué sur un disque circulaire de rayon r = 4 10−3 m . La densité du flux de chauffe peut être réglée grâce à une alimentation pilotée à l’aide d’un générateur de fonctions (Figure 6. 2). La caméra infrarouge permet d’effectuer des observations spatiales et temporelles des distributions de température sur la face supérieure de la plaque. Cette expérimentation est réalisée à l’aide d’une caméra infrarouge de type SC5000 FLIR (voir Figure 6. 1). L’objectif est de démontrer l’intérêt de la mise en œuvre de la MGC en considérant quelques mesures ponctuelles. Aussi, les cartographies de température peuvent être utilisées pour tester les limites de cette approche avec des pixels plus ou moins loin de la source. Il est évident que la caméra infrarouge est « sur puissante » dans le cadre de cette étude (la localisation de la source pouvant être réalisée par des techniques d’imageries conventionnelles) mais elle permet de disposer d’une grande quantité de points de mesure (candidats potentiels en tant que capteurs ponctuels). Lors de l’expérimentation présentée ci-après, la fréquence d’acquisition est de 1Hz pendant 5 minutes. Figure 6. 2. Schéma de dispositif. À des fins d’identification, trois pixels ont été choisis. Ils définissent respectivement les coordonnées des trois capteurs de mesure de température (voir Figure 6. 3) : 188 Chapitre 6. Aspects expérimentaux C1 ( −4.90, 0.5, 2.86 ) × 10−3 m C2 ( 4.90, 0.5, 2.86 ) × 10−3 m C3 ( 0, 0.5, −5.72 ) × 10−3 m Figure 6. 3. Positions des capteurs (face supérieure de la plaque). La plaque est supposée initialement à la température ambiante θ0 = 300.55 K . Des conditions de convection naturelle sont considérées sur toutes ses faces. L’évolution spatio-temporelle de la ( ) température durant 300 secondes t ∈ T = 0, t f = [ 0,300] secondes fournie à chaque seconde par Température mesurée en K les trois capteurs de température (Figure 6. 3) est tracée sur la figure suivante. 320 θ(C ;t) θ(C ;t) 1 2 θ(C ;t) 3 315 310 305 300 0 50 100 150 200 250 300 Temps en secondes Figure 6. 4. Évolution de température en fonction de temps t . L’analyse des bruits de mesures a permis de quantifier un écart type d’environ 0.05 K. En considérant la Figure 6. 4, il est impossible de déduire "visuellement" la densité du flux délivrée par la source chauffante ainsi que ses coordonnées précises. Afin d’identifier correctement la position puis le couple position & flux de chauffe, deux PICC-3D peuvent être formulés puis résolus. Considérant le phénomène décrit dans cette expérimentation, la description mathématique de l’évolution de température peut être aussi donnée par l’ensemble des EDPs (3. 1). Les valeurs 189 Chapitre 6. Aspects expérimentaux numériques des entrées thermo-physiques du matériau choisi sont détaillées dans le Tableau 4. 1. Notons aussi que la variable d’espace en mètre est définie dans ce chapitre par : − L L −e e − L L , × , × , . Le flux de chauffe est décrit par : 2 2 2 2 2 2 ( x, y, z ) ∈ Ω = Φ ( x, z ; t ) ≈ −φ ( t ) arctan µ π ( ( x − X S ) + ( z − ZS ) 2 2 ) π − r − 2 Rappelons que la notation φ ( t ) désigne la densité temporelle du flux de chauffe en W.m -2 délivré par la source S et que µ est un paramètre de régularisation permettant de décrire la discontinuité du flux de chauffe (en théorie, la distribution spatiale est un disque circulaire de rayon r et de centre I S ). Les coordonnées du centre de la source sont I S ( X S , Z S ) avec YS = −e car la 2 source est placée sur la face inférieure de la plaque. Lorsque l’ensemble des données du système (3. 1) est connu, le "problème direct" est parfaitement défini. En l’absence d’un ou plusieurs paramètres d’entrées du problème direct, une démarche d’estimation basée sur les observations effectuées (Figure 6. 4) peut être mise en place afin d’estimer les inconnues recherchées. Dans un premier temps, le travail attendu consiste à localiser la source de chauffe en considérant que la densité de flux de chauffe est constante (φ ( t ) = 104 W.m −2 ) . En pratique, cette valeur n’est pas connue. 2. Identification paramétrique de la position d’une source chauffante fixe 2.1. Problème inverse Après avoir formulé le problème direct dans la section précédente, considérons que la position du centre de la source chauffante est inconnue. Cette problématique fait rappel à un cas similaire traité dans la section 1 du chapitre 4. Dans ce cas, la description mathématique des problèmes inverse, sensibilité et adjoint sont identiques aux problèmes définis dans le chapitre 4 (cf. section 1) en considérant le cas d’une seule source chauffante. 190 Chapitre 6. Aspects expérimentaux La résolution de ce problème inverse est basée sur la mise en œuvre numérique de l’algorithme du GC (voir sous-section 1.2.1, chapitre 4) via le solveur de Comsol-Multiphyisics™ interfacé avec Matlab®. 2.2. Résultats numériques Afin de résoudre le présent PICC, l’algorithme du GC est initié ( k = 0 ) avec une source positionnée (I k =0 S sur le centre inférieure (Y S = −0.5 × 10 −3 m ) de la plaque ) = ( X Sk =0 , Z Sk =0 ) = ( 0, 0 ) m . Le premier résultat obtenu de la convergence du critère à minimiser (5. 2) est donné par la figure et le tableau suivants : 4 J(IS) 10 10 10 3 2 0 0.5 1 1.5 2 2.5 3 Itérations k Figure 6. 5. Évolution de la fonctionnelle J ( I S ) en fonction des itérations. Tableau 6. 1. Valeurs du critère en fonction des itérations k (Problème de la localisation). Itération k J ( IS ) 0 3112.12 1 750.62 2 741.94 3 739.64 Après quelques itérations, le critère ne décroît plus et il est impossible par exemple d’atteindre le seuil d’arrêt théorique qui serait ici d’environ 1.5. En réalité, le flux supposé connu et égal à (φ ( t ) = 10 4 W.m −2 ) n’est pas correct et il est donc impossible de trouver les « bonnes » mesures. Toutefois, il est évident que la position de la source est quand même correcte (il n’est pas possible de trouver une autre position qui avec ce flux fixe erroné conduirait à de meilleures mesures). Ainsi, 191 Chapitre 6. Aspects expérimentaux même si le flux fixe n’est pas connu, la localisation est correcte. La convergence de la position du centre de la source est montrée par la figure et le tableau suivants. 0.02 Z en m 0.01 Ik=0 S 0 Ik=3 S -0.01 -0.02 -0.02 -0.01 0 X en m 0.01 0.02 Figure 6. 6. Évolution des coordonnées de la source sur la face inférieure de la plaque. Tableau 6. 2. Coordonnées de la source en fonction des itérations k (Problème de la localisation). Itération k XS ZS 0 0 0 1 0.0049 -0.0025 2 0.0055 -0.0027 3 0.0052 -0.0026 À noter que pour cette expérimentation le flux de chauffe était constant (mais inconnu) et que les coordonnées du centre du disque chauffant (obtenues par analyse classique des images thermographiques) étaient 0.0051 m et −0.0025 m . Afin d’estimer la précision des paramètres identifiés, l’erreur de poursuite entre les coordonnées identifiées et celles proposées par l’analyse des images thermographiques a été calculée. La valeur obtenue est : EP ( I S ) = (X − X S* ) + ( Z S − Z S* ) = 6.63 10−5 m . 2 S 2 Ce faible écart atteste une convergence satisfaisante des paramètres recherchés. 2.3. Analyse des résultats À la fin de cette étude, les deux coordonnées du centre de la source sont efficacement identifiées (les valeurs exactes étant obtenues par analyse des images thermographiques). La robustesse de la méthode du GC dans un contexte d’estimation basée sur des données expérimentales bruitées a été validée. Dans ce qui suit, l’identification simultanée de la position et de la puissance est proposée. 192 Chapitre 6. Aspects expérimentaux 3. Identification simultanée de la position et du flux de chauffe d’une source fixe Considérons que la densité du flux de chauffe φ ( t ) ainsi que les coordonnées du centre du disque chauffant notées I S ( X S , Z S ) sont inconnues (rappelons que YS = −e ). Dans le but 2 d’identifier ces inconnues, l’algorithme séquentiel de la MGC est mis en œuvre pour résoudre le PICC-3D (cf. section 2.2, chapitre 5). Le présent travail est dédié à estimer simultanément la position et la densité du flux de la source de chauffe (φ ( t ) , I ) en se basant sur les résultats des mesures effectuées grâce à l’expérimentation détaillée dans la section 1. 3.1. Problème inverse Les problèmes inverse, sensibilité et adjoint sont identiques aux problèmes formulés dans la section 1 du chapitre 5. Pour résoudre ce problème, l’algorithme séquentiel présenté dans la soussection 1.2.1 du chapitre 5 est considéré. L’estimation du flux de chauffe temporel le long de l’intervalle du temps T nécessite une discrétisation basée sur les fonctions chapeaux, ce qui permet de décrire la puissance du flux de chauffe par : φ ( t ) = Nt +1 ∑ φ s (t ) i =1 i i où N t est le nombre de pas de d’échantillonnage (qui vaut 6 dans la présente étude). Cette discrétisation conduit à présenter le flux comme une fonction continue et affine par morceaux. Dans cette étude, le pas de discrétisation est choisi égal à ∆t = 50 secondes. Il est évident que si la puissance de la source varie significativement pendant 50 secondes, alors le nombre de segments devra être augmenté. Une telle erreur de modélisation pour le flux est détectable si le critère n’arrive pas à converger vers une valeur satisfaisante. Afin de proposer des paramètres de rafraîchissements nFC et nCS pertinents (nombre maximal d’itérations successives dédiées respectivement au problème d’identification FC ou CS ), l’approche présentée dans [Powell, 1977] est prise en compte. Pour rafraîchir la direction de descente, nFC est égal à la dimension du vecteur du flux de chauffe φ ( nFC = 7 ) et nCS est égal à la dimension du vecteur des coordonnées de centre de la source, soient ( X S , Z S ) donc nCS = 2 . 193 Chapitre 6. Aspects expérimentaux Résultats numériques J(φ(t),IS) 3.2. 10 10 10 10 5 4 3 2 0 5 10 15 Itérations k Figure 6. 7. Évolution de la fonctionnelle J (φ ( t ) ; I S ) en fonction des itérations. Tableau 6. 3. Valeurs du critère en fonction des itérations k (Problème d’estimation simultanée (φ ( t ) ; I S ) ). Itération k J (φ ( t ) ; I S ) 0 1 2 3 4 5 6 7 71650.91 4945.69 3497.01 3095.39 2950.34 2898.29 2789.78 2752.63 8 1050.78 9 738.76 10 699.96 11 584.68 12 561.19 13 557.15 14 533.98 Le flux de chauffe identifié après 15 itérations est : Flux de chauffe en W.m-2 φ k =15 ( t ) = (13.2 , 10.9 , 8.7 , 10.3 , 8.5 , 10.9 , 7.5 ) kW.m −2 . 10 10 10 5 4 3 0 50 100 150 200 250 300 Temps en secondes Figure 6. 8. Flux de chauffe identifié. 15 527.59 194 Chapitre 6. Aspects expérimentaux Les coordonnées du centre de la source identifiées sont données dans le tableau suivant : Tableau 6. 4. Coordonnées de la source en fonction des itérations k (Problème d’estimation simultanée (φ ( t ) ; I S ) ). Itération k XS ZS 0 0 … … 1 0.00518 … … 15 0.00518 0 … -0.00260 … -0.00260 où l’erreur de poursuite entres les coordonnées estimées et celles désirées vaut EP ( I S ) = (X − X S* ) + ( Z S − Z S* ) = 7.78 10−5 m . 2 S 2 Les résultats précédents montrent une bonne adéquation avec l’expérimentation. 3.3. Analyse des résultats Les paramètres recherchés sont correctement déterminés malgré les entrées bruitées du système. Dans cette étude, une confirmation de la robustesse de l’algorithme séquentiel de la MGC a été attestée. 4. Bilan du chapitre Le présent chapitre propose une validation expérimentale de la méthode du gradient conjugué afin d’identifier un ou plusieurs paramètres inconnus (position, position et puissance de chauffe) d’une source de chauffe fixe en surface d’une géométrie 3D. La méthode du gradient conjugué est efficacement mise en œuvre dans le but d’identifier la position (coordonnées) puis le couple position & puissance d’une source chauffante fixe surfacique dans une géométrie tridimensionnelle. Considérant les mesures réelles fournies en trois points à l’aide du banc expérimental développé au laboratoire, deux problèmes inverses de conduction de la chaleur (PICC-3D) ont été résolus avec succès. Les résultats obtenus valident la robustesse de la MGC en présence de mesures bruitées. La deuxième étude abordée dans ce chapitre (cf. section 3) a fait l’objet d’une participation aux 5èmes Journées Doctorales et Journées Nationales du GDR MACS (JD-JN-MACS 2013) [Beddiaf, et al., 2013 (b)] Suite à cette étude, diverses perspectives sont à explorer comme l’identification des positions et des flux de chauffe des sources fixes à l’aide d’un unique capteur mobile. Afin d’étudier des sources chauffantes mobiles, une modification importante du banc expérimental est requise. Conclusion & Perspectives Les travaux réalisés lors de cette thèse avaient pour objectif l’identification paramétrique en résolvant un Problème Inverse de Conduction de la Chaleur (dans une géométrie tridimensionnelle) à l’aide de la méthode de régularisation itérative du gradient conjugué. Divers exemples de problèmes inverses ont été résolus : dans un contexte didactique (matrice d’Hilbert, circuit RLC, PICC-1D) puis relativement à la problématique retenue (identification de la position et de la puissance de chauffes surfaciques par la résolution d’un PICC-3D). Le premier chapitre, proposant un état de l’art sur les problèmes inverses, permet d’introduire les principales définitions et d’évoquer divers domaines d’applications (des références bibliographiques sont associées à chaque champ applicatif). Les diverses méthodes permettant de résoudre différents types des problèmes inverses ont été ensuite exposées. L’algorithme qui décrit le principe de chaque méthode a été présenté (avec ses propriétés et ses domaines d’applications). Un bref rappel sur les techniques de régularisation de problèmes inverses a été proposé. Dans le contexte général des problèmes inverses, un premier exemple d’identification d’un vecteur inconnu a été résolu par la mise en œuvre de la MGC pour un système matriciel (matrice d’Hilbert). Lors de la résolution de ce problème, plusieurs cas ont été considérés : sans et en présence de différents types d’erreurs (sortie du système incertaine, matrice d’état bruitée et combinaison de ces deux erreurs). Les résultats obtenus ont confirmé la robustesse de la MGC pour résoudre ce type de problème. Les erreurs considérées ont provoqué des solutions erronées, ce qui a impliqué une réflexion particulière sur le choix d’un test d’arrêt qui permet de mettre fin à la procédure itérative avant que les solutions (calculées) s’éloignent des solutions désirées (réelles). Dans le deuxième exemple, l’étude de l’identification d’un vecteur d’état (courant et tension) au sein d’un circuit RLC monté en série a été menée à bien à l’aide du Filtre de Kalman Discret (FKD). Malgré les bruits considérés sur le modèle traité, l’effet des erreurs ne provoque pas des erreurs dramatiques sur le vecteur d’état estimé. 196 Conclusion & Perspectives Le second chapitre de ce manuscrit a concerné l’identification paramétrique au sein des problèmes de géométrie unidimensionnelle en relation avec le génie thermique. Après la présentation de quelques notions simples relatives aux transferts de chaleur (convection, conduction, rayonnement), un rappel succinct sur les techniques de mesure de température a été proposé. Le deuxième point de ce chapitre était dédié aux Problèmes Inverses de Conduction de la Chaleur (PICC) à travers quelques repères historiques. Dans le cadre d’un transfert thermique dans une géométrie 1D, un modèle mathématique basé sur des équations aux dérivées partielles (EDPs) a été formulé. Ce problème direct a été résolu numériquement afin de décrire l’évolution de température en chaque point de domaine et à chaque instant. Après la résolution de ce problème, il est supposé qu’une entrée imposée à une extrémité du domaine est inconnue (flux imposé). Une démarche d’identification est alors mise en œuvre afin d’estimer ce paramètre inconnu. Les résultats obtenus à l’aide de deux méthodes (MGC, FKD) ont été comparés. La robustesse de la MGC justifie son choix pour la résolution des problèmes inverses plus complexes abordés par la suite. Le troisième chapitre de cette thèse a été consacré à la mise en œuvre de la MGC pour résoudre un problème inverse de conduction de la chaleur dans une géométrie tridimensionnelle (PICC-3D). Il s’agit d’identifier la densité d’un flux de chauffe fourni par une ou plusieurs sources fixes ou mobiles. Deux études ont été réalisées : la première consiste en l’identification de la densité de flux de chauffe d’une seule source fixe ou mobile en utilisant la MGC et en se basant sur des mesures de température fournies par un seul capteur. La deuxième étude a traité le cas de l’identification de la densité de chauffe de deux sources mobiles à l’aide de cinq capteurs. Les résultats obtenus dans les deux études ont été exposés à travers diverses situations numériques et permettent de valider l’approche suivie. Le quatrième chapitre de cette thèse a illustré un cas particulier de l’identification paramétrique pour la localisation des sources fixes ou mobiles. En effet, trois études ont été proposées : la localisation de deux sources fixes en considérant un horizon d’observation suffisamment long, la localisation d’une (ou plusieurs) sources chauffantes en temps réduit et la dernière étude a concerné l’identification de la trajectoire d’une source mobile. La MGC a été mise en oeuvre et divers exemples ont été traités en présence ou non de bruits de mesures. En outre, deux annexes ont été proposées afin de présenter les résultats obtenus de la localisation de trois sources fixes en temps réduit ainsi qu’un exemple dédié à l’identification Conclusion & Perspectives 197 de la trajectoire d’une source chauffante mobile. La conclusion déduite à partir des résultats obtenus a confirmé la robustesse de la MGC pour résoudre de tels types des problèmes. Le cinquième chapitre de ce manuscrit est consacré aux problèmes d’identifications simultanées : couple puissance & trajectoire. Une adaptation de la MGC a été proposée afin d’identifier, de manière séquentielle, des inconnues de natures différentes. Malgré le caractère mal posé des problèmes considérés et l’incertitude des mesures, les résultats obtenus à travers les exemples numériques traités attestent l’efficacité de la méthode proposée. Complétant les précédents travaux, une étude expérimentale a été réalisée au sein du LISA afin de valider la robustesse de la MGC pour identifier un ou plusieurs paramètres inconnus. Pour ce faire, la méthode de régularisation itérative du gradient conjugué a été mise en œuvre pour deux cas différents (identification de la position de la source de chauffe et identification simultanée du couple position & flux). Les mesures de températures sont issues de cartographies thermiques prises par une caméra infrarouge et permettent de disposer d’un grand choix de pixel (capteurs quasi ponctuels) pour tester différentes stratégies de positionnement des capteurs. Dans ce cas aussi, la MGC montre une grande robustesse pour la résolution des PICC-3D en présence des bruits de mesures réels. La conclusion et les perspectives de ces travaux sont détaillées dans le bilan du chapitre. Les résultats présentés dans ce document ont fait l’objet de deux publications en revue internationale, quatre communications orales dans des conférences internationales et deux communications dans des congrès nationaux. L’approche généraliste développée durant cette étude pour résoudre des PICC-3D permet d’envisager de nombreuses perspectives. Il serait tout d’abord intéressant de compléter la démarche expérimentale réalisée dans le dernier chapitre pour des configurations plus complexes. Une idée porte sur le développement d’un banc expérimental (Annexe C) afin de déplacer une source de chauffe (uniforme sur un disque de faible rayon) dont l’intensité varie dans le temps. La trajectoire de la source sera obtenue en utilisant des platines de translation de type M-IMSPP (Newport) permettant de déplacer la source de chauffe selon deux axes XY (voir les Figures 7.1 et 7.2). Ce banc a été mis en place au sein du LISA : chaque axe de ces platines est de longueur 198 Conclusion & Perspectives 0.18 m , la précision est légèrement supérieure au micron, la vitesse maximale est de l’ordre de 0.1 m s −1 et l'accélération de 0.4 m s −2 . Dans la configuration disponible actuellement, la chauffe est assurée par une lampe halogène de puissance égale à 400 W. Un montage optique de Köhler garantit l'uniformité de la distribution spatiale. Il est possible d’atteindre des températures maximales d'environ 250°C. Pour obtenir des températures plus élevées, une diode Laser pourrait être utilisée. Il est nécessaire de disposer d’une technique de mesure de température (thermocouples, pyrométrie, caméra infrarouge) sur la face supérieure (opposée à la chauffe) de l’échantillon considéré afin de décrire l’évolution de la température sur celle-ci. Ce banc expérimental permettrait aussi l’identification simultanée de la puissance et de la trajectoire de la source. Figure 7. 1. Platine de translation M-IMSPP Figure 7. 2. Module de contrôle ESP301 des platines de translation. Dans un cadre théorique, les problèmes résolus dans ce manuscrit pourront être menés sur des horizons de temps glissants (fenêtres temporelles glissantes). L’objectif est d’utiliser ces fenêtres afin d’examiner si le temps de résolution peut être réduit tout en conservant une précision acceptable des résultats obtenus. Une problématique différente concerne l’identification des instants de commutation d’une ou plusieurs densités de flux de chauffe. Un tel objectif d’identification « d’instants » exige une nouvelle formulation du problème de sensibilité et du problème adjoint. Les perspectives mentionnées précédemment représentent des objectifs visés à court terme. Plusieurs autres pistes théoriques et pratiques peuvent êtres envisagées à long terme : Conclusion & Perspectives 199 Dans le cadre de l’estimation paramétrique et/ou géométrique, il serait possible d’utiliser des drones en tant que capteurs mobiles dans des scènes tridimensionnelles afin d’identifier des inconnues recherchées. En se basant sur la mise en œuvre de la MGC et la nouvelle technique d’observation, divers objectifs peuvent être atteints tels que : la surveillance des locaux ou des phénomènes naturels (la surveillance des volcans), la reconstruction géométrique des endroits inaccessibles par les êtres humains comme : l’envoi à une grande profondeur dans les océans, ou pour des applications aérospatiales par exemple,… Un objectif théorique ambitieux porte sur l’utilisation de l’analyse par intervalle afin de définir un intervalle garanti pour les paramètres identifiés. Dans le cadre des PICC-3D présentés dans ce document, les méthodes garanties ne sont pas encore développées. Enfin d’autres perspectives peuvent être envisagées à long terme. Un projet de recherche dédié à l’identification et le suivi de phénomènes mobiles à l’intérieur d’un volume (à partir d’observations surfaciques) serait particulièrement pertinent à la suite de ces travaux. Cette thématique peut être considérée dans des situations où aucune information a priori n’est donnée sur la trajectoire de ce corps mobile. On peut citer le cas du suivi de déplacement d’un ver dans une pomme (exemple sans intérêt mais particulièrement illustratif) ; la même idée peut être appliquée aux robots de forage… Cette technique pourrait s’avérer utile pour la surveillance des robots mobiles qui se déplacent dans les tuyaux de gaz ou de pétrole pour des missions de détection des fuites ou d’entretien. ANNEXE A Résultats complémentaires : localisation en temps réduit (Chapitre 4) Cette annexe est dédiée à présenter un exemple de la localisation de trois sources chauffantes fixes en temps réduit par le biais de l’algorithme de la MGC. Cas C. 1 : la plaque est chauffée par trois sources chauffantes Dans cette dernière configuration, la MGC est mise en œuvre afin d’estimer la localisation de trois sources de chauffe fixes ( S1 , S2 et S3 ) qui sont localisées respectivement −e sur la face inférieure de la plaque YS1 , S2 , S3 = m en I S1 ( 0.01, 0.01) , I S2 ( −0.01,0.01) et 2 I S3 ( −0.005, 0 ) en m (voir Figure A. 1). Figure A. 1. Positions des sources. 315 θ(C ;t) θ(C ;t) 1 2 θ(C ;t) 3 302 0.02 310 301 0.01 305 Z en m Température θ en K La température fournie à chaque 0.1s par les trois capteurs est présentée sur la figure suivante. 300 300 299 0 298 297 -0.01 296 295 295 -0.02 290 0 294 1 2 3 4 5 6 7 Temps en secondes -0.02 -0.01 0 X en m 0.01 0.02 Figure A. 2. Résultat de la résolution du problème direct (Cas C.1). 202 Annexe A. Résultats complémentaires : localisation en temps réduit (Chapitre 4) En considérant pour l’algorithme de minimisation que les positions initiales des sources sont −e I Sk1=0 ( 0, 0 ) , I Sk2=0 ( 0, 0 ) et I Sk3=0 ( 0, −0.01) en m sachant que YS1 , S2 , S3 = m . Les valeurs du 2 critère à minimiser pour diverses valeurs de temps final sont présentées par la figure et le J(IS1,IS2,IS3) tableau suivants. 10 10 10 10 2 Jtf=5s Jtf=6s Jtf=7s 0 -2 -4 0 5 10 15 20 Itérations k Figure A. 3. Évolution du critère en fonction des itérations (Cas C.1). Dans cette situation, un temps de 7 secondes permet d’obtenir un critère inférieur à la valeur du test d’arrêt égal à 10−3 (dans ce paragraphe). Dans ce cadre les résultats obtenus sont : Tableau A. 1. Valeurs du critère en fonction des itérations k (Cas C.1). Itération k ( J I S1 , I S2 , I S3 ) 0 1 2 3 4 … 21 22 23 70.16 31.83 12.93 11.01 8.33 … 0.002 0.0017 0.0009 0.02 0.01 Z en m Ik=23 S1 Ik=23 S2 0 Ik=0 S2 Ik=23 Ik=0 S3 S1 -0.01 Ik=0 S3 -0.02 -0.02 -0.01 0 X en m 0.01 0.02 Figure A. 4. Évolution des coordonnées de sources sur la face inférieure de la plaque (Cas C.1). Annexe A. Résultats complémentaires : localisation en temps réduit (Chapitre 4) 203 Tableau A. 2. Valeurs des coordonnées de sources en fonction des itérations k (Cas C.1). Itération k 0 1 2 3 … 17 … 23 X S1 0.01 0.0119 0.0095 0.0088 … 0.0099 … 0.0098 Z S1 0 0.0011 0.0056 0.0062 … 0.0097 … 0.0099 X S2 -0.01 -0.0112 -0.0096 -0.0088 … -0.0102 … -0.0101 Z S2 0 0.0011 0.0056 0.0062 … 0.0096 … 0.0099 X S3 0 −9.4 × 10−6 -0.01 −6.47 × 10 −6 -0.0121 … Z S3 −2.59 × 10−6 -0.0113 7.057 × 10−6 -0.0051 -0.0124 … … 1.31× 10−6 … -0.0052 Cas C. 2 : en présence d’un bruit de mesure N ( 0, 0.5 ) Les valeurs de la température mesurée sont bruitées par un bruit additif de type Gaussien Température mesurée en K N ( 0, 0.5 ) . Leurs évolutions en fonction du temps sont présentées par la Figure A. 5 : 320 θ(C ;t) 1 θ(C ;t) 2 θ(C ;t) 3 315 310 305 300 295 290 0 1 2 3 4 5 6 7 8 Temps en secondes Figure A. 5. Température mesurée pour t f = 8 secondes (Cas C. 2). Dans ce cas, le temps final est égal à 8 secondes. La figure et le tableau suivants illustrent l’évolution du critère et de l’erreur de poursuite en fonction des itérations effectuées. En outre, le Tableau A. 1 présente la convergence des coordonnées estimées vers les coordonnées recherchées en fonction de ces itérations. 204 10 3 0.025 0.02 10 2 0.015 10 EP(IS1,IS2,IS3) en m J(IS1,IS2,IS3) Annexe A. Résultats complémentaires : localisation en temps réduit (Chapitre 4) 0.01 1 0.005 10 0 0 2 4 6 8 10 Itération k 12 14 0 18 16 Figure A. 6. Évolution du critère et de l’erreur de poursuite en fonction des itérations (Cas C. 2). Tableau A. 3. Valeur du critère et d’erreur de poursuite k (Cas C.2). Itération k ( (I J t f =8 s I S1 , I S2 , I S3 EPt f =8 s S1 ) ) , I S2 , I S3 0 1 2 3 4 5 … 18 101.375 47.371 20.036 17.170 13.685 11.622 … 2.963 0.025 0.02416 0.01557 0.01445 0.01425 0.01413 … 0.0008 Tableau A. 4. Coordonnées des sources en fonction des itérations k (Cas C.2). Itération k 0 1 2 … 11 12 … 15 X S1 0.01 0.0113 0.0095 … 0.0096 0.0100 … 0.0096 Z S1 0 0.0012 0.0060 … 0.0063 0.0076 … 0.0081 X S2 -0.01 -0.0011 -0.0093 … -0.0092 -0.0096 … -0.0099 Z S2 0 0.0012 … 0.0062 0.0074 … 0.0079 … 8.67 × 10−5 … -0.0072 X S3 0 Z S3 -0.01 −2.93 × 10 0.0059 −6 -0.01 −1.91× 10 −6 -0.0114 … … … … … … … 17 0.0099 0.0089 -0.0109 0.0094 −1.08 × 10−5 -0.0053 … 1.22 ×10 … −6 -0.0088 -6.70 × 10 -0.0068 −5 18 0.0099 0.0102 -0.0105 0.0096 1.74 ×10 −5 -0.0051 À travers la figure suivante, l’évolution d’erreur de poursuite pour différentes valeurs de temps final est présentée et il est montré que pour identifier ces trois sources de chauffe, il est Annexe A. Résultats complémentaires : localisation en temps réduit (Chapitre 4) 205 important d’avoir un temps plus long par rapport aux précédents cas (sans bruit de mesure) Erreur de poursuite en m (Cas A. 1 et Cas B.1). 10 10 10 10 -1 EPtf=2s EPtf=4s EPtf=7s EPtf=8s -2 -3 -4 0 2 4 6 8 10 12 14 16 18 Itération k Figure A. 7. Évolution de l’erreur de poursuite pour plusieurs valeurs de temps final (Cas C. 2). Cas C. 3 : Pour ce cas final, un bruit additif de type Gaussien N ( 0,1) est considéré lors Température mesurée en K de la mesure de température délivrée par les trois capteurs (voir Figure A. 8). 340 θ(C ;t) 1 θ(C ;t) 2 θ(C ;t) 3 330 320 310 300 290 0 2 4 6 8 10 12 14 16 Temps en secondes Figure A. 8. Température bruitée pour t f = 16 secondes (Cas C. 3). Les résultats obtenus sont présentés ci-après pour un temps final t f = 16 secondes . 206 3 0.025 J(IS1,IS2,IS3) 10 0.02 0.015 10 2 EP(IS1,IS2,IS3) en m Annexe A. Résultats complémentaires : localisation en temps réduit (Chapitre 4) 0.01 0.005 10 1 0 2 4 6 Itération k 8 10 0 Figure A. 9. Évolution du critère et de l’erreur de poursuite en fonction des itérations (Cas C. 3). Tableau A. 5. Valeurs du critère en fonction des itérations k (Cas C. 3). Itération k ( (I J t f =16 s I S1 , I S2 , I S3 EPt f =16 s S1 ) ) 0 1 456.976 231.395 , I S2 , I S3 0.025 2 3 4 5 … 11 63.398 45.514 39.632 33.184 … 23.585 0.02388 0.01283 0.01233 0.01224 0.01167 … 0.00090 Les valeurs des coordonnées identifiées sont données par le Tableau A.6. Tableau A. 6. Coordonnées des sources en fonction des itérations k (Cas C. 3). Itération k X S1 0 0.01 1 0.0115 2 0.0089 … … 9 0.0090 10 0.0094 11 0.0096 Z S1 0 0.0014 0.0072 … 0.0070 0.0091 0.0099 X S2 -0.01 -0.0115 -0.0090 … -0.0092 -0.0091 -0.0100 Z S2 0 0.0015 0.0071 0.0070 0.0091 0.0099 X S3 0 Z S3 -0.01 −1.87 × 10 -0.0115 −7 … 0.00001 … -0.0118 … où l’évolution d’erreur de poursuite est donnée par : −5 2.12 × 10 -0.0094 −4 3.58 ×10 -0.0063 0.0004 -0.0052 Erreur de poursuite en m Annexe A. Résultats complémentaires : localisation en temps réduit (Chapitre 4) 10 10 10 10 207 -1 EPtf=7s EPtf=10s EPtf=12s EPtf=14s EPtf=15s EPtf=16s -2 -3 -4 0 2 4 6 8 10 Itération k Figure A. 10. Évolution d’erreur de poursuite pour différents temps final (Cas C. 3). La Figure A. 10 illustre que si ( t f < 16 s ) , l’erreur de poursuite ne converge pas vers une valeur inférieure à la valeur désirée du test d’arrêt, ce qui implique que le choix de t f = 16 s est nécessaire afin d’identifier les coordonnées inconnues. Les résultats obtenus valident aussi la robustesse de la MGC pour localiser trois sources en quelques itérations même en présence des mesures bruitées. ANNEXE B Résultats complémentaires : identification de la trajectoire (Chapitre 4) Dans cette annexe, l'identification de la trajectoire de la source chauffante (alors que sa puissance est connue) est étudiée dans des configurations supplémentaires afin d'illustrer les potentialités de la méthode mise en œuvre au chapitre 4, section 3. Cas B : identification de la trajectoire (carré) de la source mobile avec une initialisation différente (avec et sans bruit de mesure). Cas C : identification de la trajectoire (un "4 digitalisé") considérant un flux de chauffe connu qui varie en fonction du temps (avec et sans bruit de mesure). Cas B. 1 : trajectoire initiale sous forme d’un losange L’algorithme est initialisé avec une trajectoire initiale qui a la forme d’un losange (voir courbe pointillée verte de la Figure B. 2). Une valeur minimale du critère ( J ≤ 0.1) a été J(I(t)) obtenue après 133 itérations (Figure B. 1 et Tableau B. 1). 10 10 10 10 4 2 0 -2 0 20 40 60 80 100 120 Itérations k Figure B. 1. Évolution du critère en fonction des itérations k (Cas B. 1). 210 Annexe B. Résultats complémentaires : identification de la trajectoire (Chapitre 4) Tableau B. 1. Valeurs du critère en fonction des itérations k (Cas B. 1). Itération k J ( I (t )) 0 1 2 … 6 7 … 15 … 30 … 39 5895.9 351.8 218.1 … 122.3 98.5 … 39.6 … 28.1 … 20.0 72 5.6 … … … … 132 133 0.101 0.096 … … 60 10.4 61 9.9 … … 91 1.9 … … 103 104 1.0 0.83 Cette minimisation du critère conduit à une convergence de la trajectoire identifiée vers la trajectoire désirée comme il est présenté par la Figure B. 2. I(t)k=0 I*(t) 0.02 I(t)k=133 S(15s) S(0s), S(60s) Z en m 0.01 S(15s) S(0s), S(60s) 0 S(30s) S(45s) -0.01 S(30s) S(45s) -0.02 -0.02 -0.01 0 X en m ( 0.01 Figure B. 2. Évolution des trajectoires I * ( t ) , I ( t ) k =0 0.02 , I (t ) k =133 ) en fonction du temps t . Résidu de température en K Le tracé des résidus de température est donné dans cette étude par : 0.1 Rθ(C1;t) Rθ(C2;t) 30 40 Rθ(C3;t) 0.05 0 -0.05 -0.1 0 10 20 50 60 Temps en secondes Figure B. 3. Résidu de température en fonction du temps. Annexe B. Résultats complémentaires : identification de la trajectoire (Chapitre 4) 211 Les résidus de température sont bornés par ±0.1 K et leurs valeurs moyennes sont présentées dans le tableau suivant : Tableau B. 2. Résidus de température (Cas B. 1). Capteur C1 Capteur C2 Capteur C3 -0.00275 -0.0266 0.01437 Valeur moyenne du résidu de température en K Les résultats obtenus attestent de la robustesse de la MGC pour identifier la trajectoire d’une source mobile. Cas B. 2 : trajectoire initiale sous forme d’un losange en présence de bruit de mesure Ce cas est identique au précédent en rajoutant des mesures de températures perturbées par un bruit Gaussien défini par N ( 0,1) . Sachant que le calcul du test d’arrêt est réalisé à Température mesurée en K partir de la définition donnée dans le chapitre 3, section 3.2.5 tel que : J stop = 90 . 325 θ(C ;t) θ(C ;t) 1 2 θ(C ;t) 3 320 315 310 305 300 295 290 0 10 20 30 40 50 60 Temps en secondes Figure B. 4. Évolution de la température bruitée (Cas B. 2). J(I(t)) 212 Annexe B. Résultats complémentaires : identification de la trajectoire (Chapitre 4) 10 10 10 10 4 3 2 1 0 2 4 6 8 10 Itérations k Figure B. 5. Évolution du critère en fonction des itérations (Cas B. 2). Tableau B. 3. Valeurs du critère en fonction des itérations k (Cas B. 2). Itération k J ( I (t )) 0 1 2 3 4 5 6 7 8 9 10 5934.9 488.6 322.6 256.9 207.8 177.7 138 125.7 109.4 95.6 85.4 La trajectoire identifiée ainsi que les résidus de température obtenus avec cette trajectoire sont présentés sur les deux figures suivantes. I(t)k=0 S(0s), S(60s) 0.01 Z en m I(t)k=10 S(15s) Résidu de température en K I*(t) 0.02 S(15s) S(30s) S(0s), S(60s) 0 3 Rθ(C1;t) Rθ(C2;t) Rθ(C3;t) 2 1 0 -1 S(45s) -0.01 -2 -0.02 S(30s) S(45s) -0.02 -3 0 -0.01 0 X en m 0.01 10 20 30 40 50 60 Temps en secondes 0.02 Figure B. 6. Évolution des trajectoires ( I * ( t ) , I k =0 ( t ) , I k =10 ( t ) ) en fonction du Figure B. 7. Évolution du résidu de température en fonction du temps t . temps t . Les valeurs moyennes ainsi que les écart-types des résidus de température (Figure B. 7) fournis par les trois capteurs de mesures de températures C1 , C2 et C3 sont : Annexe B. Résultats complémentaires : identification de la trajectoire (Chapitre 4) 213 Tableau B. 4. Résidus de température (Cas B. 2). Valeur moyenne du résidu de température en K Écart-type du résidu de température en K Capteur C1 Capteur C2 Capteur C3 0.17528 -0.24884 0.05157 1.05037 1.05187 1.05187 Les valeurs des écarts-types obtenus ont le même ordre de grandeur que l’écart type du bruit proposé. La précision des résultats obtenus est aussi illustrée par le tableau suivant présentant les résidus des coordonnées identifiées et désirées. Tableau B. 5. Résidus des coordonnées de la trajectoire (Cas B. 2). tn = 0 s tn = 15 s tn = 30 s tn = 45 s tn = 60 s Résidu de la première coordonnée X ( tn ) en m −2.4 10 −4 −4.2 10 −4 −2.3 10 −3 −1.4 10 −5 −0.0036 Résidu de la seconde coordonnée Z ( tn ) en m −3.3 10 −4 −1.2 10 −3 −2.2 10−3 −8.7 10−5 −3.3 10 −4 Ces faibles valeurs d’écart entre les coordonnées désirées (réelles) et les coordonnées estimées valident également les résultats obtenus précédemment. Cas C. 1 : le flux de chauffe varie en fonction du temps Pour ce cas, il est supposé que la densité du flux de chauffe fournie par la source Flux de chauffe φ(t) en W.m-2 chauffante est définie par la courbe suivante : 10 x 10 5 8 6 4 2 0 0 10 20 30 40 50 60 Temps en secondes Figure B. 8. Densité du flux de chauffe φ ( t ) . Ce cas traite également la mise en œuvre de l’algorithme du GC à partir d’une initialisation et d'une trajectoire désirée plus complexes que précédemment (voir courbe bleue et verte de la Figure B. 12). Avant de commencer la résolution du PICC-3D, considérant la 214 Annexe B. Résultats complémentaires : identification de la trajectoire (Chapitre 4) densité du flux imposée (Figure B. 8) et la trajectoire réelle (Figure B. 12) suivie par la Température θ en K source, les "mesures" de températures sont tracées sur la courbe suivante. 500 θ(C ;t) θ(C ;t) 1 2 θ(C ;t) 3 450 400 350 300 250 0 10 20 30 40 50 60 Temps en secondes Figure B. 9. Résolution du problème direct. La figure suivante expose quelques distributions spatiales de températures considérées à divers instants. à t = 15 s . à t = 30 s . 0.02 0 330 -0.01 320 0.01 Z en m 340 390 380 350 0.01 Z en m 0.02 360 370 360 0 350 340 -0.01 330 310 -0.02 -0.02 -0.01 0 X en m 0.01 0.02 -0.02 320 -0.02 -0.01 0 X en m 0.01 0.02 Annexe B. Résultats complémentaires : identification de la trajectoire (Chapitre 4) à t = 45 s . à t = 60 s . 460 0.02 400 0.02 440 390 370 Z en m Z en m 0.01 380 0.01 360 0 420 400 0 380 350 -0.01 340 -0.01 360 330 -0.02 -0.01 0 X en m 0.01 340 -0.02 320 -0.02 215 -0.02 0.02 -0.01 0 X en m 0.01 320 0.02 Figure B. 10. Distribution spatiale de la température sur la face supérieure de la plaque. La procédure d’estimation de cette inconnue est basée sur la minimisation du critère J(I(t)) J ( I (t )) . 10 10 10 10 10 6 4 2 0 -2 0 10 20 30 40 50 60 70 Itérations k Figure B. 11. Évolution du critère en fonction des itérations (Cas C. 1). Tableau B. 6. Valeurs du critère en fonction des itérations k (Cas C. 1). Itération k 0 J ( I ( t ) ) 57138 53 110.7 1 42235.2 54 48 2 … 21 … 31 … 45 46 … 36239.4 … 9910.2 … 5686.6 … 1901.4 992.6 … 55 50.8 … … 60 2.626 … … 65 0.37 … … 71 0.112 72 0.077 216 Annexe B. Résultats complémentaires : identification de la trajectoire (Chapitre 4) où la trajectoire initiale I k =0 ( t ) , désirée (réelle) I * ( t ) et identifiée I k =72 ( t ) sont données par : I(t)k=0 I*(t) 0.02 S(0s), S(60s) Z en m 0.01 I(t)k=72 S(30s) S(0s),S(60s) S(30s) 0 S(45s) -0.01 S(15s) S(45s) S(15s) -0.02 -0.02 -0.01 0 X en m 0.01 0.02 Figure B. 12. Évolution des trajectoires ( I * ( t ) , I k =0 ( t ) , I k =72 ( t ) ) en fonction du temps t . Résidu de température en K Sachant que les résidus de température sont exposés sur la Figure B. 13 : 0.15 Rθ(C1;t) Rθ(C2;t) Rθ(C3;t) 0.1 0.05 0 -0.05 -0.1 0 10 20 30 40 50 60 Temps en secondes Figure B. 13. Résidu de température en fonction du temps. Le tableau suivant présente les valeurs moyennes des résidus de température fournie par chaque capteur. Tableau B. 7. Résidus de température (Cas C. 1). Valeur moyenne du résidu de température en K Capteur C1 Capteur C2 Capteur C3 0.00156 -0.02325 0.01182 Annexe B. Résultats complémentaires : identification de la trajectoire (Chapitre 4) 217 Tableau B. 8. Résidus des coordonnées de la trajectoire (Cas C. 1). tn = 0 s tn = 15 s tn = 30 s tn = 45 s tn = 60 s Résidu de la première coordonnée X ( tn ) en m −4.72 10−5 6.28 10−6 −1.54 10 −5 −6.13 10−6 −7.03 10 −6 Résidu de la seconde coordonnée Z ( tn ) en m −7.04 10 −5 1.06 10 −5 −1.97 10−5 1.6 10 −5 −1.59 10 −5 Pour cet exemple plus complexe, la mise en œuvre de l’algorithme du GC permet de minimiser le critère quadratique et d'identifier avec une grande précision la trajectoire de la source. Cas C. 2 : Cet exemple est similaire au précédent Cas C. 1, en considérant des mesures bruitées par un bruit Gaussien N ( 0,1) . Le test d’arrêt reste identique aux Cas A. 2 (du chapitre 5) et Température mesurée en K B. 2. (de la présente annexe). 500 θ(C ;t) θ(C ;t) 1 θ(C ;t) 2 3 450 400 350 300 250 0 10 20 30 40 50 60 Temps en secondes Figure B. 14. Mesures bruitées. Les résultats de la mise en œuvre de la MGC sont présentés ci-après : Tableau B. 9. Valeurs du critère en fonction des itérations k (Cas C. 2). Itération k J ( I (t )) 0 1 56763.3 41976.7 … 25 … 51 … 64 65 … 9799.5 … 970.7 … 92.6 89.85 La minimisation du critère conduit à l'identification de la trajectoire recherchée (Figure B. 15). La convergence de la température simulée (avec la trajectoire identifiée) vers la température mesurée est aussi obtenue (Figure B. 16). 218 Annexe B. Résultats complémentaires : identification de la trajectoire (Chapitre 4) S(0s), S(60s) Z en m 0.01 I(t)k=65 I*(t) Résidu de température en K I(t)k=0 0.02 S(30s) S(0s) S(45s) 0 S(15s) S(30s) 3 Rθ(C1;t) Rθ(C2;t) Rθ(C3;t) 2 1 0 -1 -0.01 -2 S(15s) S(45s) S(60s) -3 0 -0.02 -0.02 -0.01 0 X en m 0.01 ( I (t ) , I * (t ) , I (t ) k = 65 20 30 40 50 60 Temps en secondes 0.02 Figure B. 16. Évolution du résidu de température en fonction du temps t . Figure B. 15. Évolution des trajectoires k =0 10 ) en fonction du temps. La convergence est satisfaisante malgré les mesurées bruitées. Les résidus de température obtenus sont exposés dans le tableau suivant (valeur moyenne et écart-type pour chaque capteur). Tableau B. 10. Résidus de température (Cas C. 2). Valeur moyenne du résidu de température en K Écart-type du résidu de température en K Capteur C1 Capteur C2 Capteur C3 0.0432 0.196 -0.0231 1.0974 0.9421 0.9018 Les valeurs obtenues montrent que l’impact du bruit sur les températures simulées reste du même ordre de grandeur que l’écart type du bruit proposé, ce qui confirme la robustesse de la méthode. Les résidus des coordonnées de centre de la source sont déterminés en quelques instant tn dans le tableau suivant : Tableau B. 11. Résidus des coordonnées de la trajectoire (Cas C. 2). tn = 0 s tn = 15 s tn = 30 s tn = 45 s tn = 60 s Résidu de la première coordonnée X ( tn ) en m −5.73 10 −4 5.57 10 −5 −3.5 10−5 2 10−4 −3.65 10−4 Résidu de la seconde coordonnée Z ( tn ) en m −0.0013 2.29 10−4 −1.42 10 −4 3.03 10−4 −7.51 10−4 Annexe B. Résultats complémentaires : identification de la trajectoire (Chapitre 4) 219 Ce tableau confirme également que l'identification des coordonnées n'est pas affectée de manière rédhibitoire par les mesures bruitées. Ces faibles valeurs entre les coordonnées réelles et les coordonnées estimées de la trajectoire confirment la robustesse de la méthode du gradient conjugué pour estimer la trajectoire de cette source chauffante mobile même en présence des mesures bruitées. ANNEXE C Pilotage des platines de translation La présente annexe donne la possibilité de mieux découvrir le mécanisme ainsi que les outils nécessaires au pilotage des platines de translation de type XZ en lien direct avec les perspectives envisagées. Quelques exemples illustratifs sont proposés (voir le manuel du contrôleur [ESP 301, 2008]). 1. Commande des platines XZ D’une manière générale, il existe deux modes de pilotage : 1.1. Mode local Ce mode est basé sur l’acquisition manuelle des commandes en utilisant les touches du panneau d’avant du contrôleur ESP 301 (voir Figure C. 1). Figure C. 1. Panneau d’avant du contrôleur EPS 301. En utilisant ce mode, l’utilisateur peut ajuster directement plusieurs paramètres comme la vitesse de mouvement, l’accélération, … sans avoir besoin d’un autre terminal (ordinateur par exemple). Dans ce qui suit, une description succincte du fonctionnement de quelques boutons de panneau d’avant du contrôleur EPS 301 est donnée. 222 Annexe C. Pilotage des platines de translation Commençons tout d’abord par le coté droit du contrôleur EPS 301 (voir Figure C. 1). Motor ON/OFF : ce bouton permet de mettre la machine en marche ou en arrêt. Menu/enter Button : ce dernier permet l’accès au menu de commande. Afin de sélectionner une commande affichée dans cette liste de menu, il suffit d’appuyer sur le bouton Menu qui permet l’exécution de la commande retenue. UP/DOWN : ces deux boutons permettent de naviguer dans la liste des commandes donnée dans le menu. ESC : ce bouton permet de revenir au précédent menu. Il utile de savoir que afin de bien naviguer dans les sous listes du menu, il est possible d’utiliser les quatre touches (boutons numérotés respectivement 2, 4, 6 et 8). Ces derniers ont le même rôle que les touches de direction de n’importe quel clavier d’ordinateur par exemple. Ce qui facilite l’accès à tous les éléments disponibles dans le menu. 1.1.1. Exemple d’application Dans le but de déplacer le deuxième axe de la platine de translation vers la direction gauche ou droite par exemple, il suffit d’utiliser les deux boutons 4 et 6. La valeur de déplacement peut être fixée en utilisant dans le bouton Menu la liste de commande tel que : le déplacement absolu ‘Move absolute’ par exemple. L’axe se déplace selon la valeur de distance introduite par le clavier numérique (voir Figure C. 1). Dans ce deuxième exemple, l’objectif visé consiste à changer la vitesse de déplacement des deux platines de translation, il suffit de suivre le chemin suivant : Bouton ‘Menu’, bouton ‘Down’ (afin de défiler dans le menu), commande ‘Configuration’, bouton ‘Menu’ (pour confirmer le choix de la précédente commande). La liste qui s’affiche sur le panneau d’affichage (cf. Figure C. 1) contient les commandes ‘Set velocities, Accel, Decel, …’. Le choix de la commande ‘Set velocities’ permet de définir une vitesse de déplacement des deux axes selon la valeur introduite via le clavier numérique du contrôleur. 1.2. Mode distant Dans ce mode, le ESP 301 reçoit des commandes de mouvements par une de ses interfaces de communication (USB) en utilisant un ordinateur ou un autre terminal. Le paragraphe suivant fournit une explication détaillée de la mise en œuvre de quelques déplacements en utilisant le mode distant Annexe C. Pilotage des platines de translation 1.2.1. 223 Guide d’initiation au logiciel ESP Util 301 : Le module de contrôle ESP 301 a été fournis avec un logiciel de pilotage ‘ESP Util 301’ qui permet de jouer le rôle d’un intermédiaire entre le contrôleur et l’utilisateur. Dans ce qui suit quelques impressions d’écran sont proposées afin de faciliter l’explication. Une fois l’ESP Util lancé, la fenêtre suivante s’ouvre : Figure C. 2. Fenêtre de démarrage du logiciel. Comme il est indiqué sur la Figure C. 2, la première étape est dédiée au choix de l’interface de communication avec les platines de translation. Lorsque le pilotage est assuré par un ordinateur portable, le choix est USP VCP. Figure C. 3. Interface de communication. La confirmation du mode de communication se réalise à travers le bouton ‘Open Port’, pendant ce temps l’ESP 301 commence à initier ses paramètres d’entrées-sorties. Autrement dit, le contrôleur est en phase de recherche de nombre des axes qui sont connectés à ses interfaces de communication (cf. Figure C. 4). 224 Annexe C. Pilotage des platines de translation Figure C. 4. Phase de recherche des axes. Figure C. 5. Détection des axes connectés. La Figure C. 5 montre qu’il y deux axes qui sont connectés au contrôleur et au terminal aussi. Afin de confirmer cette détection, il suffit de cliquer sur ‘Ok’ (voir Figure C. 5). Après avoir détecté les axes (les platines) connectés à l’ESP 301, l’étape suivante consiste à mettre les deux moteurs des deux axes en marche. Dans la barre d’outils du Logiciel (voir une des quatre figures précédentes), l’icône ‘Enable’ représente une touche ou un bouton de démarrage/arrêt de tous les moteurs qui sont en communication avec l’ESP 301. Dans la présente configuration, il est facile d’observer qu’il y a seulement deux boutons qui sont indiqués en couleur beige, ce qui confirme la présence (la connexion) de deux axes de déplacements. Le fait de choisir ‘All On’ permet de mettre les moteurs des deux bancs en marche. Figure C. 6. Démarrage de moteurs de deux bancs connectés. Avant de commencer à manipuler les diverses fonctionnalités du contrôleur, il est conseillé d’initier les positions de deux bancs en cliquant sur 0 comme il est montré sur la Figure C. 7 (car l’ESP 301 garde toujours la position du dernier essai). Annexe C. Pilotage des platines de translation 225 Figure C. 7. Remise à zéro de déplacement de deux bancs. Pour résumer, les étapes précédentes permettent de préparer les bancs de translation ainsi que leur interfaçage avec le contrôleur afin de les piloter par la suite. Commençons tout d’abord par détailler quelques icones de la barre de commande affichée via le périphérique d’interfaçage (ordinateur dans le présent document) : L’icône ‘Jog’ représente la commande qui permet de déplacer les bancs de translation sur un des deux axes vers n’importe quelle direction choisie (cf. Figure C. 8). Figure C. 8. Déplacement de deux bancs. En détaillant un petit peu plus la figure précédente, deux modes de déplacement sont proposés ‘Indexed’ (le mode indexé) et le ‘Free Run’(le mode de déplacement libre). Le premier permet de choisir l’axe à déplacer en appuyant sur une direction avec des valeurs précises de distance et de vitesse. Le deuxième mode prend la distance maximale possible de déplacement des deux bancs avec la vitesse proposée par défaut par le contrôleur. Néanmoins et afin d’arrêter le déplacement vers une direction précise en utilisant le mode libre, il suffit d’enlever le doigt sur la commande sous traitement (par exemple, la direction choisie). 226 Annexe C. Pilotage des platines de translation Avant d’approfondir les diverses fonctionnalités de pilotage en mode distant, il est utile de préciser que les axes 1 et 2 dans l’interface du logiciel définissent respectivement des déplacements selon les axes Ox et Oy. À titre d’exemple, le fait de cliquer sur le bouton ‘+x’ (resp. ‘+y’ pour l’axe Oy), le banc du premier axe se déplace vers la droite qui représente la direction selon Ox (resp. le même phénomène se produit pour l’axe Oy). La figure suivante illustre le cas de d’un cahier de charges qui consiste au déplacement simultané en mode indexé des deux bancs de translation : • Pour l’axe Ox : une distance de déplacement de 2 10−2 m avec une vitesse de 5 10−2 m. s -1 ont été choisies. • Pour l’axe Oy : une distance de déplacement de 0.1 m avec la même vitesse que le premier axe ont été considérées. Le fait d’appuyer une seule fois sur un des quatre boutons ‘ ± x’ ou ‘ ± y’ (voir Figure C. 9), lance les platines concernées qui commencent à se déplacer directement vers le chemin indiqué (à la vitesse choisie). Pour des raisons de danger ou autres (erreur numérique,…), il est possible d’arrêter le déplacement des deux bancs malgré qu’ils soient en cours de déplacement en utilisant le bouton ‘Stop’ (voir Figure C. 9). Figure C. 9. Arrêt d’urgence de déplacements. Dans les deux précédents modes, le choix d’une distance supérieure à la longueur de l’axe de déplacement (Mode Indexé) ou le fait de rester appuyé sur une direction malgré que la platine soit arrivée à la fin de cet axe (la limite de cet axe est détectée) produit une erreur. Sur les deux figures suivantes, un exemple en Mode Libre où la platine portée par l’axe 1 est arrivée à sa limite de déplacement est montrée. Annexe C. Pilotage des platines de translation 227 Figure C. 10. Détection de limite d’un axe. Commande Cycle : dans ce cas, la platine a l’ordre de faire un déplacement d’allerretour sans arrêt. Pour démarrer cette déplacement, il faut choisir la commande ‘Start/Stop All axes’ où cette dernière se passe à la couleur verte pour indiquer que les platines sont en mode marche (exécution). Pour arrêter ce déplacement, il suffit de cliquer sur la même icone. Il est possible aussi de compter le nombre de cycles effectués en utilisant le compteur ‘Cycle Count’. Néanmoins, il est nécessaire d’initialiser le compteur avant toute utilisation (commande ‘Reset’). La figure suivante montre le changement de nombre de cycles effectués avec un temps d’attente entre deux cycles successifs qui vaut 2 secondes (‘Dwell=2’, voir Figure C. 11). Figure C. 11. Lecture du nombre de cycles effectués. Commande Home : la platine se déplace selon les sous commandes internes de la commande ‘Home’ comme elles sont indiquées sur la figure suivante avec une vitesse ajustable. 228 Annexe C. Pilotage des platines de translation Figure C. 12. Option de la commande ‘Home’. Après avoir exposé les principales commandes du logiciel EPS 301, le mode programmation peut être aussi appliqué en tant que mode distant également. 1.2.2. Mode programmation Rappelons que L’ESP 301 est un système piloté par commande. En général, les commandes sont composées d’une série de deux caractères ASCII (lettre) précédées par un numéro d'axe et suivies par des paramètres spécifiques à la commande. Le diagramme suivant illustre la syntaxe d’un programme écrit sous forme d’un fichier de type .text (bloc note). Figure C. 13. Programme à exécuter sous EPS 301. Comme il est indiqué sur la figure précédente, une commande se compose de trois principaux champs. Le premier champ décrit la valeur numérique ‘XX’ qui représente le numéro de l’axe en mouvement ou à déplacer. Le deuxième champ se compose de deux 229 Annexe C. Pilotage des platines de translation lettres ‘ASCII’ mnémoniques qui décrivant la commande à appliquer. Le troisième domaine décrit la valeur numérique d’un tel mouvement ‘NN’. • À noter que si une commande ne nécessite pas une valeur ‘XX’ et/ou ‘NN’, ce champ doit être remplacé par un blanc (espace). Dans un autre cas où une commande nécessite plusieurs paramètres dans le troisième champ, tous ces paramètres doivent être séparés par des virgules, par exemple la commande 1HN1,2. À signaler aussi que plusieurs commandes peuvent être émises sur une seule ligne en les séparant par un point-virgule ‘;’ (3Mo ; 3PA10.0 ; 3WS ; 3MF). Pour comprendre les commandes proposées dans les précédents exemples, un tableau illustratif a été proposé dans [ESP 301, 2008]. • À titre d’exemple soit une description de la commande suivante : 1PA+100 : déplacer le premier axe d’une valeur absolue de 100 unités vers la droite. Une fois la structure de programme construite, l’étape d’enregistrement de ce dernier est nécessaire avant l’exécution. 1.2.3. Exemple d’application Dans ce qui suit, les deux bancs de translation sont commandés à partir du mode programmation. Exemple 1 : À travers cet exemple, le premier banc se déplace selon l’axe Ox d'une valeur de 30 unités. Dès que ce premier mouvement se réalise, le deuxième banc (selon l’axe 2 : axe Oy) commence à se déplacer d'une valeur de -10 unités par rapport à son origine. Ce trajet peut être effectué en exécutant le programme suivant : Commande 1PA+30 1WS 2PR-10 Commentaire Déplacer l'axe 1 selon une position absolue de 30 unités, Faire une période d’attente, Déplacer l'axe 2 selon une position relative de -10 unités. À noter que la commande d’attente ‘WS’ (Waiting-second) est nécessaire afin d’éliminer les effets de vibrations mécaniques (dues à la vitesse de changement de direction de déplacement par exemple). 230 Annexe C. Pilotage des platines de translation Exemple 2 : Dans cet exemple, un cahier de charges est schématisé par la Figure C. 14. D’une manière descriptive, il est planifié que la platine du premier axe suit la trajectoire donnée par la figure suivante : Figure C. 14. Exemple d’une trajectoire désirée d’une platine de translation. Cette trajectoire se réalise via la mise en œuvre de l’algorithme suivant : Commande 1PR+100 1WS 1PR -90 1WS 1PR +70 1WS 1PR -50 1WS 1PR +30 1WS 1PR -20 1WS 1PR +10 1WS 1PR -5 1WS 1PR +2 1WS Commentaire Déplacer l'axe 1 selon une position relative à la position initiale d’une valeur de 100 unités, Période de repos d’une seule seconde, Déplacer l'axe 1 relativement par rapport à la précédente position pour une valeur de 90 unités, Période de repos d’une seule seconde, Déplacer l'axe 1 selon une position relative à la dernière position pour valeur de 50 unités, Période de repos d’une seule seconde, Déplacement relative de -50 unités au regard avec la précédente position, Période de repos d’une seule seconde, Déplacement relative de 30 unités au regard avec la précédente position, Période de repos d’une seule seconde, Déplacement relative de -20 unités au regard avec la précédente position, Période de repos d’une seule seconde, Déplacement relative de 10 unités au regard avec la précédente position, Période de repos d’une seule seconde, Déplacement relative de -5 unités au regard avec la précédente position, Attente d’une seconde pour que le banc s'arrête, Déplacement relative de +2 unités au regard avec la précédente position, Période de repos d’une seule seconde, 231 Annexe C. Pilotage des platines de translation 1PR -1 1WS QP Déplacement relative de -1 unité au regard avec la précédente position, Attente d’une seconde pour que le banc s'arrête, Mettre fin au mode programmation. Le signe (-) signifie le sens opposé par rapport au dernier déplacement. Exemple 2 : Ce dernier exemple vise à piloter les deux platines de translation dans le but de faire un cercle de rayon de 25 unités. Le principe est basé sur l’utilisation du groupe d’axes. Commande 1hx 1hn1,2 1hv10 1ha40 1hd40 1ho 1hl0,0 1hw 1hc25,0,360 1hw 1hc25,0,-360 1hw 1hl0,0 1hw qp Commentaire Suppression du groupe crée avant cette mise en œuvre, Création d’un nouveau groupe indiqué par "groupe 1" en utilisant les deux axes, Mettre la vitesse du groupe 1 à10 unités/s, Mettre l'accélération du groupe 1 à 40 unités/s, Mettre la décélération du groupe 1 à 10 unités/s, Activation du groupe 1, Déplacement de l'axe 1 et l'axe 2 vers les centres des deux axes (0,0), Attente de fin du trajet de groupe 1, Mettre l'axe 1 en marche pour faire un cercle de rayon=25 unités et l'axe 2 en 0 ; puis faire un angle de balayage de 360°, Attente afin que le groupe 1 termine son trajet, Mettre l'axe 1 en marche pour faire un cercle de rayon=25 unités et l'axe 2 en 0 ; Puis faire un angle de balayage de -360°, Attente la fin de la trajectoire du groupe 1, Déplacement de l'axe 1 et l'axe 2 vers les centres des deux axes (0,0), Attente que le groupe 1 termine son trajet. Mettre fin au mode programmation. Cet algorithme a été fourni avec le contrôleur EPS031. D’utres déplacements aussi ont été programmés afin d’initier l’utilisateur à réaliser diverses trajectoires telles que : déplacement en ligne, trajectoire traçant le signe de l’infini ∞, … Références Abel N., (1826). Auflosung einer mechanichen Aufgabe, Journal de Crelle, vol. 1, pp. 153– 157. Abel N., (1881). Solution d’un Problème de Mécanique, Œuvres Complètes de Niels Henrik Abel I, ED Grøndahl & Søn, Christiana (Norvège), pp. 11–18. Abou-Khachfe R., (2000). Résolution numérique de problème inverses 2D non linéaires de conduction de la chaleur par la méthode des éléments finis et l’algorithme du gradient conjugué – Validation expérimentale, Thèse préparée et soutenue à l’école polytechnique de l’université de Nantes, École Doctorale n° 82, ordre n° 451, pp. 234. Abou-Khachfe R. et Jarny Y., (2000). Numerical solution of 2-D nonlinear inverse heat conduction problems using finite-element techniques, Journal of Numerical Heat Transfer – Part B, vol. 37, n° 1, pp. 45–67. Abou-Khachfe R. et Jarny Y., (2001). Determination of heat sources and heat transfer coefficient for two-dimensional heat flow – numerical and experimental study, International Journal of Heat and Mass Transfer, vol. 44, n° 7, pp. 1309–1322. Adili A., Hasni N., Kerkeni C. et Nasrallah S.B., (2010). An inverse problem based on genetic algorithm to estimate thermophysical properties of fouling, International Journal of Thermal Sciences, vol. 49, pp. 889–900. Adomian G. et Vasudevan R., (1984). A stochastic approach to inverse scattering in geophysical layers, Journal of Mathematical Modelling, vol. 5, pp. 339–342. Adous M., (2006). Caractérisation électromagnétique des matériaux traités de génie civil dans la bande de fréquences 50 Mhz – 13 Ghz, Thèse de doctorat de l’Université de Nantes, Laboratoire Central des Ponts et Chaussées de Nantes, pp. 188. Alemdar H. et Pektaş B., (2013). Identification of an unknown time-dependent heat source term from overspecified Dirichlet boundary data by conjugate gradient method, Journal of Computers and Mathematics with Applications, vol. 65, pp. 42–57. Alekseev A.K. et Navon I.M., (2005). On a posteriori pointwise error estimation using adjoint temperature and Lagrange remainder, International Journal of Computer Methods in Applied Mechanics and Engineering, vol. 194, n° 18–20, pp. 2212–2228. Alekseev A.S. et Mikhailenko B.G., (1999). Mathematical models of elastic wave processes in seismology and seismic prospecting: forward and inverse problems, Journal of Simulation Practice and Theory, vol. 7, pp. 125–151. 234 Références Alestra S. et Srithammavanh V., (2010). First experiments of automatic differentiation on some inverse problems in aerospace applications, 11th European Workshop on Automatic Differentiation, Cranfield – UK. Alifanov O.M., (1994). Inverse Heat Transfer Problems, ED Springer-Verlag, Berlin – Germany, pp. 384. Alifanov O.M., Artyukhin E.A. et Rumyantsev S.V., (1995). Extreme Methods for Solving Ill Posed Problems with Applications to Inverse Heat Transfer Problems, ED Begell House, New York – USA, pp. 306. Alifanov O.M., Nenarokomov A.V. et Gonzalez V.M., (2009). Study of multilayer thermal insulation by inverse problems method, Journal of Acta Astronautica, vol. 65, pp. 1284–1291. Allaire G., (2006). Analyse Numérique et Optimisation, ED de l’École Polytechnique 91128 Plaiseau Cedex – France, pp. 459. Angstrom A.J., (1861). Neue mezode warmeleitungsvermogen der korperzu bestimmen, Annalen der Physik und Chemie, band GOT", n° 12, pp. 513–530. Atkins E.M., Miller R.H., Van Pelt. T., Shaw K.D., Ribbens W.B., Washabaugh P.D. et Bernstein D.S., (1998). An autonomous aircraft for flight control and trajectory planning research, Proceedings of the American Control Conference, Philadelphian – Pennsylvania, pp. 689–693. Autrique L., Beddiaf S., Perez L. et Jolly J–C., (2012), Simultaneous determination of time-varying strength and location of fixed heat sources in 3D domain, 6th International Conference "Inverse Problems: Modeling and Simulation", 21–26 May, Antalya – Turquie. Averill M.G., Miller K.C., Randy Keller G., Kreinovich V., Araiza R. et Starks S.A., (2007). Using expert knowledge in solving the seismic inverse problem, International Journal of Approximate Reasoning, vol. 45, pp. 564–587. Azikri de Deus H.P., Ávila S. Jr C. R., Moura Belo I. et Beck A.T., (2012). The Tikhonov regularization method in elastoplasticity, Journal of Applied Mathematical Modelling, vol. 36, pp. 4687–4707. Battaglia J.L., Cois O., Puigsegur L. et Oustaloup A., (2001). Solving an inverse heat conduction problem using a non-integer identified model, International Journal of Heat and Mass Transfer, vol. 44, pp. 2671–2680. Battaglia J.L., Kusiak A. et Puiggali J.R., (2010). Introduction aux Transferts Thermiques, ED Dunod, Paris – France, pp. 256. Beck J.V., (1970). Nonlinear estimation applied to the nonlinear heat conduction, International Journal of Heat Transfer, vol. 13, pp. 703–716. Beck J.V. et Arnold K.J., (1977). Parameter Estimation in Engineering and Science, ED Wiley Interscience, New York – USA, pp. 501. Références 235 Beck J.V., Blackwell B. et St Clair C.K., (1985). Inverse Heat Conduction Ill-Posed Problems, ED John Wiley and Sons Inc., New York – USA, pp. 336. Beck J.V. et Wolf H., (1965). The nonlinear inverse heat conduction problem, ASME (American Society of Mechanical Engineers) Paper, presented at the ASME/AIChE Heat Transfer Conference and Exhibit, Los Angeles – USA, August 8–11, n° 65–HT: 40. Beck J.V., Blackwell B. et Charles. R. S. C., (1985). Inverse Heat Conduction: Ill–Posed Problems, ED John Wiley & Sons, pp. 308. Beddiaf S., (2011). Un exemple d'identification paramétrique d’un problème unidimensionnel de conduction de la chaleur (article, résumé et poster), 11èmes Journée des Doctorants (JDOC-2011), 11 avril, Nantes – France. Beddiaf S., Autrique L., Perez L. et Jolly J–C., (2012 a). Time-dependent heat flux identification: Application to a three-dimensional inverse heat conduction problem, 4th International Conference on Modelling, Identification and Control (IEEE Conference Publications), June 24–26, Wuhan–China, pp. 1242–1248. Beddiaf S., Autrique L., Perez L. et Jolly J–C., (2012 b). Heating sources localization based on inverse heat conduction problem resolution, 16th IFAC Symposium on System Identification – Part 1, vol. 16, July 11–13, Brussels–Belgium. Beddiaf S., Autrique L., Perez L. et Jolly J–C., (2012 c). De l’identification de la position de sources chauffantes, 7ème Conférence Internationale Francophone d'Automatique (CIFA), 4–6 juillet, Grenoble–France. Beddiaf S., Perez L., Autrique L. et Jolly J–C., (2013 a). Simultaneous determination of time-varying surface heat flux and location of a fixed source in a three-dimensional domain, International Journal of Inverse Problems in Science and Engineering (state: accepted). Beddiaf S., Autrique L., Perez L. et Jolly J–C., (2013 b). Évaluation expérimentale de la mise en œuvre de la méthode du gradient conjugué pour identifier simultanément la puissance et la position d’une source de chauffe fixe en surface d’une géométrie 3D, 5èmes Journées Doctorales et Journées Nationales du GDR MACS (JD–JN–MACS 2013), 11–12 juillet, Strasbourg – France. Beddiaf S., Perez L., Autrique L. et Jolly J–C., (2013 c). Parametric identification of a heating mobile source in a three dimensional geometry, International Journal of Inverse Problems in Science and Engineering (state: accepted). Behbahani-nia A. et Kowsary F., (2004). A dual reciprocity BE-based sequential function specification solution method for inverse heat conduction problems, International Journal of Heat and Mass Transfer, vol. 47, pp. 1247–1255. Belonosov V.S. et Skazka V.V., (2008). The inverse dynamic problem of seismic sounding low-frequency regularization, Journal of Applied Mathematics Letters, vol. 21, pp. 95–100. Berg R.F., (1983). Estimation and prediction for maneuvering target trajectories, IEEE Transactions on Automatic Control, vol. AC–28, n° 3, pp. 294-304. 236 Références Bertero M. et Boccacci P., (1998). Introduction to Inverse Problems in Imaging, ED Taylor & Francis, pp. 352. Blanc C., Raynaud M. et Chau T.H., (1998). A guide for the use of the function specification method for 2D inverse heat conduction problems, Revue de Génie thermique, vol. 37, pp. 17–30. Blump J., Gilbert C., Le Foll J. et Thooris B., (1986). Numerical identification of the plasma current density from experimental measurements, Proceedings of the 8th Europhysics Conference on Computational Physics, vol. 10–D, pp. 49–52. Blump J., Gilbert J.C. et Thooris B., (1985). Parametric identification of the plasma current density from the magnetic measurements and pressure profile, Proceedings of the 11th International Conference on Numerical Simulation of Plasma, Montreal – Canada. Boudreau R., Darenfed S. et Turkkan N., (1998). Étude comparative de trois nouvelles approches pour la solution du problème géométrique direct des manipulateurs parallèles, Journal of Mechanism and Machine Theory, vol. 33, n° 5, pp. 463–477. Bouktir Y., Haddad M. et Chettibi T., (2008). Trajectory planning for a quadrotor helicopter, 16th Mediterranean Conference on Control and Automation, pp. 1258–1263, Congress Centre, Ajaccio – France. Burggraf O.R., (1964). An exact solution of the inverse problem in heat conduction theory and applications, Journal of Heat Transfer, vol. 86C, pp. 373–382. Carasso A.S., (1992). Space marching difference schemes in the nonlinear inverse heat conduction problem, Journal of Inverse Problems, vol. 8, n° 1, pp. 25–43. Carrera J., Alcolea A., Medina A., Hidalgo J. et Slooten L.J., (2005). Inverse problem in hydrogeology, Hydrogeology Journal, vol. 13, pp. 206–222. Chantasiriwan S. (1999). Comparison of three sequential function specification algorithms for the inverse great conduction problem, International Communication of Heat Mass Transfer, vol. 26, n°1, pp. 115–124. Chen H.K. et Chang S.M., (1990). Application of the hybrid method to inverse heat conduction problem, International Journal of Heat Mass Transfer, vol. 33, n° 4, pp. 621–628. Chen Y.L. et Wen J., (2012). Inverse estimation of indoor airflow patterns using singular value decomposition, Journal of Applied Mathematical Modelling, vol. 36, pp. 2627–2641. Colaço M.J. et Orlande H.R.B., (2004). Inverse natural convection problem of simultaneous estimation of two boundary heat fluxes in irregular cavities, International Journal of Heat and Mass Transfer, vol. 47, pp. 1201–1215. Coles C. et Murio D.A., (2001). Simultaneous space diffusivity and source term reconstruction in 2D IHCP, International Journal of Computers and Mathematics with Applications, vol. 42, pp. 1549–1564. Références 237 Colton D., Ewing R. et Rundell W., (1990). Inverse Problems in Partial Differential Equations, SIAM, Book review, Philadelphia, pp. 219. Cordeiro Cavalcanti F., (2006). Caractérisation thermique de produits de l’état liquide à l’état solide, Thèse de Doctorat de l’École Doctorale Mécanique, Énergétique, Génie Civil, Acoustique, Laboratoire de recherche : Centre de Thermique de Lyon (CETHIL), n° d’ordre 2005 ISAL0006. Corriou J.P., (2010). Méthodes Numériques et Optimisation : Théorie et Pratique pour l’Ingénieur, ED Lavoisier TEC & DOC, Paris, pp. 445. Courtial E., Dufour P. et Touré Y., (2004). Commande prédictive non linéaire sous contraintes : une condition de faisabilité, Manuscrit publié dans "Sciences et Techniques de l'Automatique (e-sta)", Conférence Internationale Francophone d’Automatique (CIFA 2004), ISSN: 1954–3522. Da Silva N.R., Zorzo Barcelos C.A., Ribeiro E. et Aurélio Batista M., (2010). Identification of space time flows of moving objects, 17th International Conference on Systems, Signals and Image Processing (IWSSIP), pp. 332–335. Daouas N. et Radhouani M.S., (2000). Version étendue du filtre de Kalman discret appliquée à un problème inverse de conduction de chaleur non linéaire, International Journal of Thermal Sciences, vol. 39, pp. 191–212. Davies A.J., Dixon L.C.W., Roy R. et Van Der Zee P., (1999). Regularisation and the inverse problem, Journal of Advances in Engineering Software, vol. 30, pp. 557–562. De Marsily C., Delhomme J.P., Delay F. et Buoro A., (1999). Regards sur 40 ans de problèmes inverses en hydrogéologie, Article rédigé à l’invitation du Comité de Recherche (C. R. Académie des Sciences. Paris, Sciences de la Terre et des Planètes / Earth & Planetary Sciences), vol. 329, pp. 73–87. De Verdière Y.C. et Truc J.P., (2009). Du problème du tobbogan d'Abel au problème inverse semi-classique, Bulletin de l'Union des Professeurs de Spéciales, vol. 228, pp. 25–42. http://hal.archives-ouvertes.fr/docs/00/40/01/53/PDF/abel2706.pdf Demoment G., Idier J., Giovannelli J.F. et Mohammad-Djafari A., (2001). Problèmes inverses en traitement du signal et de l’image, Journal de Techniques de l’Ingénieur, Traité Télécoms, vol. TE. 5235, pp. 1–25. Devir Y.S., Rosman G., Bronstein A.M., Bronstein M.M. et Kimmel R. On reconstruction of non-rigid shapes with intrinsic regularization. http://vista.eng.tau.ac.il/publications/DevRosBroBroKimNORDIA09.pdf. Di Menza L., (2009). Analyse Numérique des Équations aux Dérivées Partielles, ED Cassini, Paris, pp. 221. École d’Hiver METTI (MEtrologie Thermique et Techniques Inverses)., (1999). Métrologie thermique et techniques inverses, vol. 1, Presses Universitaires de Perpignan, 25– 30 janvier, Maison du lot, Odeillo – Font–Romeu, France, ISBN 2–908912–95–3. 238 Références Engl H.W., Hanke M. et Neubauer A., (1996). Regularization of Inverse Problems, ED Kleuwer Academic Publishers, Dordrecht, pp. 332. ESP 301., (2008). Motion Controller/Driver, User’s Manual-Newport, pp. 309. Facius R., Reitz G. Bücker H., Nevzgodina L.V., Maximova E.N., Kaminskaya E.V., Vikrov A.I., Marenny A.M. et Akatov Y.A., (1990). Reliability of trajectory identification for cosmic heavy ions and cytogenetic effects of their passage through plant seeds, International Journal of Radiation Applications and Instrumentation, Nuclear Tracks and Radiation Measurements – Part D, vol. 17, n° 2, pp. 121–132. Feng Z.C., Chen J.K., Zhang Y.W. et Griggs J.L., (2011). Estimation of front surface temperature and heat flux of a locally heated plate from distributed sensor data on the back surface, International Journal of Heat and Mass Transfer, vol. 54, n° 15–16, pp. 3431–3439. Fernández Martinez J.L., García Gonzalo E., Fernández Álvarez J.P., Kuzma H.A. et Menéndez Pérez C.O., (2010). PSO: A powerful algorithm to solve geophysical inverse problems: Application to a 1D-DC resistivity case, Journal of Applied Geophysics, vol. 71, pp. 13–25. Garifo L., Schrock V.E. et Spedicato E., (1975). On the solution of the inverse heat conduction problem by finite difference, Journal of Energia Nucleare, vol. 22, pp. 452. Gatecel J. et Weill G., (1962). Appareillages de mesure de la conductivité thermique des semi-conducteurs ii. La méthode d’angström, Le Journal de Physique et le Radium, Physique Appliquée, supplément au n° 6, Tome 23, pp. 95. Gejadze I. et Jarny Y., (2002). An inverse heat transfer problem for restoring the temperature file in a polymer melt flow through a narrow channel, International Journal of Thermal Sciences, vol. 41, pp. 528–535. Gilles B., Martin R. et The Hiep C., (1998). A guide for the use of the function specification method for 2D inverse heat conduction problems, Revue de Génie Thermique, vol. 37, pp. 17– 30. Gillet M., (2009). Analyse de systèmes intumescents sous haut flux : modélisation et identification paramétrique, Thèse du Laboratoire d’Ingénierie des Systèmes Automatisées (LISA), Université d’Angers, n° 984, pp. 242. Gilyazov S.F. et Goldman N.L., (2000). Regularization of Ill-Posed Problems by Iteration Methods, ED Kleuwer Academic Publishers, Dordrecht – Netherlands, pp. 352. Girault M., Videcoq E. et Petit D., (2010). Estimation of time-varying heat sources through inversion of a low order model built with the Modal Identification Method from in-situ temperature measurements, International Journal of Heat and Mass Transfer, vol. 53, pp. 206–219. Goldberg D.E., (1989). Genetic Algorithms in Search, Optimization and Machine Learning, ED Addison Wesley Longman, pp. 432. Références 239 Goldman D., Istrail S., Lancia G., Piccolboni A. et Walenz B., (2000). Algorithmic strategies in combinatorial chemistry, International Proceedings of the 11th ACM (Association for Computing Machinery)-SIAM (Society for Industrial and Applied Mathematics), Symposium on Discrete Algorithms, pp. 275–284. Golub G.H. et Van Loan C.F., (1996). Matrix computations, 3rd ED The Johns Hopkins University Press, Baltimore, pp. 694. Gonçalves C.V., Vilarinho L.O., Scotti A. et Guimarães G., (2006). Estimation of heat source and thermal efficiency in GTAW process by using inverse techniques, Journal of Materials Processing Technology, vol. 172, pp. 42–51. Gray D.B. et Mcmechan G.A., (1995). Numerical investigation of an analytic solution of a multi-dimensional Lippman-Schwdinger seismic inverse problem, Journal of Computational Physics, vol. 119, pp. 195–205. Gregory R.T. et Karney L.D., (1969). A Collection of Matrices for Testing Computational Algorithms, ED John Wiley & Sons, United State of America, pp. 154. Groetsch C.W., (1993). Inverse Problems in the Mathematical Sciences, 1st ED Vieweg, Braunschweig/Wiesbaden, pp. 152. Guillot E., (2009). Étude expérimentale des transferts de chaleur à une interface pièce - outil de coupe, Thèse de Doctorat de l’École Polytechnique de l’Université de Nantes, École Doctorale n° 498, pp. 176. Guo T., Parrent A.G. et Peters T.M., (2007). Automatic target and trajectory identification for deep brain stimulation (DBS) procedures, Medical Image Computing and Computer Assisted Intervention – Part 1, vol. 10, pp. 483–490. Gutiérrez Cabeza J.M., Martín García J.A. et Corz Rodriguez A., (2005). A sequential algorithm of inverse heat conduction problems using singular value decomposition, International Journal of Thermal Sciences, vol. 44, pp. 235–244. Hadamard J., (1932). Le Problème de Cauchy et les Équations aux Dérivées Partielles Linéaires Hyperboliques, ED Hermann et Cie, Paris, pp. 560. Hämarik U. et Raus T., (2005). Choice of the regularization parameter in ill-posed problems with rough estimate of the noise level of data, WSEAS Transactions on Mathematics, vol. 4, n° 2, pp. 76–81. Hambardzumyan V.A., (1929). Über eine frage der Eigenwertheorie, Zeitschrift für Physik, vol. 53, pp. 690–695. Hanke M. et Raus T., (1996). A general heuristic for choosing the regularization parameter in ill-posed problems, The SIAM (Society for Industrial and Applied Mathematics) Journal on Scientific Computing, vol. 17, n° 4, pp. 956–972. Hanke M., (1995). Conjugate Gradient Type Methods for Ill-Posed Problems, ED Longman House, Harlow, pp. 134. 240 Références Han-Taw C., Shen-Yih L. et Lih-Chuan F., (2001). Estimation of surface temperature in two-dimensional inverse heat conduction problems, International Journal of Heat and Mass Transfer, vol. 44, pp. 1455–1463. Hasanov A., (2012). Identification of spacewise and time dependent source terms in 1D heat conduction equation from temperature measurement at a final time, International Journal of Heat and Mass Transfer, vol. 55, pp. 2069–2080. Haw-Long L., Win-Jin C., Shu-Huang S. et Yu-Ching Y., (2012). Estimation of temperature distributions and thermal stresses in a functionally graded hollow cylinder simultaneously subjected to inner-and-outer boundary heat fluxes, Composites – Part B, vol. 43, pp. 786–792. Hensel E. et Hills R.G., (1986). An initial value approach to the inverse heat conduction problem, Transactions ASME (American Society of Mechanical Engineers) – Journal of Heat Transfer, vol. 108, pp. 248–256. Hensel E., (1991). Inverse Theory and Applications for Engineers, ED Prentice Hall, New Jersey, pp. 322. Herbin R., (2008). Cours d’analyse numérique, Licence de mathématiques – Université Aix Marseille 1, pp. 250. http://www-gm3.univ-mrs.fr/polys/gm3-04/gm3-04.pdf Hestenes M.R. et Stiefel E., (1952). Methods of Conjugate Gradients for Solving Linear Systems, Journal of Research of the National Bureau of Standards, vol. 49, n° 6, pp. 409– 436. Hofmann B., (1999). Mathematik inverser Probleme, Teubner, Stuttgart, pp. 32. https://www.tuchemnitz.de/mathematik/inverse_probleme/Vorlesungsskripten/inverse_probleme_1.pdf Huang C.H. et Chen W.C., (2000). A three-dimensional inverse forced convection problem in estimating surface heat flux by conjugate gradient method, International Journal of Heat and Mass Transfer, vol. 43, pp. 3171–3181. Huang C.H. et Liu C.Y., (2010). A three-dimensional inverse geometry problem in estimating simultaneously two interfacial configurations in a composite domain, International Journal of Heat and Mass Transfer, vol. 53, pp. 48–57. Hunt B.R., (1970). The inverse problem of radiography, Journal of Mathematical Biosciences, vol. 8, pp. 161–179. Imber M. et Khan J., (1972). Prediction of transient temperature distributions with embedded thermocouples, Journal of the American Institute of Aeronautics and Astronautics (AIAA), vol. 10, pp. 784–789. Jahn F., Cook M. et Graham M., (2008). Hydrocarbon Exploration and Production, 2nd ED Elsevier, Amsterdam, pp. 456. Références 241 Jarny Y., Ozisik M.N. et Bardon J.P., (1991). A general optimization method using adjoint equation for solving multidimensional inverse heat conduction, International Journal of Heat and Mass Transfer, vol. 34, pp. 2911–2919. Johnston P.R., (2000). Computational Inverse Problems in Electrocardiography, ED Lavoisier S.A.S. pp. 304. Kalman R.E. et Bucy R.S., (1961). New results in linear filtering and prediction problems, Transactions of the ASMA–Journal of Basic Engineering, n° 60, pp. 95–108. Kalman R.E., (1960). A new approach to linear filtering and prediction problems, Transactions of the ASME–Journal of Basic Engineering, n° 82 (Series D), pp. 35–45. Karr C.L., Yakushin I. et Nicolosia K., (2000). Solving inverse initial-value, boundaryvalue problems via genetic algorithm, Journal of Engineering Applications of Artificial Intelligence, vol. 13, pp. 625–633. Keller J.B., (1976). Inverse Problems, Journal of American Mathematical Monthly, vol. 83, pp. 107–118. Kern M., (2002-2003). Problèmes Inverses https://who.rocq.inria.fr/Michel.Kern/Teaching/ESILV/inverse.pdf Khalil H., (2008). Matrices structurées et matrices de Toeplitz par blocs de Toeplitz en calcul numérique et formel, Thèse préparée et soutenue à l’université Claude–Bernard, Lyon 1, École Doctorale n° 135, pp. 234. Kirsch A., (1996). An Introduction to the Mathematical Theory of Inverse Problems, ED Springer, New York, pp. 282. Kleefeld A. et Reibel M., (2011). The Levenberg–Marquardt method applied to a parameter estimation problem arising from electrical resistivity tomography, Journal of Applied Mathematics and Computation, vol. 217, pp. 4490–4501. Kochikov I.V., Kuramshina G.M., Spiridonov V.P., Tarasov Y.I. et Yagola A.G., (2000). Regularizing procedures for solving the general inverse problem of structural chemistry and their applications, International Symposium on Inverse Problems in Engineering Mechanics (ISIP 2000), Nagano, Japan. Elsevier Ltd. Kress R. et Lee K.M., (2007). A second degree Newton method for an inverse obstacle scattering problem, International Journal of Thermal Sciences, vol. 46, pp. 128–138. Labarrere M., Krief J.P. et Gimonet B., (1982). Le Filtrage et ses Applications, 2ème ED Cepadues, pp. 398. Lagier G.L., Lemonnier H. et Coutris N., (2004). A numerical solution of the linear multidimensional unsteady inverse heat conduction problem with the boundary element method and the singular value decomposition, International Journal of Thermal Sciences, vol. 43, pp. 145–155. 242 Références Laurent G., (2012). Optimisation sans contrainte de fonctions continues non linéaires, pp. 25, http://www.femto-st.fr/~guillaume.laurent/cours/Optimisation_Poly.pdf Le Niliot C. et Callet P., (1998). Infrared thermography applied to the resolution of inverse heat conduction problems: recovery of heat line sources and boundary conditions, Revue de Génie Thermique, vol. 37, pp. 629–643. Le Niliot C. et Lefèvre F., (2001). A method for multiple steady line heat sources identification in a diffusive system: application to an experimental 2D problem, International Journal of Heat and Mass Transfer, vol. 44, pp. 1425–1438. Le Niliot C. et Lefèvre F., (2004). A parameter estimation approach to solve the inverse problem of point heat sources identification, International Journal of Heat and Mass Transfer, vol. 47, pp. 827–841. Le Niliot C., Rigollet F. et Petit D., (2000). An experimental identification of line heat sources in a diffusive system using the boundary element method, International Journal of Heat and Mass Transfer, vol. 43, pp. 2205–2220. Leborgne G., (2006). Introduction à la méthode du gradient conjugué (notes du cours d'équations aux dérivées partielles de l'ISIMA, première année), pp. 17, http://www.isima.fr/~leborgne/Isimathgradientconjugue/gradientconjugue.pdf Lefèvre F. et Le Niliot C., (2002). Multiple transient point heat sources identification in heat diffusion: application to experimental 2D problems, International Journal of Heat and Mass Transfer, vol. 45, pp. 1951–1964. Legrand A.C., (2002). Thermographie multi-spectrale haute et basse température : Application au contrôle non destructif, Thèse de L’université de Bourgogne, Discipline : instrumentation et informatique de l’image, pp. 343. Leonard J.J. et Durrant-Whyte H.F., (1991). Mobile Robot Localization by tracking geometric beacons, IEEE Transactions on Robotics and Automation, vol. 7, n° 3, pp. 376– 382. Li H.Y. et Yan W.M., (2003). Identification of wall heat flux for turbulent forced convection by inverse analysis, International Journal of Heat and Mass Transfer, vol. 46, pp. 1041– 1048. Lin D.T.W. et Ching-yu Y., (2007). The estimation of the strength of the heat source in the heat conduction problems, Journal of Applied Mathematical Modelling, vol. 31, pp. 2696– 2710. Liu D., Fu-Yun Z. et Han-Qing W., (2012). History recovery and source identification of multiple gaseous contaminants releasing with thermal effects in an indoor environment, International Journal of Heat and Mass Transfer, vol. 55, pp. 422–435. Liu F.B., (2008). A modified genetic algorithm for solving the inverse heat transfer problem of estimating plan heat source, International Journal of Heat and Mass Transfer, vol. 51, pp. 3745–3752. Références 243 Liu L.H., (2000). Simultaneous identification of temperature profile and absorption coefficient in one-dimensional semitransparent medium by inverse radiation analysis, International Communication of Heat and Mass Transfer, vol. 27, n° 5, PII: S0735– 1933(00)00145–7, pp. 635–643. Liu L.H. et Tan H.P., (2001). Inverse radiation problem in three-dimensional complicated geometric systems with opaque boundaries, Journal of Quantitative Spectroscopy & Radiative Transfer, vol. 68, pp. 559–573. Lum Wan J.A. et White L.R., (1991). The numerical solution of inverse problems of Fourier convolution type, Journal of Applied Mathematical Modelling, vol. 15, n° 7, pp. 359–366. Marescot L. Un algorithme d’inversion par moindres carrés pondérés : application aux données géophysiques par méthodes électromagnétiques en domaine fréquence. http://www.tomoquest.com/attachments/File/SVSN03_Marescot.pdf Martin Garcia J.A., Gutiérrez Cabeza J.M. et Corz Rodriguez A., (2009). Twodimensional non-linear inverse heat conduction problem based on the singular value decomposition, International Journal of Thermal Sciences, vol. 48, pp. 1081–1093. Menke W., (1989). Geophysical Data Analysis: Discrete Inverse Theory, 2nd ED of Academic Press, Inc., pp. 289. Métivier L., (2011). Interlocked optimization and fast gradient algorithm for a seismic inverse problem, Journal of Computational Physics, vol. 230, pp. 7502–7518. Minkowycz W.J. et Sparrow E.M., (1997). Advances in Numerical Heat Transfer, ED Taylor & Francis, pp. 427. Minoux M., (2007). Programmation Mathématique : Théorie et Algorithmes, ED Tec & Doc : Lavoisier, pp. 710. Mohammad-Djafari A., (1997). Problèmes Inverses en Imagerie et en Vision –Tome 1, ED Lavoisier, pp. 267. Monard G., (2003). Introduction à la Modélisation Moléculaire, Formation Continue CNRS – Nancy. http://gerald.monard.free.fr/Divers/Formation-CNRS/mm-papier.pdf Monde M., (2000). Analytical method in inverse heat transfer problem using Laplace transform technique, International Journal of Heat and Mass Transfer, vol. 43, pp. 3965– 3975. Morozov V.A., (1993). Regularization Methods for Ill-Posed Problems, ED CRC Press, 1st ED, pp. 272. Muniz W.B., D-Velho H.F. et Ramos F.M., (1999). A comparison of some inverse methods for estimating the initial condition of the heat equation, Journal of Computational and Applied Mathematics, vol. 103, pp. 145–163. 244 Références Murio D.A., (1993). The Mollification Method and the Numerical Solution of Ill Posed Problems, ED John Wiley & Sons, Inc, pp.249. Museux N., Perez L., Autrique L. et Agay D., (2012). Skin burns after laser exposure: Histological analysis and predictive simulation, International Journal of Burns, vol. 38, n° 5, pp. 658–667. Nassiopoulos A., (2008). Identification rapide de la température dans les structures du génie civil, Thèse de Docteur de l’École Nationale des Ponts et Chaussées, spécialité : Mécanique, soutenue publiquement le 28 janvier, pp. 296. Nemirovski A.S., (1986). The regularizing properties of the conjugate gradient method in illposed problems, USSR Computational Mathematics and Mathematical Physics, vol. 26, n° 2, pp. 7–16. Neumann V.J. et Goldstine H.H., (1947). Numerical inverting of matrices of high order, Bulletin of the American Mathematical Society, vol. 53, pp. 1021–1099. Nguyen Y.T., Vu T.D., Wong H.K. et Yeow Y.L., (1999). Solving the inverse problem of capillary viscometry by Tikhonov regularisation, Journal of Non-Newtonian Fluid Mechanics, vol. 87, n° 2, pp. 103–116. Nho Hào D., Trung Thành N. et Sahli H., (2009). Splitting-based conjugate gradient method for a multi-dimensional linear inverse heat conduction problem, Journal of Computational and Applied Mathematics, vol. 232, pp. 361–377. Nordtvedt J.E., Nævdal G., Urkedal H., Berg A., Mannseth T. et Vefring E.H., (1999). Experimental design: importance in petroleum engineering, 3rd International Conference on Inverse Problems in Engineering: Theory and Practice, June 13–18, Port Ludlow, WA, USA. Ott L.J. et Hedrick R.A., (1977). A one dimensional implicit approach to the inverse heat conduction problem, ORNL/NUREG, Oak Ridge National Laboratory, pp. 23. Özisik M.N. et B-Orlande H.R., (2000). Inverse Heat Transfer: Fundamentals and Applications, ED Taylor & Francis, pp. 352. Park H.M. et Lee J.H., (1998). A method of solving inverse convection problems by means of mode reduction, Journal of Chemical Engineering Science, vol. 53, n° 9, pp. 1731–1744. Patankar S.V., (1980). Numerical Heat Transfer and Fluid Flow, ED Hemisphere Publishing Corporation, pp. 205. Pereyra V., (1988). Numerical methods for inverse problems in three-dimensional geophysical modelling, Journal of Applied Numerical Mathematics, vol. 4. pp. 97–139. Perez L. Gillet M. et Autrique L., (2007). Parametric identification of a multi-layered intumescent system, 5th International Conference: Inverse Problems (Identification, Design and Control), Moscow, Russia. Références 245 Petit D. et Maillet D., (2008). Techniques Inverses et Estimation de Paramètres (Partie 2), ED. Techniques Ingénieur, pp. 1–24. Plato R., (1998). The method of conjugate residuals for solving the Galerkin equations associated with symmetric positive semidefinite ill-posed problems, The SIAM (Society for Industrial and Applied Mathematics) Journal on Numerical Analysis, vol. 35, n° 4, pp. 1621– 1645. Plato R., (1999). The conjugate gradient method for linear ill-posed problems with operator perturbations, Numerical Algorithms, vol. 20, n° 1, pp. 1–22. Plato R. et Vainikko G., (2001). On the fast and fully discretized solution of integral and pseudo-differential equations on smooth curves, Calcolo, vol. 38, n° 1, pp. 25–48. Potetyunko E.N., Herskowitz I., Srubshchik L.S. et Shcherbak E. N., (2005). The Inverse Spectral Problems in the Detection of the Defects and Heterogeneities of the Civil Structures, International Conference on Computing in Civil Engineering, July, 12–15, Cancun – Mexico pp. 1–10. Powell M.J.D., (1977). Restart procedures for the conjugate gradient method, Mathematical Programming (North-Holland Publishing Company), vol. 12, pp. 241–254. Prud’homme M. et Hung Nguyen T., (2001). Solution of inverse free convection problems by conjugate gradient method: effects of Rayleigh number, International Journal of Heat and Mass Transfer, vol. 44, pp. 2011–2027. Quarteroni A., Sacco R. et Saleri F., (2004). Méthodes Numériques : Algorithmes, Analyse et Applications, (Traduit de l’italien par J-F Gerbeau-Inria, Rocquencourt), ED ©SpringerVerlag Italia, Milan, pp. 470. Radenac E., (2006). Développement et validation d'une méthode numérique pour le couplage fluide/structure en aérothermique instationnaire, Thèse de l’école L'école nationale supérieure de l'aéronautique et de l'espace : thèse préparée au Département Modèles pour l'Aérodynamique et l'Énergétique de l'ONERA Centre de Toulouse, n° d'ordre : 470, pp. 275. Ramm A.G. et Ghosh Roy D.N., (1993). Inverse geophysical problems for some noncompactly supported inhomogeneities, Journal of Applied Mathematical, vol. 6, n° 6, pp. 15–17. Raudensky M., Horsky J. et Krejsa J., (1995). Usage of neural network for coupled parameter and function specification inverse heat conduction problem, International Communication of Heat and Mass Transfer, vol. 22, n° 5, pp. 661–670. Raynaud M. et Bransier J., (1986). A new finite difference method for the non linear inverse heat conduction problem, Journal of Numerical Heat Transfer, vol. 9, pp. 27–42. Renault N., André S., Maillet D. et Cunat C., (2008). A two-step regularized inverse solution for 2-D heat source reconstruction, International Journal of Thermal Sciences, vol. 47, pp. 834–847. 246 Références Renault N., André S., Maillet D. et Cunat C., (2010). A spectral method for the estimation of a thermomechanical heat source from infrared temperature measurements, Journal of Thermal Sciences, vol. 49, pp. 1394–1406. Rodrigues F.A., Orlande H.R.B. et Dulikravich G.S., (2004). Simultaneous estimation of spatially dependent diffusion coefficient and source term in a nonlinear 1D diffusion problem, Mathematics and Computers in Simulation, vol. 66, pp. 409–424. Rouquette S., (2003). Identification des transferts thermiques par méthode inverse dans un procédé de PACVD : approche méthodologique de la modélisation d'un processus complexe régi par un système d'équations aux dérivées partielles non linéaires, Thèse de Doctorat de l'université de Perpignan, pp. 239. Rouquette S., Autrique L., Chaussavoine C. et Thomas L., (2007 a). Identification of influence factors in a thermal model of a plasma-assisted chemical vapor deposition process, Inverse Problems in Science and Engineering, vol. 15, n° 5, pp. 489–515. Rouquette S., Guo J. et Le Masson P., (2007 b). Estimation of the parameters of a Gaussian heat source by the Levenberg–Marquardt method: Application to the electron beam welding, International Journal of Thermal Sciences, vol. 46, pp. 128–138. Sacadura J.F., (1993). Initiation aux Transferts Thermiques, ED Tech. & Doc : Lavoisier, 4ème tirage, Paris, pp. 442. Santos J.E., (2002). On the solution of an inverse scattering problem in seismic while-drilling technology, Journal of Computer Methods in Applied Mechanics and Engineering, vol. 191, pp. 2403–2425. Santosa F. et Weitzy B. An inverse problem http://www.math.umn.edu/~santosa/papers/chem-net.pdf in reaction kinetics, Scarpa F. et Milano G., (1995). Kalman smoothing technique applied to the inverse heat conduction problem, International Journal of Numerical Heat Transfer – Part B, vol. 28, pp. 79–96. Scherzez O., Engl H.W. et Kunish K., (1993). Optimal a posteriori parameter choice for tikhonov regularization for solving nonlinear ill-posed problems, SIAM (Society for Industrial and Applied Mathematics) Journal on Numerical Analysis, vol. 30, n° 6, pp. 1796–1838. Serra J.J., Gineste J.M., Serror S., Guilmard Y. et Cantarel M., (1993). Experimental investigation of heat transfer in a gun barrel based on a space marching conduction method, Conference of Inverse Problem on Engineering, Palm Coust – Florida, June 13–18. Shewchuk J.R., (1994). An introduction to the conjugate gradient method without the agonizing pain, School of Computer Science Carnegie Mellon University Pittsburgh, http://www.math.ethz.ch/education/bachelor/lectures/hs2011/math/nummath_cse/Intro_CG.p df, pp. 64. Références 247 Shkarayev S., Krashanitsa R. et Tessler A., (2001). An inverse interpolation method utilizing in-flight strain measurements for determining loads and structural response of aerospace vehicles, Technical Report (http://dl.acm.org/citation.cfm?id=887608). Shoji M., (1973). Study of inverse problem of heat conduction, Transaction of the International Journal, Series A, Mechanics and Material Engineering (JSME), vol. 44, pp. 1633–1643. Silva Neto A.J. et Özisik M.N., (1993 a). Simultaneous estimation of location and Timewise-varying strength of a plane heat source, Numerical Heat Transfer – Part A, vol. 24, pp. 467–477. Silva Neto A.J. et Özisik M.N., (1993 b). Inverse problem of simultaneously estimating the time-varying strengths of two plane heat sources, Journal of Applied Physics, vol. 73, n° 5, pp. 2132–2137. Silva Neto A.J. et Özisik M.N., (1994). The estimation of space and time dependent strength of a volumetric heat source in a one-dimensional plate, International Journal of Heat and Mass Transfer, vol. 37, n° 6, pp. 909-915. Silva S.M.M.E.L., Vilarinho L., Scotti A. et Ong T.H., Guimaraes G., (2003). Heat flux determination in the gas-tungsten-arc welding process by using a three-dimensional model in inverse heat conduction problem, High Temperatures - High Pressures, vol. 35/36, pp. 117– 126. Simon D., (2006). Optimal State Estimation (Kalman, H ∞ and Nonlinear approaches), ED Wiley, pp. 526. Sparrow E.M., Haji-Sheikh A. et Lundgren T.S., (1964). The inverse problem in transient heat conduction, Journal of Heat Transfer, vol. 86E, pp. 369–375. Stolk C.C., (2000). Microlocal analysis of a seismic linearized inverse problem, Journal of Wave Motion, vol. 32, pp. 267–290. Stolz G.Jr., (1960). Numerical solutions to an inverse problem of heat conduction for simple shapes, Transactions of the ASME–Journal of Heat Transfer, vol. 82c, pp. 20–26. Su J. et Silva Neto A.J., (2001). Two-dimensional inverse heat conduction problem of source strength in cylindrical rods, Journal of Mathematical Modelling, vol. 25, pp. 861–872. Su J., Lopes A.B. et Silva Neto A.J., (2000). Estimation of unknown wall heat flux in turbulent circular pipe flow, International Communication of Heat and Mass Transfer, vol. 27, n°7, pp. 945–954. Taler J., (1996). Theory of transient experimental technique for surface heat transfer, International Journal of Heat Mass Transfer, vol. 39, no 17, pp. 3733–3748. Tarantola A., (2005). Inverse Problem Theory and Methods for Model Parameter Estimation, ED by SIAM Society for Industrial and Applied Mathematics, pp. 342. 248 Références Trazia D.A., (1983). Simultaneous determination of two unknown thermal coefficients through an inverse one-phase Lamé-Clapeyron (Stefan) problem with an over-specified condition on the fixed face, International Journal of Heat and Mass Transfer, vol. 26, n° 8, pp. 1151-1157. Telejko T. et Malinowski Z., (2004). Application of an inverse solution to the thermal conductivity identification using the finite element method, Journal of Materials Processing Technology, vol. 146, pp. 145–155. Telejko T., (2004). Analysis of an inverse method of simultaneous determination of thermal conductivity and heat of phase transformation in steels, Journal of Materials Processing Technology, vol. 155–156, pp. 1317–1323. Thomas M., Boyard N., Lefèvre N., Jarny Y. et Delaunay D., (2010). An experimental device for the simultaneous estimation of the thermal conductivity 3-D tensor and the specific heat of orthotropic composite materials, International Journal of Heat and Mass Transfer, vol. 53, pp. 5487–5498. Thompson O.E. et Tripputi T.M., (1994). NWP-initialized satellite temperature retrievals using statistical regularization and singular value decomposition methods, American Meteorological Society, Boston, MA, USA, 1872 (Revue), vol. 122, n° 5, pp. 897–926. Tikhonov R.E. et Arsenin V.Y., (1977). Solution of Ill-Posed Problems, ED Winston & Sons Winston, Washington, DC, ISBN 0–470–99124–0, pp. 272. Toivanen J.M., Kolehmainen V., Tarvainen T., Orlande H.R.B. et Kaipio J.P., (2012). Simultaneous estimation of spatially distributed thermal conductivity, heat capacity and surface heat transfer coefficient in thermal tomography, International Journal of Heat and Mass Transfer, vol. 55, pp. 7958–7968. Tomasz Z., (2006). Simultaneous estimation of heat transfer coefficient and thermal conductivity with application to microelectronic materials, Microelectronics Journal, vol. 37, pp. 340–352. Trujillo D.M. et Busby H.R., (1997). Practical Inverse Analysis in Engineering, CRC Press, Boca Raton (Mechanical Engineering Series), pp. 256. Tsai F.T. C, Sun N.Z. et Yeh W.W. G., (2005). Geophysical parameterization and parameter structure identification using natural neighbors in groundwater inverse problems, Journal of Hydrology, vol. 308, pp. 269–283. Vintrou S., (2009). Contribution à l’étude du comportement thermique des composants électronique, Thèse du Laboratoire de Thermique Interfaces Environnement (LTIE–EA 4415) de L’université de Paris Ouest Nanterre de la Défense, pp.195. Walter E. et Pronzato L., (1994). Identification de Modèles Paramétriques à Partir de Données Expérimentales, ED Dunod, pp. 371. Weber C.F., (1981). Analysis and solution of the ill-posed inverse heat conduction problem, International Journal Heat Transfer, vol. 24, pp. 1783–1792. Références 249 Wei T. et Wang J.C., 2012. Simultaneous determination for a space–dependent heat source and the initial data by the MFS, Engineering Analysis with Boundary Elements, vol. 36, pp. 1848–1855. Weinstock R.P., 1952. Calculus of Variations, ED McGraw, pp. 326. Wippo V., Devrient M., Kern M., Jaeschke P., Frick T., Stute U., Schmidt M. et Haferkamp H., (2012). Evaluation of a pyrometric-based temperature measuring process for the laser transmission welding, Physics Procedia, vol. 39, pp. 128–136. Woodbury K.A., (2002). Inverse Engineering Handbook: The Mechanical Engineering Handbook Series, ED CRC Press, 2002, pp. 480. Wrobel L.C. et Miltiadou P., (2004). Genetic algorithms for inverse cathodic protection problems, Journal of Engineering Analysis with Boundary Elements, vol. 28, pp. 267–277. Xiaoa X., Zhanga L. et Zhang J., (2009). A smoothing Newton method for a type of inverse semi-definite quadratic programming problem, Journal of Computational and Applied Mathematics, vol. 223, pp. 485–498. Xiao-Xiao L. et Fan Y., (2011). The truncation method for identifying the heat source dependent on a spatial variable, Journal of Computers and Mathematics with Applications, vol. 62, pp. 2497–2505. Xueliang L., Zimao L. et Lusheng W., (2003). The Inverse Problems for Some Topological Indices in Combinatorial Chemistry, Journal of Computational Biology, vol. 10, pp. 47–55. Yang C.Y., (2006). The determination of two moving heat sources in two-dimensional inverse heat problem, Journal of Applied Mathematical Modelling, vol. 30, pp. 278–292. Yang L., Jian-Ning Y., Guan-Wei L. et Zui-Cha D., (2012). Reconstruction of a space and time dependent heat source from finite measurement data, International Journal of Heat and Mass Transfer, vol. 55, pp. 6573–6581. Yeh W.W.G., (1986). Parameter identification procedures in groundwater hydrology: the inverse problem, Journal of Water Resources Research, vol. 22, n° 2, pp. 95. Yi Z.H. et Murio D.A., (2004). Source Term Identification in 1D IHCP, Journal of Computers and Mathematics with Applications, vol. 47, pp. 1921–1933. Yu-Ching Y., Tser-Son W. et Eing-Jer W., (2007). Modelling of simultaneous estimating the laser heat flux and melted depth during laser processing by inverse methodology, International Communications in Heat and Mass Transfer, vol. 34, 440–447. Yun-Jie M., Chu-Li F. et Yuan-Xiang Z., (2012). Identification of an unknown source depending on both time and space variables by a variational method, Applied Mathematical Modelling, vol. 36, pp. 5080–5090. 250 Références Zanoelo E.F., (2007). A theoretical and experimental study of simultaneous heat and mass transport resistances in a shallow fluidized bed dryer of mate leaves, Chemical Engineering and Processing, vol. 46, pp. 1365–1375. Zhao F.Y., Liu D. et Tang G.F., (2009). Numerical determination of boundary heat fluxes in an enclosure dynamically with natural convection through Fletcher–Reeves gradient method, Journal of Computers & Fluids, vol. 38, pp. 797–809. Zhao Z. et Meng Z., (2011). A modified Tikhonov regularization method for a backward heat equation, International Journal of Inverse Problems in Science and Engineering, vol. 19, n° 8, pp. 1175–1182. Zhou J., Zhang Y., Chen J.K. et Feng Z.C., (2010). Inverse estimation of surface heating condition in a three-dimensional object using conjugate gradient method, International Journal of Heat and Mass Transfer, vol. 53, pp. 2643–2654. Zhou J.H., Zhang Y.W., Chen J.K. et Feng Z.C., (2012 a). Inverse estimation of surface temperature induced by a moving heat source in a 3-D object based on back surface temperature with random measurement errors, Numerical Heat Transfer – Part A, Application, vol. 61, n° 2, pp. 85–100. Zhou J.H., Zhang Y.W., Chen J.K. et Feng Z.C., (2012 b). Inverse estimation of front surface temperature of a plate with laser heating and convection-radiation cooling, International Journal of Thermal Sciences, vol. 52, pp. 22–30. Sara BEDDIAF Thèse de Doctorat de l’Université d’Angers. Identification paramétrique de systèmes d’équations aux dérivées partielles paraboliques non linéaires en géométrie 3D par une méthode de régularisation itérative Résumé : S’inscrivant dans le cadre de l’identification paramétrique, les travaux présentés dans ce manuscrit ont pour but de résoudre des Problèmes Inverses tridimensionnels de la Conduction de Chaleur (PICC-3D). Diverses situations thermiques sont traitées : identification du flux de chauffe délivré par une source fixe ou mobile, estimation des coordonnées de centre de deux sources de chauffe fixes, identification des coordonnées de centre d’une ou plusieurs sources fixes en temps réduit, estimation simultanée de la position et du flux de chauffe d’une source fixe, identification de la trajectoire d’une source mobile et estimation simultanée de la trajectoire et de l’intensité du flux d’une source de chauffe mobile. Une difficulté essentielle réside en ce que de tels problèmes inverses de conduction de la chaleur (décrits par un système d’équations aux dérivées partielles non linéaires) sont mal posés au sens d’Hadamard. Considérant les mesures de température fournies par un nombre limité de capteurs placés sur une frontière différente de celle où les sources de chauffe interviennent, ces PICC-3D ont été résolus avec succès par la mise en œuvre d’une Méthode de régularisation itérative du Gradient Conjugué (MGC). La robustesse de la méthode est illustrée en considérant des bruits de mesure réalistes. En outre, un dispositif expérimental a été utilisé afin de mesurer l’évolution du champ de températures dans une plaque soumise à une source chauffante immobile. Les expérimentations réalisées attestent de l’intérêt de la MGC dans le contexte proposé. Mots-clés : Identification paramétrique, Problème Inverse tridimensionnel de la Conduction de Chaleur (PICC-3D), Problème mal posé au sens d’Hadamard, Équations aux Dérivées Partielles (EDPs), Méthode de régularisation itérative du Gradient Conjugué (MGC). PhD thesis of Angers University. Parametric identification of nonlinear parabolic partial differential equations systems in 3D-geometry based on an iterative regularisation method Abstract: In the context of parametric identification, the work presented in this manuscript is devoted to Inverse Heat Conduction Problem resolution in three-dimensional geometries (IHCP3D). The main objective of the resolution deals with identification of one or more unknown parameters in various situations such as: heat flux identification of a fixed (or mobile source), localization of two fixed heating sources, localizations in minimal time (for one or several heating sources), simultaneous determination of time-varying heat flux and location of a fixed source, mobile source trajectory identification, simultaneous estimation of strength heat flux and source mobile trajectory in a three-dimensional domain. Such an inverse heat conduction problem (described by a set of partial differential equations) is ill-posed in Hadamard’s sense. Considering the measured temperature provided by few sensors (located on a different face from that on which sources heat), IHCP-3D were successfully solved and the unknown parameters are identified considering the implementation of an iterative regularization method: the Conjugate Gradient Method (CGM). The robustness of the proposed identification method is illustrated considering realistic disturbances. Moreover, an experimental bench is used in order to validate the robustness of the CGM in real context. Keywords: Parametric identification, Three-dimensional Inverse Heat Conduction Problem (IHCP-3D), Ill-posed problem in Hadamard’s sense, Partial Differential Equations (PDEs), Iterative regularisation method, Conjugate Gradient Method (CGM). Sara BEDDIAF Identification paramétrique de systèmes d’équations aux dérivées partielles paraboliques non linéaires en géométrie 3D par une méthode de régularisation itérative Résumé Abstract S’inscrivant dans le cadre de l’identification paramétrique, les travaux présentés dans ce manuscrit ont pour but de résoudre des Problèmes Inverses tridimensionnels de la Conduction de Chaleur (PICC3D). Diverses situations thermiques sont traitées : identification du flux de chauffe délivré par une source fixe ou mobile, estimation des coordonnées de centre de deux sources de chauffe fixes, identification des coordonnées de centre d’une ou plusieurs sources fixes en temps réduit, estimation simultanée de la position et du flux de chauffe d’une source fixe, identification de la trajectoire d’une source mobile et estimation simultanée de la trajectoire et de l’intensité du flux d’une source de chauffe mobile. Une difficulté essentielle réside en ce que de tels problèmes inverses de conduction de la chaleur (décrits par un système d’équations aux dérivées partielles non linéaires) sont mal posés au sens d’Hadamard. Considérant les mesures de température fournies par un nombre limité de capteurs placés sur une frontière différente de celle où les sources de chauffe interviennent, ces PICC-3D ont été résolus avec succès par la mise en œuvre d’une Méthode de régularisation itérative du Gradient Conjugué (MGC). La robustesse de la méthode est illustrée en considérant des bruits de mesure réalistes. En outre, un dispositif expérimental a été utilisé afin de mesurer l’évolution du champ de températures dans une plaque soumise à une source chauffante immobile. Les expérimentations réalisées attestent de l’intérêt de la MGC dans le contexte proposé. In the context of parametric identification, the work presented in this manuscript is devoted to Inverse Heat Conduction Problem resolution in three-dimensional geometries (IHCP-3D). The main objective of the resolution deals with identification of one or more unknown parameters in various situations such as: heat flux identification of a fixed (or mobile source), localization of two fixed heating sources, localizations in minimal time (for one or several heating sources), simultaneous determination of time-varying heat flux and location of a fixed source, mobile source trajectory identification, simultaneous estimation of strength heat flux and source mobile trajectory in a three-dimensional domain. Such an inverse heat conduction problem (described by a set of partial differential equations) is ill-posed in Hadamard’s sense. Considering the measured temperature provided by few sensors (located on a different face from that on which sources heat), IHCP-3D were successfully solved and the unknown parameters are identified considering the implementation of an iterative regularization method: the Conjugate Gradient Method (CGM). The robustness of the proposed identification method is illustrated considering realistic disturbances. Moreover, an experimental bench is used in order to validate the robustness of the CGM in real context. Mots clés Identification paramétrique, Problème Inverse tridimensionnel de la Conduction de Chaleur (PICC3D), Problème mal posé au sens d’Hadamard, Équations aux Dérivées Partielles (EDPs), Méthode de régularisation itérative du Gradient Conjugué (MGC). Key Words Parametric identification, Three-dimensional Inverse Heat Conduction Problem (IHCP-3D), Illposed problem in Hadamard’s sense, Partial Differential Equations (PDEs), Iterative regularisation method, Conjugate Gradient Method (CGM). L4un L’UNIVERSITÉ NANTES ANGERS LE MANS