• Votre sélection est vide.

    Enregistrez les diplômes, parcours ou enseignements de votre choix.

  • Se connecter

ELC2 - Méthodes numériques et outils mathématiques pour l'in

  • Niveau d'étude

    BAC +4

  • ECTS

    3 crédits

  • Composante

    UFR STGI, site de Belfort

  • Volume horaire

    39h

Description

Introduction à la classification des équations aux dérivées partielles utilisées en thermique et mécanique des fluides: méthode des caractéristiques.
Paramètres nécessaires à la résolution: domaine, conditions aux limites
Méthodes des différences finies: choix d'une méthode adaptée au problème physique à traiter: méthode de Crank-Nicolson, méthode des directions alternées.

Méthode des volumes finis: domaine d'application, description de la méthode pour les équations de la dynamique des fluides. Choix des options présentes dans les outils de CFD permettant l'optimisation des simulations

1. Introduction à l'optimisation

  • Formulation d'un problème d'optimisation
  • Exemple de programmation linéaire
  • Les minimums locaux et globaux

2. Méthodes d'optimisation

  • 1D : Elimination d'intervalles, méthode de Powell, méthode de Newton-Raphson
  • ND : méthode du Simplex, méthode de Newton-Raphson, méthode des gradients conjugués, Algorithme de Davidon-Fletcher-Powell (DFP), Algorithme de Broyden-Fletcher-Goldfarb-Shanno (BFGS)

3. Résolution d'EDP - approche matricielle

  • Discrétisation de l'espace et du temps
  • Relation vectorielle,  Représentation matricielle
  • Formulation explicite,  Formulation implicite,   Analyse de stabilité

—

Handling a CFD tool

Lire plus

Objectifs

  • Réaliser l'objectif du problème "bien posé"
    • Définir les éléments nécessaires à la simulation d'un problème de thermique et/ou de dynamique des fluides: domaine, conditions aux limites, méthode numérique adaptée, analyse critique des résultats de simulation numérique.
    • Conditionner les éléments d'un problème pour alimenter un outil de CFD permettant de réaliser les simulations des situations envisagées.
    • Capable de formaliser un problème d'optimisation en distinguant les critères des variables et les méthodes avec ou sans dérivées.

A travers des TPs, L'étudiant sera capable d'écrire un programme Python permettant de résoudre en instationnaire un problème de transfert de chaleur dans une géométrie 2D. Les différents formalismes (implicite, explicite, Cranck-Nicolson, ADI) seront comparés en termes de performances, précision et stabilité

—

Know how to use a CFD software interface (geometry, meshing, simulation, results)

Lire plus

Heures d'enseignement

  • TPTravaux Pratiques9h
  • TDTravaux Dirigés10h
  • CMCours Magistral20h
  • AMSP
  • AMSE
  • TDEQ49h
  • PRES39h
  • PERSO36h
  • TOT75h

Pré-requis obligatoires

  • Algèbre linéaire,
  • Analyse,
  • Calcul différentiel

—

  • Linear algebra,
  • Analysis,
  • Differential Calculus
Lire plus

Modalités de contrôle des connaissances

Évaluation initiale / Session principale - Épreuves

Type d'évaluationNature de l'épreuveDurée (en minutes)Nombre d'épreuvesCoefficient de l'épreuveNote éliminatoire de l'épreuveRemarques
CC (contrôle continu)Écrit 120Min 170%Session unique
CC (contrôle continu)LivrableMin 130%Session unique