L'expérience réalisée de l'hiver 2003-2004 à l'été 2005 sur l'utilisation de mousse liquide comme matériau de couverture de serre a permis de démontrer l'efficacité de la technologie comme isolation thermique en hiver et comme écran solaire en période estivale. Deux expériences comparatives sur une période de deux ans ont été effectuées dans des serres de recherche. Une serre expérimentale (S.Exp.) équipée d'un système d'injection de mousse et une serre référence (S.Réf.), sur le campus de l'Université Laval à Québec ont servi aux expérimentations. Les résultats de cette étude démontrent qu'il est possible de réduire la consommation d'énergie de l'ordre de 40 % à 60 % en période hivernale et qu'il est possible de diminuer la pénétration d'énergie solaire de l'ordre de 10 % à 30 % en période estivale en plus de réduire la température de l'air de l'ordre de 4,0 °C. De plus, la mousse liquide réfléchissait une partie de l'éclairage artificiel et augmentait la lumière totale utile pour la croissance des plants de tomates.

La lyophilisation des produits liquides dans le domaine alimentaire s'étend du jus de fruit aux bactéries lactiques. Le procédé coûte cher à cause de l'utilisation du vide durant un long temps de séchage. Or, une diminution du temps de séchage permet de diminuer le coût du procédé. Le moussage, considéré favorable pour le séchage à air chaud, est ainsi utilisé pour accélérer le procédé de lyophilisation du jus de pomme, pris comme aliment modèle, tout en gardant les qualités sensorielles et nutritionnelles. Cette thèse comprend quatre volets : (i) une caractérisation physique et rhéologique des mousses en déterminant les paramètres de moussage adéquats (choix et concentration des agents moussants, temps de fouettement) pour avoir la stabilité lors de la lyophilisation, (ii) une étude de l'effet du moussage sur la cinétique de lyophilisation (teneur en eau et température tout au long du procédé), (iii) modélisation de la cinétique de lyophilisation par application du réseau de neurones artificiels et optimisation de l'épaisseur d'échantillon pour accroître la capacité de production, et finalement (iv) une étude de la perte de qualité après la lyophilisation et sur la stabilité des produits lyophilisés lors du stockage. Les résultats de cette recherche ont permis d'abord de quantifier les concentrations de méthylcellulose (1%) et blanc d'oeuf (3%) nécessaires pour avoir des mousses stables (minimum de drainage) face à la lyophilisation. Il a été possible de déterminer à partir des études rhéologiques que les mousses les plus stables n'ont pas nécessairement un comportement solide. Un modèle de solidité en fonction de la fraction d'air et de la taille de bulles a été développé à partir des données expérimentales. L'effet du moussage rend la cinétique de lyophilisation plus rapide à la même épaisseur. Cependant, dû à la faible masse volumique des mousses, la capacité de production n'est pas nécessairement plus rapide que dans le cas de lyophilisation traditionnelle. L'application du réseau de neurones artificiels a permis de modéliser avec exactitude la température et la cinétique de séchage durant la lyophilisation des mousses. Une optimisation faite en utilisant ce modèle a montré que l'épaisseur minimale pour augmenter en même temps la cinétique de lyophilisation et la capacité de production, était trop grande pour être réaliste. L'addition d'agent moussant (polysaccharide ou protéine) rend les mousses plus hygroscopiques par rapport au jus de pomme sans moussage mais augmente, par contre, leur température de transition vitreuse. Ainsi les jus de pomme avec moussage sont plus stables thermiquement. Une faible diminution de la qualité sensorielle et nutritionnelle des jus des pommes mousses par rapport aux produits sans moussage a été constatée après le procédé de lyophilisation. Néanmoins, durant l'entreposage à température ambiante, les produits mousses se sont montrés plus stables que ceux sans mousser.

La flottation en colonne est un système multivariable complexe avec une dynamique incertaine et non linéaire qui subit l'effet de perturbations non mesurées. Son optimisation est donc un défi d'envergure. Avec les techniques d'optimisation en temps réel, l'hypothèse que le système est en régime permanent alors qu'il est constamment perturbé limite la fréquence d'optimisation. Les systèmes hiérarchisés de commande permettent de prendre en compte l'incertitude et la complexité du procédé. Une approche courante pour optimiser indirectement l'opération des procédés de flottation consiste à mesurer et à réguler des variables secondaires qui sont fortement corrélées aux variables de performance. Ce projet couvre deux sujets importants. Le premier aspect est le développement d'algorithmes d'estimation des variables secondaires. Des techniques permettant l'estimation de la profondeur d'écume et du différentiel d'eau basées sur des mesures de conductivité sont développées. Un observateur dynamique non linéaire de la concentration en moussant fut également conçu, conduisant à des erreurs de 1 ppm. Finalement, un modèle de mélange Gaussien (Gaussian mixture model) a permis la mesure en-ligne de la distribution de dimension des bulles à partir d'un système d'imagerie. Le deuxième sujet est la conception de stratégies de commande visant l'optimisation indirecte du procédé. Une commande prédictive qui optimise indirectement la colonne en maximisant le taux de rétention d'air tout en assurant un différentiel d'eau positif est premièrement décrite. Une commande à modèle interne basée sur un modèle de Wiener fut également conçue pour réguler la dimension des bulles. Un barbotteur ("frit and sleeve") permet la régulation de la dimension de bulles de façon indépendante du débit superficiel du gaz, une étape clé pour contrôler le taux surfacique de bulles. Ces expériences illustrent que le taux de rétention d'air et le taux surfacique de bulles sont fortement corrélés démontrant qu'ils peuvent tous deux être employés à des fins de commande. Finalement, la commande de la distribution de la dimension des bulles est explorée. L'emploi d'un modèle de mélange Gaussien pour représenter la distribution de la dimension des bulles permet de transformer un problème d'ordre infini en une situation qui permet l'utilisation de méthodes classiques de commande