Cette thèse porte sur la caractérisation numérique et la modélisation stochastique de l'accélération du fluide pour l'écoulement en canal à grand nombre de Reynolds. La motivation concerne l'observation et l'analyse des effets de l'intermittence liés aux interactions à longue portée à travers le canal. Dans la première partie, l'accélération est étudiée par simulation numérique directe pour trois différents nombres de Reynolds (180, 590 et 1000). La lognormalité de la norme de l'accélération est observée quelle que soit la distance à la paroi. Un profil universel de la norme de l'accélération est également recherché par analyse dimensionnelle. La seconde partie présente une modélisation stochastique de l'accélération basée sur la décomposition norme/orientation. Le modèle stochastique pour la norme s'appuie sur un processus de fragmentation afin de représenter les interactions à longue portée à travers le canal. Pour l'orientation, l'évolution vers l'isotropie lorsque la distance à la paroi augmente (observée par la DNS) est reproduite grâce à un modèle de marche aléatoire sur une sphère. Ces modèles ont été appliqués à l'approche LES-SSAM (Stochastic Subgrid Acceleration Model) introduite par Sabel'nikov, Chtab et Gorokhovski. Nos calculs montrent que les estimations de la vitesse moyenne, du spectre d'énergie, des contraintes de l'écoulement et de la non-gaussianité des statistiques de l'accélération peuvent être améliorées de façon significative par rapport à la LES classique. L'intérêt de l'approche LES-SSAM, donnant un accès vers la structure intermittente de sous-maille, est illustré dans la dernière partie, par l'étude du transport de particules inertielles ponctuelles par l'écoulement de canal. Cette étude commence par l'analyse par DNS de l'influence des structures de paroi sur la dynamique des particules
Identifer | oai:union.ndltd.org:CCSD/oai:tel.archives-ouvertes.fr:tel-00673464 |
Date | 15 April 2011 |
Creators | Zamansky, Rémi |
Publisher | Ecole Centrale de Lyon |
Source Sets | CCSD theses-EN-ligne, France |
Language | French |
Detected Language | French |
Type | PhD thesis |
Page generated in 0.0018 seconds