Modèles analytiques spectraux et apprentissage automatique pour la prévision des fluctuations de pression en régime transsonique pour les lanceurs spatiaux

Prediction of wall-pressure fluctuations for transonic space launcher configurations using analyticalspectral models and machine learning

• Auteur / Autrice : Simon Lecler
• Direction : Sébastien Deck
• Type : Thèse de doctorat
• Discipline(s) : Ingénierie, mécanique et énergétique
• Date : Soutenance le 16/07/2024
• Etablissement(s) : Institut polytechnique de Paris
• Ecole(s) doctorale(s) : École doctorale de l'Institut polytechnique de Paris
• Partenaire(s) de recherche : Laboratoire : ONERA - Département Aérodynamique, Aéroélasticité, Acoustique - DAAA, ONERA, Institut Polytechnique de Paris [Meudon]
• Jury : Président / Présidente : Régis Marchiano
• Jury : Examinateurs / Examinatrices : Sébastien Deck, Marcello Meldi, Laurent Cordier, Stefania Cherubini, Pierre-Elie Weiss
• Jury : Rapporteur / Rapporteuse : Marcello Meldi, Laurent Cordier

Mots clés

Mots clés contrôlés

Apprentissage automatique

Lanceurs (astronautique)

Aérodynamique transsonique

Mots clés libres

Fluctuations de pression pariétale

Transsonique

Lanceurs spatiaux

Zdes

Modélisation analytique

Apprentissage automatique

Wall-Pressure fluctuations

Transonic

Space launchers

Zdes

Analytical model

Machine learning

Résumé

La conception de lanceurs spatiaux de nouvelle génération nécessite de sélectionner à tout moment du processusde développement les outils offrant le meilleur compromis entre le coût d’exécution et la précision des résultatsaérodynamiques escomptée. Actuellement, en phase d'avant-projet, des modèles empiriques et analytiques sont utilisés pour estimer le champ de pression instationnaire à la paroi du lanceur en régime transsonique. La prévision des fluctuations de pression pariétale durant cette phase de vol est critique en raison des charges latérales instationnaires et vibrations induites, pouvant menacer l'intégrité du lanceur et de sa charge utile. Ces méthodes, caractérisées par un temps de réponse très court, ont cependant des domaines de validité très restreints et ne sont par exemple pas adaptés aux écoulements complexes détachés que l'on peut rencontrer autour des lanceurs spatiaux.Cette thèse a donc pour objectif de développer des modèles de prévision des fluctuations de pression pariétale adaptés aux configurations de lanceurs spatiaux en régime transsonique tout en présentant un faible temps de restitution.Dans cette optique, une base de données de simulations numériques RANS et ZDES de diverses configurations plus ou moins représentatives des cas applicatifs a été constituée afin d'accompagner le développement et la validation des modèles. Un modèle analytique de prévision des fluctuations de pression adapté aux écoulements tridimensionnels et compressibles a été développé, puis évalué sur une configuration de plaque plane puis de lanceur générique. Pour pallier les limites de cette approche, en particulier dans les zones de décollement massif, une méthode basée sur des algorithmes d'apprentissage automatique (réseaux de neurones de convolution) est proposée. Cette approche est étendue et généralisée à des conditions physiques diverses en ayant recours à l'analyse physique et dimensionnelle des écoulements décollés/recollés et en établissant un plan d'expérience basé sur des simulations ZDES.

During the design of a space launcher, the selected modeling tools must achieve a trade-off between accuracy and computational cost. In the preliminary design phase, empirical and analytical models are used to predict the unsteady wall-pressure field in the transonic regime. The prediction of transonic wall-pressure fluctuations is of major importance to estimate the associated unsteady side loads and vibrations that can endanger the payload and the launcher itself. Empirical and analytical methods are characterized by a low computational cost, but have a limited domain of validity and are not adapted to the complex detached flows encountered around space launchers.This study aims at developing efficient wall-pressure fluctuation models adapted to transonic space launcher configurations. Within this scope, RANS and ZDES simulations of various configurations have been conducted, in order to provide data to develop, evaluate and validate new models. An analytical spectral model adapted to compressible and three-dimensional flows is developed and applied on a flat plate and a generic launcher configuration. To overcome the weaknesses of this approach, especially in the frame of separating/reattaching flows, a machine learning methodology based on convolutional neural networks is proposed. This approach is generalized to a variety of flow conditions by using dimensional analysis and developing a design of experiment based on ZDES simulations.