ChI New - Introduction - 2

Cours de:
Modélisation Numérique de l’Ingénieur

Filière : GC 2 Semestre : S4
Professeur : Mohamed EL HAIM
Année Universitaire : 2018 / 2019
Objectifs du cours :
 Maitriser les concepts de base de la modélisation numérique;
 Apprendre la méthode des éléments finis (MEF);
 Être capable de résoudre des problèmes mécaniques et énergétiques par la

MEF;
 Apprendre à utiliser les langages de programmation (Matlab) pour résoudre

ces problèmes sur ordinateur.
Plan du cours et TD:
Chapitre I : Introduction à la Modélisation Numérique
Chapitre II : Méthode des Eléments Finis (MEF)
Chapitre III : Application de la MEF au Transfert de la Chaleur
Chapitre IV : Application de la MEF à la RDM
Planning : Cours 10h, TD 8h, et Évaluation 2h.
Contact : Mohamed EL HAIM

Département de Génie Civil et Energétique - ENSAH
Université Mohammed Ier - Maroc
elhaim1@yahoo.fr
Chapitre I
Introduction à la Modélisation
Numérique
Professeur M.El Haim - ENSAH

Exemple d’une petite situation problème
 Problème du sac-à-dos
Module: Modélisation Numérique d’Ingénieur (GC 2 – S4) 2018/2019 - Chapitre I M. EL HAIM – ENSAH 1
I- Notion de la Modélisation et de la Simulation :
1- Qu’est-ce qu’un modèle ?
Le principe d’un modèle est de remplacer un système complexe en un

objet ou opérateur simple reproduisant les aspects ou comportements
principaux de l’original.
Exemples: Modèle réduit, maquette, modèle mathématique ou
numérique, modèle de pensée ou raisonnement…
2- Pourquoi faut-il modéliser?

Dans la nature, les systèmes et phénomènes physiques les plus
intéressants sont ainsi les plus complexes à étudier. Ils sont souvent
régis par un grand nombre de paramètres non-linéaires interagissant
entre eux.
Exemples: La météorologie, la turbulence des fluides, la résistance
des matériaux…
3- Intérêt d’un modèle mathématique :
 Les essais expérimentaux peuvent s’avérer très coûteux tels que: les
essais en vol, essais avec matériaux rares, instrumentations très
chères…
 Les essais expérimentaux peuvent aussi être très dangereux comme
le cas des essais nucléaires, environnement spatial…
 Il est très difficile de mesurer tous les paramètres:
- Échelles du problème trop petites (chimie du vivant, couche
limite en fluide…);
- Échelle trop grandes (astrophysique, météorologie,
géophysique..).
3- Intérêt d’un modèle mathématique :
 Ces modèles représentant un phénomène physique utilisent très
souvent des systèmes d’équations aux dérivées partielles (EDP) non-
linéaires dont on ne connait pas de solutions analytiques en général.
 Il faut alors résoudre le problème numériquement en transformant
les équations continues de la physique en un problème discret. C’est
ce qu’on appelle un modèle mathématique ou numérique.
 Dans certains cas, les modèles mathématiques sont menées en
parallèle avec des expérimentations.
Modéliser numériquement un phénomène; c’est le traduire
sous forme mathématique de façon à le rendre prévisible et
à en donner une connaissance plus approfondie.
II-Différentes étapes d’analyse d’un problème physique :
1- Processus d’analyse d’un problème physique :
2- Cycle de modélisation :
3- Exemple de modélisation d’un problème physique :
 Enoncé du problème :
Considérons une échelle de longueur L (m) appuyée contre un mur et dont le pied
glisse sur le sol avec une vitesse VS .
 Déterminer le modèle mathématique permettant de définir la vitesse avec
a)
laquelle le sommet de l’échelle glisse le long du mur en fonction de la vitesse
avec laquelle le pied de l’échelle glisse sur le sol.
 Si L = 5m et VS = 0,25m.s-1 , déterminer la vitesse avec laquelle le
b)
sommet de l’échelle glisse le long du mur lorsque le pied de l’échelle est à
2m du mur.
 Solution :
1/ Observation:
a/ Variables, paramètre et schéma :
1/ Observation:
b/ Problématique :
2/ Mathématisation du problème :
3/ Calculs :
4/ Interprétation des résultats :
4- De la modélisation à la simulation numérique :
Généralement, pour modéliser mathématiquement un système complexe il faut
suivre plusieurs étapes, en particulier:
 Recherche d’un modèle mathématique représentant la physique étudiée

avec la mise de ces équations.
 Élaboration d’un maillage et discrétisation des équations de la physique.
 Résolution des équations discrètes (souvent système linéaire à résoudre).
 Transcription informatique et programmation des relations discrètes.
 Simulation numérique et exploitation des résultats.
L’ingénieur peut être amené à intervenir sur l’une ou plusieurs de ces différentes
étapes.
 Conclusion :
 La modélisation mathématique est l’art (ou la science) de représenter (ou de

transformer) une réalité physique en des modèles abstraits accessibles à l’analyse
et au calcul numérique.
 La simulation numérique est le processus qui permet de calculer sur ordinateur

les solutions de ces modèles et donc de simuler la réalité physique.
 La modélisation mathématique et la simulation numérique ont pris une

importance considérable ces dernières décennies dans tous les domaines de la
science et des applications industrielles (ou sciences de l’ingénieur).
5- La Modélisation et les Mathématiques Appliquées :
Il s’agit des mathématiques tournées vers les applications.
Les mathématiciens ont été toujours inspirés par des problèmes pratiques qu’ils
ontsessayé de résoudre:
III- Exemples d’applications de la modélisation :
La modélisation et la simulation numérique voient leurs applications dans
différents domaines :
IV- Concept de la boucle de modélisation :
Démarche en 4 étapes (ou modèles) distinctes :
Modèle Modèle Modèle Modèle

physique mathématique numérique informatique
(continu) (algébrique)
Sources = Écart entre solution +Écart entre solution exacte + Écart entre solution exacte
d’erreurs réelle et solution exacte
du problème mathématique du système discret et solution
du problème mathématique et solution du système discret informatique
 Exemple d’une boucle de modélisation :
•Observation du u u  k11 k12 k13   u1   f1 

L(u, , ...)  f  0
k    
phénomène x t
 21 k22 k23  u2    f 2 
Conditions auxlimites
k33  u3   f3 
•Définition des  k31 k32
objectifs et initiales
Modèle physique Modèle mathématique Modèle discret Modèle informatique
• L’idéal est d’avoir une approche indépendante :

» de la physique étudiée ;
» de la dimension géométrique du problème ;
» du régime (stationnaire ou non) ;
» de la méthode de discrétisation et des schémas employés.
 Analyse des sources des erreurs :
– Mathématique :
– 3D 1D, 2D?
– temporel ?
– grands déplacements et grandes rotations ou HPP ?
– loi de comportement du matériaux
– absence de couplage ?
– Algébrique :
– choix du découpage, de l’élément
– choix de l’algorithme de résolution …
– Informatique :
– précision machine
– programmation …
Question : qu’est-ce qu’un bon modélisateur ? il annule les erreurs estime et contrôle
V- Discrétisation des EDP:
Pour passer d’un problème exact continu régit par une EDP au
problème approché discret, il existe trois grandes familles de
méthodes:
1- Les Différences Finies DF:
La méthode consiste à remplacer les dérivées partielles par des

différences divisées ou combinaisons de valeurs ponctuelles de la
fonction en un nombre fini de points discrets ou nœuds du maillage.
Avantages: Grande simplicité d’écriture et faible coût de calcul.
Inconvénients: Limitation à des géométrie simples, difficultés de

prise en compte des conditions aux limites de type Neumann.
2- Les Volumes Finis VF:
La méthode intègre, sur des volumes élémentaires de forme simple,
les équations écrites sous forme de loi de conservation. Elle fournit
ainsi de manière naturelle des approximations discrètes conservatives
et est particulièrement bien adaptée aux équations de la mécanique
des fluides. Sa mise en œuvre est simple avec des volumes
élémentaires rectangles.
Avantages: Elle permet de traiter des géométries complexes avec des

volumes de forme quelconque, détermination plus naturelle des
conditions aux limites de type Neumann..
Inconvénients: Peu de résultats théoriques de convergence.
3- Les Éléments Finis EF:
La méthode consiste à approcher, dans un sous espace de dimension
finie, un problème écrit sous forme variationnelle (comme
minimisation de l’énergie en général) dans un espace de dimension
infinie. La solution approchée est dans ce cas une fonction
déterminée par un nombre fini de paramètres comme, par exemple,
ses valeurs en certains points ou nœuds du maillage.
Avantages: Traitement possible de géométries complexes, nombreux

résultats théoriques sur la convergence.
Inconvénients: Complexité de mise en œuvre et grand coût en temps

de calcul et mémoire.

ChI New - Introduction - 2

Hochgeladen von

Dokumentinformationen

Originaltitel

Copyright

Verfügbare Formate

Dieses Dokument teilen

Dokument teilen oder einbetten

Freigabeoptionen

Stufen Sie dieses Dokument als nützlich ein?

Sind diese Inhalte unangemessen?

Copyright:

Verfügbare Formate

ChI New - Introduction - 2

Hochgeladen von

Copyright:

Verfügbare Formate

Cours de:

Modélisation Numérique de l’Ingénieur

 Maitriser les concepts de base de la modélisation numérique;

 Apprendre la méthode des éléments finis (MEF);

 Être capable de résoudre des problèmes mécaniques et énergétiques par la

 Apprendre à utiliser les langages de programmation (Matlab) pour résoudre

Chapitre I : Introduction à la Modélisation Numérique

Chapitre II : Méthode des Eléments Finis (MEF)

Chapitre III : Application de la MEF au Transfert de la Chaleur

Chapitre IV : Application de la MEF à la RDM

Planning : Cours 10h, TD 8h, et Évaluation 2h.

Contact : Mohamed EL HAIM

Professeur M.El Haim - ENSAH

Le principe d’un modèle est de remplacer un système complexe en un

2- Pourquoi faut-il modéliser?

a/ Variables, paramètre et schéma :

4/ Interprétation des résultats :

 Recherche d’un modèle mathématique représentant la physique étudiée

 La modélisation mathématique est l’art (ou la science) de représenter (ou de

 La simulation numérique est le processus qui permet de calculer sur ordinateur

 La modélisation mathématique et la simulation numérique ont pris une

Démarche en 4 étapes (ou modèles) distinctes :

Modèle Modèle Modèle Modèle

•Observation du u u  k11 k12 k13   u1   f1 

Modèle physique Modèle mathématique Modèle discret Modèle informatique

• L’idéal est d’avoir une approche indépendante :

1- Les Différences Finies DF:

La méthode consiste à remplacer les dérivées partielles par des

Avantages: Grande simplicité d’écriture et faible coût de calcul.

Inconvénients: Limitation à des géométrie simples, difficultés de

Avantages: Elle permet de traiter des géométries complexes avec des

Inconvénients: Peu de résultats théoriques de convergence.

Avantages: Traitement possible de géométries complexes, nombreux

Inconvénients: Complexité de mise en œuvre et grand coût en temps

Das könnte Ihnen auch gefallen