Développement d'un modèle de substitution pour un système de refroidissement actif

Ce mémoire s’inscrit dans un projet de recherche du Conseil national de recherches du Canada (CNRC) séparé en trois volets. Ce projet vise à évaluer la contrôlabilité d’un système de refroidissement actif soumis à des sources de chaleur variables dans l’espace et le temps. Ce système de refroidissement actif est composé de jets impactants. Chaque jet peut être utilisé comme une entrée ou comme une sortie et son débit est indépendant de celui des autres jets. Ce mémoire s’intéresse seulement au premier volet qui cherche à développer un modèle de substitution pour prédire le nombre de Nusselt sur la surface d’impact. Ce dernier permettra le développement des stratégies de commandes à base de modèle, le deuxième volet de ce projet, et pourra finalement être validé à l’aide d’un système expérimental, fabriqué dans le cadre du troisième volet de ce projet. La contribution principale de ce travail est le développement d’un modèle de substitution basé sur un réseau de neurones convolutifs (CNN), capable de prédire la distribution du nombre de Nusselt sur la surface impactée, pour toute configuration de débits, d’entrée et de sorties. Le CNN est entraîné à partir d’un ensemble de données issues de simulations de la mécanique des fluides numériques (CFD). Deux réseaux de neurones distincts sont produits. Le premier permet de prédire le nombre de Nusselt au sommet d’une plaque d’un réseau de cinq par un jet. Le second permet d’effectuer des prédictions pour un arrangement de trois par trois jets. Les deux modèles sont entraînés avec 83 et 100 simulations CFD, respectivement. Chaque simulation est effectuée avec le logiciel Lethe. Le nombre de Reynolds maximal des jets est de 2,000. Une analyse de sensibilité du maillage a été effectuée pour établir la densité de cellules nécessaire. Un maillage utilisant 1,2M d’éléments a été sélectionné pour le réseau de cinq par un jet et de 1,6M d’éléments pour le réseau de trois par trois jets. Pour réduire le coût des simulations, une méthode d’extrapolation basée sur une corrélation empirique a aussi été utilisée dans le but d’étendre les prédictions du modèle jusqu’à Re = 10,000.