Outils Numériques pour la Mécanique
Luc Mieussens
Janvier 2022
1 / 36
Objectifs
une introduction à la simulation numérique
problèmes issus de la mécanique (fluide, structure, thermique)
phénomènes modélisés par des équations aux dérivées partielles
équations résolues par des méthodes d’approximation numérique :
algorithme → programme → simulation
2 / 36
Les EDP en mécanique
edo : équation différentielle ordinaire
y 0 (t) = f (t, y (t))
solution :
y : t 7→ y (t)
fonction d’une variable
EDP : Équation aux Dérivées Partielles
∂T ∂T ∂2T ∂2T ∂2T
+a = + +
∂t ∂x ∂x 2 ∂y 2 ∂z 2
solution :
T : (t, x, y , z) 7→ T (t, x, y , z)
fonction de plusieurs variables
3 / 36
Les EDP en mécanique
thermique : évolution de la chaleur dans un domaine solide
équation de la chaleur dans Ω ∈ R3
∂T
= κ∆T
∂t
∂2T ∂2T ∂2T
où ∆T = ∂x 2
+ ∂y 2
+ ∂z 2
(laplacien)
on prescrit une donnée initiale : température initiale
T (t = 0, x, y , z) = T0 (x, y , z)
et des données au bord (ou conditions aux limites) : température aux
bords de Ω
T (t, x, y , z) = Tb
pour (x, y , z) ∈ ∂Ω
4 / 36
Les EDP en mécanique
structure : propagation d’une déformation dans une structure Ω (corde,
membrane, etc.)
équation des ondes
∂2u
= c 2 ∆u
∂t 2
on prescrit deux données initiales : déplacement et vitesse de
déplacement à t = 0
∂u
u(t = 0, x) = u0 (x), (t = 0, x) = v0 (x)
∂t
et des données au bord : déplacement aux bords de Ω (bords encastrés
ou libres)
u(t, x) = ub
pour x ∈ ∂Ω
5 / 36
Les EDP en mécanique
structure : petites déformations d’un solide élastique (élasticité linéaire)
système de Lamé
−µ∆u − (µ + λ)u∆(∇ · u) = f
où u est le champ de déplacement et f est une force.
équation stationnaire
on prescrit des données au bord : bords encastrés
u(x) = 0
pour x ∈ ∂Ω
6 / 36
Les EDP en mécanique
mécanique des fluides : fluide compressible décrit par sa masse volumique
ρ, sa vitesse u, et sa pression p
système des équations de Navier-Stokes
∂t ρ + ∇ · ρu = 0
∂t ρu + ∇ · (ρu ⊗ u) + ∇p = ∇ · σ
∂t E + ∇ · (E + p)u = ∇ · q + ∇ · σu
où σ est le tenseur des contraintes de cisaillement, q est le flux de chaleur
grand nombre de systèmes réduits (Navier-Stokes incompressible,
Stokes, Euler, Saint-Venant, etc.)
7 / 36
Méthodes Numériques
Principe : remplacer un problème continu (dimension infinie) par un
problème discret (dimension finie)
Trois grandes classes de méthodes :
. Différences finies
. Volumes finis
. Éléments finis
8 / 36
Différences finies
Le domaine de calcul est approché par une grille cartésienne
(source : C.-H. Bruneau)
Les dérivées partielles sont approchées par différences divisées :
∂u u(t, x + h, y ) − u(t, x, y )
≈
∂x h
Extension des méthodes pour les edo
Avantage : très simple
Inconvénient : limitée à des géométries simples
9 / 36
Volumes finis
Le domaine de calcul est découpé en volumes de contrôles (polygones,
polyèdres)
(source de l’image)
La forme intégrale de l’EDP est utilisée sur chaque volume de contrôle
Avantage : géométries complexes, approche naturelle en mécanique
des fluides
Inconvénients : moins évidente à appliquer dans d’autres domaines
10 / 36
Éléments finis
Même maillage que pour les volumes finis
La solution est approchée par des fonctions polynomiales par morceaux
(interpolation)
Avantage : précision arbitrairement élevée
Inconvénient : certains problèmes de stabilité
Méthode reine en mécanique des structures
(source : C. Dobrzynski)
11 / 36
Méthodes numériques
Éléments finis : S7 (méca.) et S8 (maths)
Volumes finis : S7
Différences finies : objet de ce cours
. permet d’aborder simplement les notions de base de l’approximation
numérique
. restriction : EDP linéaires (diffusion et advection)
. on utilisera des problème simples (de solutions exactes connues) pour
analyser le comportement des méthodes numériques
12 / 36
Exemple : équation de la chaleur
Équation
∂t T = κ∂xx T
T (0, x) = T0 (x)
Approximation (schéma numérique)
Tin+1 − Tin n
T n − 2Tin + Ti−1
= κ i+1
∆t ∆x 2
Programme 1
0.9
Simulation 0.8
0.7
0.6
0.5
0.4
0.3
0.2
0.1
0
0 0.1 0.2 0.3 0.4 0.5 0.6 0.7 0.8 0.9 1
13 / 36
Exemples : équation d’advection
Équation
∂t u + a∂x u = 0,
u(0, x) = u0 (x)
Approximation (schéma numérique)
uin+1 − uin u n − ui−1
n
+a i =0
∆t ∆x
Programme
Simulation 0.8
0.6
0.4
0.2
−0.2
−0.4
−0.6
−0.8
0 0.1 0.2 0.3 0.4 0.5 0.6 0.7 0.8 0.9 1
14 / 36
Exemples : équations de Navier-Stokes
Équation
∇·u =0
ρ(∂t u + (u · ∇)u) + ∇p = µ∆u + ρg
Schéma numérique (éléments) :
ux,i+ 1 ,j − ux,i− 1 ,j uy ,i,j+ 1 − uy ,i,j− 1
2 2 2 2
∇ · u(xi , yj ) ≈ +
∆x ∆y
Programme
Simulation (cavité entraînée)
(source : C.-H. Bruneau)
15 / 36
Exemples : équations de Navier-Stokes diphasiques
Interaction air/vague
Un seul modèle pour les deux fluides
Capture de l’interface air/eau
Code Notus (I2M, dont M. Coquerelle et A. Lemoine)
(source : M. Coquerelle)
16 / 36
Exemples : équations de Navier-Stokes diphasiques
Code Nascar (IMB, M. Bergmann, A. Iollo, L. Weynans)
source : M. Bergmann
17 / 36
Mise en garde
Une "solution" numérique n’est pas la réalité
La réalité est modélisée (donc modifiée et simplifiée)
La solution du modèle est approchée par la solution numérique
Artefacts numériques : instabilités, diffusion, dispersion, etc.
18 / 36
Artefacts numériques
Équation d’advection
∂u ∂u
+a =0
∂t ∂x
Solution exacte : donnée initiale advectée à la vitesse a
u(t, x) = u0 (x − at)
Solution numérique donnée par différents schémas
19 / 36
Artefacts numériques
Solution exacte
1
0.9
0.8
0.7
0.6
0.5
0.4
0.3
0.2
0.1
0
0 0.1 0.2 0.3 0.4 0.5 0.6 0.7 0.8 0.9 1
20 / 36
Artefacts numériques
Schéma décentré :
uin+1 − uin u n − ui−1
n
+a i =0
∆t ∆x
0.9
0.8
0.7
0.6
0.5
0.4
0.3
0.2
0.1
0
0 0.1 0.2 0.3 0.4 0.5 0.6 0.7 0.8 0.9 1
diffusion numérique
21 / 36
Artefacts numériques
Schéma décentré, pas de temps plus grand :
uin+1 − uin u n − ui−1
n
+a i =0
∆t ∆x
0.9
0.8
0.7
0.6
0.5
0.4
0.3
0.2
0.1
0
0 0.1 0.2 0.3 0.4 0.5 0.6 0.7 0.8 0.9 1
22 / 36
Artefacts numériques
Schéma décentré, pas de temps plus grand :
uin+1 − uin u n − ui−1
n
+a i =0
∆t ∆x
0.9
0.8
0.7
0.6
0.5
0.4
0.3
0.2
0.1
0
0 0.1 0.2 0.3 0.4 0.5 0.6 0.7 0.8 0.9 1
instabilité numérique
23 / 36
Artefacts numériques
Schéma de Lax-Wendroff :
uin+1 − uin u n − ui−1
n u n − 2uin + ui−1
n
+ a i+1 − a2 ∆t i+1 =0
∆t 2∆x 2∆x 2
0.9
0.8
0.7
0.6
0.5
0.4
0.3
0.2
0.1
0
0 0.1 0.2 0.3 0.4 0.5 0.6 0.7 0.8 0.9 1
bonne précision
24 / 36
Artefacts numériques
Schéma de Lax-Wendroff (autre donnée initiale)
uin+1 − uin u n − ui−1
n u n − 2uin + ui−1
n
+ a i+1 − a2 ∆t i+1 =0
∆t 2∆x 2∆x 2
0.9
0.8
0.7
0.6
0.5
0.4
0.3
0.2
0.1
0
0 0.1 0.2 0.3 0.4 0.5 0.6 0.7 0.8 0.9 1
dispersion numérique
25 / 36
Comment bien utiliser une méthode numérique ?
Bien connaître le problème physique et le modèle utilisé :
. De quoi tient compte le modèle ?
. De quoi ne tient-il pas compte ?
. Limites de validité
Bien connaître les propriétés qualitatives de l’EDP (positivité,
conservation, dissipation, etc.)
Connaître les propriétés de la méthode numérique, ses avantages et
inconvénients
Pour un développeur : bien programmer (et donc bien débugger)
26 / 36
Des célébrités (anciennes et contemporaines)
Joseph Fourier (1768-1830)
John Von Neumann (1903-1957)
Peter Lax (1926-)
B. Wendroff (1930-)
27 / 36
Organisation du cours
2 séances de cours de 2h + 11 séances d’1h20
18 séances de TD (1h20)
5 séances de TP de 4h (PG118)
but : approfondir la connaissance de F90, et programmer les méthodes numériques du
cours
évaluation : cours/TD
. un DM donné les 05/04 (travail individuel, complémentaire avec le TP)
. un examen final (2h)
évaluation : TP
. TP 1-2-3-4 évalués : 4 notes sur 20
TP1 : fiche à rendre
TP2 : rapport et programmes à rendre (versions 1 et 2 entre 1 et 3
semaines après le TP)
TP3 et TP4 : rapport et programmes (une version)
absence non justifiée ou rapport non remis : 0/20
note d’assiduité : 5 points
note finale : assiduité + moyenne(TP1, TP2, TP3, TP4)
sites web du cours :
moodle
[Link]
ma page web :
[Link] 28 / 36
Enseignants
Ce sont tous des spécialistes en méthodes numériques
Ils utilisent ces méthodes et en développent de nouvelles dans leurs
travaux de recherche à l’institut de mathématiques de Bordeaux ou à
l’institut de mécanique et d’ingénierie
Ils développent des logiciels de simulation numérique
29 / 36
Enseignants
Luc Mieussens
Simulation numérique pour le transport de particules (gaz, gouttes,
etc.)
Conseiller scientifique au Commissariat à l’Energie Atomique
Directeur Scientifique du Mésocentre de Calcul Intensif Aquitain
(MCIA : [Link]
Applications : aérodynamique (rentrée atmosphérique), océanographie
(pluie, embruns)
Page web : [Link]
30 / 36
Enseignants
Rodolphe Turpault
Méthodes numériques pour la résolution d’EDP
Applications : mécanique des fluides, rentrée atmosphérique,
cardiologie
Page web : [Link]
31 / 36
Enseignants
Kevin Santugini
solveurs linéaires
électromagnétisme
Page web : [Link]
32 / 36
Enseignants
Marc Duruflé
Méthodes numériques pour la propagation d’ondes
Applications : calcul d’émission d’ondes radar (aviation) et d’ondes
acoustiques
Page web : [Link]
33 / 36
Enseignants
Martin Parisot
Méthodes numériques pour la mécanique des fluides
Page web : [Link]
34 / 36
Enseignants
Oumayma Bouhamama
Méthodes numériques pour la cardiologie
Page web : [Link]
35 / 36
Bibliographie
Référence principale :
Finite Difference Methods for Ordinary and Partial
Differential Equations: Steady-State and Time-Dependent Problems
(Randall J. LeVeque)
Society for Industrial and Applied Mathematics (SIAM), Philadelphia, 2007
Exemplaires à la bibliothèque EMMK, à la BU
Versions antérieures à la publication téléchargeables sur le web
36 / 36
Bibliographie
Livre de référence (en anglais) :
Finite Difference Schemes and Partial Differential Equations
(John C. Strikwerda)
Society for Industrial and Applied Mathematics, 2004
Excellent livre en français :
Analyse numérique et optimisation
(Grégoire Allaire)
Éditions de l’École Polytechnique
2ème édition (revue et corrigée) en 2012
Chapitres 1 et 2 à lire absolument ! !
37 / 36