Denis MAILLET

Découvrez  la mise en forme mathématique du problème de minimisation d’une fonction objet représentative de l’écart entre la mesure et le modèle. Sont pris en compte les éléments perturbateurs de la mesure (rapport signal/bruit, mauvaise sensibilité…).

En diffusion thermique, les techniques d’inversion ne sont pas toujours satisfaisantes et nécessitent d’être affinées. Zoom sur les six composantes de l'erreur d'estimation, puis sur les outils spécifiques de conduction inverse et de régularisation.

Apprenez la notion de modèle relatif à la restitution d'un problème dit "direct" en conduction thermique. Cette approche permet ensuite d'alimenter la démarche dite "inverse" visant à remonter au flux thermique.

Les méthodes inverses associent une métrologie sur un système donné, un modèle représentatif du fonctionnement dudit système et des algorithmes numériques. L’application en convection thermique forcée permet de mieux appréhender la compétition entre le phénomène d’advection et la diffusion thermique.

Les techniques inverses sont définies comme des méthodes permettant de découvrir des causes et des grandeurs inconnues, et ce grâce à l’observation des conséquences d’un problème. Elles sont appelée ainsi en opposition aux techniques dites “directes”. La terminologie est tout d’abord détaillée, puis les problèmes inverses sont expliqués. Le point de vue de l’inverseur est envisagé afin d’étudier les différentes techniques inverses (inversion d’un modèle linéaire puis inversion d'un modèle non linéaire).

Cet article recense les problèmes inverses, bien ou mal posés, ainsi que les outils nécessaires à leur diagnostic (conditionnement et covariance, test d’inversion, influence du nombre de mesures, etc.). Grâce à la mise en évidence de six causes possibles d’erreur d’estimation, il est expliqué comment obtenir une inversion de qualité. Ensuite, quelques méthodes populaires de régularisation sont présentées et comparées. Par la suite, c’est une méthode particulière de réduction de modèle par identification qui est proposée. A l’aide d’un cas linéaire, le choix de la structure du modèle réduit, sa décomposition, son identification, sa reconstitution et son utilité sont finalement abordés.

En diffusion thermique, les techniques d’inversion ne sont pas toujours satisfaisantes et nécessitent d’être affinées. Zoom sur les six composantes de l'erreur d'estimation puis sur les outils spécifiques de conduction inverse et de régularisation.

Découvrez  la mise en forme mathématique du problème de minimisation d’une fonction objet représentative de l’écart entre la mesure et le modèle. Les éléments perturbateurs de la mesure (rapport signal/bruit, mauvaise sensibilité…) sont pris en compte.

Bien comprendre la notion de modèle relatif à la restitution d'un problème dit "direct" en construction thermique. Il permet ensuite d'alimenter la démarche dite "inverse" visant à remonter au flux thermique.