Daniel PETIT

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. Sont pris en compte les éléments perturbateurs de la mesure (rapport signal/bruit, mauvaise sensibilité…).

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.

Cet article est destiné à introduire la notion de modèle, relatif à la résolution d'un problème dit "direct", en conduction thermique. Ce modèle permet de traiter classiquement une forme spécifique de l'équation de la chaleur et de ses conditions associées, grâce à la prise en compte du type de mesure(s) de température dont on peut disposer pour alimenter, par la suite, la démarche dite "inverse". Les différents types de modèles, ainsi que les grandeurs utilisées, sont d'abord présentés en optant pour une approche largement répandue en dynamique des systèmes, qui lie entrée(s) et sortie(s). Les techniques d'instrumentation actuellement disponibles pour mesurer la température sont ensuite passées en revue, en particulier le principe de mesure, la loi d'étalonnage et les caractéristiques stochastiques du bruit sur le signal. La notion de sensibilité, qui découle directement du modèle adopté, est enfin abordée : elle constitue un outil incontournable pour assurer, par la suite, la réussite d'une inversion.