La turbulence, un état de fluidité caractérisé par des fluctuations apparemment aléatoires et chaotiques de la vitesse et de la pression, est un phénomène qui envahit les milieux naturels et les milieux aménagés. De la circonspection des rapides d'une rivière au réveil derrière une aile d'aéronef, du mélange des polluants dans l'atmosphère au flux de sang à travers un cœur battant, la turbulence joue un rôle critique. Bien qu'elle soit l'un des états les plus courants de mouvement fluide, elle demeure l'un des plus difficiles à comprendre et à prévoir.

Qu'est-ce que la turbulence?

La turbulence est un régime d'écoulement dans lequel le mouvement du fluide devient irrégulier, imprévisible et très dissipatif. débit laminaire, où les particules de fluide se déplacent en couches parallèles lisses avec un mélange minimal, le flux turbulent se caractérise par la présence de tourbillons, de tourbillons et de fluctuations rapides de vitesse sur une large gamme d'échelles spatiales et temporelles. Ces fluctuations provoquent un mélange accru de l'impulsion, de la chaleur et de la masse, ce qui explique pourquoi la turbulence est souvent exploitée dans des processus industriels comme la combustion et le mélange chimique, tout en étant une nuisance dans des applications nécessitant un flux lisse, comme le transport de pipelines ou l'efficacité de l'échangeur de chaleur.

Un exemple classique de la fumée quotidienne est la fumée qui monte d'une cigarette : d'abord, la fumée monte dans une colonne laminaire stable, mais après une courte distance elle se brise dans des motifs chaotiques et tourbillonnants, qui marquent le début de la turbulence. De même, l'eau qui coule d'un robinet à basse vitesse est lisse et transparente, mais quand le flux est tourné, il devient rugueux et opaque en raison du mélange turbulent.

La physique derrière la turbulence

À sa base, la turbulence provient de la nature non linéaire du mouvement fluide décrit par le équations Navier-Stokes. Ces équations différentielles partielles régissent la conservation de la masse et de l'impulsion pour les fluides Newtoniens. Le paramètre clé sans dimension qui détermine si un débit sera laminaire ou turbulent est le Numéro de Reynolds (Re), défini comme le rapport des forces d'inertie aux forces visqueuses. À faible nombre de Reynolds, les forces visqueuses dominent, atténuent les perturbations et maintiennent le débit en douceur. À mesure que le nombre de Reynolds augmente, les forces d'inertie deviennent plus importantes et le débit devient sensible à des instabilités qui s'amplifient en pleine turbulence.

Une fois la turbulence établie, le flux s'organise en cascade de tourbillons de différentes tailles, un concept proposé d'abord par Lewis Fry Richardson. De grands tourbillons, comparables à la géométrie du flux, contiennent la plupart de l'énergie cinétique. Ces tourbillons sont instables et se décomposent en tourbillons plus petits, qui se décomposent en des plus petits, transférant l'énergie des plus grandes échelles vers les plus petites échelles où elle est dissipée par la viscosité. cascade énergétique- Oui. Andrey Kolmogorov Plus tard, une théorie statistique décrivant les propriétés universelles de cette cascade, y compris l'idée que, à des nombres suffisamment élevés de Reynolds, la turbulence à petite échelle est statistiquement isotrope et indépendante de la géométrie à grande échelle. L'hypothèse de Kolmogorov prédit une échelle spécifique du spectre énergétique, connue sous le nom de la loi de puissance -5/3, qui a été confirmée dans de nombreuses expériences et simulations.

Principales caractéristiques des flux de turbulence

  • Mouvement irrégulier et chaotique: La vélocité et la pression à tout moment du flux varient aléatoirement dans le temps et l'espace. Le flux est déterministe mais extrêmement sensible aux conditions initiales, rendant impossible la prédiction à long terme – une caractéristique des systèmes chaotiques.
  • Large gamme de tailles de eddy: La turbulence s'étend sur de nombreux ordres de grandeur dans les échelles de longueur, depuis les plus grandes échelles fixées par la géométrie (par exemple, le diamètre d'un tuyau) jusqu'à la microéchelle de Kolmogorov où se produit la dissipation visqueuse. Cette disparité d'échelle est une source majeure de difficulté de modélisation.
  • Amélioration du mélange et du transfert d'énergie: Les tourbillons de turbulence mélangent rapidement les propriétés du fluide (momentum, température, concentration), ce qui rend la turbulence inestimable dans les réacteurs de combustion et chimiques, mais augmente également la traînée et le transfert de chaleur dans de nombreuses applications techniques.
  • Haute sensibilité aux conditions initiales: La nature chaotique signifie que de petites perturbations peuvent conduire à une évolution des flux très différente, nécessitant des approches statistiques ou probabilistes pour la prédiction.

Défis de la modélisation de la turbulence

Malgré les énormes progrès de la puissance de calcul et de la compréhension théorique, la turbulence de modélisation précise reste l'un des défis les plus redoutables en physique et en ingénierie. Le problème principal provient de l'énorme gamme d'échelles en cause. Dans un flux turbulent typique à fort nombre de Reynolds, les plus grands tourbillons peuvent être des mètres de taille, tandis que les plus petits tourbillons dissipatifs peuvent être des fractions d'un millimètre.

De plus, la turbulence est intrinsèquement non linéaire et chaotique. Les équations Navier-Stokes restent elles-mêmes non résolues dans un sens mathématique rigoureux : l'Institut de mathématiques de l'argile énumère l'existence et la douceur des solutions à ces équations comme l'un de ses problèmes de prix du millénaire.

L'interaction de la turbulence avec d'autres phénomènes physiques, comme les réactions chimiques, la combustion, le transfert de chaleur et les débits multiphasés, est un autre défi, qui se traduit souvent par des échelles de temps et de longueur supplémentaires, ce qui complique encore la tâche de modélisation.

Techniques communes de modélisation

Les chercheurs ont élaboré plusieurs approches pour modéliser les turbulences, chacune comportant des compromis inhérents entre la précision et le coût de calcul.

  • Simulation numérique directe (DNS): Cette approche résout les équations complètes, dépendantes du temps, Navier-Stokes sans modélisation, résout toutes les échelles de mouvement jusqu'aux plus petits éddies de Kolmogorov. DNS fournit les résultats les plus précis et est inestimable pour la recherche fondamentale et la validation de modèles plus simples. Cependant, son coût computationnel le limite aux flux à faible nombre de Reynolds et aux géométries simples.
  • Simulation de grandes dimensions (LES): ERP calcule explicitement les plus grands ensembles contenant de l'énergie tout en modélisant les effets des échelles plus petites et plus universelles (échelles subgrides), ce qui réduit le coût de calcul par rapport au DNS, ce qui le rend applicable à une plus grande gamme de flux. ERP est particulièrement efficace pour les flux avec une grande stabilité, comme l'aérodynamique du corps de bluff et la combustion turbulente.
  • Reynolds - Navires-Stokes (RANS)Les modèles RANS résolvent les équations de la moyenne temporelle (ou de l'ensemble) Navier-Stokes, où toutes les fluctuations turbulentes sont représentées par un modèle de turbulence (par exemple k-ε, k-----------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------

D'autres méthodes, telles que ANS-LES hybride (p. ex., simulation de Eddy détaché) et ERP modèle mural tenter de combiner les forces des différentes approches. apprentissage automatique On utilise de plus en plus les réseaux neuronaux pour développer des fermetures de turbulences qui peuvent s'adapter aux conditions d'écoulement locales, offrant éventuellement des améliorations par rapport aux modèles traditionnels. Par exemple, les réseaux neuronaux peuvent être formés à l'utilisation de données DNS à haute fidélité pour prédire les contraintes à l'échelle subgrid dans les ERP, ou pour corriger les erreurs dans les modèles RANS.

Orientations et implications futures

Les progrès dans le domaine de la puissance informatique, des innovations algorithmiques et des techniques expérimentales offrent l'espoir de découvrir les mystères de turbulence qui subsistent. L'informatique exascale, qui devient maintenant disponible, permettra aux DNS et aux ERP de connaître des nombres plus élevés de Reynolds et de géométries plus complexes, fournissant une vision sans précédent. L'informatique quantique, bien qu'elle soit encore naissante, peut permettre une simulation directe des flux qui sont actuellement inextricables.

En exploitant de vastes bases de données de simulations et d'expériences de flux turbulents, les chercheurs peuvent découvrir de nouvelles lois de dimensionnement, identifier des structures cohérentes et construire des modèles à ordre réduit qui saisissent la dynamique essentielle tout en réduisant considérablement le coût de calcul. Les réseaux neuronaux (PINN) informés en physique sont utilisés pour résoudre des problèmes de turbulence vers l'avant et inversement, et l'apprentissage du renforcement est appliqué pour contrôler les flux turbulents pour réduire les traînées ou améliorer le mélange.

Dans le domaine de l'ingénierie aérospatiale, des prévisions plus précises de la traînée et de l'ascenseur pourraient conduire à des conceptions d'aéronefs plus légères, plus économes en carburant et plus silencieux. Dans le secteur de l'énergie, les modèles de turbulence sont essentiels pour concevoir des éoliennes efficaces, des turbines à gaz et des systèmes de refroidissement des réacteurs nucléaires. Même en médecine, la compréhension de la turbulence de l'écoulement sanguin dans le cœur et les artères peut améliorer le diagnostic et le traitement des maladies cardiovasculaires.

En fin de compte, la turbulence n'est pas seulement un problème technique, c'est une fenêtre sur le comportement de systèmes complexes et non linéaires. Les techniques développées pour modéliser la turbulence, des théories statistiques aux algorithmes d'apprentissage automatique, ont des applications bien au-delà de la mécanique des fluides, y compris en astrophysique (convection stellaire, disques d'accrétion), géophysique (convection manteau, courants océaniques), et même sur les marchés financiers (où le terme «turbulence» est emprunté pour décrire les mouvements chaotiques des prix).

Pour plus de détails, les ressources faisant autorité comprennent : notes de turbulence en ligne par l'Université de l'Illinois, les Bases de données sur la turbulence de Johns Hopkins, et le manuel classique "Flux turbulents" par Stephen B. Pope. En outre, Département de l'énergie des États-Unis soutient une recherche approfondie sur la modélisation des turbulences pour les applications énergétiques.