thèse de basile jannet collaboration cea gramat et institut pascal encadrants :
DESCRIPTION
Etude de la non-stationnarité dans le processus de RT pour des applications CEM en cavité réverbérante. Thèse de Basile JANNET Collaboration CEA Gramat et Institut Pascal Encadrants : - Bernard Pecqueux (CEA Gramat) Jean-Christophe Joly (CEA Gramat) Pierre Bonnet (Institut Pascal) - PowerPoint PPT PresentationTRANSCRIPT
Basile Jannet – Doctorant CEA-Gramat 1
ETUDE DE LA NON-STATIONNARITÉ DANS LE PROCESSUS DE RT POUR DES APPLICATIONS CEM
EN CAVITÉ RÉVERBÉRANTE
Thèse de Basile JANNET
Collaboration CEA Gramat et Institut Pascal
Encadrants : - Bernard Pecqueux (CEA Gramat)- Jean-Christophe Joly (CEA Gramat)- Pierre Bonnet (Institut Pascal)- Sébastien Lalléchère (Institut Pascal)
Basile Jannet – Doctorant CEA-Gramat 2
OBJECTIF
Prise en compte efficace d’incertitudes dans le processus de RT en CRBM (entre les deux étapes)
Caractérisation des non-stationnarités (critères)
Basile Jannet – Doctorant CEA-Gramat 3
PLAN
Le RTPrincipe
L’incertain dans le RT
Prise en compte de l’incertainLa Collocation Stochastique (CS)
Couplage Analyse de Sensibilité (AS) + CS sur un cas de modélisation concret : La CRBM de l’Institut Pascal
Basile Jannet – Doctorant CEA-Gramat 4
LE RETOURNEMENT TEMPOREL (RT)
• Historique : M. FINK
Milieu complexe1ère phase du RT2ème phase du RT
Milieu réversible, sans pertes, identique entre les 2 phases
Basile Jannet – Doctorant CEA-Gramat 5
LE RT - CONTEXTE
Le Retournement Temporel (RT)Beaucoup d’étudesAcoustique sous-marine
Jackson et al, 1990 ; Derode et al, 1995 ; Fink et al, 1997 ; Song et al, 1999
Détection / ImagerieQuieffin, 2004 ; Liu et al,2005 ; Philippe, 2008
CommunicationYon, 2001 ; Lerosey et al, 2004 ; Tourin et al, 2006
FocalisationPrada et al, 1994 ; Shin et al, 2005 ; Bavu, 2008 ; Thierry, 2009
Basile Jannet – Doctorant CEA-Gramat 6
LE RT EN CRBM
RT en CRBM ?Focalisation sélectiveEl Baba, 2012
Contrôle d’incidenceMoussa, 2011
BazookaDavy, 2010
Incertitudes Théorie : pas de changement entre les deux étapesPratique : rarement le cas
Prise en compte des incertitudes pour prévoir comment le RT est dégradé
Basile Jannet – Doctorant CEA-Gramat 7
L’INCERTAIN DANS LE RT
2ème phase
Variations • géométriques
- Déplacements- Dimensions
• matérielles- Propriétés élec. des
équipements- Propriétés élec. du
milieu• aléas « mesures »
- Répétabilité- Positions
émetteur/récepteur
Signal modifié
Basile Jannet – Doctorant CEA-Gramat 8
INCERTAIN DANS LE RT - CONTEXTE
L’incertain dans le RTÉtude sur le RT avec un milieu aléatoireBorcea et al,2002 ; Bal et al, 2003 ; Fouque et al, 2004 : Papanicolaou et al, 2004
Étude de l’impact de changement entre les étapes pour des cas particuliersApproche expérimentale
Tourin et al, 2001 ; Kim et al, 2003 ; Liu et al, 2007Approche théorique
Snieder et al, 1998 ; Alfaro Vigo et al, 2004 ; Bal et al, 2004 ; Mehta et al, 2006
MAIS- Soit déterministe (changements paramétriques d’une VA)- Soit milieu aléatoire global- Pas de prise en compte précise des variables- Pas d’utilisation de méthode stochastique
Basile Jannet – Doctorant CEA-Gramat 9
PRISE EN COMPTE DES INCERTITUDES
Monte Carlo1 (MC)La référence, simple, mais convergence lente
Collocation Stochastique2 (CS)Simple, efficace, non intrusive
Autres méthodes Krigeage3
Polynômes Chaos4
Unscented Transform5 Stroud6
1 Metropolis, Ulam, The Monte Carlo Method, 19492 Chauviere, Hesthaven, Lurati, Computational modeling of uncertainty in time-domain electromagnetics, 20063 Wackernagel, Tabbara, Techniques géostatistiques pour l’interpolation spatiale à partir d’observations et de simulations numériques, 20084 Sumant, A sparse grid based collocation method for model order reduction of finite element approximations ofpassive electromagnetic devices under uncertainty, 20105 Julier, Comprehensive process models for high-speed navigation, 19976 Bagcı et al. , A Fast Stroud-Based Collocation Method for Statistically Characterizing EMI/EMC Phenomena on Complex Platforms, 2009
Choix naturel
Basile Jannet – Doctorant CEA-Gramat 10
LA COLLOCATION STOCHASTIQUE (CS)
EfficacitéDiffraction électromagnétique (RCS) Chauviere, Hesthaven, Lurati, Computational modeling of uncertainty in time-domain electromagnetics, 2006Compatibilité ElectroMagnétique (CEM)REI PRINCE, Rapport technique final, 2011
Points importantsDécomposition de l’observable sur une base de polynômes de LagrangeLes points de CS sont obtenus à l’aide d’une quadrature de GaussLa précision est ajustable selon le nombre de points considérés (3, 5, 7, 9,…)Les moments statistiques s’obtiennent ensuite aisément
CS ≈ MC avec points bien choisis
Idée = utiliser cette méthode pour la prise en compte de l’incertain dans le RT
Basile Jannet – Doctorant CEA-Gramat 11
Nb de VA
1 2 3 4 5 6 7 8 9 10
Coût 13 81 493 3 105 20 173 134 001 903 8536 161 985
42 326 413
292 299 921
LA CS POUR LA PRISE EN COMPTE DE L'INCERTAIN SUR CAS DE RT
Validation sur de nombreux cas de RTCS vs MC
Très efficace
CS très sensible à l’augmentation du nombre de VA
Analyse de Sensibilité (AS) en amont pour réduire le nombre de VA sur lesquelles appliquer la CS
Solutions ?
Basile Jannet – Doctorant CEA-Gramat 12
ANALYSE DE SENSIBILITÉ (AS)
Buts d’une ASImpact de Var(Xi) sur Var(Y)Déterminer les VA les plus influentesRéduire le modèle
Ioos, Review of global sensitivity analysis of numerical models, 2010
Morris Sobol
Méthodes graphiques
Metamodèle
Plan d’expérience
InfluentesNon influentes
Étude stochastiqueValeur moyenne
Basile Jannet – Doctorant CEA-Gramat 13
MÉTHODE DE MORRIS1
Technique de criblageClassement des variables en 3 groupes
Effets négligeablesEffets linéaires et sans interactionEffets non-linéaire et/ou avec interaction
Résultats = Graphe σ=f(µ*)
Influence
V.A. importantes
V.A. linéaires
V.A. négligeables
Inte
ract
ions
Etude stochastique avec ces V.A.
V.A. fixées à leur valeur moyenne
1 Morris, Factorial sampling for preliminary computational experiments, 1991
Basile Jannet – Doctorant CEA-Gramat 14
APPLICATION AS+CS SUR MODÉLISATION CONCRÈTE : CRBM
CRBM de l’Institut Pascal + Caisson PRINCE
Simulations avec GORF3D (CEA Gramat) et CST Microwave Studio ®
Modélisation Hypermesh ®CRBM Institut Pascal
Basile Jannet – Doctorant CEA-Gramat 15
CRBM GORF3D
DispositifCaisson avec fente de largeur fixe1 source S à l’extérieur, 1 récepteur R à l’intérieur2 groupes de fils horizontaux (G1 et G2 orientés suivant Y)
VariablesPosition de S sur X et ZPosition de G1 sur X et Z Position de G2 sur X et ZEspacement entre les fils de G1Espacement entre les fils de G2Rayon des fils de G1Rayon des fils de G2
10 variables
G1
G2
Basile Jannet – Doctorant CEA-Gramat 16
RÉSULTATS CAS GORF
1 VA s’impose
Coefficient de Variation =14%
Rapport d’Amplitude RA = 86%
Nb de réalisations = 129
Gain = 74%
Sans aléa
CS
MC
Basile Jannet – Doctorant CEA-Gramat 17
CAS CST 1 : CUBES
DispositifCaisson avec fente de largeur variable1 source S à l’extérieur, 1 récepteur R à l’intérieur2 cubes métalliques C1 et C2
VariablesPosition de S sur X et ZLargeur de la fentePosition de C1 sur X, Y et Z Position de C2 sur X, Y et Z
Image CST
9 variables
Basile Jannet – Doctorant CEA-Gramat 18
RÉSULTATS CAS CST 1
2 VA prédominantes
Coefficient de VariationCV = 20%
Rapport d’AmplitudeRA = 85%
Nb de réalisations = 253
Gain = 49%
Sans aléa
CS
MC
Basile Jannet – Doctorant CEA-Gramat 19
CAS CST 2 : DIMENSIONS DU CAISSON
DispositifCaisson avec fente de largeur variable1 source S à l’extérieur, 1 récepteur R à l’intérieur2 cubes métalliques C1 et C2
VariablesPosition de S sur X et ZLargeur de la fentePosition de C1 sur X, Y et Z Variation de la dimension X, Y ou Z du caisson
Image CST
9 variables
Basile Jannet – Doctorant CEA-Gramat 20
RÉSULTATS CAS CST 2
Coefficient de Variation CV = 16%
Rapport d’Amplitude RA = 80%
Nb de réalisations = 253
Gain = 49%
2 VA ressortent clairement
Sans aléa
CS
MC
Basile Jannet – Doctorant CEA-Gramat 21
CONCLUSION
+ Analyse de Sensibilité
Méthode simple, efficace et précise
Non intrusive
Définition du domaine de validité du RT
CRBM
Capacité à résoudre des problème complexes (gd nb de VA)
Très efficace
Faible précision requise
Limites: si variables équivalentes
Collocation Stochastique
Autre méthode possible (Sobol,…)RT
Impact des objets présents
Basile Jannet – Doctorant CEA-Gramat 22
PERSPECTIVES
Technique adaptativedifférentes distributions de probabilitédifférents critères
Optimisation de la méthode Coût/précisionVariables d’importances équivalentesVariables corrélées
Application de la méthode sur cas industrielBazooka ?Comparaison simulations/expériences ?
Basile Jannet – Doctorant CEA-Gramat 23
Merci pour votre attention