Machine-learning-assisted phase-amplitude reduction for fast synchronization of airfoil wakes with constrained fluctuations

L'air circule autour des objets de manières qui peuvent être à la fois prévisibles et farouchement chaotiques. Lorsqu'une forme solide, comme une aile d'avion, se déplace dans l'air, le fluide ne glisse pas toujours de manière fluide sur sa surface. Au lieu de cela, il se détache souvent, créant des vortex tourbillonnants qui se détachent à l'arrière selon un motif rythmique et répétitif. Ce phénomène, connu sous le nom de détachement tourbillonnaire (vortex shedding), est un comportement fondamental des fluides qui se produit dans tout, du vent soufflant sur un pont à l'eau circulant autour de la coque d'un navire. Bien que ces motifs tourbillonnants soient naturels, ils peuvent causer des problèmes. Les vibrations rythmiques qu'ils induisent peuvent entraîner une fatigue structurelle, un bruit excessif ou une perte de portance qui rend le vol inefficace. Pour les ingénieurs, l'objectif est souvent de dompter ces flux, soit pour arrêter les vibrations, soit pour changer leur rythme en quelque chose de plus gérable. Cependant, l'air est un système complexe à haute dimension, ce qui signifie qu'il possède d'innombrables parties mobiles qui interagissent de manières difficiles à prédire. Tenter de contrôler un tel système nécessite généralement des quantités massives de données et de puissance de calcul, ce qui en fait une tâche de taille pour les applications réelles où les capteurs sont limités et le temps est compté.

Une équipe de chercheurs a développé une nouvelle méthode pour diriger ces écoulements d'air chaotiques rapidement et avec précision, en utilisant très peu d'informations. En combinant une technique mathématique qui simplifie les rythmes complexes avec l'apprentissage automatique moderne, ils ont démontré comment changer la vitesse à laquelle l'air tourbillonne derrière une aile, tout en maintenant les forces sur l'aile stables. L'étude s'est concentrée sur un scénario spécifique où une aile d'avion est inclinée selon un angle prononcé, provoquant la séparation de l'air et la création d'un sillage turbulent. Dans cet état, l'aile subit un détachement rythmique de vortex qui peut être dangereux. Les chercheurs voulaient forcer ce sillage à changer de rythme plus rapidement qu'il ne le ferait naturellement, mais ils ont été confrontés à une contrainte critique : ils ne pouvaient pas permettre que les changements provoquent des variations sauvages de la force de portance, ce qui rendrait l'aéronef instable.

Pour résoudre ce problème, l'équipe a d'abord dû comprendre le « battement de cœur » de l'écoulement d'air. Ils ont traité le sillage tourbillonnant non pas comme un désordre chaotique, mais comme un oscillateur rythmique, semblable à un pendule qui oscille d'avant en arrière. Chaque rythme possède une synchronisation spécifique, ou phase, et une intensité spécifique, ou amplitude. Les chercheurs devaient savoir exactement quand pousser l'air pour changer sa vitesse et avec quelle force pousser sans rendre le rythme trop sauvage. Traditionnellement, trouver le moment parfait pour pousser nécessite de connaître la sensibilité de chaque point de l'air autour de l'aile, une tâche qui exige généralement un superordinateur pour simuler l'ensemble du champ d'écoulement. Au lieu de cela, cette équipe a utilisé un raccourci ingénieux. Ils ont placé seulement trois minuscules capteurs sur la surface de l'aile pour mesurer le comportement local de l'air. À l'aide d'un algorithme d'apprentissage automatique, ils ont construit un modèle mathématique capable de prédire l'écoulement complexe et tourbillonnant de l'ensemble du sillage en se basant uniquement sur les lectures de ces trois points.

Avec ce modèle simplifié en main, les chercheurs ont appliqué une technique appelée réduction phase-amplitude. Cette méthode leur a permis de cartographier une « carte de sensibilité » pour l'ensemble de l'écoulement d'air en utilisant seulement les données des trois capteurs. Cette carte leur a montré exactement où et quand l'air était le plus sensible à une poussée. Ils ont découvert que le lieu le plus efficace pour agir se situait près du bord d'attaque de l'aile. Plus important encore, ils ont découvert que le meilleur moment pour pousser afin de changer le rythme était différent du meilleur moment pour pousser si l'on voulait éviter de trop faire vibrer l'aile. S'ils ne s'intéressaient qu'à la vitesse, ils pousseraient à un certain moment ; s'ils se souciaient de la stabilité, ils devaient pousser à un moment différent.

L'équipe a ensuite conçu un signal de contrôle spécifique, une forme d'onde, qui agissait comme une instruction précise adressée à l'air. Ce signal était calculé pour synchroniser le rythme du sillage avec une nouvelle fréquence plus rapide le plus rapidement possible, tout en pénalisant simultanément toute action qui provoquerait des fluctuations sauvages de la force de portance. Lorsqu'ils ont testé cela dans des simulations informatiques, les résultats ont été frappants. La nouvelle méthode a changé la fréquence de l'air tourbillonnant derrière l'aile huit fois plus vite qu'une poussée simple de va-et-vient standard. De plus, en incluant la pénalité pour la fluctuation d'amplitude dans leur calcul, ils ont réussi à supprimer les variations de la force de portance de vingt pour cent par rapport à une méthode qui ne se concentrait que sur la vitesse.

L'étude confirme qu'il est possible de contrôler des dynamiques de fluides complexes avec des informations très éparses. En utilisant l'apprentissage automatique pour combler le fossé entre quelques lectures de capteurs et l'écoulement tridimensionnel complet, les chercheurs ont créé une voie vers un contrôle de flux rapide et efficace qui ne nécessite pas de capteurs de plein champ coûteux ou de ressources de calcul massives. Cette approche suggère qu'à l'avenir, les ingénieurs pourraient installer de simples réseaux de capteurs sur les avions ou les éoliennes pour gérer activement l'écoulement de l'air, réduisant ainsi la traînée et le bruit sans déstabiliser la structure. La technique s'est avérée efficace sur différentes formes et angles d'ailes, montrant que la physique sous-jacente de ces écoulements rythmiques peut être maîtrisée grâce à une stratégie intelligente et basée sur les données qui respecte l'équilibre délicat entre vitesse et stabilité.