Le contrôle d'écoulement est au cœur de nombreux défis en ingénierie, tel que la réduction de la trainée pour les véhicules de transport terrestre ou aérien, l'augmentation de la portance en aéronautique, l'amélioration du mélange pour les réactions chimiques parmi bien d'autres. Le contrôle des écoulements par rétroaction s'appuyant sur la connaissance de l'état du système, ouvre la possibilité de contrôle robuste pour ces applications (Brunton & Noack, 2015 Appl. Mech. Rev. 67, 050801).

Ce travail vise à la mise en place de stratégie de contrôle en boucle fermée par apprentissage automatique (Machine Learning, ML) pour les écoulements fluides. Cette approche permet de tirer parti d'un constat en cours d'émergence : la dynamique nonlinéaire du système sous contrôle se révèle généralement beaucoup plus simple que celle du système libre qui, dans le cas des systèmes fluides, présente toujours à priori un très grand nombre de degrés de liberté.

Parmi les différentes formes d'intelligence artificielle, nous présenterons une méthode par programmation génétique (Duriez et al. 2016 Springer) qui mime les processus de sélection Darwiniens pour faire émerger empiriquement une loi de contrôle efficace. La résolution du problème de contrôle est ainsi vue comme un problème de régression où l'élément à optimiser est la loi de contrôle elle-même.

Cette approche est appliquée à un système fluide conçu à cet effet, le pinball fluidique, car il présente une dynamique riche en couplages nonlinéaires de modes et permet d'évaluer des contrôleurs de type MIMO. L'idée est de placer 3 cylindres pouvant tourner sur eux même transversalement à l'écoulement. Les axes des cylindres sont localisés aux 3 sommets d'un triangle équilatéral pointant dans le sens opposé à l'écoulement. Le premier cylindre peut dévier l'écoulement de part et d'autre de l'obstacle, d'où le nom de pinball. Le contrôle a pour objectif la réduction de la puissance de traînée induite par le sillage des 3 cylindres en pénalisant la puissance de l'action.

Nous pensons que le pinball fluidique constitue un système de référence pour l'évaluation des modèles de contrôle. C'est pourquoi dans un premier temps, nous présenterons les principales réponses au forçage, puis une étude de la dynamique naturelle de l'écoulement qui présente des scénarios de bifurcations successives vers le chaos quand le nombre de Reynolds croît, étonnement riche.

La deuxième partie de l'apport concernera les améliorations apportées à la programmation génétique et les résultats de réduction de trainée ainsi obtenus (46% de la trainée de l'écoulement naturel).

Remerciement : Recherche soutenu par le projet ANR-ASTRID FlowCon (ANR-17-ASTR-0022) Contrôle d'écoulements turbulents en boucle fermée par apprentissage automatique.