Ce projet s’inscrit dans une stratégie globale de transition énergétique qui a comme objectif de réduire les émissions de carbone induites par les activités humaines. Dans ce contexte, un des principaux leviers est de remplacer les combustibles d’origine fossile par un certain nombre de vecteurs énergétiques tels que (i) l’hydrogène décarboné et (ii) les batteries chargées d’électricité décarbonée. Il est clair que ces vecteurs représentent un intérêt certain, néanmoins, leur densité énergétique reste un frein majeur pour une utilisation généralisée. Pour pallier à cette limitation, la combustion des métaux représente une option complémentaire et prometteuse en raison de leur grande densité énergétique, leur facilité de stockage et de distribution. Dans cette gamme de combustible, le fer (Fe) offre une option très intéressante car sa combustion génère des produits de combustion décarbonés et recyclables au moyen d’énergie décarbonée avec des technologies existantes.
Un certain nombre de travaux expérimentaux ont été dédiés à l’étude des mécanismes de combustion des particules de fer, ils se sont intéressés principalement à la combustion d’une particule isolée et à la propagation d’une flamme au sein d’un nuage de particules. D’un autre côté, peu de travaux se sont intéressés à la modélisation et à la simulation de ce type de configuration.
Le but de ce projet est (i) d’élaborer un modèle numérique permettant d’étudier la combustion d’une particule de fer isolée et (ii) d’évaluer la possibilité de son implémentation dans un code de simulation numérique directe.
Dans le cadre de ce projet, le stagiaire sera amené à :
-
Réaliser un état de l’art complet des travaux (analytiques, expérimentaux et numériques) effectués sur ce thème. Cette première étape est primordiale car elle permettra d’orienter ce travail de recherche dans la bonne direction.
-
Proposer un modèle numérique (0D et/ou 1D) permettant de simuler les différents phénomènes impliqués dans la combustion d’une particule de fer.
-
Étudier l’impact des propriétés du gaz porteur sur le processus de combustion de la particule.
-
Implémenter le modèle développé dans le code de simulation numérique directe Asphodele dans le but d’effectuer des simulations 3D d’écoulements chargés de particules.
Profil recherché : Master ou Ingénieur avec des connaissances solides en combustion, méthodes numériques et en programmation avec les langages python et fortran.
Téléport 2, 1 av. Clément Ader
86961 Futuroscope Chasseneuil
Autres offres d'emploi
Retour à la listeCHERCHEUR/POST-DOC (H/F) – Investigations expérimentales de stratégies de contrôle en boucle fermée pour la réduction d'impact du sillage d'un corps d'Ahmed
Au CNRS, Laboratoire PPRIME, situé au Futuroscope, ce post-doctorat s'inscrit dans le cadre du projet ANR COWAVE (Contrôle rétroactif du sillage d'un véhicule) entre les laboratoires PRISME à Orléans, Pprime à Poitiers, LHEEA à Nantes et l'industrie automobile PSA. Cette offre concerne la contribution de Pprime au projet COWAVE. Celle-ci consiste à explorer expérimentalement dans un canal hydrodynamique des stratégies de contrôle de sillage en boucle fermée avec des volets mobiles. Les sillages tridimensionnels de corps épais, du type corps d'Ahmed, génèrent une traînée de pression et des forces latérales, contribuant ainsi de manière significative à la consommation de carburant et aux émissions polluantes des véhicules routiers. Malgré les nombreuses tentatives réalisées pour minimiser l'impact des sillages sur l'environnement, on ne sait toujours pas quelle est la stratégie de contrôle la plus efficace ! Dans ce contexte, le projet ANR COWAVE aborde deux aspects fondamentaux du contrôle du sillage : premièrement, quels types d'actionneurs sont les plus efficaces ? Alors que la plupart des stratégies de contrôle en boucle fermée utilisent des effets d'entraînement visqueux pour actionner les couches de cisaillement dans le sillage, l'exploitation des forces de pression produites par des déflecteurs mobiles pourrait être une alternative intéressante à tester. Deuxièmement, pour la mise en œuvre de la commande en boucle fermée, nous voulons tester si les stratégies de commande obtenues par des techniques d'apprentissage automatique (Machine Learning) permettent d'obtenir une meilleure efficacité et une plus grande robustesse que les approches plus classiques basées sur des modèles. Pour postuler suivre ce lien https://bit.ly/3qDG6Ml / Date Limite Candidature : vendredi 12 mars 2021
CNRS 2020 research competition. Position opened at Pprime. Projects on aspects covering "Machine Learning for Fluid Mechanics and Thermal Transfers" (application to section 7)
Section 7: Information sciences ; Position opened at Pprime-Project on aspects coveringMachine Learning for Fluid Mechanics and Thermal Transfers...