Simulations LES augmentées d'un moteur à combustion interne alimenté en hydrogène

L'électrification des véhicules et le rendement des moteurs à allumage commandé (MAC) sont les principaux leviers pour réduire les émissions de GES. La seconde priorité de la stratégie nationale pour le déploiment de l’hydrogène décarboné est le développement de l'hydrogène comme source d'énergie renouvelable, via une pile à combustible ou via sa combustion dans un MAC. Cependant, des défis technologiques doivent être relevés avant de répondre aux attentes en matière d'émissions, en raison de la complexité des applications hybrides. Pour l'aérodynamique interne, le mélange et la combustion, les défis sont associés notamment aux spécificités de l’hydrogène, à la robustesse des concepts, aux variations rapides de la charge moteur. La simulation aux grandes échelles (LES) est un outil essentiel pour la conception avancée mais les incertitudes épistémiques limitent la précision des prédictions dans les systèmes réels. Par conséquent, il est désormais crucial de progresser pour obtenir une conception optimale et robuste. 
Cette thèse s'intègre dans le projet ANR-PRC-2020 ALEKCIA, dont l'objectif principal est de développer des outils innovants pour la prédiction et l'analyse augmentées des écoulements turbulents réactifs. A cet égard, une approche expérimentale et numérique couplée dans un MAC à accès optique sera réalisée par les différents partenaires (IFPEN, PRISME, PPRIME). La présente thèse vise à développer des méthodologies numériques permettant d’une part de réaliser des simulations aux grandes échelles (LES) optimisées et d’autre part, d’intégrer dans les LES, par la technique d’Assimilation de données, les données de mesures résolues sur des cycles extrêmes afin de les reproduire. Enfin, l'analyse détaillée des résultats permettra de déterminer quels paramètres clés sont responsables des phénomènes rares et des variabilités cycliques.
Compte tenu de la nature innovante du travail, des publications dans des journaux scientifiques de haute qualité sont attendues.

Keywords: CFD, Large-eddy simulation, uncertainty and sensitivity analysis, calibration / optimization, spark ignition engine, hydrogen combustion, empirical mode decomposition

• Directeur de thèse    Dr, HDR Stephane JAY, IFP Energies nouvelles
• Ecole doctorale    SMEMAG (ED 579), Univ Paris-Saclay, web site
• Encadrant IFPEN    Dr Karine Truffin, IFP Energies nouvelles, karine.truffin@ifpen.fr
• Co-encadrant IFPEN    Dr. Delphine SINOQUET, IFP Energies nouvelles
• Localisation du doctorant    IFP Energies nouvelles, Rueil-Malmaison, France  
• Durée et date de début    3 ans, début de préférence : le 1 octobre 2022 
• Employeur    IFP Energies nouvelles, Rueil-Malmaison, France 
• Qualifications    Master 2 en Mécanique des fluides, Energétique et / ou Maths appliquées
• Connaissances linguistique    Français courant (ou volonté d’apprendre), aisance en Anglais
• Autres qualifications    Réduction d’incertitudes, calage / optimisation, CFD, programmation (C/C++ et Python), Combustion, CFD