Thèse Année : 2024

Fast simulation of wind-obstacle interactions. Applications to desertscape modeling and car design

Simulation rapide d'interactions vent-obstacle. Application à la modélisation de paysages désertiques et à la conception de voiture

Résumé

The air being ubiquitous around us, it is a vital element to take into account to simulate natural phenomena, and design object immersed in this fluid. Depending on their size and nature, objects can be transported, deformed or slowed down by contact with air. In this way, wind erodes and shapes natural landscapes, and vehicles are designed to offer them less resistance. Studying these phenomena involves understanding and modeling wind-obstacle interactions. This is a challenging task, given the non-linear nature of the equations governing fluid flow. Accurately representing fluid behavior often requires the use of time-consuming solvers, which severely limits their use in certain contexts. In this thesis, we explore methods for efficiently describing these wind-obstacle influences in order to simulate them and anticipate their impacts in two use cases where the need for rapid results is crucial: Firstly, we focus on car design, proposing a tool to provide aerodynamic feedback to car designers on the shapes they propose. To enable rapid iterations on the design, this feedback on the flow behavior around the proposed shapes must be interactive. In a second step, we study different approaches to modeling desert landscapes, both simulating dunes and describing the patterns created by sand erosion/deposition around buildings. Here, the obstacle - the terrain - is constantly changing as sand is eroded and deposited by the wind. The wind must in turn be updated at each of these stages. These iterations require an appropriate method to avoid excessive computation times. We overcome these problems by proposing methods that seek the best compromise between computation time and accuracy of the phenomena at work in each case. We identify the necessary flow characteristics to limit the complexity of our algorithms, and present learning-based methods to speed up our algorithms. In the case of car design, we show how to train our aid system on instantaneous, synchronized observations, which are richer in information than averaged data. The neural model we obtain, combined with a learned parameterization of shapes, enables us to invert the problem formulation and propose optimized shapes to the designer. We assemble these tools and demonstrate their effectiveness in the case of 2D profiles. In the case of modeling desert landscapes, we note that saltation is the predominant mode of sand transport, which enables us to simplify our algorithm. Coupled with a fast wind simulation, we obtain an efficient method inspired by both natural sciences and computer graphics. We validate our approximations by comparing our results with real-world measurements. Finally, with a view to inverting the sand deposition algorithm for reverse infrastructure design, we describe preliminary results for accelerating air simulation by developing a self-learning formulation predicting averaged wind over a terrain. As this method is based on neural networks, it shows promise for inverse design.

L'omniprésence de l'air autour de nous en fait un élément indispensable à prendre en compte pour simuler des phénomènes naturels et concevoir des objets immergés dans ce fluide. En fonction de leur taille et de leur nature, les objets sont des obstacles qui peuvent être transportés, déformés ou ralentis au contact de l'air. Ainsi, le vent érode et modèle les paysages naturels, et les véhicules sont conçus pour lui offrir une moindre résistance. Étudier ces phénomènes implique de comprendre et de modéliser les interactions vent-obstacle. Cette modélisation représente un défi de par la nature non linéaire des équations qui gouvernent l'écoulement des fluides. Représenter précisément le comportement d'un fluide requiert souvent de faire appel à des solveurs très couteux en temps, ce qui limite grandement leur utilisation dans certains contextes. Nous explorons dans cette thèse des méthodes permettant de décrire efficacement ces influences vent-obstacle afin de les simuler et d'anticiper leurs impacts dans deux cas d'usage où le besoin de résultats rapides est crucial : Dans un premier temps, nous nous intéressons à la conception de voiture en proposant un outil fournissant des retours aérodynamiques aux designers automobiles sur les formes qu'ils proposent. Afin de permettre de rapides itérations sur le design, ces retours sur le comportement de l'écoulement autour des formes proposées doivent être interactifs. Dans un second temps, nous étudions différentes approches permettant de modéliser des paysages désertiques, permettant à la fois de simuler des dunes et de décrire les motifs créés par érosion/déposition du sable autour de bâtiments. Ici, l'obstacle, à savoir le terrain, évolue constamment à mesure que le sable est érodé puis déposé par le vent. Le vent doit être à son tour mis à jour lors de chacune de ces étapes. Ces itérations nécessitent une méthode appropriée afin de ne pas produire des temps de calcul trop importants. Nous surmontons ces problèmes en proposant des méthodes cherchant les meilleurs compromis temps de calcul/précision des phénomènes à l'œuvre dans chacun des cas. Nous identifions pour cela les caractéristiques nécessaires de l'écoulement afin de limiter la complexité de nos algorithmes et présentons notamment des méthodes à base d'apprentissage qui nous permettent d'accélérer nos algorithmes. Dans le cas du design de voiture, nous montrons comment entraîner notre système d'aide sur des observations instantanées et synchronisées, plus riches en informations que des données moyennées. Le modèle neuronal que nous obtenons, associé à une paramétrisation apprise des formes, nous permet en outre d'inverser la formulation du problème et de proposer au designer des formes optimisées. Nous assemblons ces outils et démontrons leur efficacité dans le cas de profils 2D. Dans le cas de la modélisation de paysages désertiques, nous notons que la saltation est le mode de transport de sable prédominant, ce qui nous permet de simplifier notre algorithme. Couplé à une simulation rapide de vent, nous obtenons une méthode efficace inspirée des sciences naturelles et de l'informatique graphique. Nous validons nos approximations en comparant nos résultats à des mesures effectuées dans le monde réel. Enfin, dans la perspective d'inverser l'algorithme de dépôt de sable pour le design inverse d'infrastructure, nous décrivons des résultats préliminaires d'accélération de la simulation de l'air en développant une formulation auto-apprenante prédisant un vent moyenné au-dessus d'un terrain. Cette méthode étant basée sur des réseaux de neurones, elle est prometteuse pour le design inverse.

Fichier principal
Vignette du fichier
Thesis_Nicolas2.pdf (70.48 Mo) Télécharger le fichier
Origine Fichiers produits par l'(les) auteur(s)
Licence

Dates et versions

tel-04907415 , version 1 (23-01-2025)
tel-04907415 , version 2 (12-03-2025)

Licence

Identifiants

  • HAL Id : tel-04907415 , version 1

Citer

Nicolas Rosset. Fast simulation of wind-obstacle interactions. Applications to desertscape modeling and car design. Computer Science [cs]. Universite Côte d'Azur, 2024. English. ⟨NNT : ⟩. ⟨tel-04907415v1⟩
406 Consultations
238 Téléchargements

Partager

  • More