Thèse Modélisation Réduite des Efforts Hydrodynamiques Instationnaires et Conception Robuste de Foils de Navire H/F - Doctorat.Gouv.Fr

Établissement : Institut Polytechnique de Paris École polytechnique École doctorale : Mathématiques Hadamard Laboratoire de recherche : CMAP - Centre de Mathématiques appliquées Direction de la thèse : Olivier LE MAÎTRE ORCID 0000000238117787 Début de la thèse : 2026-10-15 Date limite de candidature : 2026-09-30T23:59:59 Les foils sont des appendices hydrodynamiques permettant de sustenter partiellement ou totalement un navire afin de réduire sa résistance à l'avancement. Les progrès récents en matière de matériaux, de conception et de fabrication permettent aujourd'hui d'utiliser des plans porteurs très élancés et fortement chargés, offrant des gains importants en vitesse ou en réduction de la consommation énergétique. Leur conception reste cependant difficile, notamment en raison du caractère instationnaire des efforts hydrodynamiques et du couplage entre le comportement du foil, la dynamique du navire et les conditions de navigation.

Les méthodes de simulation disponibles couvrent un large continuum de niveaux de fidélité. Les simulations CFD à haute fidélité permettent de représenter finement l'ensemble de l'hydrodynamique du navire, mais leur coût limite leur utilisation à un nombre restreint de configurations. À l'inverse, les simulateurs dynamiques utilisés en conception assemblent des modèles simplifiés ou des surfaces de réponse. Leur faible coût permet d'explorer de nombreuses conditions de navigation, au prix d'une représentation souvent simplifiée des effets instationnaires et des interactions. Entre ces deux extrêmes, des méthodes de fidélité intermédiaire, fondées notamment sur des modèles de surface ou de ligne portante et une représentation explicite du sillage, offrent un compromis particulièrement intéressant.

La thèse vise à exploiter ce continuum afin de développer des outils numériques efficaces pour la simulation dynamique et la conception robuste de foils. Un premier axe portera sur la construction de modèles réduits des efforts hydrodynamiques instationnaires. À partir de trajectoires générées par un modèle hydrodynamique de fidélité intermédiaire, différentes approches d'apprentissage seront étudiées afin de prédire les efforts en tenant compte de la cinématique passée du foil et des effets de mémoire liés au sillage. Des modèles autorégressifs, des réseaux de neurones temporels et des représentations à état latent seront notamment comparés. Des approches hybrides, combinant un modèle physique simplifié et une correction dynamique apprise, seront également considérées. Une attention particulière sera portée à la robustesse des prédictions lorsque les conditions rencontrées diffèrent de celles utilisées pour l'apprentissage.

Le deuxième axe concernera l'intégration de ces modèles d'efforts dans un simulateur dynamique couplé du navire. Un enjeu central sera de déterminer si un modèle précis pour des trajectoires imposées reste fiable lorsqu'il est utilisé en boucle fermée : les erreurs sur les efforts modifient alors la trajectoire du navire, qui modifie à son tour les conditions rencontrées par le foil. La validation portera ainsi non seulement sur la prédiction des efforts, mais également sur les propriétés de la dynamique obtenue : trajectoires, amplitudes de réponse, fréquences propres, amortissement et stabilité. Des stratégies d'apprentissage actif pourront être développées pour enrichir progressivement les données dans les régions effectivement explorées par le système couplé.

Enfin, le faible coût du simulateur sera exploité pour la propagation des incertitudes et l'optimisation robuste. Les incertitudes pourront concerner les conditions environnementales, les propriétés dynamiques du navire et les modèles utilisés. La conception prendra en compte la performance moyenne, sa variabilité et le risque de situations défavorables, notamment au moyen de critères tels que la CVaR ou l'optimisation directe de quantiles de performance.

La thèse établira ainsi un lien entre la modélisation hydrodynamique instationnaire, l'apprentissage de modèles dynamiques, la simulation couplée et l'optimisation sous incertitude, avec pour objectif la conception de foils à la fois performants et robustes aux conditions réelles de navigation.
Les foils permettent de réduire la résistance des navires et d'améliorer leur efficacité énergétique. Leur conception nécessite cependant de prédire des efforts hydrodynamiques instationnaires, fortement influencés par la dynamique du sillage. Les simulations CFD à haute fidélité permettent de représenter ces phénomènes, mais leur coût limite leur utilisation en conception. À l'inverse, les modèles simplifiés reproduisent imparfaitement les effets dynamiques et de mémoire. Le développement de modèles réduits combinant des simulations de fidélité intermédiaire et l'apprentissage statistique constitue une voie prometteuse. Leur intégration dans des simulateurs dynamiques doit permettre d'explorer de nombreuses conditions de navigation et d'aborder la conception robuste des foils.
Les objectifs de la thèse sont de développer des modèles réduits des efforts hydrodynamiques instationnaires sur les foils, puis d'étudier leur intégration dans un simulateur dynamique couplé du navire. Ces outils seront ensuite exploités pour quantifier l'effet des incertitudes et optimiser la conception des foils, afin d'obtenir des solutions performantes et robustes dans des conditions de navigation variées. Les efforts hydrodynamiques instationnaires seront simulés à l'aide de modèles de fidélité intermédiaire, fondés notamment sur des méthodes de surface portante et une représentation du sillage. Ces simulations serviront à construire des modèles réduits par apprentissage statistique : modèles autorégressifs, réseaux de neurones temporels, modèles à état latent et approches hybrides physique-données. Ces modèles seront ensuite intégrés dans un simulateur dynamique couplé afin d'en évaluer la précision et la stabilité en boucle fermée. Des méthodes d'apprentissage actif pourront être utilisées pour enrichir adaptativement les données d'entraînement. Enfin, des méthodes de propagation d'incertitudes et d'optimisation robuste, notamment fondées sur la CVaR et les quantiles de performance, seront mises en oeuvre pour la conception des foils.

Le candidat devra disposer d'une solide formation en mathématiques appliquées, mécanique des fluides ou sciences numériques, de niveau Master ou école d'ingénieur. Des compétences en simulation numérique et en programmation scientifique sont attendues, ainsi que de bonnes bases en mécanique des fluides et/ou en apprentissage statistique. Une expérience en CFD, modélisation réduite, machine learning ou optimisation constituera un atout. Le sujet étant à l'interface de plusieurs disciplines, une aptitude à articuler modélisation physique, méthodes numériques et approches fondées sur les données sera particulièrement recherchée.

• Programmation
• Machine learning
• Mécanique des fluides