Qui sommes-nous ?
Espace utilisateur
Formation continue
Credit : L. Godart/CEA
D’un jour à plusieurs semaines, nos formations permettent une montée en compétence dans votre emploi ou accompagnent vers le retour à l’emploi. 
Conseil et accompagnement
Crédit : vgajic
Fort de plus de 60 ans d’expériences, l’INSTN accompagne les entreprises et organismes à différents stades de leurs projets de développement du capital humain.
Thèses
Accueil   /   Thèses   /   Analyse dimensionnelle pilotée par les données pour la conception de systèmes passifs de sûreté nucléaire

Analyse dimensionnelle pilotée par les données pour la conception de systèmes passifs de sûreté nucléaire

Energie, thermique, combustion, écoulements Mathématiques - Analyse numérique - Simulation Sciences pour l’ingénieur

Résumé du sujet

La plupart des nouveaux concepts de réacteur à eau pressurisée proposent des boucles de convection naturelle pour évacuer la chaleur résiduelle, en particulier ceux de petite ou moyenne puissance (SMR). Pour s’assurer que ces systèmes innovants démarreront et fonctionneront comme prévu dans toute la gamme des conditions opératoires envisagées, on a recours à des essais dans des maquettes à échelle réduite. Seule une similitude partielle étant généralement possible avec ces maquettes, il faut déterminer les nombres dimensionnels prépondérants pour maîtriser le choix des phénomènes dont la représentativité sera sacrifiée. Or, cette détermination est difficile en présence de phénomènes multi-physiques, dynamiques, non-linéaires ou couplés, aboutissant à des dizaines de groupements adimensionnels que l’on ne peut hiérarchiser. Dans ce travail de thèse, on se propose tout d’abord de générer une collection de données numériques caractérisant un système d’évacuation de la puissance résiduelle par convection naturelle (simulations Cathare, synthèse d’essais existants). Cette collection de données viendra ensuite alimenter un algorithme d’identification automatique des nombres adimensionnels prépondérants, que le doctorant devra développer en s’inspirant de techniques de type machine learning, pénalisation, décomposition en valeurs singulières… L’algorithme sera appliqué à des boucles et dispositifs fonctionnant en convection naturelle tels que ceux étudiés au DER/SESI de l'institut CEA/IRESNE.

Laboratoire

Département Etude des Réacteurs
Service d’Etudes des Systèmes Innovants
Laboratoire de pré-conception et optimisation des systèmes
Top envelopegraduation-hatlicensebookuserusersmap-markercalendar-fullbubblecrossmenuarrow-down