A3 Theorique CoursTurbulence 040913

ENSTA Introduction à la turbulence. F.
Archambeau
2004-2005 Page 1/54
Introduction à la turbulence.
F. Archambeau
Ce document présente en quelques pages les équations de Navier-Stokes, la notion de moyenne statis-
tique, quelques considérations simples sur la cascade énergétique et les principaux types d’approche
permettant de traiter la turbulence en écoulement monophasique (RANSE, LES, DNS). Le document
s’adresse à un public non spécialiste de la simulation numérique et de la turbulence : en conséquence,
certains paragraphes, simplifiés par souci de clarté, pourront apparaı̂tre caricaturaux ou incomplets. La
bibliographie, néanmoins, permettra aux lecteurs intéressés de compléter utilement ce tour d’horizon
rapide.
ENSTA Introduction à la turbulence. F. Archambeau
2004-2005 Page 2/54
Cette page est laissée intentionnellement blanche.

2004-2005 Page 3/54
SOMMAIRE
1 MANIFESTATIONS DE LA TURBULENCE . . . . . . . . . . . . . . . . . . . . 7
1.1 Introduction . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 7
1.2 Exemples d’applications industrielles . . . . . . . . . . . . . . . . . . . . . . . . . 7
1.3 Évolution des moyens de calcul . . . . . . . . . . . . . . . . . . . . . . . . . . . . 11
2 ÉQUATIONS MOYENNÉES . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 11
2.1 Expérience de Reynolds . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 11
2.2 Origine de la turbulence . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 11
2.2.1 Une équation linéaire . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 11
2.2.2 Une équation non linéaire . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 14
2.2.3 Mélange lié au transport par les perturbations de vitesse . . . . . . . . . . . . . . . . . 15
2.3 Décomposition en valeurs moyennes et fluctuations . . . . . . . . . . . . . . . 17
2.3.1 Introduction . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 17
2.3.2 Propriétés des moyennes . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 18
2.3.3 Décomposition de Reynolds . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 18
2.3.4 Masse volumique variable : décomposition de Favre . . . . . . . . . . . . . . . . . . . 19
2.3.5 Densité de probabilité . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 21
2.3.6 Ergodicité . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 22
3 LA CASCADE ÉNERGÉTIQUE . . . . . . . . . . . . . . . . . . . . . . . . . . . . 23
3.1 Introduction . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 23
3.2 Équation de l’énergie cinétique turbulente . . . . . . . . . . . . . . . . . . . . . 23
3.3 Turbulence homogène isotrope . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 23
3.3.1 Introduction . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 23
3.3.2 Transformées de Fourier . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 24
3.3.3 Cascade de Kolmogorov . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 25
4 MODÉLISATION DE LA TURBULENCE . . . . . . . . . . . . . . . . . . . . . . 26
4.1 Introduction . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 26
4.2 Modèles à viscosité turbulente . . . . . . . . . . . . . . . . . . . . . . . . . . . . 28
4.2.1 Introduction . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 28
4.2.2 Viscosité constante . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 29
4.2.3 Longueur de mélange : hypothèse de Prandtl (1925) . . . . . . . . . . . . . . . . . . . 29
4.2.4 Longueur de mélange : application à un écoulement entre deux plaques planes parallèles 30
4.2.5 k − l . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 32
4.2.6 Le modèle de viscosité turbulente à deux équations k − ε . . . . . . . . . . . . . . . . 33
2004-2005 Page 4/54
4.2.7 Modèles non linéaires . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 36

4.3 Modèles aux tensions de Reynolds . . . . . . . . . . . . . . . . . . . . . . . . . . 36
4.3.1 Introduction . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 36
4.3.2 Les équations du modèle LRR . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 37
4.3.3 Interprétation des différents termes . . . . . . . . . . . . . . . . . . . . . . . . . . . . 37
4.4 Thermique . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 39
4.4.1 Introduction . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 39
4.4.2 Modélisation de type ”viscosité turbulente” . . . . . . . . . . . . . . . . . . . . . . . . 39
4.4.3 Comportement en proche paroi . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 40
4.5 Conditions aux limites en entrée . . . . . . . . . . . . . . . . . . . . . . . . . . . . 41
4.5.1 Introduction . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 41
4.5.2 Énergie cinétique turbulente et dissipation pour les écoulements internes . . . . . . . . 42
4.5.3 Énergie cinétique turbulente et dissipation pour les écoulements externes . . . . . . . . 43
4.5.4 Modèles aux tensions de Reynolds . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 43
4.5.5 Remarque . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 43
4.6 Perspectives . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 44
4.6.1 Introduction . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 44
4.6.2 Le modèle k − ω SST . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 44
4.6.3 Le v 2 − f , version φ-model . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 44
5 SIMULATION DES GRANDES ÉCHELLES . . . . . . . . . . . . . . . . . . . . . 45
5.1 Introduction . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 45
5.2 Simulation des grandes échelles : la démarche . . . . . . . . . . . . . . . . . . . 45
5.3 Modèles de sous-maille . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 46
5.3.1 Introduction . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 46
5.3.2 Modèle de Smagorinsky . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 47
5.3.3 Modèles dynamiques . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 47
5.4 Conditions aux limites en entrée . . . . . . . . . . . . . . . . . . . . . . . . . . . . 47
5.5 Perspectives . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 48
6 SIMULATION DIRECTE . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 49
7 MAILLAGE . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 49
7.1 Introduction . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 49
7.2 Considérations numériques . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 49
7.3 Considérations physiques . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 50
7.4 Synthèse . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 51
8 CONCLUSION ET PERSPECTIVES . . . . . . . . . . . . . . . . . . . . . . . . . 52
9 BIBLIOGRAPHIE . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 53
2004-2005 Page 5/54
Répertoire des modifications du document

Référence Désignation des modifications Observations
2004-2005 Page 6/54
Cette page est laissée intentionnellement blanche.

2004-2005 Page 7/54
1 Manifestations de la turbulence
1.1 Introduction
Chacun est capable de citer des effets bien visibles de la turbulence : les flots tumultueux, les rafales
de grand frais, les bourrasques chargées de neige, les tourbillons de rétroviseur, le développement de
couche limite le long d’une coque de navire, les tourbillons de bout d’aile, la fumée d’une cigarette ou
le développement d’un filet d’eau coulant d’un robinet...
Dans chacun de ces cas, des structures tourbillonnaires plus ou moins organisées rendent l’écoulement
complexe et il devient difficile d’en appréhender les détails, d’en prédire précisément l’évolution ins-
tantanée et locale, même en mettant en œuvre les moyens de calcul de pointe qui ne cessent de voir
leur puissance s’accroı̂tre.
La prise en compte, plus ou moins raffinée, de l’influence de ces structures est cependant indispen-
sable dans une grande partie des applications industrielles courantes.
1.2 Exemples d’applications industrielles

La prise en compte de la turbulence est indispensable dans bon nombre d’applications industrielles,
même si elles ne nécessitent pas toutes le même niveau de précision pour la modélisation sous-jacente.
Quelques exemples sont proposés ci-dessous.
- Dimensionnement de réseau
Lors du dimensionnement et de l’optimisation des réseaux de distribution fluides (gaz, eau,
pétrole...) la perte de charge des conduites doit être prise en compte. Une modélisation sans
prise en compte de la turbulence peut conduire à une forte sous-estimation du frottement (voir
l’abaque de Moody) et donc à une large sous-évaluation de la puissance des pompes.
Une prise en compte relativement globale par simples corrélations pourra dans ce cas suffire.
- Échangeurs
Les échangeurs de chaleur des moteurs, des unités de production (voir figure 1 la représentation
d’un générateur de vapeur de centrale nucléaire à eau pressurisée) ont recours à des fluides divers
et de viscosité très différente (hydrogène, azote, air, eau pressurisée, sodium...), dans des volumes
plus ou moins confinés. Selon le cas, les écoulements peuvent être fortement turbulents. Il est
indispensable de prendre en compte cette caractéristique pour le calcul des échanges thermiques
(la turbulence les augmente en général, voir les corrélations de Nusselt en convection forcée).
Selon les besoins, les informations recherchées peuvent être locales (pour la recherche de points
chauds, pour l’analyse de la tenue mécanique) ou globales (détermination de rendement par des
codes composant ou système). Des modélisations plus ou moins raffinées sont alors mises en
œuvre, de la simple corrélation à la simulation des grandes échelles.
- Aéronautique
Le domaine a très tôt développé des modélisations adaptées aux couches limites.
- Prévisions atmosphériques
La météorologie est un domaine qui a été particulièrement moteur dans la modélisation de la
turbulence et le calcul numérique (voir par exemple les calculs précurseurs de Deardorff en si-
mulation des grandes échelles dès 1973 [6], le développement de divers modèles de longueur de
mélange...).
- Usure par excitation turbulente
Les tubes de générateur de vapeur (figure 1), les crayons combustibles des grappes (figure 2), sont
soumis à des écoulements complexes transverses ou longitudinaux de nature fortement turbulente.
Bien que le régime soit globalement stationnaire, les structures turbulentes ont pour effet d’exciter
ces structures ”filaires” et de grande portée (le diamètre des crayons est de l’ordre de quelques
millimètres, pour une longueur de 4 à 5 mètres). Par couplage avec leurs modes propres, les
structures oscillent et s’usent par frottement et choc aux points de guidage, d’ancrage, aux
grilles... Cette usure doit être appréhendée au mieux, à la fois pour des raisons de sûreté (la
2004-2005 Page 8/54
gaine des crayons combustibles et le GV sont des barrières de radiprotection) et pour des raisons
de performance (si des tubes de GV sont percés, ils doivent être bouchés et le générateur de
vapeur perd de son efficacité).
Une modélisation fine des fluctuations est nécessaire dans ce cas.
Fig. 1 – Générateur de vapeur d’une centrale nucléaire à eau pressurisée
Fig. 2 – Grappe de commande d’une centrale nucléaire à eau pressurisée
- Interactions aéro-acoustiques
La turbulence est à l’origine de fluctuations de pression dont les effets sont très variés. Dans
l’automobile, elles peuvent nuire au confort auditif des passagers. Dans les centrales thermiques
à gaz, les interactions du bruit avec la flamme (humming) pourront la déstabiliser. Dans le
domaine des pompes, des lignes et circuits, l’intégrité des matériels et la sûreté sont en jeu.
Il convient dans ces cas d’adopter des modélisations fines.
- Combustion
Dans le domaine de la combustion (figure 3), la prise en compte de la turbulence est parti-
culièrement importante dans les chaudières industrielles, puisque l’avancement des réactions chi-
miques, la température atteinte, la nature des produits (SOx, NOx...) dépendent entre autres du
2004-2005 Page 9/54
niveau de mélange local des réactifs.

Des modélisations souvent particulières doivent être mises en place (Eddy Break Up model par
exemple).
Fig. 3 – Flux thermiques aux parois d’une chaudière à charbon
- Interactions thermomécaniques fluide-structure

Dans ce domaine, on cherche à utiliser les informations thermiques provenant du fluide comme
conditions sur le solide afin de calculer l’amorçage, la propagation et la nocivité des fissures. Ceci
permet, selon les cas, d’évaluer les effets de fatigue thermique par cyclage (effets de variations
de température de l’ordre du Hertz ou au-dessous), ou les effets de chocs thermiques (brutale
variation de température : figure 4). Dans ces cas, selon l’utilisation qui doit être faite des
informations obtenues, les modèles seront plus ou moins élaborés :
- le ”simple” k − ε permettra des analyses de choc thermiques ”en moyenne”,
- les modèles de transport des tensions de Reynolds permettront de capter des effets plus
fins, mettant en jeu par exemple des effets de rotation (par exemple, ces modèles peuvent
s’avérer utiles pour capter la pénétration d’écoulements secondaires ou ”vrilles” dans les
”bras morts” des conduites ; la modélisation de ces phénomènes est particulièrement im-
portante pour des ”bras morts” froids connectés à des conduites en charge chaudes, car
les écoulements secondaires peuvent alors soumettre les parois à de fortes variations de
température, susceptibles de créer de la fatigue thermique).
- les modèles de simulation des grandes échelles ou Large Eddy Simulation (figure 5) pourront
dans certains cas permettre de capter les fluctuations instantanées et les points chauds : une
analyse mécanique pourra alors utiliser ces informations.
Les quelques textes de référence suivants fournissent une introduction très complète sur le sujet :
- Launder et Spalding (1974) [11],
- Cebeci et Smith (1974) [5],
- Rodi (1980) [21],
- Patankar (1980) [19],
- Tennekes et Lumley (1983) [24],
- Wilcox (1998) [26].
2004-2005 Page 10/54
Fig. 4 – Étude d’un choc thermique sur une cuve de réacteur à eau pressurisée (Gauche : schéma de
principe - Centre : analyse transitoire sur maquette - Droite : calcul en configuration réacteur
Fig. 5 – Application de la LES à la détermination de l’évolution thermique dans le métal d’une conduite
en zone de mélange
2004-2005 Page 11/54
1.3 Évolution des moyens de calcul

La puissance des processeurs de PC dépasse aujourd’hui celle des supercalculateurs de plus de 5 ans.
Ainsi, on peut en 2003, sur un simple PC biprocesseur à 1 ou 2 GHz, réaliser des calculs de mécanique
des fluides sur des maillages à quelques centaines de milliers de mailles, alors qu’en 1980, la réalisation
de calculs à 10000 mailles sur un supercalculateur vectoriel CRAY restait une gageure.
Le déploiement des clusters de PC (32, 64 processeurs, avec réseau interne à haut débit permet
également d’accéder à des moyens de calcul performants, en passe de remplacer les anciens supercal-
culateurs vectoriels (performants mais chers).
Depuis les années 90, les moyens de calcul massivement parallèles ont pris leur essor et beaucoup
progressé (par exemple, COMPAQ-HP à 800 processeurs, d’une puissance crête de 2 Teraflops).
2 Équations moyennées
2.1 Expérience de Reynolds
Reynolds (1842-1912) imagina une expérience permettant de quantifier l’apparition de la turbulence.
Un réservoir d’eau se déverse dans une conduite dans laquelle est introduit un colorant. Selon le
régime laminaire ou turbulent, le colorant est transporté en droite ligne ou mélangé par les structures
tourbillonnaires. La transition se produit pour une valeur de 2500 du nombre de Reynolds :
UD
Re = (1)
ν
où U est la vitesse moyenne (m s−1 ), ν la viscosité cinématique moléculaire (m2 s−1 ) et D le diamètre
hydraulique (m) de la conduite. Le diamètre hydraulique D est calculé à partir de la surface passante S
et du périmètre mouillé P selon une formule qui permet de retrouver le diamètre géométrique naturel
dans une conduite à section circulaire :
4S
D= (2)
P
Dans de nombreuses application industrielles, l’écoulement est largement turbulent.

Pour l’air, dans les conditions normales de température et de pression, la viscosité cinématique est
de l’ordre de 10−5 . Ainsi dans un conduit d’aération de 20 cm de diamètre, l’écoulement sera turbulent
à partir d’une vitesse de 12, 5 cm s−1.
Pour l’eau, à pression atmosphérique et température de 20 degrés, la viscosité cinématique est de
l’ordre de 10−6 : dans une conduite de 20 cm de diamètre, l’écoulement sera turbulent à partir d’une
vitesse de 12, 5 mm s−1.
On propose quelques illustrations de cette expérience dans les figures 6 à 7 (le matériel est visible
à l’Université de Manchester, ainsi que sur le site
http ://www.eng.man.ac.uk/mech/nerg/ReyExhib.htm
2.2 Origine de la turbulence

2.2.1 Une équation linéaire
Considérons l’équation de la chaleur dans un métal dont les propriétés physiques sont constantes :
∂T
ρCp = div (λgrad T ) (3)
∂t
2004-2005 Page 12/54
Fig. 6 – Vue globale du système utilisé par Reynolds

2004-2005 Page 13/54
Fig. 7 – Différents régimes d’écoulements, de laminaire à turbulent

2004-2005 Page 14/54
Considérons alors une perturbation T 0 sur le champ moyen de température T , soit :
T = T + T0 (4)
Si l’on introduit cette solution dans l’équation de la chaleur, on obtient :
∂T ∂T 0
ρCp + ρCp = div λgrad T + div (λgrad T 0 ) (5)
∂t ∂t
Prenons alors la moyenne de l’équation obtenue, en supposant que l’opérateur de moyenne commute
avec les dérivations spatio-temporelles, qu’il ait des propriétés de linéarité, et que T = T et T 0 = 0 :
∂T
ρCp = div λgrad T (6)
∂t
Par ailleurs, en prenant la différence entre l’équation moyenne et l’équation initiale, on obtient une
équation portant sur la perturbation qui ne fait pas intervenir la moyenne :
∂T 0
ρCp = div (λgrad T 0 ) (7)
∂t
On constate donc que les équations sur la moyenne et sur les fluctuations sont naturellement séparées
et qu’en particulier, la perturbation n’a pas d’influence sur la température moyenne. Cette propriété
résulte de la linéarité du problème par rapport à la variable résolue.
Dans cette situation, les fluctuations n’auront pas d’effet sur les structures moyennes : la turbulence
ne se manifeste pas dans l’équation régissant les grandeurs moyennes.
2.2.2 Une équation non linéaire

Considérons à présent une équation non linéaire, l’équation de la quantité de mouvement, à pro-
priétés physiques constantes :
∂ ∂ ∂
(ρui ) + (ρ uj ui ) = − σij (8)
∂t ∂xj ∂xj
avec σij linéaire par rapport à la vitesse :

∂ui ∂uj
σij = P δij − µ + (9)
∂xj ∂xi
Considérons alors une perturbation u0 sur le champ de vitesse, soit :
u = u + u0 (10)
On introduit cette formulation dans l’équation de la quantité de mouvement (hormis dans le terme
convectif, que l’on traitera plus tard, par souci de clarté) :
∂ ∂ ∂ ∂ ∂ 0
(ρui ) + (ρu0 i ) + (ρ uj ui ) = − σ ij + − σ (11)
∂t ∂t ∂xj ∂xj ∂xj ij
On applique ensuite l’opérateur de moyenne (il s’agit du même opérateur que pour l’équation de la
chaleur) :
∂ ∂ ∂
(ρui ) + (ρ uj ui ) = − σ ij (12)
∂t ∂xj ∂xj
2004-2005 Page 15/54
Il faut alors prêter attention au terme convectif que l’on n’a pas encore modifié :
∂ ∂ ∂ ∂ ∂
(ρ uj ui ) = (ρ uj ui ) + (ρ uj u0 i ) + (ρ u0 j ui ) + (ρ u0 j u0 i ) (13)
∂xj ∂xj ∂xj ∂xj ∂xj
soit, en éliminant les termes dont la moyenne est nulle :
∂ ∂ ∂
(ρ uj ui ) = (ρ uj ui ) + (ρ u0 j u0 i ) (14)
∂xj ∂xj ∂xj
L’équation portant sur la moyenne de la vitesse s’écrit alors :
∂ ∂ ∂ ∂
(ρui ) + (ρ uj ui ) = − σ ij − (ρ u0 j u0 i ) (15)
∂t ∂xj ∂xj ∂xj
On constate que cette équation dépend non seulement de la vitesse moyenne mais également des
∂
fluctuations. Le terme ∂x j
(ρ u0 j u0 i ) représente le transport des fluctuations de vitesse par elles-mêmes.
Il est responsable de l’aspect ”chaotique” de la turbulence qui se traduit par des variations de la
solution moyenne dues à des structures tourbillonnaires cohérentes de plus petite échelle.
2.2.3 Mélange lié au transport par les perturbations de vitesse
On se propose de montrer que le phénomène de transport par les fluctuations de vitesse d’une
quantité (les fluctuations de vitesse elles-mêmes par exemple) est analogue à un phénomène diffusif et
peut donc être modélisé en conséquence.
• Une première approche consiste à admettre que les fluctuations ont un caractère aléatoire.
Dans ces conditions, qualitativement, on comprend que le transport aléatoire qui en résulte tend à
mélanger les particules fluides, quel que soit leur écart de vitesse par rapport à la vitesse moyenne. Les
écarts de vitesse tendent donc naturellement à s’homogénéiser, comme sous l’effet d’une diffusion.
• Si l’on n’est pas satisfait par l’explication précédente, on peut se convaincre que l’on a affaire
à un phénomène de mélange analogue à celui d’une diffusion en adoptant une seconde démarche.
Plaçons-nous dans le cadre d’un écoulement cisaillé (par exemple au voisinage d’une paroi plane),
invariant dans la direction x (les dérivées dans la direction x disparaissent). L’équation de la quantité
de mouvement portant sur la composante principale de la vitesse moyenne s’écrit :
∂ ∂ ∂ ∂
(ρux ) + (ρ uy ux ) = − σ xy − (ρ u0 y u0 x ) (16)
∂t ∂y ∂y ∂y
Il s’agit d’évaluer l’effet du dernier terme :
∂
− (ρ u0 y u0 x ) (17)
∂y
Pour déterminer le signe de u0 y u0 x , considérons tout d’abord un écoulement simple dans lequel la
vitesse moyenne (figure 8) suit la loi suivante :

ux (y) = U0 y
(18)
uy (y) = 0
Considérons alors une particule fluide située en y = y1 , soumise à une fluctuation de vitesse (écart
de la vitesse à la vitesse moyenne) définie par :
u0 x = 0, u0 y = v 0 > 0 (19)
2004-2005 Page 16/54
Fig. 8 – Cisaillement simple
Un instant dt plus tard, cette particule se retrouve en y2 = y1 + v 0 dt, au sein d’un milieu dont la
vitesse moyenne est ux = U2 . La vitesse de la particule n’a pas encore eu le temps de s’adapter au
nouvel environnement et l’écart à la vitesse moyenne est donc :
u0 x = U2 − U1 < 0, u0 y = v 0 > 0
Dans cette situation, on constate que :
u0 x u0 y = (U2 − U1 ) v 0 < 0
On obtient le même résultat avec v 0 < 0. De plus, si la pente du profil tend vers 0, la grandeur u0 x u0 y
s’annule également. De cette analyse simple résulte le fait que u0 y u0 x < 0 dans la présente configuration
cisaillée.
Considérons à présent un profil présentant un pic (figure 9). Pour y < y0 , on se trouve dans la même
situation que dans le cas du cisaillement simple précédent : u0 y u0 x < 0. Pour y > y0 , on a u0 y u0 x > 0.
On peut voir sur la figure 9 le profil de u0 y u0 x et de sa dérivée.
∂
On constate que le terme source de l’équation de la quantité de mouvement, − ∂y (ρ u0 y u0 x ), est
négatif et tend donc à réduire la vitesse autour de y0 , diminuant donc le pic comme le ferait un terme
diffusif. Une modélisation admissible est donc :
∂ ∂2
− (ρ u0 y u0 x ) = αρ 2 (ux ) avec (α > 0) (20)
∂y ∂y
• Si l’on n’est toujours par convaincu, on peut finalement emprunter un troisième cheminement
∂
pour interpréter le terme − ∂y (ρ u0 y u0 x ) comme un terme diffusif et en obtenir une formulation. À
partir de l’équation de la quantité de mouvement, on obtient une équation portant sur la fluctuation
u0 x (en soustrayant à l’équation initiale non moyennée l’équation obtenue en appliquant l’opérateur de
moyenne ; on néglige en outre les termes visqueux et les fluctuations de pression) :
∂ 0 ∂
ρ (u x ) + ρu0 y (ux ) = 0 (21)
∂t ∂y
soit donc :
∂
u0 x = −τ u0 y (ux ) (22)
∂y
avec τ une échelle de temps relative au mouvement turbulent
2004-2005 Page 17/54
∂
Fig. 9 – Gauche : profil de vitesse - Centre : profil de u0 y u0 x - Droite : profil de − ∂y (ρ u0 y u0 x )
Par analogie, la modélisation suivante peut être envisagée :

∂
u0 x u0 y = −u0 y u0 y τ (ux ) (23)
∂y
et si l’on relie u0 y u0 y à l’énergie cinétique turbulente k :
u0 y u0 y = βk (24)
et l’échelle de temps à k et à sa dissipation ε :

k
τ= (25)
ε
on obtient :
k2 ∂
u0 x u0 y = −β (ux ) (26)
ε ∂y
Le terme apparaissant dans l’équation de la quantité de mouvement est alors :

2
∂ ∂ k ∂
− u0 x u0 y = β (ux ) (27)
∂y ∂y ε ∂y
2
Si l’on néglige les variations de β kε (qui est une viscosité turbulente), le terme est donc en dérivée
seconde de la vitesse moyenne : il s’agit bien d’un terme de diffusion. On verra que le modèle k − ε
propose une modélisation similaire (avec β = Cµ = 0, 09).
En conclusion, le terme source dû au transport par les fluctuations de vitesse a un effet qui
s’apparente à celui d’un terme de diffusion (mélange, homogénéisation).
2.3 Décomposition en valeurs moyennes et fluctuations

2.3.1 Introduction
L’observation d’un signal expérimental pris dans un écoulement turbulent fait apparaı̂tre des fluc-
tuations qui rendent la description instantanée difficile (figure 10).
La répétition de cette expérience un ”assez grand” nombre de fois permettra, d’un point de vue
statistique, en moyennant les signaux instantanés obtenus, de retrouver le signal moyen ”lisse”.
2004-2005 Page 18/54
Fig. 10 – Signal instantané et signal moyen
2.3.2 Propriétés des moyennes

On utilisera pour moyenne un opérateur · vérifiant les propriétés suivantes :

 linéarité : αf + βg = αf + βg avec α et β constantes





 commutativité avec les dérivations spatiale et temporelle :
∂f ∂f ∂f ∂f (28)



 = et =

 ∂t ∂t ∂xj ∂xj

idempotence : f =f
On déduit de ces propriétes, que pour la fluctuation f 0 = f − f, on a :
f0 = 0 (29)
Mais il faut remarquer que :

f g 6= f g (30)
2.3.3 Décomposition de Reynolds
Considérons les équations de Navier-Stokes, à masse volumique constante :


 ∂ (ρuj ) = 0


∂xj
∂ ∂ ∂ ∂ (31)

 (ρui ) + (ρ uj ui ) = − P+ τij + Si

∂t ∂xj ∂xi ∂xj
La décomposition de Reynolds en moyennes et fluctuations se fait sur la base d’une moyenne statis-
tique (qu’il est souvent inutile d’expliciter). Pour les équations de masse et de quantité de mouvement,
en supposant constantes les propriétés physiques, on adopte la décomposition suivante pour la vitesse
et la pression :
u = u + u0 P = P + P0 (32)
La décomposition du tenseur des contraintes visqueuses (linéaire par rapport à la vitesse) s’écrit :
τ = τ + τ0 (33)
avec : 

 ∂ui ∂uj 2 ∂uk

 τij = µ + − µ δij
 ∂xj ∂xi 3 ∂xk
(34)

 ∂u0j

 ∂u0i 2 ∂u0
 τij0 = µ + − µ k δij
∂xj ∂xi 3 ∂xk
2004-2005 Page 19/54
La décomposition du terme source S se fait sur le même principe :

S = S + S0 (35)
et dans le cas particulier S = ρg, on aura ici S 0 = 0.
En introduisant cette décomposition dans les équations de départ (31), puis en prenant la moyenne
du système obtenu, on obtient la forme suivante, qui fait apparaı̂tre en particulier les corrélations des
fluctuations de vitesse dont il a été question plus haut :


 ∂
 (ρuj ) = 0
∂xj
∂ ∂ ∂ ∂ ∂ (36)

 (ρui ) + (ρ uj ui ) = − P+ τ ij + S i − (ρ u0 j u0 i )

∂t ∂xj ∂xi ∂xj ∂xj
Il est également possible, en soustrayant ces équations aux équations de départ portant sur les
variables non moyennées, d’obtenir des équations portant sur les fluctuations. Elles serviront plus
loin :


 ∂
 (ρu0j ) = 0
∂xj
 ∂ ∂ ∂ 0 ∂ 0 ∂ ∂ ∂

 (ρu0i ) + (ρ uj u0 i ) = − P + τ ij + S 0 i + (ρ u0 j u0 i ) − (ρ u0 j ui ) − (ρ u0 j u0 i )
∂t ∂xj ∂xi ∂xj ∂xj ∂xj ∂xj
(37)
Pour l’équation de l’énergie, on procède de même. Pour alléger l’exposé, on s’intéresse ici uniquement
à l’équation écrite en température, toujours à propriétés physiques constantes :

∂ ∂ ∂ ∂T
(ρCp T ) + (ρ Cp uj T ) = λ + ΦT (38)
∂t ∂xj ∂xj ∂xj
Par la même méthode que pour la quantité de mouvement, on obtient :

∂ ∂ ∂ ∂T ∂
(ρCp T ) + (ρ Cp uj T ) = λ + ΦT − (ρ Cp u0 j T 0 ) (39)
∂t ∂xj ∂xj ∂xj ∂xj
et sur les fluctuations :

∂ ∂ ∂ ∂T 0 ∂ ∂ ∂
(ρCp T 0 )+ (ρ Cp uj T 0 ) = λ +Φ0 T + (ρ Cp u0 j T 0 )− (ρ Cp u0 j T )− (ρ Cp u0 j T 0 )
∂t ∂xj ∂xj ∂xj ∂xj ∂xj ∂xj
(40)
On remplace donc les équations (31) et (38) par les équations moyennées (Reynolds averaged
equations) (36) et (39). Les variables à déterminer sont les variables moyennes statistiques u, P et T
et non plus les variables u, P et T . Deux termes supplémentaires sont cependant apparus : u 0 j u0 i et
u0 j T 0 . Ils doivent être modélisés : c’est toute la question de la modélisation de la turbulence dans le
cadre des équations moyennées au sens de Reynolds.
2.3.4 Masse volumique variable : décomposition de Favre
Lorsque la masse volumique est variable, l’application de la moyenne aux équations (31) et (38)
fait apparaı̂tre les grandeurs ρ, ρui , ρuj ui , P , ρT et ρuj T .
Il est donc pertinent d’appliquer la décomposition de Reynolds à la masse volumique et à la pression :
ρ = ρ + ρ0 et P = P + P 0 (41)
Par contre, si l’on applique la décomposition de Reynolds aux variables vitesse et température, il
ne sera pas aisé de faire apparaı̂tre ρui et ρT . On préfère donc appliquer la décomposition de Reynolds
à ρui et ρT :
0 0
ρui = ρui + (ρui ) et ρT = ρT + (ρT ) (42)
2004-2005 Page 20/54
On définit ainsi la décomposition de Favre en valeurs moyennes (e ui et Te) et fluctuations associées (u00 i
00
et T ) :
ei + u00 i et T = Te + T 00
ui = u (43)
avec :
ρui ρT
u
ei = et Te = (44)
ρ ρ
On note en particulier les deux propriétés suivantes :
fe = fe et ρ f 00 = 0 (45)
La première relation de (45) provient de la définition :
ρfe = ρf (46)
dont on prend la moyenne :

ρfe = ρf (47)
soit :
ρfe = ρf (48)
et donc :
ρf
fe = = fe (49)
ρ
La seconde relation de (45) découle de (en utilisant la première relation de (45) ) :
ρf 00 = ρf − ρfe = ρfe − ρfe = 0 (50)
À partir des équations (31), on peut écrire, en utilisant la décomposition de Reynolds :



 ∂
 (ρeuj ) = 0
∂xj
∂ ∂ ∂ ∂ ∂ (51)

 (ρe
ui ) + (ρ u
ej u
ei ) = − P+ τ ij + S i − (ρ u0 j u0 i )

∂t ∂xj ∂xi ∂xj ∂xj
Dans ce système, on observe l’apparition d’un terme de corrélation des fluctuations de vitesse. Il
provient de la moyenne du terme de convection, comme on le montre ci-dessous :
∂ ∂
(ρ uj ui ) = (ρ uj ui )
∂xj ∂xj (52)
∂
= ρ u]
j ui
∂xj
et en décomposant la vitesse on obtient effectivement :
ρ u j ui = ρ u]
ej uei +ρ u^
ej u00 i +ρ u^
00 u
j ei +ρ u^
00 u00
j i
(53)
= ρ uej uei +ρ u^
00 u00
j i
2004-2005 Page 21/54
2.3.5 Densité de probabilité

Supposons que la masse volumique soit fonction d’autres variables f (la fraction massique d’un
composant par exemple) selon une loi d’état non linéaire (c’est en particulier le cas en combustion) :
ρ = G(f ) (54)
Dans ce cas, le calcul de ρ par l’approche suivante peut conduire à des résultats erronés :
ρ = G(f ) (55)
En effet, les valeurs extrêmes de f ne peuvent être prises en compte dans ce type d’approche.
En conséquence, si la loi d’état doit traduire, par exemple, la présence d’un produit de combustion
particulier à partir d’une certaine richesse du mélange réactif, cette utilisation d’une valeur moyenne
sera inadaptée.
Pour se convaincre (voir figure 11), il suffit de considérer une loi d’état discontinue autour d’une
valeur f0 , soit par exemple ρ = G(f ) = 1000 pour f < f0 et ρ = G(f ) = 0, 5 pour f > f0 . Il s’agit d’une
loi d’état fictive, mais ce type de non linéarité peut se rencontrer, par exemple pour rendre compte d’un
mélange gazeux au dessus d’une certaine valeur de f et liquide au dessous. C’est typiquement le cas
pour la combustion d’un mélange d’oxygène liquide et d’hydrogène gazeux, dans lequel f représente
la concentration d’hydrogène.
Considérons alors une évolution de f telle que l’on ait quasiment toujours f > f 0 , sauf à quelques
occasions, où f << f0 , de sorte que la moyenne de f soit f = f0 − ε (ε > 0). On peut imaginer qu’en
un point donné, plongé en moyenne dans un flux d’hydrogène, passent occasionnellement des bouffées
d’oxygène liquide très pur, caractérisées par f << f0 .
On voit que l’on aura alors G(f ) = 1000 (liquide) alors que la véritable valeur moyenne devrait être
ρ = G(f ) ≈ 0, 5 (gazeux).
Fig. 11 – Exemple de moyenne sur une loi d’état non linéaire
Pour cette raison, une approche particulière par ”densité de probabilité” (probability density func-
tion) peut apporter des solutions. Une démarche possible est la suivante :
2004-2005 Page 22/54
- on se donne a priori la forme d’une distribution P (f ) (gaussienne, fonction bêta, rectangle et

Dirac...) qui est alors complètement définie par ses p premiers moments (moyenne, variance...) ;
- on ajoute au modèle une équation sur chacun des p moments nécessaires (f , f 0 f 0 ...) et l’on
détermine ainsi complètement P (f ) ;
- on détermine alors la masse volumique (et plus généralement toutes les variables qui ne sont pas
directement solution d’une équation d’évolution) par intégration sur tout le domaine de définition
de f (supposé être ici [0 ; 1]) :
Z1
ρ = P (f )G(f )df (56)
0
Fig. 12 – Exemples de formes de pdf
Cette approche permet donc d’intégrer dans le calcul de la valeur moyenne de la masse volumique
ρ l’influence de toute la gamme des valeurs de f dont elle dépend a priori, valeurs pondérées par la
probabilité qu’elles soient atteintes localement.
2.3.6 Ergodicité
Assez souvent, on peut réaliser l’hypothèse que l’opérateur de moyenne statistique est équivalent à
un opérateur de moyenne temporelle : c’est l’hypothèse d’ergodicité. Il est nécessaire que l’intervalle
d’intégration soit supérieur à l’échelle de temps caractéristique en dessous de laquelle les phénomènes
sont corrélés (durée de vie des tourbillons). De plus, l’intervalle d’intégration ne peut être pris arbi-
trairement grand si l’écoulement n’est pas stationnaire (il faut éviter d’inclure dans les opérations de
moyennes des variations liées à des changements de régime macroscopiques).
ZT
f(x, y, z) = lim f (x, y, z; t)dt (57)
T →∞
0
De même, lorsque l’écoulement est homogène (ou a une direction d’homogénéité) il est possible de
remplacer la moyenne statistique par une moyenne spatiale. Le volume d’intégration doit être supérieur
à celui des structures cohérentes.
Z
f(t) = lim f (x, y, z; t)dx dy dz (58)
Ω→∞
Ω
Il n’est pas, en général, nécessaire de spécifier précisément quelle moyenne est utilisée puisque
la résolution des équations (36) et (39) produit directement des variables ”moyennes” qui, dans un
nombre de cas assez important, peuvent satisfaire l’ingénieur. Néanmoins, il convient d’être conscient
qu’il s’agit de valeurs moyennes statistiques et qu’elles ne peuvent donc généralement pas rendre
compte des extrema très locaux ou très transitoires, quels que soient le raffinement du maillage et la
modélisation employée. Pour obtenir de telles informations, il est nécessaire d’abandonner l’approche
par ”moyenne” (ou Reynolds Averaged). On se tourne alors, selon le domaine d’application et les
besoins et les ressources, vers des simulations numériques directes (Direct Numerical Simulation) ou
vers la simulation des grandes échelles (Large Eddy Simulation).
2004-2005 Page 23/54
3 La cascade énergétique
3.1 Introduction
On se propose de présenter ici le mode de transfert de l’énergie (cinétique) de l’écoulement moyen
vers les plus petites structures qui la dissipent sous forme de chaleur (on rappelle que selon le premier
principe, l’énergie cinétique ne se conserve pas et qu’elle peut être transformée en énergie interne,
en particulier par le travail des forces visqueuses). Pour simplifier l’exposé, on se place à propriétés
physiques du fluide uniformes en espace et constantes en temps.
3.2 Équation de l’énergie cinétique turbulente

Une équation de l’énergie cinétique turbulente (énergie cinétique liée aux fluctuations de vitesse)
peut être obtenue à partir de la seconde équation de (37) que l’on simplifie comme suit en utilisant
les 2 équations issues de la conservation de la masse (première équation de (36) et première équation
de (37)) :
∂ 0 ∂ ∂ 0 ∂2 ∂ ∂ ∂
ρ (ui )+ρ uj (u0 i ) = − P +µ 2 (u0 i )+S 0 i +ρ (u0 j u0 i )−ρ (u0 j ui )−ρ (u0 j u0 i ) (59)
∂t ∂xj ∂xi ∂xj ∂xj ∂xj ∂xj
On multiplie cette équation par u0 i , on somme sur i variant de 1 à 3 et on prend la moyenne, en

notant k = 21 u0 i u0 i :
∂k ∂k ∂2k ∂u0 i ∂u0 i

ρ + ρ uj = µ −µ +u0 i S 0 i
∂t
|{z} ∂xj ∂x2j ∂xj ∂xj
| {z } | {z } | {z }
Instationnaire Convection Dissipation
Diffusion moléculaire (60)
∂ui ∂ 1 ∂
−ρ u0 i u0 j − (u0 i P 0 ) − ρ (u0 i u0 i u0 j )
∂xj ∂xi 2 ∂xj
| {z } | {z }
Production et Destruction Diffusion turbulente
Le terme de ”production et destruction” traduit le transfert d’énergie entre le mouvement moyen et

le mouvement fluctuant. Son signe n’est pas nécessairement positif (les structures turbulentes peuvent
localement et temporairement fournir de l’énergie au mouvement moyen).
Le terme de ”diffusion turbulente” traduit le transport (la redistribution spatiale) de la part fluc-
P
3
tuante de l’énergie h0 = P 0 + 21 u0 2i puisqu’il s’écrit −u0 j ∂x
∂h0
j
.
i=1
Le terme de ”dissipation” est une contribution de signe négatif. Il traduit la destruction de l’énergie
cinétique liée au mouvement fluctuant par la viscosité moléculaire. Il agit aux plus petites échelles de
la turbulence.
Sous cette forme, l’équation de k n’a qu’un intérêt pratique limité, mais elle va tout de même
permettre de présenter des considérations simples relatives au spectre d’énergie cinétique turbulente
dans un écoulement homogène. En outre, on la réutilisera plus loin pour éclairer certains aspects relatifs
au modèle k − ε.
3.3 Turbulence homogène isotrope

3.3.1 Introduction
La turbulence est dite homogène isotrope lorsque toutes les grandeurs statistiques basées sur les
fluctuations (vitesse et pression) sont uniformes en espace dans toutes les directions. Dans ces condi-
tions, il est alors légitime de remplacer les moyennes statistiques par des moyennes spatiales.
2004-2005 Page 24/54
On a donc en particulier, pour l’énergie cinétique turbulente :

Z
1 0 1 1
k = u j (x, t)u j (x, t) =
0 lim u0 j (x, t)u0 j (x, t)dx (61)
2 2 X→∞ (2 X)3
[−X ; X]3
Cette configuration va permettre de présenter quelques considérations simples relatives au spectre

d’énergie turbulente et aux échelles de longueur associées.
3.3.2 Transformées de Fourier

La transformée de Fourier des fluctuations de vitesse satisfait la relation :
Z
u0 j (x, t) = û0j (K, t)exp (i(K · x)) dK (62)
IR3
Et pour l’énergie cinétique turbulente on a alors (en utilisant la moyenne spatiale comme moyenne
statistique) :
Z
1 0 1 1
k = u j (x, t)u0 j (x, t) = lim u0 j (x, t)u0 j (x, t)dx
2 2 X→∞ (2 X)3
 [−X ; X]3 
Z Z Z
1 1  
= lim 3  û0j (K, t)exp (i(K · x)) dK û0j (L, t)exp (i(L · x)) dL dx
2 X→∞ (2 X)
[−X ; X]3 IR3 IR3
Z Z Z
1 1
= lim û0j (K, t) û0j (L, t) exp (i(K + L) · x)) dK dL dx
2 X→∞ (2 X)3
[−X ; X]3 IR3 IR3
(63)
Si l’on intègre d’abord en x, l’intégrale de l’exponentielle s’annule hormis pour K + L = 0.
En outre, la définition de la transformée inverse donne :
Z
0 1
ûj (K, t) = u0 j (x, t)exp (−i(K · x)) dx (64)
(2π)3
IR3
et on a donc en particulier
∗
û0j (−K, t) = û0 j (K, t) (65)
On obtient donc finalement :

Z
1 ∗
k = û0j (K, t) û0 j (K, t) dK
2 (66)
IR3
Si l’on se place en coordonnées spectrales sphériques (pour s’affranchir de la direction du vecteur

d’onde) on peut définir une densité spectrale d’énergie sur des sphères de rayon K = ||K|| :
φ=π/2
Z Z
θ=2π
1 0 ∗
E(K) = ûj (K, t) û0 j (K, t) K 2 cosφ dφ dθ (67)
2
φ=−π/2 θ=0
et l’énergie cinétique turbulente s’écrit alors :

Z∞
k= E(K)dK (68)
0
2004-2005 Page 25/54
De la même manière, on peut préciser la forme de la dissipation (en fonction de la viscosité

moléculaire cinématique ν = µ/ρ) :
Z
∂u0 m (x, t) ∂u0 m (x, t) 1 ∂u0 m (x, t) ∂u0 m (x, t)
ε = ν = ν lim dx
∂xj ∂xj X→∞ (2 X)3 ∂xj ∂xj
[−X ; X] 3
 
Z Z Z
1  
= lim  i Kj û0m (K, t)exp (i(K · x)) dK i Lj û0m (L, t)exp (i(L · x)) dL dx
X→∞ (2 X)3
[−X ; X]3 IR3 IR3
Z Z Z
1
= lim −Kj Lj û0m (K, t) û0m (L, t) exp (i(K + L) · x)) dK dL dx
X→∞ (2 X)3
Z [−X ; X]3 IR3 IR3
∗
= K 2 û0m (K, t) û0 m (K, t) dK
IR3
(69)
On peut rapprocher cette expression de celle établie pour k, soit :
Z∞
ε=ν 2 K 2 E(K)dK (70)
0
et on définit ainsi la densité spectrale de dissipation :
D(K) = 2 ν K 2 E(K) (71)
3.3.3 Cascade de Kolmogorov
Sur la base des considérations précédentes, on peut faire les observations suivantes :
- La densité spectrale d’énergie E(K) est naturellement nulle pour les nombres d’onde K nuls (les
structures de taille infinie). Il en est de même pour la densité spectrale de dissipation D(K).
- Par ailleurs, la dissipation étant finie, il est nécessaire que E(K) tende vers 0 au moins aussi vite
que K13 (l’intégrale (70) doit converger).
- La relation D(K) = 2 ν K 2 E(K) indique que la dissipation atteint son maximum pour un nombre
d’onde plus grand que l’énergie : les structures qui portent l’énergie sont donc de plus grande
taille que celles qui les dissipent.
- Si l’on considère une fluctuation monodimensionnelle constituée d’un seul mode (par exemple
une fonction cosinus telle que u0 (x, t) = û0 (t)cos(Kx)), on constate que le terme non linéaire des
0
équations de Navier-Stokes (u0 ∂u
∂x ) génère une fluctuation de nombre d’onde double :
1 0
(û0 (t))2 Kcos(Kx)sin(Kx) = (û (t))2 Ksin(2Kx)
2
Ceci traduit la génération de petits tourbillons à partir des grands, ou, autrement dit, le transfert
d’énergie des grandes vers les petites structures.
En accord avec ces observations, le modèle de Kolmogorov fait les hypothèses suivantes :
- l’énergie k est essentiellement portée par les grandes structures qui ne voient pas directement la
viscosité du fluide,
- la dissipation ε est essentiellement due aux petites structures, qui sont détruites par l’effet de la
viscosité du fluide,
- l’énergie dissipée par les petites structures provient des grandes, cette redistribution sur tous les
nombres d’onde étant réalisée par les termes non linéaires.
2004-2005 Page 26/54
On déduit alors les échelles de longueur suivantes.

- L’échelle intégrale Lt caractérise la taille des plus grands tourbillons1 . Elle ne dépend pas
directement de la viscosité. Elle est liée :
- à l’énergie turbulente k, puisque les grandes structures portent l’essentiel de k, et
- à la dissipation, puisque ε indique à quelle vitesse les grandes structures sont détruites pour
en former de plus petites (ce qui limite donc naturellement leur taille).
- L’échelle de Kolmogorov λ0 caractérise la taille des plus petites structures (largement plus
grande que l’échelle du mouvement brownien). L’échelle de Kolmogorov ne dépend pas directe-
ment de l’énergie k. Elle dépend :
- de la viscosité du fluide, puisqu’en dessous d’une certaine taille, la viscosité transforme les
structures en chaleur et
- de la dissipation.
Par analyse dimensionnelle, ces deux échelles s’écrivent :
3 41
k2 ν3
Lt = et λ0 = (72)
ε ε
Entre ces deux échelles, l’étendue du spectre est donnée par (on élimine ε) :
1
! 34
Lt k 2 Lt 3
= = (Ret ) 4 (73)
λ0 ν
La valeur du nombre de Reynolds turbulent Ret n’intervient donc pas directement dans la
taille des structures (ni des grandes, ni des petites), par contre, elle conditionne l’étendue du spectre.
Pour des nombres de Reynolds turbulents assez grands (> 1000) les petites et les grandes structures
sont ainsi clairement séparées par une zone inertielle dans laquelle transite l’énergie. Dans cette zone,
l’énergie se répartit sur toute la gamme des structures pour qu’une puissance ε puisse être dissipée en
bout de chaı̂ne. Pour un nombre d’onde donné K, la densité spectrale d’énergie est donc uniquement
liée à la dissipation et au nombre d’onde ; par analyse dimensionnelle, on a alors :
2 5
E(K) = Cε 3 K − 3 (74)
Cette loi en − 35 est très bien vérifiée expérimentalement (avec C de l’ordre de 1, 5).
On peut également écrire pour la dissipation :
2 1
D(K) = 2 ν Cε 3 K 3 (75)
Finalement, on représente ces relations sous une forme classique (diagramme log-log), figure 13.
Ces considérations permettent déjà de noter qu’il sera difficile de représenter numériquement la
totalité des échelles de longueur pour les calculs à grand nombre de Reynolds (voir les méthodes LES
et DNS). En outre, la forme des spectres indique que, à partir d’un nombre de Reynolds assez grand
(une fois la zone inertielle établie), le comportement qualitatif d’un écoulement donné changera peu
(la zone inertielle s’allonge simplement).
4 Modélisation de la turbulence
4.1 Introduction
On a vu plus haut que le spectre des échelles des structures turbulentes s’étendait sur une large
gamme, d’autant plus grande que le nombre de Reynolds était élevé. La résolution directe des équations
1 On peut avoir une idée de l’échelle intégrale en considérant les caractéristiques géométriques du domaine (plusieurs
kilomètres ou milliers de kilomètres dans l’atmosphère, de l’ordre du diamètre hydraulique dans une conduite...).
2004-2005 Page 27/54
E(K)
D(K)
Pente a −5/3
Grandes Zone Petites

Structures inertielle Structures
K
Echelle integrale Echelle de Kolmogorov
Fig. 13 – Représentation classique pour le spectre d’énergie en turbulence homogène isotrope.
de Navier-Stokes en prenant en compte toutes ces échelles conduit à des nombres de mailles trop élevés
en pratique (voir le paragraphe DNS). La simulation numérique sur la base des équations moyennées
(Reynolds Averaged Navier-Stokes Equations, ou RANSE) s’est avérée, jusqu’à aujourd’hui, indispen-
sable pour la grande majorité les problèmes industriels.
Rappelons ici les équations (36) et (39) de masse, de quantité de mouvement et de température
(énergie), moyennées au sens statistique de Reynolds :

 ∂

 (ρuj ) = 0

 ∂xj

 ∂ ∂ ∂ ∂ ∂
(ρui ) + (ρ uj ui ) = − P+ τ ij + S i − (ρ u0 j u0 i ) (76)

 ∂t ∂x j ∂x i ∂x j ∂x j

 ∂ ∂ ∂ ∂T ∂


 (ρCp T ) + (ρ Cp uj T ) = λ + ΦT − (ρ Cp u0 j T 0 )
À ces équations est habituellement adjointe une équation d’état permettant de définir la masse
volumique ρ (valeur constante, approximation de Boussinesq...), de sorte que l’on dispose de quatre
équations pour quatre inconnues ρ, u, P et T .
Les propriétés physiques du fluide (λ, Cp , µ...) et les termes sources (S, ΦT ) sont supposés connus.
Il reste à déterminer les corrélations ”en un point”2 des fluctuations de vitesse et de température
(u0 j u0 i et u0 j T 0 ). Le tenseur des corrélations des fluctuations de vitesse est appelé le tenseur des
contraintes turbulentes ou tenseur de Reynolds. Le vecteur des corrélations des fluctuations de
vitesse et de température est le vecteur des flux turbulents.
La modélisation de la turbulence dont il est question dans le présent paragraphe n’est destinée qu’à
fournir un moyen d’évaluer ces quantités afin de fermer le système (76).
On présentera deux classes essentielles de modèles.
- La première est celle des modèles à viscosité turbulente pour lesquels on évalue le tenseurs des
contraintes turbulentes à partir du tenseur des déformations. La loi peut être une simple pro-
portionnalité avec pour coefficient une ”viscosité” turbulente que l’on calcule de manière plus ou
moins sophistiquée (valeur constante, fonction de quantités transportées...). On peut également
2 On parle de corrélations en un point car il s’agit de corrélations de variables prises au même point de l’espace et au
même instant.
2004-2005 Page 28/54
adopter des lois non linéaires, faisant intervenir les invariants du tenseur des déformations. On
présentera essentiellement deux modèles importants (longueur de mélange et k − ε).
- La seconde classe est celle des modèles aux tensions de Reynolds, pour lesquels on résout une
équation de transport pour chacune des composantes du tenseur des contraintes turbulentes (ce
qui ajoute donc 6 inconnues au modèle).
On ne présentera pas ici les modélisations spécifiques fines pour les flux thermiques. On se contentera
de présenter un modèle relativement courant basé sur une hypothèse de viscosité turbulente (voir le
modèle k − ε).
On notera µ la viscosité dynamique moléculaire et µt l’équivalent turbulent (kg m−1 s−1 ). On notera
ν = µ/ρ la viscosité cinématique moléculaire et νt l’équivalent turbulent (m2 s−1 ).
4.2 Modèles à viscosité turbulente

4.2.1 Introduction
Dans les modèles à viscosité turbulente (en Anglais, ”Eddy-Viscosity Model”), la modélisation du
tenseur de Reynolds (contraintes turbulentes) s’appuie sur le tenseur des déformations.
De nombreuses approches sont possibles. On s’intéresse ici essentiellement aux modèles pour lesquels
la viscosité turbulente dépend linéairement du tenseur des déformations. Ce sont les plus répandus et
ceux dont le pectre d’utilisation est le plus large. Le paragraphe 4.2.7 propose quelques extensions.
Le cadre de travail le plus répandu (et le plus ancien, dû à Boussinesq en 1877) propose une
modélisation calquée sur l’expression des contraintes visqueuses pour un fluide newtonien, soit :

2 ∂ui ∂uj 2 ∂uk
u0 j u0 i − k δij = −νt + + νt δij
3 ∂xj ∂xi 3 ∂xk
2
= −2 νt S ij + νt S kk δij
3 (77)

1 ∂ui ∂uj
avec S ij = +
2 ∂xj ∂xi
Il s’agit à présent de définir la viscosité turbulente νt qui est le seul degré de liberté du modèle3 .
Remarque
Cette formulation conduit à l’expression suivante du terme de production de la turbulence 4 (voir
l’équation (60)) :
1 ∂ui
ρ P k = − ρ u 0 i u0 j = 2µt S ij S ij (78)
2 ∂xj
Ainsi :
- le terme Pk est toujours positif avec ce modèle (ce n’est pas toujours vrai en réalité),
- la production est importante dans les zones de cisaillement et dans les zones d’impact en par-
ticulier (en réalité, l’énergie turbulente obtenue dans les zones d’impact est surestimée avec ce
type de modèle),
3 En réalité, l’énergie cinétique turbulente k est également une inconnue du problème, puisque le terme qui apparaı̂t
∂
au second membre de l’équation de la quantité de mouvement est − ∂x (ρ u0 j u0 i ) et non pas celui que l’on a modélisé
j
∂ 2
ici, − ∂x (ρ (u0 j u0 i − 3
k δij )). Néanmoins, comme le terme dépendant de k est un gradient, il s’ajoute naturellement
j
au gradient de pression, et disparaı̂t formellement dès lors que l’on utilise la variable P 1 = P − 32 ρ k en lieu et place de
P . Bien que ceci importe peu tant que la pression n’a pas de signification thermodynamique, il faut garder à l’esprit
que le gradient de la variable pression P1 (souvent notée simplement P ) contient une part liée à l’énergie turbulente
(généralement non nulle, même si elle est souvent faible en valeurs relatives).
4 Pour alléger l’exposé, on élimine les termes en divu qui sont exactement nuls si la masse volumique est uniforme.
2004-2005 Page 29/54
- la production turbulente s’annule pour les écoulements ”rotationnels” (tenseur des déformations
nuls, mais gradient de vitesse non nul),
- le modèle produit de la turbulence dès lors que le tenseur des déformations n’est pas nul. Il n’y
a aucune relaxation spatio-temporelle (dans la réalité, le tenseur des contraintes turbulentes ne
s’aligne pas instantanément avec celui des déformations).
4.2.2 Viscosité constante

La modélisation la plus simple pour la viscosité turbulente est due à Boussinesq :
νt = cste (79)
Le domaine d’application de cette loi est limité à certains écoulements atmosphériques, à certains jets
libres ou écoulements en canalisation, lorsque l’on ne s’intéresse pas à des caractéristiques trop locales
de l’écoulement. La détermination de la constante s’appuie sur des mesures expérimentales.
4.2.3 Longueur de mélange : hypothèse de Prandtl (1925)

Expression de la viscosité turbulente
L’observation expérimentale permet de remarquer que le mélange est meilleur lorsque les √ grosses
structures (de taille Lt ) sont plus grandes et d’autant plus rapide que la vitesse des tourbillons ( k) est
élevée. Il s’ensuit par analyse dimensionnelle qu’une modélisation admissible de la viscosité turbulente
est : √
νt = kLt (80)
On cherche alors à s’affranchir des grandeurs turbulentes pour calculer facilement la viscosité.
3
- L’échelle des grands tourbillons est Lt = kε2 . On l’assimile à l’échelle intégrale Lm , reliée aux
dimensions caractéristiques macroscopiques du domaine.
- On se place dans l’hypothèse d’équilibre Pk = ε, soit donc 2νt S ij S ij = ε (S ij est le tenseur
des déformations). Cette hypothèse signifie que la quantité d’énergie turbulente produite par les
gradients moyens est dissipée localement et instantanément par la viscosité moléculaire (il s’agit
d’une simplification de l’équation de l’énergie cinétique turbulente (60)).
Avec la définition de la taille des grands tourbillons et l’hypothèse d‘’équilibre local, on obtient
donc une expression de la viscosité turbulente qui ne dépend que des gradients de la vitesse moyenne
et d’une longueur caractéristiques ou longueur de mélange qu’il faut alors prescrire 5 :
q
νt = L2m 2 S ij S ij (81)
Choix de la longueur de mélange

L’approche s’applique bien à des écoulements simples qui présentent une direction préférentielle et
des gradients dans la direction transverse : couches limites, jets... Elle a été largement utilisée et l’est
toujours, en particulier, dans les écoulements aérodynamiques externes, sous la forme des modèles de
Cebeci-Smith [5] et Baldwin-Lomax [2] par exemple. En effet, dans ce type d’écoulements, la turbulence
se manifeste dans une zone bien localisée, proche des parois (voilures) et la taille des structures se relie
naturellement à l’épaisseur de la couche limite (taille caractéristique Lm égale à environ un dixième
de l’épaisseur de couche limite).
L’approche par longueur de mélange est également utilisée pour les écoulements atmosphériques
sous la forme du modèle de Louis par exemple [12] (Météo France). Dans ce modèle, la longueur
caractéristique dépend de la distance au sol, du nombre de Richardson, du vent et de la température.
‚ ‚
5 Cette modélisation a été proposée par Prandtl sous la forme ν t = L2m ‚ ∂u pour un écoulement cisaillé (vitesse
‚ 1‚
∂x ‚
2
principale dans la direction x1 présentant un gradient dans la direction x2 ).
2004-2005 Page 30/54
Pour certains écoulements élémentaires, on pourra adopter les valeurs du tableau 1, proposées par
Rodi (δ étant l’épaisseur de couche limite mesurée au point où la vitesse retrouve 99% de sa valeur à
l’infini).
Couche de Jet plan Jet rond Sillage plan

mélange
Lm /δ 0,07 0,09 0,075 0,16
Tab. 1 – Longueur de mélange pour quelques écoulements classiques (Rodi).
Plus généralement, on peut proposer une modélisation de la longueur de mélange qui s’appuie sur
le fait que la taille des tourbillons est limitée par la présence des parois et que, loin de celles-ci (à partir
d’une distance que l’on peut déterminer expérimentalement), leur taille tend à se stabiliser. En notant
κ = 0, 42 la constante de Karmàn et y la distance à la paroi, on a :
Lm = κy pour y < 0, 2δ
(82)
= κ 0, 2 δ pour y > 0, 2δ
Pour les écoulements externes, δ est l’épaisseur de la couche limite. Pour les écoulements internes, on
utilise généralement δ = RH (Rayon hydraulique).
4.2.4 Longueur de mélange : application à un écoulement entre deux plaques

planes parallèles
Le modèle de longueur de mélange permet de retrouver des lois vérifiées expérimentalement pour
l’écoulement bidimensionnel entre deux plaques planes parallèles, infinies, séparées par une distance
∆ y = 2 e. La direction x est la direction de l’écoulement, de vitesse u(y). La direction y est normale
aux plaques (vitesse correspondante v = 0). Dans la direction z, la vitesse est w = 0.
Les équations de la quantité de mouvement stationnaires, moyennées au sens de Reynolds, s’écrivent,
avec une masse volumique et une viscosité moléculaire constantes et uniformes :

 ∂ ∂2 ∂ 0 0

 0 = − ∂x P +µ ∂y 2 u −ρ ∂y (u v )

(83)

 ∂ ∂

 0= − P −ρ (v 0 v 0 )
∂y ∂y
On peut remarquer au passage que l’intégration de la première équation sur une longueur ∆ x du
domaine indique que la chute de pression linéique (la perte de charge) est due à l’action des contraintes
visqueuses et turbulentes sur les parois.
On va à présent utiliser ces équations pour écrire une loi de variation de vitesse en proche paroi,
loi qui est souvent utilisée par ailleurs dans de nombreux modèles plus sophistiqués que le modèle de
longueur de mélange et dans des configurations complexes très éloignées de l’écoulement élémentaire
considéré ici.
Comme v 0 v 0 est indépendant de x, la première équation se réécrit :
∂ ∂2 ∂
(P + v 0 v 0 ) = µ 2 u − ρ (u0 v 0 ) (84)
∂x ∂y ∂y
D’après la seconde équation de (83), P + ρv 0 v 0 est indépendant de y. On en déduit que dans (84),
le premier membre est fonction de x uniquement. Comme le second membre n’est fonction que de y,
2004-2005 Page 31/54
les deux membres de (84) sont donc constants, soit −τp /e. Par intégration (en utilisant la symétrie en
y = e), on a donc :
∂
τp (1 − y/e) = µ u − ρu0 v 0 (85)
∂y
Au passage, en prenant y = 0 dans cette relation, on note que τp représente la contrainte de cisaillement
totale (visqueuse et turbulente) en paroi.
On introduit le modèle de viscosité turbulente :
∂
τp (1 − y/e) = (µ + µt ) u (86)
∂y
On introduit le modèle de longueur de mélange :

∂ ∂
τp (1 − y/e) = µ + ρ L2m
∂y ∂y u
u (87)
p
On définit la vitesse de frottement u∗ = τp /ρ et les grandeurs adimensionnelles suivantes :
u yu∗ L m u∗ yu∗
u+ = y+ = Lm + = y+ = (88)
u∗ ν ν ν
On a alors, en divisant (87), l’équation de quantité de mouvement adimensionnelle dans la direction

x, par τp = ρu∗ 2 :

+ +

+2 ∂ +
∂
1 − y /e = 1 + Lm + u u+ (89)
∂y ∂y +
Pour faciliter l’intégration et l’obtention d’une loi pour u + , on considère deux zones selon les valeurs
de Lm :
• dans la sous-couche visqueuse, Lm tend vers 0, y + tend vers 0 et on a donc
∂
1= u+ (90)
∂y +
on obtient donc un profil linéaire :

u + = y+ (91)
• au delà de la sous-couche visqueuse, pour y + > 30 (mais avec encore y + << e+ ) on a, selon
l’hypothèse présentée plus haut, L+ +
m = κy >> 1, soit :
2
∂
1= κy + u+ (92)
∂y +
on obtient donc un profil logarithmique (avec C = 5, 2 obtenu expérimentalement) :
1
u+ = ln(y + ) + C (93)
κ
Le point d’intersection de ces lois se situe à yl+ ≈ 11 (figure 14). Elles sont en bon accord avec
les profils mesurés expérimentalement (bien que des variantes plus précises existent) et servent pour
la représentation de la couche limite dans nombre de modèles plus sophistiqués (par exemple dans les
versions ”haut-Reynolds” des modèles k − ε ou Rij − ε, en LES en l’absence de traitement spécifique
des parois...).
2004-2005 Page 32/54
(
u+ = y+ pour y + 6 yl+
1
= ln(y + ) + C pour y + > yl+
κ
20
18 ln(y+)/0.42+5.2
y+
16 2ln(y+)/0.42+5.2
14 2y+
2/0.42
12
10
8
u+
6
4
2
0
−2
−4
0 2 4 6 8 10 12
y+
Fig. 14 – Vitesse adimensionnelle en paroi.
4.2.5 k−l
Dans le cadre des modèles à viscosité turbulente, on cherche à déterminer la viscosité turbulente
νt , donnée par analyse dimensionnelle par :
√
νt = kL (94)
En supposant la longueur L donnée, il reste à déterminer k. Il est donc naturel de penser à résoudre
l’équation de transport (60) déjà présentée. Ceci permet un degré de raffinement supplémentaire par
rapport au modèle de longueur de mélange, dont les applications restent très ciblées (et requièrent en
outre un lourd travail de calage).
L’équation (60) est rappelée ici :
∂k ∂k ∂2k ∂u0 i ∂u0 i

ρ + ρ uj = µ −µ +u0 i S 0 i
∂t
|{z} ∂xj ∂x2j ∂xj ∂xj
| {z } | {z } | {z }
Instationnaire Convection Dissipation
Diffusion moléculaire (95)
∂ui ∂ 1 ∂
−ρ u0 i u0 j − (u0 i P 0 ) − ρ (u0 i u0 i u0 j )
∂xj ∂xi 2 ∂xj
| {z } | {z }
Production et Destruction Diffusion turbulente
Un travail de modélisation est nécessaire pour pouvoir résoudre cette équation :

• le terme de dissipation se note ρε. La dissipation est reliée à la longueur de mélange par la relation
3
L = Cµ kε2 (avec Cµ = 0, 09, cohérente avec le modèle k − ε présenté plus loin) soit donc, en
supposant la longueur de mélange connue :
3
k2
ε = Cµ (96)
L
• le terme ”production et destruction” est ici un terme de production, (78) :
ρPk = 2µt Sij Sij (97)

2004-2005 Page 33/54
• la somme du terme de diffusion moléculaire et du terme de diffusion turbulente se modélise

comme un terme de diffusion, soit (σk est déterminé expérimentalement, voir le modèle k − ε) :
∂2k ∂ 1 ∂ µt ∂ 2
µ 2 − (u0 i P 0 ) − ρ (u0 i u0 i u0 j ) = k (98)
∂xj ∂xi 2 ∂xj σk ∂x2j
• le terme de corrélation u0 i S 0 i n’est pas détaillé ici : il demande une modélisation spécifique, selon
la physique mise en jeu.
Pour déterminer νt , on doit donc :
• fixer la longueur de mélange L
3
• résoudre l’équation sur l’énergie cinétique turbulente k, en notant ε = C µ kL2 :
∂k ∂k µt ∂ 2 k
ρ + ρ uj = + ρ Pk − ρε + u0 i S 0 i (99)
∂t ∂xj σk ∂x2j
Ce type de modèle ”à une équation de transport” (pour k) est cependant d’utilisation limitée. En
effet, lorsque l’on souhaite employer un modèle plus sophistiqué qu’un simple modèle à longueur de
mélange, c’est souvent directement vers un modèle à deux équations de transport (k − ε) que l’on se
tourne.
4.2.6 Le modèle de viscosité turbulente à deux équations k − ε

Équations de transport pour les variables turbulentes
On cherche, ici encore, à obtenir une valeur de νt , mais cette fois en s’affranchissant de la nécessité
de spécifier une longueur de mélange. À partir de l’hypothèse de Prandtl :
√
νt = kLt (100)
l’analyse dimensionnelle fournit une valeur de l’échelle des grands tourbillons et permet de relier la
viscosité aux deux variables k et ε. On fait apparaı̂tre un coefficient de proportionnalité qui est obtenu
expérimentalement (usuellement Cµ = 0, 09) :
3
k2
L t = Cµ (101)
ε
et donc :
k2
νt = C µ (102)
ε
Pour déterminer νt , il faut alors calculer les deux variables k et ε.
Pour cela, on reprend l’équation sur k présentée pour le modèle k −l (pour alléger l’exposé, on aban-
donne le terme u0 i S 0 i ), mais la dissipation turbulente n’est plus déduite d’une longueur de mélange :
elle est obtenue comme solution d’une équation de transport, calquée6 sur l’équation de k.
Les équations s’écrivent (sans prise en compte des effets de gravité) comme suit (il s’agit des
équations du modèle k − ε de Launder et Spalding [11], dit ”haut-Reynolds”) :

 ∂k ∂k µt ∂ 2 k

 ρ ∂t + ρ uj ∂x = σ ∂x2 + ρ Pk − ρε
j k j
(103)
 ∂ε
 ∂ε µt ∂ 2 ε ε
 ρ + ρ uj = + ρ (C ε P k − C ε ε)
∂t ∂xj σε ∂x2j k 1 2
Les constantes déterminées à partir d’expériences élémentaires sont présentées dans le tableau 2.
6 En théorie, on peut, comme pour k, déduire une équation pour ε en partant directement de sa définition
0 0
ε = −µ ∂u i ∂u i
∂xj ∂xj
. Néanmoins, cette équation est peu maniable en pratique car elle fait intervenir de trop nombreuses
corrélations.
2004-2005 Page 34/54
C µ σk σε C ε 1 C ε 2
0, 09 1 1, 3 1, 44 1, 92
Tab. 2 – Constantes du k − ε.
Comportement en proche paroi

L’appellation ”haut-Reynolds” peut être trompeuse. Elle fait référence à des modèles bien adaptés
en dehors des sous-couches visqueuses, c’est-à-dire lorsque les effets visqueux sont localement négligeables
devant les effets turbulents. Dans un écoulement à ”haut nombre de Reynolds”, en particulier, la sous-
couche visqueuse est fine et il est donc possible (selon la nature et la précision des informations
recherchées) de se satisfaire d’un modèle ”haut-Reynolds”, qui sera bien adapté dans la plus grande
partie du domaine.
Par contre, il faut généralement s’abstenir d’appliquer un modèle purement ”haut-Reynolds” dans
les sous-couches visqueuses. Il faut en particulier veiller, dans les applications numériques, à ce que la
taille des mailles de paroi soit suffisamment grande : plus grande ∗
que la sous-couche visqueuse et en
général caractérisée par une épaisseur adimensionnelle y + = yuν > 30. Dans cette relation, y représente
la demi-hauteur des mailles de paroi (distance du centre des mailles à la paroi) et u∗ est une ”vitesse
de frottement” locale, qui n’est connue précisément qu’a posteriori mais que l’on peut prendre égale à
10% de la vitesse moyenne en première approximation.
Dans de nombreux écoulements industriels, le nombre de Reynolds est si élevé que l’on n’a en
pratique aucune difficulté à satisfaire cette contrainte sur la taille des mailles de paroi (les limitations
des calculateurs bornent naturellement le nombre de mailles et la taille des mailles de paroi est donc
souvent suffisament grande). Néanmoins, il faut prêter une attention particulière à la génération du
maillage lorsque la viscosité du fluide est variable, que la géométrie peut faire apparaı̂tre des zones
mortes, ou que d’importants phénomènes de convection naturelle doivent être pris en compte.
La notion de loi de paroi (”wall function” ou “law of the wall”) découle de cette notion de modèle
”haut Reynolds”. En effet, le modèle n’étant pas adapté à la sous-couche visqueuse, il faut éviter de
résoudre ses équations dans cette zone. On utilise alors des ”lois de paroi”, lois analytiques qui, intégrées
au travers de la première maille en paroi, permettent de représenter le comportement de la couche limite
(sans la mailler finement). Les lois adimensionnelles déterminées pour un écoulement stationnaire sur
une plaque plane (logarithmique pour la vitesse et la température, en 1/y pour la dissipation...) sont
généralement adoptées, quelle que soit la configuration locale et instantanée de l’écoulement (on peut
donc naturellement s’interroger sur leur validité, en particulier lorsqu’interviennent des forces de volume
importantes, de forts gradients de pression adverses, des effets de courbure notables...).
Une autre démarche permet de s’affranchir de cette approche par lois de paroi. Elle repose sur des
variantes des modèles de turbulence dites ”bas Reynolds” qui font intervenir des effets d’amortissement
en proche paroi et permettent alors de résoudre correctement la sous-couche visqueuse [4]. Les équations
régissant l’évolution des grandeurs (k et ε) sont modifiées et il devient alors indispensable de mailler
finement la couche limite, jusqu’à placer plusieurs mailles à y + 6 1. De ce fait, dès lors que le nombre
de Reynolds moyen s’élève, même modérément (10000 ou 100000), la diminution de l’épaisseur de la
couche limite se traduit par la nécéssité d’utiliser des mailles très fines et, par voie de conséquence,
des maillages très volumineux (à plusieurs millions de mailles). Des modèles bas Reynolds ont été
développés très tôt, mais sont d’utilisation souvent délicate. On note cependant quelques approches
récentes prometteuses dont le v 2 − f (version φ model, [25] par exemple, décrit plus loin).
Atouts et limitations
Le modèle k − ε haut Reynolds présente de nombreux avantages :
• il s’agit d’un modèle relativement simple, ne demandant que deux équations supplémentaires (k
et ε), disponible dans (presque) tous les codes,
• le modèle présente une grande robustesse qui permet en particulier d’aborder des physiques raides
2004-2005 Page 35/54
sans trop de difficulté (cette robustesse est due au fait que le modèle dépend essentiellement de ses
termes sources, par opposition à des modèles pour lesquels les termes de transport, différentiels
d’ordre 1 en espace, sont prépondérants)
• de par son ancienneté (Launder Spalding 1974), le modèle k − ε a un comportement et des
limitations bien connues,
• moyennant ces limitations, le domaine d’application du modèle est relativement large (écoulements
internes et externes, prise en compte de certains effets thermiques...)
Le modèle a cependant des inconvénients et des limitations. On pourra se reporter par exemple au
document [27] qui en propose une synthèse complète et très accessible.
• L’énergie cinétique turbulente est surestimée dans les régions d’impact et de réattachement. Ceci
conduit en particulier à une large surestimation des transferts thermiques et rend plus diffi-
cile l’apparition de détachements tourbillonnaires (derrière un obstacle par exemple). Ces deux
phénomènes vont de pair avec un niveau de turbulence trop élevé. En effet, pour l’aspect ther-
mique, plus la turbulence est forte en paroi, plus le mélange est efficace et mieux la chaleur peut
être transférée de la proche paroi vers l’écoulement. Pour l’aspect ”détachement tourbillonnaire”,
plus la turbulence est forte en paroi, moins les couches limites se détachent7 (on observe des pro-
fils ”bouchons” alors que les écoulements laminaires ou à faible niveau de turbulence ont plutôt
des profils paraboliques). Des corrections du terme de production sont possibles (par exemple [8]
[14]).
• Les recirculations dans un écoulement à ”swirl” sont sous-estimées (on peut rapprocher ce com-
portement du caractère ”diffusif” du modèle qui modélise les tensions de Reynolds sous la
forme d’un terme diffusif). Les modèles de transport des tensions de Reynolds sont susceptibles
d’améliorer les prédictions (ainsi que certains modèles à viscosité turbulente ”non-linéaires”).
• Les écoulements à forts effets de gravité ou dans lesquels les lignes de courant sont très courbes
sont généralement assez mal appréhendés par le modèle k − ε (les modèles de transport des
tensions de Reynolds sont souvent mieux adaptés).
• Les séparations sous l’effet d’un gradient de pression adverse sont mal prises en compte (la
séparation est sous-estimée). Le modèle de Baldwin-Lomax est mieux calibré pour ces applica-
tions. Le modèle k − ω SST de Menter améliore également les prédictions ([14] [15] [16] [17]).
• Le réattachement après un décollement est généralement mal prédit (trop rapide derrière une
marche descendante par exemple).
• Le développement des jets ou des sillages n’est pas correctement prédit. Certains modèles à
viscosité turbulente ”non linéaires” sont mieux calibrés pour ces configurations.
• Le modèle n’inclut pas les effets de compressibilité qui peuvent s’avérer importants dans les
couches limites ([22], [28]).
• Les zones de transition laminaire-turbulent ne peuvent être représentées. Il n’y a aujourd’hui
aucune solution simple (sinon celle de brancher le modèle en des zones prédéterminées).
• L’utilisation des modélisations ”bas-Reynolds” nécessite une bonne expertise (mais certains
modèles plus récents offrent des perspectives prometteuses : v 2 −f version φ-model par exemple).
• De très nombreuses variantes du modèle k − ε initial de Launder et Spalding ont été proposées,
pour corriger tel ou tel défaut, mais (de manière à peine caricaturale) aucune n’a permis de
réaliser d’incontestable avancée sur une large gamme d’écoulements. Aujourd’hui néanmoins, des
approches prometteuses émergent (k − ω SST de Menter [14] [15] [16] [17], le modèle v 2 − f de
Durbin [7] et ses variantes plus récentes telles que le φ-model du groupe de Laurence [25]).
Cette longue liste de limitations ne doit pas laisser croire que le modèle k − ε est inutilisable, bien
au contraire : il faut y voir la preuve que son comportement est très bien appréhendé. En outre, les
limitations évoquées ici doivent être replacées dans le contexte des objectifs des études industrielles
spécifiques, pour lesquelles le niveau de détail requis est variable.
7 L’introduction locale de turbulence est d’ailleurs utilisée en aérodynamique externe pour éviter ce détachement,
contrôler les couches limites et réduire la traı̂née.

2004-2005 Page 36/54
Pour ces raisons, le modèle k − ε est un des plus couramment utilisés dans l’industrie (sinon le plus
couramment utilisé).
4.2.7 Modèles non linéaires

Le modèles à viscosité turbulente dits ”non linéaires” sont des modèles dans lesquels on continue à
déterminer une viscosité turbulente par la relation :
k2
νt = C µ (104)
ε
mais l’hypothèse de Boussinesq :
2 2
u0 j u0 i − kδij = −2νt S ij + νt S kk δij (105)
3 3
est remplacée par une relation non linéaire entre le tenseur de Reynolds et le tenseur des déformations,
par exemple :
2 2 νt k 1 νt k
u0 j u0 i − kδij = −2νt S ij + νt S kk δij + 4 C1 (S ik S kj − S kl S kl δij ) + 4 C2 (Ωik S kj + Ωjk S ki )...
3 3 ε 3 ε
(106)
avec les tenseurs rendant compte des déformations et des rotations :

1 ∂ui ∂uj 1 ∂ui ∂uj
S ij = + Ωij = − (107)
2 ∂xj ∂xi 2 ∂xj ∂xi
Les coefficients Cµ , C1 , C2 ... sont déterminés à partir d’écoulements élémentaires (couche limite,
cisaillement, rotation...). Ils constituent autant de degrés de liberté qui permettent de caler le modèle.
De nombreux modèles non linéaires ont ainsi vu le jour (par exemple [23]), avec un comportement
parfait dans un domaine d’application donné, mais pour lesquels le comportement sur une configuration
nouvelle peut s’avérer difficilement prévisible a priori, en particulier pour des utilisateurs non experts.
4.3 Modèles aux tensions de Reynolds

4.3.1 Introduction
Les limitations du modèle k − ε conduisent naturellement à rechercher des solutions plus fines, en
particulier pour les écoulements à swirl par exemple. Pour cette raison, on peut résoudre directement
des équations de transport sur les tensions de Reynolds. Avec cette approche, on s’affranchit donc de
l’hypothèse de Boussinesq (les tensions de Reynolds qui apparaissent dans l’équation de la quantité de
mouvement sont désormais des variables dont on résout une équation de transport).
Les modèles de ce types sont dits ”aux tensions de Reynolds”, ou ”de transport des tensions de
Reynolds” ou ”modèles au second ordre” (en Anglais, ”Reynolds Stress Model” ou ”Second Moment
Closure”).
La nature numérique du modèle s’en trouve profondément modifiée, puisque la turbulence n’apparaı̂t
plus dans l’équation de la quantité de mouvement sous la forme d’un terme (stabilisant) de diffusion,
mais sous la forme d’un terme en divergence des tensions de Reynolds. Ce terme (de transport) est de
nature hyperbolique, et la stabilité numérique du système est souvent plus délicate à assurer.
Les équations régissant l’évolution des tensions de Reynolds sont obtenues comme l’équation portant
sur l’énergie cinétique turbulente et demandent également un effort de modélisation pour représenter
les corrélations triples des fluctuations de vitesse, les corrélations pression vitesse...
L’équation adoptée pour la dissipation est calquée sur celle utilisée dans le cadre du modèle k − ε.
2004-2005 Page 37/54
4.3.2 Les équations du modèle LRR

On indique ci-dessous les équations du modèle ”LRR” [10] (Launder, Reece, Rodi), d’utilisation
relativement répandue (mais il n’y a pas la même unanimité que pour le k − ε quant au choix du
meilleur modèle aux tensions de Reynolds).
Comme pour le modèle k − ε, le modèle presenté ici est un modèle ”haut-Reynolds” avec lois de
paroi. Pour la vitesse, en particulier, on utilise la même loi que pour le k − ε.
On note habituellement les tensions de Reynolds Rij = u0i u0j . Les équations s’écrivent :

 ∂Rij 2

 ρ ∂t
 +div(ρu Rij − µ grad Rij ) = dij +Pij +Φij −ρ εδij
3
(108)

 ε2
 ρ ∂ε

+div(ρu ε − µ grad ε) = dε
ε
+Cε1 P −ρCε2
∂t k k
Le tableau 3 rassemble les constantes du modèle.
Cµ Cε Cε1 Cε2 C1 C2 C3 CS C10 C20

0, 09 0, 18 1, 44 1, 92 1, 8 0, 6 0, 55 0, 22 0, 5 0, 3
Tab. 3 – Constantes pour le modèle de transport des tensions de Reynolds.
4.3.3 Interprétation des différents termes

Convection, diffusion
On retouve dans ces équations les termes habituels instationnaires et de convection. Les termes de
diffusion sont notés d . Comme pour l’équation portant sur k, dij représente les corrélations triples des
fluctuations de vitesse et les corrélations entre les fluctuations de pression et de vitesse.
Production, destruction, dissipation

On retrouve dans ces équations les termes de ”production destruction” Pij (les effets de gravité addi-
tionnels, notés habituellement Gij , n’ont pas été inclus ici). Contrairement au k − ε, le terme Pij ne
requiert aucune modélisation puisqu’on dispose des tensions de Reynolds et des gradients de la vitesse
moyenne.
Il faut remarquer par ailleurs que les tensions de Reynolds ne sont pas obligatoirement alignées avec
le tenseur des déformations et que le terme Pij n’est donc pas nécessairement positif. On permet ainsi
le transfert d’énergie des structures turbulentes vers l’écoulement moyen (c’est un atout par rapport
au modèles à viscosité turbulente).
On note également que la dissipation est isotrope. Ceci résulte de l’hypothèse que les petites struc-
tures, responsables de la dissipation, sont considérées comme telles.
Redistribution
∂u0 j
Le terme Φij = ρ1 P 0 ∂u
0
∂xj
i
+ ∂xi est un terme de redistribution d’énergie qui représente les corrélations
entre les fluctuations de pression et le gradient des fluctuations de vitesse. Il nécessite un effort de
modélisation important.
Pour interpréter sa modélisation usuelle, plaçons-nous dans la configuration élémentaire d’un ci-
saillement moyen (voir paragraphe 2.2.3) : vitesse dans la direction x, gradient dans la direction y. Les
2004-2005 Page 38/54
équations des tensions de Reynolds s’écrivent alors :


 d ∂u 2

 R11 = −2 R12 +Φ11 − ε

 dt ∂y 3





 d 2


 dt R22 =
 +Φ22 − ε
3
(109)

 d 2

 R33 = +Φ33 − ε



 dt 3





 d ∂u
 R12 = − R22 +Φ12
dt ∂y
Sous l’effet du cisaillement moyen, soit ∂u ∂y , si l’on suppose l’existence d’une fluctuation de vitesse
0
v (on suppose R22 = v v non nul), on constate qu’elle est corrélée à la fluctuation u0 (voir paragraphe
0 0
2.2.3). Ainsi, la corrélation R12 = u0 v 0 est produite par l’action conjointe du gradient de vitesse moyenne
et de R22 , ce qui est cohérent avec l’expression P12 = −R22 ∂u ∂y . De plus, l’apparition de fluctuations u
0
∂u
conduit à accroı̂tre R11 = u0 u0 et on comprend l’expression du terme de production P11 = −2 R12 ∂y .
Cette analyse simple montre que le gradient de vitesse moyenne entretient les corrélations R 11 et R12 .
Les tensions R22 et R33 , par contre, ne sont pas directement entretenues par la production due
au gradient de vitesse moyenne. La dissipation visqueuse étant isotrope, ces tensions devraient donc
tendre vers zéro. Néanmoins, l’expérience montre qu’elles se maintiennent à un niveau non nul dans ce
type d’écoulement. À partir des équations d’évolution, on constate que seul le terme Φ est susceptible
de les alimenter.
En effet, ce sont les fluctuations de pression (donc l’effet est naturellement tridimensionnel) qui
permettent de maintenir le niveau de fluctuations de vitesse v 0 et w0 . Cette redistribution d’énergie
prélevée sur R11 est illustrée sur la figure 15 et se traduit par la relation8 :
Φ11 = −(Φ22 + Φ33 )
Les fluctuations de pression tendent donc à redistribuer l’énergie turbulente produite dans toutes les
directions de l’espace, c’est-à-dire à rendre la production isotrope. Une modélisation (partielle) de Φ
s’en déduit (modèle ”IP” : ”Isotropization of Production”) :
Φij = −C2 (Pij − Pkk δij )
Par ailleurs, comme la turbulence revient naturellement à un état isotrope s’il n’y a pas de cisaille-
ment, il est nécessaire d’inclure un terme de rappel (assorti d’un temps de relaxation turbulent k/ε,
dû à Rotta, 1951) :
k 1
− Rij − Rkk δij
ε 3
La modélisation de Φ s’écrit donc finalement :

k 1
Φij = −C1 (Rij − Rkk δij ) −C2 (Pij − Pkk δij ) (110)
| ε {z 3 }| {z }
Φ2,ij
Φ1,ij
Le terme Φ1,ij est dit ”terme lent” car il n’agit qu’avec un temps de relaxation lié à la turbulence
locale. Le terme Φ2,ij est un ”terme rapide” qui répercute immédiatement les variations du gradient
de vitesse moyenne sur la turbulence.
8 la trace de Φ est nulle si les fluctuations de vitesse sont à divergence nulle, ce qui est le cas pour un écoulement
incompressible
2004-2005 Page 39/54
Fig. 15 – Equilibre dans un cisaillement homogène.
4.4 Thermique
4.4.1 Introduction
La prise en compte de la thermique est faite sur le même mode que la dynamique, mais les modèles
s’avérent plus délicats à mettre en œuvre (d’autant que les mesures précises sont difficiles à réaliser).
On se limite ici à présenter une modélisation simple, cohérente avec le modèle k − ε haut Reynolds
présenté précédemment.
4.4.2 Modélisation de type ”viscosité turbulente”

Il est nécessaire de modéliser la corrélation u0 j T 0 qui apparaı̂t dans (39) :

∂ ∂ ∂ ∂T ∂
(ρCp T ) + (ρ Cp uj T ) = λ + ΦT − (ρ Cp u0 j T 0 ) (111)
Pour cela, on peut utiliser :

νt ∂T
u0 j T 0 = − (112)
σt ∂xj
Cette modélisation admise, il faut alors se donner σt , le nombre de Prandtl turbulent. La valeur
utilisée peut évidemment être calée au mieux pour certains types d’écoulements. Par exemple, [18]
propose les valeurs reproduites dans le tableau 4.
Néanmoins, dans les applications complexes, pour lesquelles il est généralement impossible de
dégager un type d’écoulement prépondérant, on choisit souvent une valeur constante, égale à l’unité.
2004-2005 Page 40/54
Jet plan Jet Couche Canalisation Canalisation

axisymétrique limite circulaire non circulaire
σt 0,5 0,7 0,9 0,9 >1
Tab. 4 – Nombre de Prandtl turbulent pour quelques types découlements
4.4.3 Comportement en proche paroi

Flux adimensionnel
On trouvera dans [1] une présentation détaillée de la problématique liée à la modélisation des transferts
thermiques turbulents. En particulier, au voisinage d’une paroi plane, dans le cadre des modèles haut-
Reynolds, une loi de paroi est nécessaire pour représenter la couche limite thermique. On détaille la
démarche ci-après, en adoptant un cheminement similaire à celui employé pour obtenir une loi de paroi
pour la vitesse.
Pour la vitesse, il fallait disposer d’une loi permettant de calculer la contrainte totale en paroi
ρτp = (µ + µt ) ∂u
∂y . De même, pour la thermique, il faut disposer du flux en paroi qui représente l’effet
de la couche limite sur le reste de l’écoulement :
Cp µt ∂T
φp = (λ + ) (113)
σt ∂y
Pour la vitesse, on a introduit la notation u∗ , avec τp = u∗ u∗ . De même, pour la thermique, on

introduit ici T ∗ telle que :
φp
= C p u∗ T ∗ (114)
ρ
On adimensionne alors l’expression du flux en paroi (113) en divisant à gauche par φ p et à droite
par ρ Cp u∗ T ∗ :
1 1 µt ∂T +
1=( + ) (115)
σ σt µ ∂y +
µ + T − Tp
avec σ = et T =
λ/Cp T∗
L’intégration de cette relation permet d’obtenir une ”loi de paroi” pour la température, à condition
de se donner une loi pour le nombre de Prandtl turbulent au voisinage de la paroi.
Fluides à nombre de Prandtl (moléculaire) voisin de 1

Considérons les fuides ”classiques” dans lesquels σ est de l’ordre de l’unité (l’épaisseur de la couche
limite thermique et celle de la couche limite dynamique sont du même ordre).
En très proche paroi, où les effets turbulents sont négligeables (y + < 10), on a :
1 ∂T +
1= (116)
σ ∂y +
Au delà de la sous couche visqueuse (y + > 30), ce sont les effets de conduction moléculaire qui sont
négligeables (devant la diffusion turbulente). Pour représenter analytiquement la viscosité turbulente,
on utilise classiquement un modèle de longueur de mélange, dans lequel la dérivée de la vitesse est
calculée en utilisant la loi logarithmique :

2 ∂u
νt = (κ y)
∂y (117)
∗
2u
= (κ y) = κ y u∗
κy
2004-2005 Page 41/54
et donc :
κ y + ∂T +
1= (118)
σt ∂y +
On obtient, par intégration, les lois suivantes :

( +
T = y+ pour y + < 10
σt (119)
= ln(y + ) + C pour y + > 30
κ
La constante est déterminée pour rendre la loi continue en y0+ , dont la valeur, comprise entre 10 et 30,
détermine la séparation des zones dans lesquelles prédominent les effets de conduction moléculaire ou
les effets de diffusion turbulente.
Une amélioration classique proposée par Arpaci et Larsen consiste à considérer non pas deux, mais
trois plages de y + , et à se donner dans la zone intermédiaire une loi de variation satisfaisante de
( σ1 + σ1t µµt ) à base de considérations expérimentales. On donne ci-dessous le modèle à trois couches
dans une des versions proposées par Arpaci et Larsen :
 +

 T = σ y+ pour y + < y1+
 + σt
T = a2 − pour y1+ 6 y + < y2+ (120)
 2 a1 (y + )2
 T + = σt ln(y + ) + a3 pour y + 6 y +

2
κ
avec r
13
1000 1000κ
y1+ = y2+ = (121)
σ σt
et
2 2 σt 1000κ
a2 = 15σ 3 a3 = 15σ 3 − 1 + ln (122)
2κ σt
Fluides à nombre de Prandtl (moléculaire) très petit devant 1

Pour σ << 1 (sodium liquide en particulier, métaux liquides en général), la situation est différente car
la couche limite thermique est généralement beaucoup plus épaisse que la couche limite dynamique, du
fait de la grande conductivité thermique du fluide. La couche intermédiaire du modèle à trois couches
ci-dessus n’existe donc pas et un modèle à deux couches est adapté. Arpaci et Larsen en proposent
plusieurs, dont la version suivante :

 T +
= σ y+ pour y + 6 y0+
σt y+ (123)
 T +
= ln + σ y0+ pour y0+ < y +
κ y0+
avec
σt
y0+ = (124)
κσ
4.5 Conditions aux limites en entrée

4.5.1 Introduction
On se limite ici à fournir un ordre de grandeur des variables turbulentes que l’on peut imposer
en entrée en l’absence d’informations plus précises. Il est important de garder à l’esprit que, s’il est
important de prêter attention aux valeurs imposées pour chacune des grandeurs turbulentes, il est
également indispensable de s’assurer de leur cohérence. On s’intéresse ici essentiellement aux modèles
RANS classiques k − et Rij − ε.
2004-2005 Page 42/54
14
12 1/Pr
0.42 y+/Prt
a1 (y+)**3/Prt
10
8 y+
2
K
6
2 y+
1
0
0 10 20 30
y+
Fig. 16 – Temperature adimensionnelle en paroi.
4.5.2 Énergie cinétique turbulente et dissipation pour les écoulements internes

En l’absence d’informations plus précises (données expérimentales, calculs précurseur en amont...),
pour les simulations d’écoulements internes, on utilise en entrée de domaine les grandeurs turbulentes
d’un écoulement établi dans une conduite lisse9 , circulaire et de diamètre hydraulique égal à celui de
l’entrée considérée. D’ordinaire, il suffira d’imposer une valeur moyenne uniforme sur la surface de
l’entrée.
Ainsi, soit une entrée de diamètre hydraulique D (voir l’équation (2)) par laquelle pénètre un fluide
de viscosité cinématique moléculaire ν, de vitesse moyenne U . Le nombre de Reynolds associé à l’entrée
considérée est Re = UνD . On recherche une valeur de l’énergie cinétique turbulente k et de la dissipation
associée ε.
Dans une conduite circulaire de diamètre D, à parois lisses, l’écoulement turbulent établi d’un fluide
de viscosité ν et de vitesse moyenne U est caractérisé par une vitesse de frottement u ∗ qui peut se
calculer par corrélations (voir l’abaque de Moody) :
r
∗ λ
u =U (125)
8
avec 1
λ = 0.3164 Re− 4 pour Re 6 30000
1 (126)
= 0.1840 Re− 5 pour Re > 30000
Avec cette vitesse de frottement, on déduit les valeurs suivantes de k et de ε qui seront utilisées comme
valeurs moyennes uniformes en entrée :
3
u∗ 2 3 k2 u∗ 3
k=p et ε = Cµ4 = (127)
Cµ κ 0, 1 D κ 0, 1 D
Il est important de noter que les valeurs de k et de ε sont cohérentes et conduisent à une viscosité
2
turbulente νt = Cµ kε représentative de celle d’un d’un écoulement turbulent établi en conduite lisse.
En effet, en utilisant les relations précédentes donnant k et ε, on a :
νt = κ 0, 1 D u∗ (128)
Cette relation est bien cohérente avec celle proposée pour la viscosité turbulente (paragraphe 4.2.3),
dans laquelle on utilise le profil logarithmique pour évaluer le gradient de vitesse et l’hypothèse que
9 L’abaque de Moody permet également de fournir des valeurs pour les conduits rugueux, si nécessaire. La démarche
est identique à celle décrite ici.

2004-2005 Page 43/54
l’échelle de longueur turbulente est Lm = κ 0, 2 y, y étant la distance à la paroi :

∂u1
νt = L2m
∂x2
(129)
u∗
= (κ 0, 2 y)2 = κ 0, 2 y u∗
κy
4.5.3 Énergie cinétique turbulente et dissipation pour les écoulements externes

Pour les écoulements externes (atmosphérique, écoulements autour de véhicules...), en l’absence
d’informations plus précises, on se donne :
• une longueur caractéristique de la turbulence L (à déterminer au cas par cas selon la taille
des grosses structures susceptibles d’entrer dans le domaine) q
2
• une intensité turbulente I (rapport de l’amplitude des fluctuations de vitesse u0 ≈ 3k à
la vitesse moyenne U ).
q
2
3k
I= (130)
U
Cette grandeur I peut être prise égale à 5% par exemple (I = 0, 05), dans un écoulement moyen-
nement turbulent. La relation permettant d’obtenir la dissipation est souvent prise identique à celle
utilisée pour les écoulements internes. Soit donc :
3
3 3 k2
k = (I U )2 et ε = Cµ4
(131)
2 κ 0, 1 D
4.5.4 Modèles aux tensions de Reynolds
On peut déduire des relations (127) ou (131) des conditions d’entrée pour les grandeurs du modèle
Rij − ε. Pour cela,
• on utilise d’ordinaire la même expression pour la dissipation turbulente, soit :
3
3 k2 1
ε = Cµ4 avec, par définition k= (R11 + R22 + R33 )
κ 0, 1 D 2
• on adopte une hypothèse d’isotropie de la turbulence pour les tensions de Reynolds, soit :
2
Rij = kδij
3
4.5.5 Remarque
Selon les cas, naturellement, il est possible d’imposer des données plus précises ou mieux adaptées
si les configurations étudiées sont bien documentées. Ainsi, il est possible d’imposer des profils au lieu
de valeurs moyennes (par exemple, des profils d’écoulement établi en conduite) ou de ne pas se limiter
à l’hypothèse d’isotropie en Rij − ε. On peut également réaliser un calcul préliminaire pour déterminer
les conditions d’entrée. Pour cela, on considère un domaine de calcul plus étendu (éventuellement avec
un maillage plus grossier) dans lequel les conditions aux limites, qui sont alors repoussées plus loin des
zones d’intérêt, revêtent de ce fait une importance moindre.
2004-2005 Page 44/54
4.6 Perspectives
4.6.1 Introduction
Bien que les travaux en modélisation de la turbulence soient légion, on se limitera ici à mettre
l’accent sur deux points particuliers seulement.
Le premier concerne le modèle k − ω et ses versions dérivées, seule approche susceptible de concur-
rencer le modèle k − ε standard.
Le deuxième modèle prometteur abordé est le v 2 − f et ses versions améliorées, dont une en parti-
culier pourrait se révéler sous peu comme la seule approche bas Reynolds robuste et fiable.
4.6.2 Le modèle k − ω SST

Dans les modèles à deux équations, le choix des variables turbulentes k et ε n’est pas le seul
ε
possible. Ainsi, Wilcox [26] utilise en lieu et place les variables k et ω, avec ω = ∗ et β ∗ = 0, 09.
β k
L’avantage majeur est qu’avec ce choix de variables, le comportement en proche paroi est décrit bien
plus naturellement qu’avec le modèle k − ε.
Le modèle résultant présente cependant, par rapport au k −ε, certains inconvénients loin des parois.
Pour cette raison, Menter a imaginé un modèle permettant de basculer progressivement de l’utilisation
du k − ω en proche paroi à l’utilisation du k − ε loin des parois.
La dernière version de ce modèle composite, dite k − ω SST (Shear Stress Transport) [15], est
particulièrement satisfaisante (tout au moins en écoulement isotherme) en particulier près des zones
de séparation. S’il faut se garder d’y voir une solution universelle10 , le modèle paraı̂t néanmoins promis
à une utilisation industrielle croissante.
4.6.3 Le v 2 − f , version φ-model
Les modèles bas Reynolds classiques, qui font appel à des fonctions d’amortissement numérique pour
prendre en compte la zone de proche paroi, sont pour la plupart relativement peu robustes, souvent
peu fiables, et d’implantation délicate dans les codes. Par ailleurs, les modèles de type k − ω, dont les
variables dégénèrent naturellement vers leur limite physique en proche paroi, ne sont cependant pas
satisfaisants d’un point de vue quantitatif dans la sous-couche visqueuse car leurs équations ne sont
pas construites pour prendre en compte les effets de paroi dus aux fluctuations de pression et la limite
bidimensionnelle des structures turbulentes qui en résulte.
Le modèle v 2 − f a été conçu pour dépasser ces limitations. Il repose sur la détermination d’un
paramètre f solution d’une équation de relaxation elliptique en espace qui traduit l’effet des parois
sans avoir recours à des fonctions d’amortissement. Cette approche, appliquée tout d’abord dans le
cadre des modèles aux tensions de Reynolds par Durbin, puis simplifiée [13], a enfin été adaptée au
modèle k − ε.
En pratique, dans le modèle v 2 − f , les variables k et ε restent des inconnues du problème, avec
des équations pratiquement inchangées. Une variable supplémentaire est ajoutée, v 2 , qui représente
approximativement la tension de Reynolds dans la direction normale aux lignes de courant. C’est dans
l’équation de cette variable qu’est introduit le paramètre solution de l’équation elliptique qui traduit
l’effet de proximité de la paroi. Ces trois variables, k, ε et v 2 permettent alors de calculer la viscosité
turbulente requise par le modèle k − ε, selon la relation νt = Cµ v 2 T , où T est une échelle de temps
k
turbulente (égale, à certaines limitations physiques près, à ).
ε
De nombreuses versions de ce modèle ont été proposées, dont la plus récente, le φ-model du groupe
de D. Laurence (UMIST) [25], semble allier des propriétés de stabilité, de robustesse et de simplicité
10 Le k − ω SST semble avoir des difficultés à prédire avec précision les phénomènes de recollement
2004-2005 Page 45/54
d’implantation numérique.
Le modèle résultant semble particulièrement prometteur dans un domaine où l’on ne disposait
jusquà présent d’aucune solution satisfaisante pour la communauté scientifique.
5 Simulation des Grandes Échelles

5.1 Introduction
Les considérations présentées dans le chapitre “Modélisation de la turbulence” sont basées sur des
valeurs moyennes statistiques. Elles sont donc naturellement limitées lorsqu’il s’agit d’accéder à des
informations locales ou instantanées. Ces données sont cependant indispensables dans un bon nombre
d’applications. Par exemple :
• la recherche de propagation ou d’amorçage de fissure dans des matériaux soumis à de la fatigue
thermique par cyclage,
• la production d’espèces polluantes lorsque des maxima de température sont atteints en combus-
tion,
• la prédiction de l’impact du bruit sur les structures (les sources de bruit étant des fluctuations
de pression).
• le contrôle des couches limites turbulentes pour la réduction de traı̂née,
• et bien d’autres encore...
La simulation des grandes échelles permet de lever, en partie tout au moins, cette limitation. Il s’agit
d’une technique assez ancienne du point de vue théorique (Deardorff 1974) mais dont l’exploitation
dans les applications industrielles n’a véritablement été envisagée que depuis les années 90 et qui
commence à peine à porter ses fruits, en particulier grâce à l’augmentation massive des moyens de
calcul, de stockage et de traitement des données (on voudra bien excuser le caractère caricatural de la
présentation, qui se veut synthétique).
Le chapitre présente les grandes lignes de la technique.
5.2 Simulation des grandes échelles : la démarche

Pour avoir un accès direct aux fluctuations locales et instantanées des variables, on ne peut se
satisfaire d’approches qui produisent les moyennes statistiques des variables. Si l’on admet que l’es-
sentiel des fluctuations dues à la turbulence est porté par les grosses structures, il est naturel de
chercher à représenter précisément ces dernières. Par ailleurs, on accepte de faire l’hypothèse que dans
les écoulements que l’on désire étudier, les petites structures sont isotropes et peuvent être décrites
par un modèle relativement rustique. Il s’agit là des bases de la simulation des grandes échelles (ou
Macro-simulation de la turbulence, ou Large Eddy Simulation).
Comme le spectre de la turbulente homogène isotrope (figure 17) suggère qu’à partir d’un certain
Reynolds, il y a une séparation nette entre les grosses les petites structures, il est naturel d’introduire un
filtre passe-bas pour sélectionner et résoudre les grandes échelles, alors que les petites seront modélisées.
On introduit donc un filtrage spatial (et non pas une moyenne statistique) que l’on applique aux
équations de Navier-Stokes.
Le filtrage spatial est un produit de convolution et satisfait les mêmes propriétés que celles des
moyennes statistiques utilisées pour écrire les équations moyennées au sens de Reynolds. En conséquence,
l’application du filtrage conduit exactement aux mêmes équations que l’application de la moyenne sta-
tistique de Reynolds, mais les inconnues ne représentent pas les mêmes grandeurs physiques.
Si l’on note < . > l’opérateur de filtrage, basé sur la fonction g (une gaussienne par exemple) :
Z
< f > (x0 , y0 , z0 ) = f (x, y, z)g(x − x0 , y − y0 , z − z0 )dx dy dz (132)
IR3
2004-2005 Page 46/54
Fig. 17 – Représentation classique pour le spectre d’énergie en turbulence homogène isotrope.
on obtient pour l’équation de la masse et de la quantité de mouvement :

 ∂

 (ρ j ) = 0

 ∂x

 ∂ j ∂
(ρ i ) + (ρ j i ) (133)

 ∂t ∂xj

 ∂ ∂ ∂

 =− + < τ >ij + < S >i − (ρ < (u− )j (u− )i >)
∂xi ∂xj ∂xj
Les inconnues choisies pour les calculs numériques sont les variables filtrées11, de sorte qu’il n’est
pas nécessaire de définir explicitement le filtre g (on parle de filtrage implicite).
Conceptuellement, il faut cependant noter que la largeur du filtre est approximativement égale à
la taille locale des mailles : les structures plus grandes que les mailles sont explicitement résolues, les
structures plus petites sont filtrées et leur effet est modélisé. De ce fait, pour que le maillage permette
de résoudre effectivement les structures qui portent l’énergie, il est donc nécessaire que la taille des
mailles soit assez faible pour correspondre à un nombre d’onde inclus dans la zone inertielle du spectre.
Le terme < (u− )j (u− )i >, caractéristique de l’effet des petites structures, reste à
déterminer. On le modélise par un ”modèle de sous-maille”. Deux approches classiques sont présentées
ci-après.
5.3 Modèles de sous-maille

5.3.1 Introduction
Pour modéliser < (u− )j (u− )i >, on utilise classiquement une hypothèse de type
viscosité turbulente. Cette approche peu sophistiquée ne peut donner de bons résultats que si le maillage
est assez fin pour que les structures non représentées (structures plus petites que les mailles) soient
effectivement assez petites et isotropes. On écrit alors :
< (u− )j (u− )i >= µsous-maille < S >ij (134)
Ici, µsous-maille est une viscosité liée à l’effet des petites structures qui ne sont pas résolues par la
finesse du maillage utilisé. Son calcul peut être fait de différentes façons.
11 Dans le cadre des modèles RANS, on prend comme inconnues les variables moyennées au sens statistique : la démarche
est donc similaire, bien que les inconnues ne représentent pas du tout les mêmes grandeurs.
2004-2005 Page 47/54
5.3.2 Modèle de Smagorinsky

Le modèle de Smagorinsky, simple et largement répandu, propose :
p
µsous-maille = ρ(Cs ∆)2 2 < S >ij < S >ij (135)
où Cs est une constante (0,18 pour la turbulence homogène isotrope, mais plutôt 0,1 dans une conduite),
∆ est la largeur estimée du filtre g (généralement ∆ = 2(|Ω|)1/3 où |Ω| est le volume local des mailles)
et < S >ij est le tenseur des déformations calculé à partir de la vitesse résolue .
La limitation essentielle de ce modèle est liée à la nécessité de fixer la constante. Même si elle n’a
d’effet que sur les petites structures, c’est un inconvénient notable qui a conduit au développement de
modèles ”dynamiques” (Germano, Piomelli...).
5.3.3 Modèles dynamiques
En pratique, les modèles dynamiques ne diffèrent du modèle de Smagorinsky que par la détermination
de la ”constante” Cs qui devient ”dynamique” : auto-adaptative selon les caractéristiques locales et
instantanées de l’écoulement. Pour déterminer la constante, on suppose que le maillage est assez fin
pour que le comportement des structures de sous-maille vis-à-vis des structures résolues soit iden-
tique au comportement des plus petites structures résolues vis-à-vis de structures résolues de taille
immédiatement supérieure (on retrouve le concept de ”cascade énergétique”). Autrement dit, étant
donné un maillage de taille de maille ∆2 et un filtre explicite G1 de largeur ∆1 > ∆2 , on suppose que
l’on peut écrire,
• pour les structures non résolues et filtrées implicitement par la taille des mailles :
Tsous-maille,ij = µsous-maille < S >ij

avec
(136)
Tsous-maille,ij = < (u− )j (u− )i >
p
µsous-maille = ρ(Cs ∆2 )2 2 < S >ij < S >ij
• et, avec la même constante Cs , pour les structures résolues et filtrées explicitement par le
filtre G1 :
T∆1 ,ij = µ∆1 G1 (< S >ij )
avec (
(137)
T∆1 ,ij = G1 ( −G1 ())j (u − G1 ())i
p
µ∆1 = ρ(Cs ∆1 )2 2G1 (< S >ij )G1 (< S >ij )
Dans cette dernière relation, toutes les variables sont calculables (variables résolues et variables
explicitement filtrées), ce qui permet de déterminer Cs . On peut alors utiliser la valeur obtenue pour
calculer µsous-maille .
Dans la réalité, la détermination de la constante n’est pas aussi directe (utilisation de moyennes
pour des raisons de stabilité par exemple). Par ailleurs, une attention particulière est requise pour le
choix du filtre explicite.
5.4 Conditions aux limites en entrée

En LES, il est important d’accorder une attention spécifique aux conditions d’entrée. En effet, la
LES étant d’ordinaire mise en œuvre pour accéder à des informations fines, il est important que les
conditions aux limites ne dégradent pas les conclusions. En particulier, on souhaite autant que possible
s’assurer que les fluctuations et les structures cohérentes présentes en entrée seront représentées de
manière adéquate par les conditions aux limites. On ne s’étendra pas ici sur les détails des méthodes les
plus récentes (voir par exemple [3]). On se limite à indiquer brièvement quelques exemples d’approches
envisageables.
2004-2005 Page 48/54
• Rappelons que la LES est par nature une méthode instationnaire. Pour disposer de conditions
aux limites instationnaires et reproduisant les fluctuations et les structures cohérentes d’un écoulement,
il est possible de réaliser un calcul LES ”précurseur”, c’est-à-dire un calcul préliminaire sur un domaine
situé en amont du domaine d’étude (dans le cas où le domaine amont est trop complexe ou mal connu,
on peut parfois se contenter de réaliser un calcul sur un canal ou une conduite rectiligne). Les résultats
de ce calcul précurseur sont alors utilisés comme conditions d’entrée du calcul auquel on s’intéresse
(le calcul précurseur permet de repousser les conditions d’entrée plus loin des zones d’intérêt). Cette
méthode est cependant coûteuse en temps calcul et nécessite le stockage d’une quantité importante
d’information (des résultats instationnaires du calcul précurseur doivent être conservés pour fournir
les ”tranches” de données à injecter en entrée).
• Il est également possible d’imposer en entrée de domaine une vitesse moyenne à laquelle on
superpose une fluctuation (pseudo) aléatoire qui traduit l’intensité de la turbulence que l’on souhaite
introduire dans le domaine. Cette méthode ne permet cependant pas de reproduire les structures
cohérentes de l’écoulement et ce défaut est parfois préjudiciable à la qualité des calculs.
• Une méthode plus récente consiste à introduire dans le domaine des structures cohérentes
(tourbillons) dont les échelles caractéristiques correspondent à la turbulence qui doit pénétrer dans
le domaine (intensité, vitesse de dissipation) et dont le déplacement peut être géré par des méthodes
stochastiques. Cette méthode a l’avantage de conserver des structures cohérentes en entrée, ce qui lui
confère une supériorité naturelle sur la précédente.
5.5 Perspectives
Les perspectives évoquées ici ne portent pas uniquement sur la modélisation physique, mais concernent
également les supports informatiques et l’architecture logicielle des codes. Naturellement, le paragraphe
ne prétend pas être exhaustif.
Notons en premier lieu que le coût d’un calcul LES est généralement élevé (plusieurs centaines
d’heures de calcul, plusieurs centaines de Mo). En effet :
- il est nécessaire d’utiliser des maillages suffisamment raffinés pour représenter suffisamment de
structures ;
- la simulation est naturellement instationnaire et chaque instant fournit une image instantanée
de l’écoulement ; ces données sont exploitées par des analyses statistiques (évaluation des ex-
trema, calcul de moyenne, de variance...) et les durées physiques de simulation doivent donc
naturellement être suffisamment longues pour que les statistiques soient significatives.
Dans ces conditions, il est important de progresser sur :
- la puissance des machines de calcul (pour cela, les ordinateurs massivement parallèles fournissent
des solutions qu’il faut continuer à exploiter) ;
- le stockage, la manipulation des données et le post-traitement de très grands volumes d’informa-
tion ;
- les techniques de génération de très grands maillages (plusieurs dizaines de millions de mailles) :
génération en parallèle, raffinement et redécoupage d’éléments par exemple ;
- le couplage ”RANS-LES”, de méthodes LES (coûteuses, mais utilisées uniquement dans les zones
critiques) avec des méthodes RANS (moins coûteuses, utilisées dans le reste du domaine) ;
- l’utilisation de maillages non conformes pour permettre des raffinements locaux et faciliter les
tâches de maillage (pour cela, un travail numérique sur l’impact des non conformités sur les
calculs LES doit être mené).
Indépendamment des aspects liés au coût des calculs, il faut également progresser sur :
- la génération de conditions d’entrée physiquement admissibles et reproduisant les structures
turbulentes de manière satisfaisante ;
- les lois de paroi en dynamique et en thermique (s’en affranchir éventuellement) ;
- les modèles de sous-maille.
2004-2005 Page 49/54
6 Simulation Directe
L’exposé aurait pu commencer par la simulation directe de la turbulence (ou Direct Numerical
Simulation), car c’est sans doute la solution la plus naturelle, qui consiste à résoudre les équations
de Navier-Stokes (sans moyenne ni filtrage) sur un maillage suffisamment fin, avec des pas de temps
suffisamment petits. Il n’y a dans ce cas aucun besoin de modélisation. Les résultats dovent être
exploités par une analyse statistique, car ils sont instationnaires et incluent l’aspect chaotique de la
turbulence.
Néanmoins, la puissance des calculateurs actuelle ne permet de traiter que des écoulements à faible
nombre de Reynolds. Avec quelques dizaines de millions de points, des mois de calcul, on peut atteindre
des nombres de Reynolds de l’ordre de 5000. En effet le rapport entre la taille des plus grandes structures
3
et la taille des plus petites est proportionnel au Re 4 . Pour les écoulements industriels à nombre de
Reynolds de plusieurs millions, la taille des maillages permettant de prendre en compte tout la gamme
des structures est donc pour ”longtemps encore”, inaccessible. Par contre, la DNS pour les études
fondamentales ou le calage de modèles reste un outil particulièrement utile (voir par exemple les bases
de données de la NASA et de Standford ; à titre d’illustration : [9]).
7 Maillage
7.1 Introduction
La résolution des équations de la mécanique des fluides, assorties des modèles décrits précédemment,
nécessite l’utilisation d’un maillage (on n’aborde pas ici les méthodes sans maillage) dont il faut définir
le raffinement. Plusieurs considérations, numériques, physiques et pratiques, interviennent. On les
évoque dans ce court paragraphe, sans revenir sur les aspects associés au comportement des modèles
en proche paroi (voir la différence entre les modèles haut et bas Reynolds, paragraphe 4.2.6).
7.2 Considérations numériques

Qualité du maillage
Lors de la résolution numérique des équations de Navier-Stokes (ou de tout autre système d’équations)
il est indispensable de s’assurer que l’erreur de discrétisation spatiale est suffisamment faible pour l’utili-
sation que l’on souhaite faire des résultats (l’erreur de discrétisation spatiale est l’écart entre la solution
discrète obtenue et la solution exacte continue).
Supposons que le schéma de discrétisation utilisé soit consistant et stable. Ceci permet d’assurer la
convergence vers la bonne solution lorsque le pas d’espace du maillage tend vers 0. Il est du ressort du
développeur de code de garantir cette propriété.
Le développeur du code peut avoir indiqué, dans la documentation, certaines contraintes en de-
hors desquelles les propriétés de convergence du schéma ne sont pas vérifiées, sans pour autant que
l’exécution informatique du code ne soit impossible (exemples : valeur maximale du rapport d’allon-
gement des mailles, distorsion des mailles ou des faces, conformité du maillage...). L’utilisateur doit
alors prendre garde à respecter ces limitations, sous peine d’obtenir des résultats ne convergeant pas
en espace (dans le meilleur des cas) ou convergeant vers une solution stable mais fausse (c’est le pire
des cas : sur un calcul complexe, l’utilisateur ne se rendra pas nécessairement compte du problème
pour peu que la solution paraisse physiquement acceptable). Cette mise en garde, qui peut sembler
superflue, se trouve cependant parfois à l’origine d’erreurs grossières et graves.
Raffinement du maillage
En supposant que l’on se trouve dans le cadre d’application d’un schéma consistant et stable,
convergeant vers la bonne solution, il est important de s’assurer que le maillage utilisé est suffisamment
raffiné pour que l’erreur soit faible. Pour cela, il est généralement conseillé de réaliser plusieurs calculs
2004-2005 Page 50/54
successifs en raffinant le maillage (soit N mailles, puis p3 ∗ N mailles, en raffinant d’un facteur p dans
chaque direction d’espace, puis p6 ∗ N mailles...) jusqu’à ce que les grandeurs recherchées n’évoluent
plus (ou évoluent dans une plage admissible, étant donné la précision recherchée).
Cette démarche pourra apparaı̂tre lourde et parfois difficile à mettre en œuvre en raison des délais
imposés ou des limitations de la puissance des calculateurs. Il est cependant important de s’y astreindre
autant que faire se peut, car un résultat non convergé en espace peut se révéler faux, à la fois d’un
point de vue quantitatif et qualitatif. Les études paramétriques (par exemple : optimisation de forme
ou de fonctionnement) constituent un exemple particulier pour lequel il est nécessaire de travailler à
convergence en espace : dans le cas contraire, les variations entre les différents calculs pourraient ne
refléter que le comportement du schéma numérique sur un maillage insuffisamment raffiné et non pas
l’effet des modifications des paramètres physiques d’intérêt.
Remarque : travailler avec un schéma numérique d’ordre élevé en espace ne permet pas de s’abs-
tenir de l’analyse de convergence décrite précédemment. Un ordre en espace plus élevé signifie que
l’erreur diminuera plus vite lorsque l’on raffinera le maillage, mais n’implique en aucun cas que l’er-
reur soit faible sur un maillage donné. À titre d’illustration, on propose sur la figure 18 un exemple
de décroissance de l’erreur en fonction du pas de maillage sur un problème fictif. On y observe en
particulier que la convergence ”monotone” ne s’obtient qu’à partir d’un certain raffinement (la taille
de maille associée est impossible à prévoir en pratique) ; il faut éviter de réaliser les calculs avec des
maillages si peu raffinés que le comportement de l’erreur en devient imprévisible. De plus, on constate
que le schéma d’ordre supérieur (celui pour lequel l’erreur décroit le plus vite lorsque le pas de maillage
tend vers 0) ne produit pas nécessairement une erreur plus faible que celle associée au schéma d’ordre
le plus faible ; l’utilisation d’un schéma d’ordre élevé est certes souhaitable, mais il faut se garder des
conclusions hâtives quant à la valeur de l’erreur.
Log (Erreur)
Ordre supérieur
Ordre inférieur
Log (Pas d’espace)
Fig. 18 – Exemple de décroissance de l’erreur en fonction du pas de maillage sur un problème fictif
7.3 Considérations physiques

On adaptera la taille des mailles à la nature des phénomènes que l’on souhaite observer (un tour-
billon ne peut généralement pas être décrit correctement par une seule maille...). Il conviendra donc
de s’interroger sur la taille des phénomènes importants (stratifications, tourbillons, jets, épaisseur de
couche limite, zones de mélange...) et sur les détails géométriques indispensables (ailettes, aspérités,
injecteurs, obstacles...). La taille des mailles devra être adaptée pour permettre leur représentation
correcte (par exemple, selon la précision recherchée, un ordre de grandeur au-dessous des échelles ainsi
définies). Dans certains cas, ceci sera impossible, étant données les contraintes de temps, de calcula-
teur. On devra alors recourir à des modèles plus globaux. Par exemple, la représentation d’une grille
de 0, 5 m de côté percée de 10000 trous de diamètre 1 mm pourrait se révéler impossible en pratique
(on obtient en 2D des tranches à quelques 2 millions de mailles) ; si l’on ne recherche pas les détails de
l’écoulement au voisinage de ce composant, une modélisation par perte de charge doit être envisagée :
cette approche globale permet de lever la contrainte sur la taille des mailles imposée par la taille des
trous.
Le niveau de modélisation de la turbulence employé doit également être pris en compte. Généralement,
plus le modèle est fin, plus il est susceptible de résoudre des structures fines et complexes, et plus il
2004-2005 Page 51/54
requiert donc un maillage fin lui permettant de recourir à un niveau de discrétisation suffisant.
Ainsi, les méthodes de DNS résolvent toutes les structures et nécessiteront d’utiliser des tailles de
mailles permettant de résoudre les tourbillons dont l’échelle caractéristique est celle de Kolmogorov.
Par exemple, dans une pièce de 10 m3 , où une aération génère un tourbillon de grandeur caractéristique
1 m, avec un niveau de turbulence de 10%, il faudrait pouvoir représenter des structures d’approxima-
tivement 0, 1 mm, ce qui, en maillage cartésien uniforme, conduirait à quelques 10 13 mailles (10 000
milliards). Pour des raisons pratiques de limitations des calculateurs actuels, la DNS ne s’applique
encore aujourd’hui qu’à des configurations à bas nombre de Reynolds (voir la relation entre le nombre
de Reynolds, l’échelle de longueur macroscopique et l’échelle de Kolmogorov).
Les méthodes de LES nécessitent de résoudre les échelles de la turbulence qui ne sont pas prises en
compte par le modèle de sous-maille. Apparemment, une structure trop petite pour être résolue (trop
petite pour être discrétisée correctement par le maillage utilisé), est donc naturellement prise en compte
par le modèle. On n’a donc en apparence pas à se préoccuper de la taille des mailles. Néanmoins, les
modèles de sous-maille sont des modèles relativement simples qui exploitent le fait que les structures
à modéliser seront de petites structures (indépendantes de la géométrie du domaine, en particulier)
et situées dans la zone visqueuse ou dans la partie haute de la zone inertielle du spectre d’énergie
(voir la figure 13). Il est donc important de s’assurer que la taille de maille permet de résoudre les
grosses structures de l’écoulement, jusqu’à l’intérieur de la zone inertielle du spectre. La limite de cette
zone, cependant, n’est simple à déterminer en pratique que pour quelques écoulements académiques.
On s’astreint donc généralement à utiliser le maillage le plus raffiné possible si l’on ne connaı̂t pas le
type d’écoulement à l’avance. Dans le cas contraire, on s’efforce d’utiliser un maillage permettant de
représenter les grosses structures qui auront un effet important sur l’écoulement. Par exemple, pour un
milieu encombré constitué d’assemblages tubulaires (échangeur par exemple), on s’efforcera de raffiner
le maillage afin qu’il permette de discrétiser au moins les tourbillons générés par les obstacles (utiliser
des mailles 10 fois plus petites). Ici encore, l’analyse de sensibilité au raffinement du maillage est
importante (mais pour des raisons liées à la modélisation physique et non plus seulement aux schémas
numériques).
Pour les modèles RANS (résolution des équations de Navier Stokes moyennées au sens de Reynolds),
les structures turbulentes étant prises en compte par le modèle, il convient de représenter correctement
sur le maillage les grandeurs moyennes associées. Pour cela, on pourra calculer les échelles de grandeur
3/2
des couches limites, de la turbulence ( k ε ) la taille des phénomènes locaux (jets, obstacles...) et
s’assurer par exemple que la taille des mailles est inférieure d’un ordre de grandeur au minimum. Il
conviendra également de prendre en compte le comportement spécifique des modèles en proche paroi
(voir en particulier la différence entre les modèles haut et bas Reynolds, paragraphe 4.2.6), qui est
souvent un critère important pour la définition de la taille des mailles. Enfin, il conviendra d’évaluer
la sensibilité des résultats à un raffinement de maillage.
7.4 Synthèse
On peut donc retenir les trois points suivants :
• il faut veiller à la convergence en espace : un raffinement du maillage utilisé ne doit pas conduire
à une modification importante des résultats (étant donné le niveau de précision recherché).
• le raffinement du maillage doit être adapté aux modèles (et en particulier aux modèles de
turbulence) utilisés. Le choix de la taille des mailles peut être basé sur les échelles caractéristiques
des phénomènes et des détails géométriques à représenter. L’analyse de sensibilité au raffinement du
maillage est utile à ce stade également.
• les aspects pratiques (délais d’étude, puissance des calculateurs, volume de données à dépouiller...)
constituent des facteurs limitants bien réels. Néanmoins, ils ne doivent pas être utilisés pour justifier
systématiquement l’absence d’analyse de dépendance au maillage.
2004-2005 Page 52/54
8 Conclusion et perspectives
En conclusion de cette présentation rapide, on peut indiquer les points suivants.
- Les modèles de longueur de mélange ont pour atout leur simplicité mais le calage de la longueur
à utiliser est délicat ; de ce fait, l’utilisation de ce type de modèle est limité à certains domaines
d’application bien précis.
- Le modèle à deux équations k − ε est très utilisé dans les applications industrielles. Son domaine
d’application est large, et s’il souffre de certaines limitations, elles sont cependant bien connues.
- Les modèles de transport des tensions de Reynolds constituent un moyen de pallier les déficiences
du modèle k − ε pour certains types d’écoulements. Leur utilisation ne s’est cependant pas
véritablement généralisée, peut-être en raison du fait que de nombreux codes commerciaux ne
proposent pas des schémas suffisamment robustes pour les utiliser simplement.
- Deux modèles récents semblent proposer des améliorations notables par rapport aux modèles
classiques. Il s’agit du k − ω SST de Menter et du modèle v 2 − f de Durbin (intermédiaire entre
les modèles à deux équations et les modèles de transport des tensions de Reynolds [7]), ainsi que
de ses améliorations récentes (φ-model groupe de D. Laurence, UMIST).
- La modélisation de proche paroi est encore relativement rudimentaire, et en tous les cas n’est pas
encore suffisamment générale pour que les approches par lois de paroi ”logarithmique” classiques
soient clairement dépassées ; cette remarque est en particulier valable pour les aspects thermiques.
- Les simulations LES ont fait leur apparition dans les applications industrielles depuis quelques
années mais elles souffrent encore d’un certain manque de maturité des codes et de puissances de
calcul et de traitement des données insuffisantes. Par ailleurs, comme on s’attend à voir apparaı̂tre
des fluctuations dans de telles simulations, il est impératif que les utilisateurs aient l’expérience
requise pour différencier les fluctuations ”physiques” des oscillations purement numériques qui
peuvent naı̂tre d’une stabilité insuffisante des schémas numériques.
- Toujours en LES, le traitement des zones de proche paroi, le couplage à d’autres modèles (RANS-
LES) et la prise en compte des aspects thermiques sont des champs de recherche encore largement
ouverts.
- La DNS reste un outil permettant l’études de phénomènes élémentaires à faible nombre de Rey-
nolds (par exemple pour le développement de modèles).
- Pour tous les domaines, les aspects relatifs aux incertitudes de calcul devront faire l’objet d’un
travail spécifique (incertitudes numériques, physiques, intervalle de confiance...).
- Ces perspectives demandent que progressent en même temps les moyens de calcul (machines
parallèles, accès rapides, temps de retour réduits) et de traitement des données (manipulation
de grands volumes d’information, pré- et post-traitement, génération de maillages de grande
taille...).
2004-2005 Page 53/54
9 Bibliographie
[1] Arpaci V.S., Larsen P.S.,
Convection Heat Transfer.
Englewood Cliffs, N.J. Prentice-Hall, 1984
[2] Baldwin B.S. et Lomax H.,
Thin Layer Approximation and Algebraic Models for Separated Flows,
AIAA, 78-257, 1978
[3] Benhamadouche S., Jarrin N., Laurence D.,
Synthetic Turbulent Inflow Conditions for Large-Eddy Simulation,
Turbulence, Heat and Mass Transfer 4, 2003.
[4] Craft T.J.,
Developments in a low-Reynolds number second-moment closure and its application to separating
and reattaching flows,
International Journal of Heat and Fluid Flow, pp. 541-548, 1998
[5] Cebeci T. et Smith A.M.O.,
Analysis of turbulent boundary layers,
Series in Appl. Math. and Mech., Vol. XV, Academic Press, 1974
[6] Deardorff J.W.,
The Use of Subgrid Transport Equations in a 3D Model of Atmospheric Turbulence,
J. Fluid Eng., p. 429-438, 1973.
[7] Durbin P.A.,
Separated flow computations with the k-e-v2 model
AIAA J., Vol. 33, No 4, April 1995, pp. 659-664, 1995
[8] Guimet V., Laurence D.,
A linearised turbulent production in the k − ε model for engineering applications.
Engineering Turbulence and Measurements, 2002
[9] Kim J., Moin P., Moser R.,
Turbulence statistics in fully developed channel flow at low Reynolds number.
Journal of Fluid Mechanics, 1987
[10] Launder B.E., Reece G.J., Rodi W.,
Progress in the Development of a Reynolds-Stress Turbulent Closure.
J. Fluid Mech., Vol. 68, part 3, pp. 537-566, 1975
[11] Launder B.E. et Spalding D.B.,
The numerical computation of turbulent flow,
Comp. Meth. In Appl. Mech. And Engng., 3, pp 269-289, 1974
[12] Louis J.F.,
A Parametric Model of vertical Eddy Fluxes in the Atmosphere.
Bound. Lay. Met., 17, pp. 187-202, 1979.
[13] Manceau R., Hanjalić K.,
Elliptic Blending Model : a new near wall Reynolds-stress turbulence closure.
Physics of Fluids, pp. 744-754, 2002.
[14] Menter F.R.,
Zonal two equation k-ω turbulence models for aerodynamic flows.
AIAA Paper 93-2906, 1993.
[15] Menter F.R.,
Two-equation eddy-viscosity turbulence models for engineering applications.
AIAA Journal, vol. 32, No 8. pp. 1598-1605, 1994.
[16] Menter F.R.,
Eddy viscosity transport equations and their relation to the k − ε model.
NASA-TM-108854, 1994
2004-2005 Page 54/54
[17] Menter F.R.,

A comparison of some recent eddy-viscosity turbulence models.
Transactions of the ASME, vol. 118, pp. 514-519, 1996
[18] Padet J.P.,
Fluides en écoulement. Méthodes et modèles.
Masson, 1991.
[19] Patankar S.V.,
Numerical heat transfer and fluid flow,
McGraw-Hill, New York, 1980.
[20] Pope S.B.,
Turbulent Flows
Cambridge University Press, 2000
[21] Rodi W.,
Turbulence models and their application in hydraulics ,
IAHR Publication, 1980.
[22] Sarkar S., Speziale C.G.,
A simple nonlinear model for the return to isotropy in turbulence.
Physics of Fluids A, vol. 2, pp. 84-93, 1990
[23] Suga, K.,
Development and Application of a Cubic Eddy-Viscosity Model of Turbulence.
Int. J. Heat and Fluid Flow, Vol. 17-2, p.108, 1996
[24] Tennekes H. et Lumley J.L.,
A first course in turbulence
MIT Press, Cambridge, 1983.
[25] Uribe J.,
Analysis and implementation of the v 2 − f turbulence model in an industrial code
Master thesis, University of Manchester, Institute of Science and Technology, 2001.
[26] Wilcox D.C.,
Turbulence modelling for CFD
DCW Industries, Inc., 1998.
[27] ERCOFTAC Special Interest Group on Quality and Trust in CFD,
Best Practice Guidelines,
ERCOFTAC publication, 1999.
[28] Zeman, O.,
Dilatational dissipation : the concept and application in modeling compressible mixing layers.
Physics of Fluids A, Vol. 2, No. 2, pp 178-188, 1990

A3 Theorique CoursTurbulence 040913

Загружено:

Сведения о документе

Авторское право

Доступные форматы

Поделиться этим документом

Поделиться или встроить документ

Параметры публикации

Этот документ был вам полезен?

Это неприемлемый материал?

Авторское право:

Доступные форматы

A3 Theorique CoursTurbulence 040913

Загружено:

Авторское право:

Доступные форматы

ENSTA Introduction à la turbulence. F.

Cette page est laissée intentionnellement blanche.

4.2.7 Modèles non linéaires . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 36

Répertoire des modifications du document

Cette page est laissée intentionnellement blanche.

1.2 Exemples d’applications industrielles

Fig. 1 – Générateur de vapeur d’une centrale nucléaire à eau pressurisée

Fig. 2 – Grappe de commande d’une centrale nucléaire à eau pressurisée

niveau de mélange local des réactifs.

Fig. 3 – Flux thermiques aux parois d’une chaudière à charbon

- Interactions thermomécaniques fluide-structure

1.3 Évolution des moyens de calcul

Dans de nombreuses application industrielles, l’écoulement est largement turbulent.

2.2 Origine de la turbulence

Fig. 6 – Vue globale du système utilisé par Reynolds

Fig. 7 – Différents régimes d’écoulements, de laminaire à turbulent

Considérons alors une perturbation T 0 sur le champ moyen de température T , soit :

Si l’on introduit cette solution dans l’équation de la chaleur, on obtient :

2.2.2 Une équation non linéaire

Considérons alors une perturbation u0 sur le champ de vitesse, soit :

soit, en éliminant les termes dont la moyenne est nulle :

L’équation portant sur la moyenne de la vitesse s’écrit alors :

2.2.3 Mélange lié au transport par les perturbations de vitesse

Il s’agit d’évaluer l’effet du dernier terme :

Fig. 8 – Cisaillement simple

Dans cette situation, on constate que :

Par analogie, la modélisation suivante peut être envisagée :

et si l’on relie u0 y u0 y à l’énergie cinétique turbulente k :

et l’échelle de temps à k et à sa dissipation ε :

Le terme apparaissant dans l’équation de la quantité de mouvement est alors :

2.3 Décomposition en valeurs moyennes et fluctuations

Fig. 10 – Signal instantané et signal moyen

2.3.2 Propriétés des moyennes

On déduit de ces propriétes, que pour la fluctuation f 0 = f − f, on a :

Mais il faut remarquer que :

2.3.3 Décomposition de Reynolds

Considérons les équations de Navier-Stokes, à masse volumique constante :

La décomposition du terme source S se fait sur le même principe :

Par la même méthode que pour la quantité de mouvement, on obtient :

et sur les fluctuations :

2.3.4 Masse volumique variable : décomposition de Favre

On note en particulier les deux propriétés suivantes :

La première relation de (45) provient de la définition :

dont on prend la moyenne :

La seconde relation de (45) découle de (en utilisant la première relation de (45) ) :

ρf 00 = ρf − ρfe = ρfe − ρfe = 0 (50)

À partir des équations (31), on peut écrire, en utilisant la décomposition de Reynolds :

et en décomposant la vitesse on obtient effectivement :

2.3.5 Densité de probabilité

Fig. 11 – Exemple de moyenne sur une loi d’état non linéaire

- on se donne a priori la forme d’une distribution P (f ) (gaussienne, fonction bêta, rectangle et

Fig. 12 – Exemples de formes de pdf

3.2 Équation de l’énergie cinétique turbulente

On multiplie cette équation par u0 i , on somme sur i variant de 1 à 3 et on prend la moyenne, en

∂k ∂k ∂2k ∂u0 i ∂u0 i

Le terme de ”production et destruction” traduit le transfert d’énergie entre le mouvement moyen et

3.3 Turbulence homogène isotrope

On a donc en particulier, pour l’énergie cinétique turbulente :

Cette configuration va permettre de présenter quelques considérations simples relatives au spectre

3.3.2 Transformées de Fourier

On obtient donc finalement :

Si l’on se place en coordonnées spectrales sphériques (pour s’affranchir de la direction du vecteur

et l’énergie cinétique turbulente s’écrit alors :

De la même manière, on peut préciser la forme de la dissipation (en fonction de la viscosité