Application de La Modelisation en Transfert de Chaleur
Application de La Modelisation en Transfert de Chaleur
Application de La Modelisation en Transfert de Chaleur
EN TRANSFERT DE CHALEUR
1. Introduction
La thermodynamique permet de prévoir la quantité totale d’énergie qu’un système doit
échanger avec l’extérieur pour passer d’un état d’équilibre à un autre.
Définitions
Gradient de température
Si l’on réunit tous les points de l’espace qui ont la même température, on obtient une
surface dite surface isotherme. La variation de température par unité de longueur est
maximale le long de la normale à la surface isotherme. Cette variation est caractérisée par
le gradient de température :
𝜕𝜕𝜕𝜕
����������⃗ (𝑇𝑇) = 𝑛𝑛�⃗
𝑔𝑔𝑔𝑔𝑔𝑔𝑔𝑔
𝜕𝜕𝜕𝜕
𝜕𝜕𝜕𝜕
𝜕𝜕𝜕𝜕
dérivée de la température le long de la
normale
Flux de chaleur
La quantité de chaleur transmise par unité de temps et par unité d’aire de la surface
isotherme est appelée densité de flux de chaleur :
1 𝑑𝑑𝑑𝑑
Φ= [𝑤𝑤𝑚𝑚−2 ]
𝑆𝑆 𝑑𝑑𝑑𝑑
~1~
On appelle flux de chaleur la quantité de chaleur transmise sur la surface S par unité de
temps :
𝑑𝑑𝑑𝑑
𝜑𝜑 = [𝑤𝑤]
𝑑𝑑𝑑𝑑
Bilan d’énergie
Détermination des quantités intervenues dans le bilan
Hypothèses simplificatrices
Résolution
~2~
par les vibrations des atomes ou molécules et une transmission par les électrons
libres.
�⃗ = −𝜆𝜆 𝑆𝑆 ����������⃗
𝜑𝜑 𝑔𝑔𝑔𝑔𝑔𝑔𝑔𝑔(𝑇𝑇)
𝜕𝜕𝜕𝜕
𝜑𝜑 = −𝜆𝜆 𝑆𝑆
𝜕𝜕𝜕𝜕
𝜕𝜕𝜕𝜕
𝜑𝜑𝑠𝑠𝑠𝑠 = 𝜌𝜌𝜌𝜌𝜌𝜌
𝜕𝜕𝜕𝜕
𝑉𝑉 Volume [𝑚𝑚3 ]
𝑇𝑇 Température [°𝐶𝐶]
𝑡𝑡 Temps [𝑠𝑠]
~3~
La génération de l’énergie intervient lorsqu’une autre forme d’énergie (chimique,
électrique, mécanique, nucléaire) est convertie en énergie thermique. Nous
pouvons l’écrire sous la forme :
𝜑𝜑𝑔𝑔 = 𝑞𝑞̇ 𝑉𝑉
𝑉𝑉 Volume [𝑚𝑚3 ]
Avec :
𝜕𝜕𝜕𝜕
𝜑𝜑𝑥𝑥 = − �𝜆𝜆 𝑆𝑆 �
𝜕𝜕𝜕𝜕 𝑥𝑥
𝜑𝜑𝑔𝑔 = 𝑞𝑞 𝑆𝑆 ̇ 𝑑𝑑𝑑𝑑
𝜕𝜕𝜕𝜕
𝜑𝜑𝑥𝑥+𝑑𝑑𝑑𝑑 = − �𝜆𝜆 𝑆𝑆 �
𝜕𝜕𝜕𝜕 𝑥𝑥+𝑑𝑑𝑑𝑑
𝜕𝜕𝜕𝜕
𝜑𝜑𝑠𝑠𝑠𝑠 = 𝜌𝜌 𝑐𝑐 𝑆𝑆 𝑑𝑑𝑑𝑑
𝜕𝜕𝜕𝜕
𝜕𝜕𝜕𝜕 𝜕𝜕𝜕𝜕
�𝜆𝜆 𝑆𝑆 � − �𝜆𝜆 𝑆𝑆 � 𝜕𝜕𝜕𝜕
𝜕𝜕𝜕𝜕 𝑥𝑥+𝑑𝑑𝑑𝑑 𝜕𝜕𝜕𝜕 𝑥𝑥 ̇ = 𝜌𝜌 𝑐𝑐 𝑆𝑆
+ 𝑞𝑞 𝑆𝑆
𝑑𝑑𝑑𝑑 𝜕𝜕𝜕𝜕
~4~
𝜕𝜕𝜕𝜕 𝜕𝜕𝜕𝜕
�𝜆𝜆 𝑆𝑆 � − �𝜆𝜆 𝑆𝑆 � 𝜕𝜕 𝜕𝜕𝜕𝜕
𝜕𝜕𝜕𝜕 𝑥𝑥+𝑑𝑑𝑑𝑑 𝜕𝜕𝜕𝜕 𝑥𝑥
= �𝜆𝜆 𝑆𝑆 �
𝑑𝑑𝑑𝑑 𝜕𝜕𝜕𝜕 𝜕𝜕𝜕𝜕
𝜕𝜕 𝜕𝜕𝜕𝜕 𝜕𝜕𝜕𝜕
�𝜆𝜆 𝑆𝑆 ̇ = 𝜌𝜌 𝑐𝑐 𝑆𝑆
� + 𝑞𝑞 𝑆𝑆
𝜕𝜕𝜕𝜕 𝜕𝜕𝜕𝜕 𝜕𝜕𝜕𝜕
Dans le cas tridimensionnel, nous obtenons l’équation de la chaleur dans le cas le plus
général :
Si 𝑣𝑣 = 𝑔𝑔(𝑦𝑦) et 𝑦𝑦 = 𝑓𝑓(𝑥𝑥), alors 𝑑𝑑𝑑𝑑 = 𝑔𝑔′ (𝑦𝑦)𝑑𝑑𝑑𝑑 = 𝑔𝑔′ (𝑦𝑦)𝑓𝑓 ′ (𝑥𝑥)𝑑𝑑𝑑𝑑 ou encore
𝑑𝑑𝑑𝑑 𝑑𝑑𝑑𝑑 𝑑𝑑𝑑𝑑
=
𝑑𝑑𝑑𝑑 𝑑𝑑𝑑𝑑 𝑑𝑑𝑑𝑑
~5~
Si de plus 𝜆𝜆 est constant (écarts modérés de température), nous obtenons
l’équation de poisson.
𝜕𝜕𝜕𝜕
𝑎𝑎 Δ𝑇𝑇 =
𝜕𝜕𝜕𝜕
𝜆𝜆
Le rapport 𝑎𝑎 = 𝜌𝜌 𝑐𝑐 est appelé la diffusivité thermique.
Δ𝑇𝑇 = 0
2.4 Résolution
La résolution de l’équation de la chaleur se fera soit par des méthodes analytiques, soit
par des méthodes numériques. Nous allons ici résoudre analytiquement le cas simple
d’un transfert unidirectionnel, et numériquement le cas d’un transfert multidirectionnel.
𝜑𝜑𝑥𝑥 = 𝜑𝜑𝑥𝑥+𝑑𝑑𝑑𝑑
𝜕𝜕𝜕𝜕 𝜕𝜕𝜕𝜕
⇒ −𝜆𝜆 𝑆𝑆 � � = −𝜆𝜆 𝑆𝑆 � �
𝜕𝜕𝜕𝜕 𝑥𝑥 𝜕𝜕𝜕𝜕 𝑥𝑥+𝑑𝑑𝑑𝑑
D’où
𝑑𝑑𝑑𝑑
= 𝐶𝐶1 et 𝑇𝑇 = 𝐶𝐶1 𝑥𝑥 + 𝐶𝐶2
𝑑𝑑𝑑𝑑
Pour retrouver les constantes d’integration, on applique les conditions aux limites :
~6~
𝑥𝑥
⇒ 𝑇𝑇 = 𝑇𝑇1 − (𝑇𝑇1 − 𝑇𝑇2 )
𝑒𝑒
Le profil de température est donc linéaire. La densité de flux de chaleur traversant le mur
s’en déduit par la relation :
𝑑𝑑𝑑𝑑
𝜙𝜙 = −𝜆𝜆
𝑑𝑑𝑑𝑑
d’où :
𝜆𝜆𝜆𝜆(𝑇𝑇1 − 𝑇𝑇2 )
𝜑𝜑 = [𝑤𝑤]
𝑒𝑒
Ecrire un script calculant la température 𝑇𝑇(𝑥𝑥, 𝑦𝑦) de la paroi du four aux points de la grille
définie sur la figure ci-dessous. On suppose que les dimensions 𝐿𝐿1 , 𝐿𝐿2 , 𝐿𝐿3 et 𝐿𝐿4 permettent ce
quadrillage.
Application Numérique :
~7~
𝐿𝐿1 = 60 𝑐𝑐𝑐𝑐
𝜃𝜃𝑒𝑒 = 35°𝐶𝐶 𝐿𝐿2 = 60 𝑐𝑐𝑐𝑐
� 𝑒𝑒𝑒𝑒 �
𝜃𝜃𝑖𝑖 = 1220°𝐶𝐶 𝐿𝐿3 = 20 𝑐𝑐𝑐𝑐
𝐿𝐿4 = 20 𝑐𝑐𝑐𝑐
Plusieurs méthodes numériques ont été développées pour résoudre ces d’équations aux
dérivées partielles parmi lesquelles on retrouve les méthodes de Runge Kutta,
d’approximation de la dérivée, des différences finies, des éléments finis etc. L’étudiant se
rapportera à son cours d’analyse numérique pour la maitrise de ces différentes méthodes.
Nous allons utiliser ici l’approximation de la dérivée seconde :
Rappel
Soit 𝑓𝑓 une fonction deux fois dérivable sur un intervalle. Pour tout 𝑥𝑥 ∈ ]𝑎𝑎, 𝑏𝑏[, on a la formule de
Taylor-Young
ℎ2 ′′
𝑓𝑓(𝑥𝑥 + ℎ) − 𝑓𝑓(𝑥𝑥) = ℎ 𝑓𝑓 ′ (𝑥𝑥) + 𝑓𝑓 (𝑥𝑥) + 𝑜𝑜(ℎ2 )
2
Où 𝑜𝑜(ℎ2 ) désigne une quantité négligeable devant ℎ2 quand ℎ tend vers 0. En remplaçant ℎ par −ℎ
il vient
ℎ2 ′′
𝑓𝑓(𝑥𝑥 − ℎ) − 𝑓𝑓(𝑥𝑥) = −ℎ 𝑓𝑓 ′ (𝑥𝑥) + 𝑓𝑓 (𝑥𝑥) + 𝑜𝑜(ℎ2 )
2
~8~
𝑓𝑓(𝑥𝑥−ℎ)−2𝑓𝑓(𝑥𝑥)+𝑓𝑓(𝑥𝑥+ℎ)
Ainsi le rapport tend vers 𝑓𝑓 ′′ (𝑥𝑥) quand ℎ tend vers 0. Pour ℎ assez petit, le
ℎ2
1
nombre [𝑓𝑓(𝑥𝑥 − ℎ) − 2𝑓𝑓(𝑥𝑥) + 𝑓𝑓(𝑥𝑥 + ℎ)] est donc une bonne approximation de 𝑓𝑓′′(𝑥𝑥).
ℎ2
1
[𝑇𝑇(𝑥𝑥 − ℎ, 𝑦𝑦) − 2𝑇𝑇(𝑥𝑥, 𝑦𝑦) + 𝑇𝑇(𝑥𝑥 + ℎ, 𝑦𝑦)]
ℎ2
𝜕𝜕2 𝑇𝑇(𝑥𝑥,𝑦𝑦)
est une bonne approximation de 𝜕𝜕𝜕𝜕 2
si h est assez petit. En tout point (𝑥𝑥, 𝑦𝑦) on peut
𝜕𝜕2 𝑇𝑇(𝑥𝑥,𝑦𝑦) 𝜕𝜕2 𝑇𝑇(𝑥𝑥,𝑦𝑦)
donc approcher 𝜕𝜕𝜕𝜕 2
+ 𝜕𝜕𝜕𝜕 2
par
1 1
2
[𝑇𝑇(𝑥𝑥 − ℎ, 𝑦𝑦) − 2𝑇𝑇(𝑥𝑥, 𝑦𝑦) + 𝑇𝑇(𝑥𝑥 + ℎ, 𝑦𝑦)] + 2 [𝑇𝑇(𝑥𝑥, 𝑦𝑦 − 𝑘𝑘) − 2𝑇𝑇(𝑥𝑥, 𝑦𝑦) + 𝑇𝑇(𝑥𝑥, 𝑦𝑦 + 𝑘𝑘)]
ℎ 𝑘𝑘
𝜕𝜕 2 𝑇𝑇(𝑥𝑥, 𝑦𝑦) 𝜕𝜕 2 𝑇𝑇(𝑥𝑥, 𝑦𝑦) 𝑇𝑇(𝑥𝑥 − ℎ, 𝑦𝑦) + 𝑇𝑇(𝑥𝑥 + ℎ, 𝑦𝑦) − 4𝑇𝑇(𝑥𝑥, 𝑦𝑦) + 𝑇𝑇(𝑥𝑥, 𝑦𝑦 − ℎ) + 𝑇𝑇(𝑥𝑥, 𝑦𝑦 + ℎ)
+ = =0
𝜕𝜕𝜕𝜕 2 𝜕𝜕𝜕𝜕 2 ℎ2
On pose
𝑥𝑥𝑖𝑖 = 𝑖𝑖. ℎ → 1 ≤ 𝑖𝑖 ≤ 𝑛𝑛
�
𝑦𝑦𝑗𝑗 = 𝑗𝑗. ℎ → 1 ≤ 𝑗𝑗 ≤ 𝑚𝑚
On aura autant d’équations qu’il y a des nœuds pour lesquels nous allons déterminer la
température.
~9~
Ce système (ou l'équation de Laplace discrétisée) peut être résolu(e) par la méthode de
Gauss-Seidel où l'équation de Laplace donne la valeur de la température de chaque nœud
par l'expression :
Définissons les valeurs particulières des indices correspondants aux parois de la figure
suivante :
%*****************************************
% Etude de la répartition de température *
% dans les parois d'un four *
% Résolution d'un système linéaire par *
% la méthode itérative de Gauss-Seidel *
%*****************************************
clear all; clc;clf;
eps=1e-4;k1=300;
% Données initiales
L1=input ('Introduire la valeur de L1 :\n');
L2=input ('Introduire la valeur de L2 :\n');
L3=input ('Introduire la valeur de L3 :\n');
L4=input ('Introduire la valeur de L4 :\n');
dx=input ('Introduire la valeur du pas dx :\n');
Thetaint=input ('Introduire la valeur de Theta interne :\n');
Thetaext=input ('Introduire la valeur de Theta externe :\n');
% Calcul des indices
m=round(L1/dx)+1;
n=round(L2/dx)+1;
m1=round((L1-L3)/(2*dx))+1;
n1=round((L2-L4)/(2*dx))+1;
m2=m1+round(L3/dx);
n2=n1+round(L4/dx);
~ 10 ~
% Initialisation de la température dans le four
for i=1:n
for j=1:m
T(i,j)=Thetaint;
end
end
for j=1:m
T(1,j)=Thetaext;
T(n,j)=Thetaext;
end
for j=m1:m2
T(n1,j)=Thetaint;
T(n2,j)=Thetaint;
end
for i=2:n-1
for j=m2+1:m-1
T(i,j)=0.25*(T(i-1,j)+T(i+1,j)+T(i,j-1)+T(i,j+1));
end
end
for i=2:n1-1
for j=m1:m2
T(i,j)=0.25*(T(i-1,j)+T(i+1,j)+T(i,j-1)+T(i,j+1));
end
end
for i=n2+1:n-1
for j=m1:m2
T(i,j)=0.25*(T(i-1,j)+T(i+1,j)+T(i,j-1)+T(i,j+1));
end
end
if abs(T(n-1,m-1)-T(2,2))<=eps
fprintf('\n \n');
fprintf('Températures après "%d itérations\n',k);
~ 11 ~
fprintf('\n \n');
break;
end
end
for i=1:n
fprintf('%5.0f\t',T(i,1:m));
fprintf('\n');
end
On exécute ce programme (laplace.m), en rentrant les valeurs de 𝐿𝐿1 , 𝐿𝐿2 , 𝐿𝐿3 , 𝐿𝐿4 , ∆𝑥𝑥 = ∆𝑦𝑦 =
ℎ = 1 𝑐𝑐𝑐𝑐 et enfin 𝜃𝜃𝑖𝑖 et 𝜃𝜃𝑒𝑒
>>Laplace
Introduire la valeur de L1 :
60
Introduire la valeur de L2 :
60
Introduire la valeur de L3 :
20
Introduire la valeur de L4 :
20
Introduire la valeur du pas dx :
1
Introduire la valeur de Theta interne :
~ 12 ~
1220
Introduire la valeur de Theta externe :
35
Evolution de la température dans le four
1500
1000
T (en °C)
500
0
60
60
40
40
20
20
j 0 0
i
50
40
j
30
20
10
10 20 30 40 50 60
i
L’étudiant s’exercera à refaire le même exercie, mais cette fois par la méthode de Runge
Kutta d’ordre 4
~ 13 ~