La combustion par intelligence artificielle

Waldkunst / Pixabay

La modélisation de la combustion, et plus généralement des réactions à l’équilibre, a de multiples applications: moteur à explosion, moteurs de fusée, sécurité incendie, protection de l’environnement. Dans cet article, nous avons voulu faire un prototype de réseau de neurones qui calcule les températures de flammes (températures de réaction) et deux caractéristiques utiles pour le dimensionnement des moteurs.

De manière très synthétique, une matière combustible peut être soit un matériau unique (qui contient assez d’oxygène pour brûler sans utiliser l’air) soit un mélange combustible/comburant.

Au cours de la réaction le combustible se transforme en produits de réactions (eau, CO2, azote…) dans des quantités telles que la masse globale se conserve. Pour que l’énergie se conserve également, il faut que la température s’élève afin que la somme de l’énergie contenus dans les produits soit égale à celle initialement présente dans le matériau combustible, aussi appelé enthalpie de formation qui est un peu l’énergie qu’il faut dépenser pour fabriquer le matériau à partir des briques élémentaires, des atomes.

Résolution par la thermochimie

Nous avons donc une réaction:

Une conservation globale de la masse:

Pour que l’équilibre soit atteint, il faut que l’enthalpie disponible (enthalpie libre) soit minimale:

 

 

 

avec:

ou

cd=1 pour un gaz et cd=0 pour un solide

Ce système d’équations est généralement résolu par la méthodes des multiplicateurs de Lagrange

Ce qui revient à construire une matrice jacobienne:

Cette méthode est assez facile à implémenter. Nous allons la comparer à ce que peut produire un réseau de neurones entraîné sur 100000 matériaux combustibles.

Nous avons utilisé un réseau de neurones à trois couches (96/64/3). 20% des données sont utilisées comme validation.

Température de réaction (K) prédite et calculée par la méthode des multiplicateurs de Lagrange Cp/Cv ISP

 

Matériaux de références

Nous avons comparé les résultats obtenus par le réseau de neurones avec ceux de la méthode thermochimique pour la nitrocellulose (celluloid) et la nitroglycérine.

Modèle thermochimique Réseau de neurones
Température

(K)

Cp/Cv ISP Température (K) Cp/Cv ISP
Nitrocellulose 2748 1.21 101.2 2753 1.21 101.4
Nitroglycérine 3137 1.12 100.3  3135 1.12 100.4

Conclusion

Ce nouveau prototype correspond à nos investigations dans le domaine du traitement des problèmes de chimie complexes par les apports du deep learning. Il permet d’étudier comment des paramètres complexes peuvent être prédits par deep learning avec une précision comparable à des modèles basées sur des équations physiques. Toutefois, nous n’avons pas ici prédit la composition des gaz de combustions ainsi que la prise en compte des phénomènes dynamiques.

Télécharger cet article au format PDF ou ePub

Une réflexion au sujet de « La combustion par intelligence artificielle »

Laisser un commentaire

Votre adresse de messagerie ne sera pas publiée. Les champs obligatoires sont indiqués avec *

Ce site utilise Akismet pour réduire les indésirables. En savoir plus sur comment les données de vos commentaires sont utilisées.