26-186 data driven approach and ml techniques for atmospheric reentry studies

Eléments de contexte :
Depuis le vote de la Loi sur les Opérations Spatiales en 2008, différents outils CNES ont été développés pour l’analyse des risques associés à la rentrée atmosphérique de structures spatiales telles que des lanceurs ou satellites. Différentes stratégies sont employées en fonction de l’objectif de l’outil, du temps de calcul disponible et le degré de fidélité nécessaire.
Lors d’une phase de rentrée dans l’atmosphère terrestre, les engins spatiaux (civils et militaires) évoluent au sein d’un régime hypersonique. Cette particularité induit une compression forte du gaz entourant le véhicule rentrant, ce qui conduit à un échauffement important et à une dégradation de ce dernier dans le cas de rentrées de satellites. L’ensemble de ces phénomènes physiques doivent être modélisés avec précision, ceci afin de garantir que les débris retombant au sol ne présentent aucun risque pour la population.
La dégradation de satellites étant très complexe, à la fois dépendante des propriétés matériaux de l’objet et de la précision des flux thermiques à la paroi de la structure, son étude pour une modélisation précise est encore au stade de la recherche. Les codes dits « orienté véhicule », à l'état de l'art, comme PAMPERO au CNES par exemple, sont à l’heure actuelle loin de pouvoir modéliser toute la complexité mise en jeu lors de la dégradation d’un débris qui représente pourtant un enjeu capital. Les interactions chocs/couches limites, l’oxydation, l’érosion des matériaux, le dégazage à la paroi représentent autant de phénomènes physiques difficiles à modéliser sur une trajectoire complète avec ce type d’outil. De plus, les modèles de dégradations sont encore souvent basés sur un mouvement de maillage rendant difficile la modélisation dès lors qu’un changement de topologie s’opère (fragmentation de la structure, création de trous, …).
En parallèle des phases de développement, les outils du CNES font naturellement l’objet d’un important processus de validation. Cependant, cette validation est réalisée indépendamment par module physique en fonction des outils de plus hautes fidélités à disposition. Aujourd’hui, il n’existe que très peu d’expériences sol et aucune expérience vol dédiées à la validation du processus complet de dégradation d’un satellite.
Compte tenu de l’ensemble des problématiques citées ci-dessus, l’intérêt de cette thèse pour le CNES est multiple :
- En collaboration avec R.Tech et le laboratoire LMFL, améliorer les outils numériques du CNES en terme de précision des modélisations de la dégradation au cours d’une rentrée atmosphérique.
- Mettre en place une expérience sol de dégradation d’une maquette satellite simple par l’intermédiaire des compétences internes DTN pour valider les outils du service PR.
Sujet de thèse :
La thèse s’articulera autour de deux axes, l’un principal, et le second supplémentaire et en fonction des avancées du travail de thèse.
L’axe principal concerne le développement de modèles d’Assimilations de Données (DA) pour le calcul des forces et du flux convectif s’exerçant sur des formes quelconques en régime hypersonique continu, le long de leurs trajectoires de rentrée atmosphérique. Ce travail se décline essentiellement suivant le plan ci-après :
• Développement d’expressions analytiques complexes dérivées des équations de Navier-Stokes, sous hypothèses de couche limite. Ces expressions analytiques, qui peuvent inclure plusieurs termes guidés par des constantes difficiles à déterminer, sont adaptées à des processus d’optimisation multiparamétriques qui peuvent être performés avec des méthodes de DA.
• Application des méthodes de DA pour rendre « pratique » (obtenir des prédictions réalistes avec) les expressions issues de la première partie, au sens de l’approximation des termes non calculables. Cette approche permettra une prédiction plus générale et plus précise que celle qui consiste classiquement à appliquer à ces termes des hypothèses simplificatrices trop fortes, et donc trop réductrices.
En sortie de ce travail, les modèles développés seront utilisés pour
- Prédire les forces et les flux convectifs.
- Prédire la trajectoire, l’attitude de l’objet et sa dégradation.
Les modèles développés seront optimisés en utilisant des observations échantillonnées localement dans des champs physiques réalisées avec BLIZZARD (code CNES). Ce code dit de « moyenne fidélité » permettra par sa rapidité de calcul, d’établir la base de données nécessaire des observables dans les temps impartis à la durée de la thèse, contrairement à l’utilisation d’un code de CFD dit de « haute-fidélité », mais qui demanderait un temps de réalisation non disponible.
Le second axe, supplémentaire au premier, consiste en l’amélioration des modèles de DA développés précédemment, en procédant suivant le plan ci-après :
• Développement de modèle de détection de forme par Machine Learning (ML), pour une compréhension locale, des zones « males » prédites par BLIZZARD, en comparaisons à des simulations issues de MISTRAL, le code CFD « haute-fidélité » de R.Tech, et réalisées sur un certain nombre de formes simples.
• Prise en compte de ces modèles d’erreur, dans les modèles de DA issus du premier axe de travail.
L’ensemble de ces modèles seront implantés dans les outils CNES développés par R.Tech, BLIZZARD et PAMPERO. Par conséquent, le doctorant devra prendre en main l’utilisation de ces codes, pour pouvoir les utiliser, y coder ses modèles et les valider sur des cas issus de la littérature.
=================
For more Information about the topics and the co-financial partner (found by the lab!);contact Directeur de thèse -marcello.meldi@ensam.eu
Then, prepare a resume, a recent transcript and a reference letter from your M2 supervisor/ engineering school director and you will be ready to apply online beforeMarch 13th, 2026 Midnight Paris time!