Nous avons le plaisir de vous annoncer le séminaire de 

le 4/03/2021 à 13h via Teams. 

Résumé  : 

Le ballottement de liquide pose des défis cruciaux pour la dynamique des conteneurs en mouvement remplis de liquide. Dans le secteur manufacturier, la répétition périodique du transport peut produire trop de ballottement jusqu’à provoquer des pertes de liquide dans le cas de conteneurs ouverts. Ce travail vise à proposer un contrôle hors ligne, générant une loi de commande optimale qui minimise l’élévation de la surface de tout récipient rigide de remplissage liquide dans un système de transfert à balancier (mouvement point à point). La loi de commande est définie comme une somme de fonctions sinus dont les coefficients sont optimisés afin de minimiser l’amplitude de l’onde. Dans un premier temps, la descente de gradient et l’algorithme génétique sont évalués sur des simulations numériques basées sur un modèle de dynamique des fluides obtenus pour un conteneur rectangulaire. Les résultats sont comparés en termes d’élévation minimale du liquide et de nombre total d’itérations nécessaires avant d’atteindre la convergence, l’algorithme génétique donnant une convergence plus rapide. Ce test numérique permet d’évaluer la capabilité et l’efficacité des algorithmes étudiés avant de les utiliser dans un montage de mesures expérimentales complexes. Des mesures expérimentales sont réalisées sur une ligne de production de l’industrie cosmétique. Les tests sont effectués avec deux types de flacons de parfum. Le comportement réel de la surface du liquide est capturé par une caméra et détecté avec des techniques de traitement d’image. Afin d’améliorer la robustesse du processus numérique et d’éviter les erreurs de mesures locales la surface libre détectée est identifié par une série de Fourier. Les résultats montrent que les lois de commande fournies par l’algorithme génétique produisent moins d’oscillation de surface liquide que les lois de commande utilisées dans l’industrie. En outre, l’algorithme génétique fournit deux lois de commande complétement différentes pour deux échantillons de bouteilles différentes, ce qui confirme le besoin d’utiliser des lois de commande spécifiques au lieu d’une loi de commande générale pour différents types de bouteilles. L’algorithme d’optimisation online proposé pour la minimisation du ballottement est adapté à toute forme de flacon et rapide en temps de calcul.