Laminar-to-turbulent transition modeling of a detached boundary layer

Le but de cette thèse est de proposer des modèles qui améliorent la précision des prévisions RANS des bulbes de décollement laminaire. Dans un premier temps, des données de simulations numériques "haute-fidélité'' sur une configuration de référence ont été exploitées afin de comprendre les défauts des modèles existants. À partir de cette analyse, deux problèmes majeurs ont été mis en évidence : les modèles existants ne produisent pas de turbulence à un rythme suffisamment élevé dans la région transitionnelle décollée, et en général ils manquent de diffusivité dans la région située juste en aval du bulbe. Dans un deuxième temps, un ensemble de modèles ont été proposés qui corrigent les défauts observés. Ces modèles, nommés LSTT (Laminar Separation Transition Triggering), permettent à plusieurs modèles RANS existants de produire de la turbulence à un taux adéquat dans la région transitionnelle, améliorant ainsi notablement la précision de la prévision du bulbe de décollement et de la couche limite en aval de ce dernier. Enfin, une évaluation complète des modèles LSTT a été effectuée en les appliquant à différentes géométries de profils aérodynamiques de type drone, éolienne, turbine et hélicoptère. En général, on observe que les modèles LSTT améliorent la précision des prévisions RANS des bulbes de décollement laminaire et servent à capturer l'influence de l'angle d'incidence, du nombre de Reynolds et du taux de turbulence en amont.The objective of this thesis was to propose new models that improve the precision of RANS predictions of LSB. Firstly, high-fidelity numerical data was analyzed in order to understand the precision defects of existing models. From this analysis, two main defects were identified: existing models do not produce turbulence at a sufficient rate in the transitional region, and they generally lack diffusion right downstream of the LSB. Secondly, a set of models were proposed that correct the defects. The new approach, named laminar separation transition triggering (LSTT), allow several existing RANS models for enhanced production of turbulence in the transitional region, which improves the precision of the prediction of the LSB topology and the overall flowfield. Lastly, a large assessment of LSTT models was undertaken using different airfoils of drones, wind turbines, tubojet engines and helicopters. In general, it was found that LSTT models improve the precision of the RANS predictions of LSB and can be used to predict the influence on angle-of-attack, Reynolds number and turbulence intensity