Thèses en Ligne
Not a member yet
173210 research outputs found
Sort by
Modélisation et analyse économique du comportement des acteurs sur les marchés énergétiques: Des producteurs aux consommateurs
No full textHabilitation à diriger des recherche - La génération d’impulsions pour les communications radiofréquences : des spécifications aux circuits-intégrés
No full textThis document for the French Habilitation to Supervise Research is a book dealing with the generation of pulses for radio-frequency communications, particularly short range between 3.1 GHz and 10.6 GHz.Ce document de candidature à l’Habilitation à Diriger des Recherches est un ouvrage traitant de la génération d’impulsions pour les communications radio-fréquences, notamment courte portée entre 3,1 GHz et 10,6 GHz
Contributions to the mathematical analysis of constrained flows
No full textThis habilitation thesis is dedicated to the mathematical study of congestion phenomena in fluids, that is, the study of flows subjected to a maximum density constraint. This thesis provides an overview of the results - and open questions - of theoretical and numerical analysis on these congested flow models.In the first part, we focus on the "standard" Navier-Stokes equations (with constant viscosities) and barotropic compressible Euler equations, including a maximum density constraint. In one spatial dimension, we present well-posedness and asymptotic stability results in the vicinity of particular (partially congested) solutions, such as traveling wave or self-similar solutions. We also address the case of multi-dimensional equations with a numerical approach.In the second part of this manuscript, we turn our attention to mathematical models that deviate from classical Navier-Stokes equations to account for more "complex" phenomena, such as the heterogeneity of fluids. Specifically, we deal with granular suspensions and porous media, focusing on issues related to transitions between different flow regimes near the congestion constraint and, once again, on stability analysis around traveling wave profiles.Ce mémoire d'habilitation à diriger des recherches est consacré à l'étude mathématique de phénomènes de congestion dans les fluides, c'est-à-dire à l'étude d'écoulements soumis à une contrainte de densité maximale. Ce mémoire dresse un état des lieux des résultats -et questions ouvertes d'analyse d'ordre théorique et numérique sur ces modèles de flots congestionnés. Dans une première partie, nous nous intéressons aux équations "standards" de Navier-Stokes (à viscosités constantes) et d'Euler compressible barotrope, incluant une contrainte de densité maximale. En dimension un d'espace, nous présentons des résultats de caractère bien-posé et de stabilité asymptotique au voisinage de solutions particulières (de type onde progressive ou solution auto-similaire) partiellement congestionnées. Nous traitons également le cas des équations multidimensionnelles avec une approche numérique. Dans la seconde partie de ce mémoire, nous nous intéressons à des modèles mathématiques qui s'écartent des équations de Navier-Stokes classiques afin de rendre compte de phénomènes plus "complexes" liés par exemple à l'hétérogénéité des fluides. On traite plus précisément le cas de suspensions granulaires et de milieux poreux, autour notamment des questions de transitions entre différents régimes d'écoulement au voisinage de la contrainte de congestion mais également, une nouvelle fois, autour de l'analyse de stabilité autour de profils d'ondes progressives
Réduction de dimension non linéaire pour l’approximation en grande dimension et les problèmes inverses
No full textThis thesis is concerned with two types of nonlinear dimension reduction.In a first part we focus on a model reduction framework for parameter dependent partial differential equations.In particular in Chapter 2 we introduce a dictionary-based approach to approximate a solution of such equation in the context of an inverse problem, where only few linear measurements on the solution are given.We introduce a new selection criterion based on random sketching for adaptively selecting a space generated by a few elements of the dictionary.We show near-optimality with high probability and we provide the practical details to ensure computational efficiency for both building and evaluating this new criterion.In Chapter 3 we consider an operator interpolation method recently introduced for preconditioning linear model reduction based on Galerkin projection.This is of particular interest for problems admitting good linear approximation but whose associated projection operator is ill-conditioned.The contribution of this thesis is to propose a practical construction of these preconditioners, illustrated with numerical experiments.In a second part we consider low dimensional featuring for approximating high dimensional functions.In particular in Chapter 4 we consider gradient-based construction of nonlinear feature maps, which leverages Poincar\'e inequalities on nonlinear manifolds to derive a computable objective function.However, optimizing the latter is in general a difficult non-convex problem.We thus introduce new quadratic surrogates to this objective function.Leveraging concentration inequalities, we provide sub-optimality results for a class of feature maps, including polynomials, and a wide class of input probability measures.In Chapter 5 we extend the approach from the previous chapter to dimension reduction for a family of high dimensional functions (collective dimension reduction).We then investigate structured forms of feature maps, aiming to leverage the aforementioned gradient-based method and surrogates to learn compositional function networks.For every chapter we provide open-source implementation of the methods presented therein.Cette thèse traite de deux types de réduction de dimension non linéaire.Dans une première partie, nous nous concentrons sur un cadre de réduction de modèle pour les équations différentielles partielles dépendantes des paramètres.En particulier, dans le Chapitre 2, nous introduisons une approche basée sur un dictionnaire pour approximer une solution d'une telle équation dans le contexte d'un problème inverse, où seules quelques mesures linéaires sur la solution sont connues.Nous introduisons un nouveau critère de sélection basé sur l'algèbre linéaire aléatoire pour sélectionner de manière adaptative un espace généré par quelques éléments du dictionnaire.Nous montrons une quasi-optimalité avec forte probabilité et nous fournissons les détails pratiques pour garantir l'efficacité computationnelle tant pour la construction que pour l'évaluation de ce nouveau critère.Dans le Chapitre 3, nous considérons une méthode d'interpolation d'opérateurs récemment introduite pour le préconditionnement de la réduction de modèle linéaire basée sur la projection de Galerkin.Cela présente un intérêt particulier pour les problèmes admettant une bonne approximation linéaire mais dont l'opérateur de projection associé est mal conditionné.La contribution de cette thèse est de proposer une construction pratique de ces préconditionneurs, illustrée par des expériences numériques.Dans une deuxième partie, nous considérons des caractéristiques de faible dimension pour approximer les fonctions en grande dimension.En particulier, dans le Chapitre 4, nous considérons la construction de caractéristiques non linéaires basée sur le gradient, qui exploite les inégalités de Poincaré sur les variétés non linéaires pour obtenir une fonction objective calculable.Cependant, l'optimisation de cette dernière est en général un problème non convexe difficile.Nous introduisons donc de nouveaux substituts quadratiques à cette fonction objective.En tirant parti des inégalités de concentration, nous fournissons des résultats de sous-optimalité pour une classe de caractéristiques, comprenant les polynômes, et une large classe de mesures de probabilité des variables d'entrée.Dans le Chapitre 5, nous étendons l'approche du chapitre précédent à la réduction de dimension pour une famille de fonctions en grande dimension (réduction de dimension collective).Nous étudions ensuite des formes structurées de caractéristiques, dans le but d'exploiter la méthode basée sur le gradient et les substituts mentionnés ci-dessus pour apprendre des réseaux de fonctions compositionnelles.Pour tous les chapitres nous fournissons une implémentation open source des méthodes qui y sont présentées
Modélisation mathématique et simulation numérique de l’hémodynamique du cœur gauche avec interaction fluide-structure
No full textThis thesis is devoted to the mathematical modeling and simulating of some of the fluid-structure interaction (FSI) phenomena involved in the left heart. In order to mitigate the complexity of the resulting coupled systems, a loosely coupled scheme based on Robin conditions is proposed. The stability of this method is analyzed using energy arguments in a general nonlinear setting, demonstrating its unconditional stability.An FSI model of the left heart hemodynamics is proposed which combines a bi-ventricular electromechanical model with the Navier-Stokes equations and a general formulation of reduced valve dynamics. In particular, a novel reduced valve model with superior mathematical foundations is introduced. The complexity of the resulting coupled system is mitigated at the discrete level by solving the interface coupling with the proposed loosely coupled paradigm. Energy estimates are derived for both the continuous and discrete systems. A novel electromechanical model of the left atrium is proposed using a 3D-shell formulation, which is specifically designed to account for the thin-walled nature of the atrial tissue. Special attention is also given to the intrinsic characteristics of the atria, such as its complex electrical propagation and high fiber heterogenity. Finally, an FSI model for the left atrium is introduced, by building on the 3D-shell electromechanical model and the proposed loosely coupled scheme. The capabilities of all the proposed approaches are illustrated in a series of comprehensive numerical examples.Cette thèse est consacrée à la modélisation mathématique et à la simulation numérique de certains phénomènes d'interaction fluide-structure (FSI) impliqués dans le cœur gauche. Afin de contourner la complexité des systèmes couplés résultants, un schéma de couplage faible basé sur les conditions de Robin est proposé. La stabilité de cette méthode est analysée à l'aide d'arguments énergétiques dans un cadre général non-linéaire, démontrant sa stabilité inconditionnelle.Un modèle FSI de l'hémodynamique du cœur gauche est proposé, qui combine un modèle électromécanique bi-ventriculaire avec les équations de Navier-Stokes et une formulation réduite générale de la dynamique des valves. En particulier, un nouveau modèle de valve réduite avec des fondements mathématiques plus solides est introduit. La complexité du système couplé résultant est diminuée au niveau discret en résolvant le couplage à l'interface avec le schéma de couplage faible proposé. Des estimations d'énergie sont dérivées à la fois pour les systèmes continus et discrets. Un nouveau modèle électromécanique de l'oreillette gauche est proposé à l'aide d'une formulation de coque-3D, qui est spécialement conçue pour tenir compte de la nature mince du tissu auriculaire. Une attention particulière est également accordée aux caractéristiques intrinsèques de l'oreillette, telles que sa propagation électrique complexe et l'hétérogénéité de la distributions des fibres. Enfin, un modèle FSI pour l'oreillette gauche est introduit, en s'appuyant sur le modèle électromécanique coque-3D et le schéma de couplage faible proposé. Les capacités de toutes les approches proposées sont illustrées dans des nombreux études numériques
Approches basées sur les variétés pour la reconnaissance des actions et des gestes
No full textHuman action recognition (HAR) has emerged as a critical research area due to its wide range of real-world applications, including human-computer interaction, intelligent healthcare, virtual reality, surveillance, UAV control, and autonomous systems. Over the past few decades, numerous approaches have been developed to recognize human actions from monocular RGB video sequences. More recently, the advent of depth sensors has fueled the growth of 3D activity analysis and 3D gesture recognition, leading to significant advancements in the field. Among the various techniques proposed, manifold-based approaches have gained prominence due to their ability to effectively model the temporal evolution of 3D skeletal data through manifold-invariant representations. These methods have demonstrated remarkable performance in addressing the challenging task of action recognition.In this work, we explore the properties of the Symmetric Positive Definite (SPD) manifold, one of the most widely used manifolds in action and gesture recognition. We propose a novel recognition framework that integrates both a detector and a classifier, leveraging an SPD-based neural network known as the SPD Siamese Neural Network. We validate its performance through extensive experiments on both segmented and continuous action sequences across multiple datasets. Our results demonstrate that this approach outperforms state-of-the-art methods in various scenarios.Despite these advancements, significant challenges persist, particularly in complex environments such as UAV-based human action recognition. To overcome these limitations, we introduce an improved model, SPDAGG-TransNet, which enhances the baseline SPD Siamese network by refining its temporal-spatial feature extraction and integrating a Transformer module. This enhancement strengthens the model's ability to capture long-range dependencies, enrich feature representations, and maintain the intrinsic geometric properties of SPD representations. By incorporating Transformer encoders, our approach further improves recognition accuracy by effectively modeling both local and global motion dynamics. Extensive evaluations on benchmark datasets, including DHG-14, UAV-Human, and UAV-Gesture, demonstrate that SPDAGG-TransNet achieves state-of-the-art performance.Beyond SPD-based approaches, we also explore hyperbolic space as an alternative geometric framework for motion recognition. Hyperbolic neural networks (HNNs) offer a promising direction for modeling hierarchical and structured relationships in motion data. Unlike conventional Euclidean-based deep learning models, hyperbolic architectures leverage Lorentz transformations and novel optimization techniques, such as the Riemannian Adam optimizer, to stabilize embeddings and enhance scalability. These advancements enable more effective hierarchical motion modeling, making hyperbolic learning particularly suitable for action recognition tasks.Extensive experiments conducted across multiple benchmarks—ranging from hand gesture recognition to full-body action recognition and UAV-based datasets demonstrate the effectiveness of both SPD-based and hyperbolic-based approaches in challenging scenarios. Our findings highlight the superiority of geometric learning frameworks in accurately modeling human motion, ensuring real-time adaptability, and overcoming the limitations of traditional Euclidean methods.La reconnaissance des actions humaines (HAR) est devenue un domaine de recherche essentiel en raison de ses nombreuses applications dans le monde réel, notamment l'interaction homme-machine, la santé intelligente, la réalité virtuelle, la surveillance, le contrôle des drones (UAV) et les systèmes autonomes. Au cours des dernières décennies, de nombreuses approches ont été développées pour reconnaître les actions humaines à partir de séquences vidéo RGB monoculaires. Plus récemment, l'émergence des capteurs de profondeur a favorisé le développement de l'analyse des activités en 3D et de la reconnaissance des gestes en 3D, entraînant des avancées significatives dans le domaine. Parmi les différentes techniques proposées, les approches basées sur les variétés ont gagné en importance en raison de leur capacité à modéliser efficacement l'évolution temporelle des données squelettiques 3D grâce à des représentations invariantes aux variétés. Ces méthodes ont démontré des performances remarquables dans la résolution du défi de la reconnaissance des actions.Dans ce travail, nous explorons les propriétés de la variété des matrices Symmetric Positive Definite (SPD), l'une des plus utilisées en reconnaissance des actions et des gestes. Nous proposons un cadre de reconnaissance innovant intégrant un détecteur et un classificateur, en exploitant un réseau de neurones basé sur SPD, connu sous le nom de SPD Siamese Neural Network. Nous validons ses performances par le biais d'expériences approfondies sur des séquences d'actions segmentées et continues à travers plusieurs ensembles de données. Nos résultats montrent que cette approche surpasse les méthodes de l'état de l'art dans divers scénarios.Malgré ces avancées, des défis majeurs subsistent, en particulier dans des environnements complexes tels que la reconnaissance des actions humaines par drone (UAV). Pour pallier ces limitations, nous introduisons un modèle amélioré, SPDAGG-TransNet, qui optimise le réseau SPD Siamese en affinant l'extraction des caractéristiques spatio-temporelles et en intégrant un module Transformer. Cette amélioration renforce la capacité du modèle à capturer les dépendances à long terme, enrichir les représentations des caractéristiques et préserver les propriétés géométriques intrinsèques des représentations SPD. L'intégration d'encodeurs Transformer améliore encore la précision de la reconnaissance en modélisant efficacement les dynamiques locales et globales du mouvement. Des évaluations approfondies sur des ensembles de données de référence, notamment DHG-14, UAV-Human et UAV-Gesture, démontrent que SPDAGG-TransNet atteint des performances de pointe.Au-delà des approches basées sur SPD, nous explorons également l'espace hyperbolique comme cadre géométrique alternatif pour la reconnaissance des mouvements. Les réseaux de neurones hyperboliques (HNNs) constituent une voie prometteuse pour modéliser les relations hiérarchiques et structurées des données de mouvement. Contrairement aux modèles d'apprentissage profond conventionnels basés sur l'espace euclidien, les architectures hyperboliques exploitent les transformations de Lorentz et des techniques d'optimisation avancées, telles que Riemannian Adam optimizer, pour stabiliser les embeddings et améliorer l'évolutivité. Ces avancées permettent une modélisation plus efficace des mouvements hiérarchiques, rendant l'apprentissage hyperbolique particulièrement adapté aux tâches de reconnaissance des actions.Des expériences approfondies sur plusieurs ensembles de données, de la reconnaissance des gestes de la main aux actions du corps et aux données UAV, confirment l'efficacité des approches basées sur SPD et l'espace hyperbolique dans des scénarios complexes. Nos résultats soulignent la supériorité des cadres d'apprentissage géométrique pour modéliser avec précision les mouvements humains, garantir une adaptabilité en temps réel et dépasser les limites des méthodes euclidiennes traditionnelles
Craquage catalytique des goudrons en utilisant le biochar comme catalyseur
No full textThis thesis focuses on the study of the catalytic cracking of tars, which are substances that can be produced along with syngas and biochar during biomass gasification. Tars are one of the main obstacles to the use of syngas in certain industrial processes, due to the technical difficulties associated with their presence (clogging, condensation, reduced energy efficiency, etc.). Catalytic cracking is the technique of choice for transforming these tars, composed of heavy hydrocarbons (C6, C7, C8, etc.) into lighter species (H₂, CH₄, C₂H₄). This process can be catalyzed by biochar, whose use offers great economic and technological advantages as a by-product of gasification. This work focuses on the parametric study of the cracking of tars emulated by model compounds such as benzene, toluene and xylene while using biochar-based catalysts, either the biochar alone or otherwise, modified with metal oxides of iron and nickel. The catalysts prepared were characterized and their activity was compared during the cracking reaction of the various model molecules. The kinetics of the reaction and the transfer phenomena occurring during catalysis were also explored.Cette thèse se concentre sur l'étude du craquage catalytique des goudrons, qui sont des substances pouvant être produites avec le gaz de synthèse et le biochar pendant la gazéification de la biomasse. Les goudrons constituent un des principaux obstacles à l’utilisation du gaz de synthèse dans certains procédés industriels en raison des difficultés techniques liées à leur présence (obstruction, condensation, réduction de l'efficacité énergétique, etc.). Le craquage catalytique est une technique de choix pour transformer ces goudrons, composés d’hydrocarbures lourds (C6, C7, C8, etc.) en espèces plus légères (H₂, CH₄, C₂H₄). Ce processus peut être catalysé par le biochar, dont l'utilisation présente un grand avantage économique et technologique en tant que sous-produit de la gazéification. Ce travail met l'accent sur l'étude paramétrique du craquage des goudrons simulés par des composés modèles comme le benzène, le toluène et le xylène), en utilisant de catalyseurs à base de biochar, seul ou modifié par des métaux comme le fer et le nickel. Les catalyseurs préparés ont été caractérisés et leur activité a été comparée dans la réaction de craquage des différentes molécules modèles. La cinétique de la réaction ainsi que es phénomènes de transfert ayant lieu lors de la catalyse ont également été explorés
Optimized use of FEM and DEM for post-fire structural assessment of Historical Monuments
No full textThis thesis is part of the ANR DEMMEFI project, focused on developing new diagnostic methodologies for the preservation of historic stone buildings. Although representing valuable heritage, masonry structures are vulnerable to fire risks, as highlighted by the incident on April 15 at Notre-Dame Cathedral in Paris. Due to their historical significance, demolishing these public buildings (ERP) after a fire is rarely considered, even in cases of structural concerns, unlike modern buildings. When classified as Historical Monuments (MH), restoration or reconstruction to the original state is required. However, the post-fire stability of these structures remains a critical issue, given the current lack of knowledge and tools to assess their structural condition. To address this challenge, a 3D thermomechanical modeling approach was developed and validated in this thesis using the LMGC90 computational code. At ambient temperature, a hybrid block based approach, combining finite elements and discrete elements, enabled (i) simulating damage within blocks through a model coupling damage and plasticity, and (ii) reproducing joint cracking using a cohesive zone model developed in this thesis. This model accounts for the nonlinear behavior of interfaces (damage and plasticity) as well as the linear elastic behavior of mortar joints. Validation of this modeling approach was performed by comparison with an experimental campaign on walls subjected to vertical loads and monotonic and cyclic shear.At high temperatures, the thermomechanical behavior of "mortar joint + block/mortar interface" assemblies was experimentally characterized through mechanical tests conducted at ambient and elevated temperatures, in both tension and shear/compression of these assemblies after cooling. Equivalent materials were selected to have physical properties similar to those used in Notre-Dame Cathedral. From a modeling perspective, the effect of thermal expansion of the blocks was incorporated through an irreversible, temperature-dependent thermal expansion coefficient. Additionally, the temperature-dependent evolution of the blocks' mechanical properties was also integrated. For the joints, temperature impact is modeled by introducing thermal damage. Validation of the one-way coupled thermomechanical model was conducted through comparison with an experimental campaign on a wall subjected to vertical load and standardized ISO834 fire exposure. The results obtained from this 3D thermomechanical modeling approach are promising: they accurately reproduce typical masonry failure mechanisms and local effects due to friction within joints. Thermal expansion, deflection, and severe cracking resulting from thermal stresses caused by high temperature gradients were precisely captured. Moving forward, the developed approach will be applied to simulate the fire impact on the choir vault of Notre-Dame Cathedral.Cette thèse s’inscrit dans le cadre du projet ANR DEMMEFI, qui porte sur le développement de nouvelles méthodologies de diagnostic pour la préservation des édifices anciens en pierre. Bien que représentant un patrimoine précieux, les constructions en maçonnerie sont vulnérables aux risques d'incendie, comme l’a rappelé l'incident survenu le 15 avril à la cathédrale Notre-Dame de Paris. En raison de leur valeur historique, la démolition de ces établissements recevant du public (ERP) après un incendie est rarement envisagée, même en cas de doutes structurels, contrairement aux bâtiments modernes. Lorsqu'ils sont classés Monuments Historiques (MH), une restauration ou une reconstruction à l'identique est requise. Toutefois, la stabilité post-incendie de ces structures reste une problématique cruciale, en l’absence de connaissances et d’outils adaptés pour évaluer leur état structurel.Pour répondre à cette problématique, une approche de modélisation thermomécanique 3D a été développée et validée dans cette thèse dans le code de calcul LMGC90. À température ambiante, une approche hybride blocs-à-blocs, combinant éléments finis et éléments discrets a permis (i) de simuler l’endommagement dans les blocs à l’aide d’un modèle couplant endommagement et plasticité et (ii) de reproduire la fissuration dans les joints grâce à un modèle de zone cohésive développé dans cette thèse. Ce dernier tient compte du comportement non linéaire des interfaces (endommagement et plasticité) ainsi que du comportement élastique linéaire des joints de mortier. La validation de cette approche de modélisation a été réalisée par confrontation avec une campagne expérimentale de murs soumis à une charge verticale et un effort de cisaillement monotone et cyclique.À haute température, le comportement thermomécanique des assemblages « joint de mortier + interface bloc/mortier » a été caractérisé expérimentalement à travers des essais mécaniques menés à froid et à chaud après refroidissement en traction et en cisaillement/compression de ces assemblages. Ici, les matériaux équivalents ont été sélectionnés pour avoir des propriétés physiques similaires à celles utilisées dans la cathédrale Notre-Dame de Paris. D’un point de vue de la modélisation, l’effet de la dilatation thermique des blocs a été pris en compte à travers un coefficient de dilatation thermique irréversible et dépendant de la température. De plus, l’évolution des propriétés mécaniques des blocs en fonction de la température a également été intégrée. Pour les joints, l’impact de la température est modélisé en introduisant des endommagements thermiques. La validation du modèle thermomécanique a été conduite par confrontation avec une campagne expérimentale d’un mur soumis à une charge verticale et à un feu normalisé ISO834. Les résultats obtenus par cette approche de modélisation thermomécanique 3D sont prometteurs : ils reproduisent fidèlement les mécanismes de rupture typiques de la maçonnerie et les effets locaux dus aux frottements dans les joints. La dilatation thermique, la déflexion et la forte fissuration résultant des contraintes thermiques induites par de grands gradients de température ont été précisément capturées. En perspective, l’approche développée sera appliquée pour simuler l’impact du feu sur la travée du chœur de la cathédrale Notre-Dame de Paris
