 | | |
| MECA0010-1 | Stochastic modelling in mechanics
|
|
| Durée : | 30h Th, 30h Pr |
|
| Nombre de crédits : |
|
|
| Nom du professeur : | Maarten Arnst |
|
Langue(s) du cours :
|
| Langue anglaise |
|
Contenus du cours :
|
| La modélisation et simulation de systèmes complexes naturels et artificiels représentent des outils critiques pour relever de nombreux défis en science et ingénierie. Néanmoins, et par définition, des modèles ne sont que des approximations de la réalité physique; en plus, des incertitudes paramétriques existent souvent en raison de diverses limitations expérimentales. La quantification et gestion de ces incertitudes sont des prérequis nécessaires pour une utilisation prédictive de modèles et simulations.
Ce cours est une introduction aux principes et méthodes fondamentaux permettant la quantification et gestion des incertitudes liées à des simulations prédictives :
- Principes fondamentaux, y compris la distinction entre des erreurs de modélisation et des incertitudes paramétriques, leur importance pour des calculs scientifiques, et leur traitement par des approches probabilistes.
- Représentation des incertitudes, y compris la prise en compte de contraintes physiques et mécaniques en inférence statistique.
- Propagation des incertitudes, telle que par des méthodes de Monte Carlo.
- Gestion des incertitudes, y compris la validation de modèles et l'analyse de sensibilités, avec un accent sur les nouvelles questions et approches rendues possibles par un traitement quantitatif des incertitudes.
Des exemples détaillés seront présentés et analysés en classe, tels que des problèmes tirés de l'ingénierie aéronautique et mécanique, l'ingénierie automobile, le changement du climat, et la conception de nouveaux systèmes d'énergie durable. |
|
Acquis d'apprentissage (objectifs d'apprentissage) du cours :
|
| A la fin du cours, les étudiants seront capables d'identifier les erreurs et incertitudes qui peuvent affecter les prévisions de modèles et simulations, et de mettre en œuvre des techniques pour leur quantification et gestion. Les étudiants seront également capables de lire et comprendre des papiers pertinents de la littérature scientifique historique et actuelle. |
|
Prérequis et corequis / Modules de cours optionnels recommandés :
|
| Pour suivre ce cours, les étudiants doivent avoir une bonne maîtrise de l'outil mathématique de base (analyse, algèbre linéaire et probabilités), ainsi que de bonnes bases en mécanique et en physique. |
|
Activités d'apprentissage prévues et méthodes d'enseignement :
|
| Le cours consiste en une série de séances ex-cathedra. Chaque cours sera centré autours d'un chapitre de livre ou d'un papier tiré de la littérature scientifique, que les étudiants devront lire auparavant. En plus, les étudiants travailleront en petits groupes sur un projet, qui peut prendre la forme d'une revue de littérature, ou d'une implémentation d'une analyse d'incertitudes à l'aide de Matlab. |
|
Mode d'enseignement (présentiel ; enseignement à distance) :
|
| Cours en présentiel. |
|
Lectures recommandées ou obligatoires et notes de cours :
|
| Des notes, des transparents, des chapitres de livres et des papiers de la littérature scientifiques seront mis à disposition des étudiants. |
|
Modalités d'évaluation et critères :
|
| L'évaluation consistera en une présentation en classe (pondération 50%) et un rapport (pondération 50%) portant sur le projet, et prendra en compte leur contenu, clarté, et netteté. |
|
Remarques organisationnelles :
|
| Le cours est donné au second quadrimestre. |
|
Contacts :
|
| Dr. Maarten Arnst
Chargé de cours
Bureau: B52 - 0/419
Email: Maarten.Arnst@ulg.ac.be |
|
