Ressources numériques
Nous avons développé diverses ressources numériques, en particulier pour les simulations de la dynamique des aérosols dans les systèmes réactifs. Nous avons également développé des codes numériques pour la mesure et le post-traitement de données expérimentales, principalement liées aux mesures d’aérosols.
Simulations numériques
- FracVAL: (ancienne version Fortran, nouvelle version C++/Python) Logiciel pour la génération d’agglomérats de particules hors réseau. Il est basé sur une approche particle-cluster pour former de petits agglomérats. Ensuite, une approche cluster-cluster est utilisée pour agglomérer les petits agglomérats en utilisant une approche presque-hiérarchique qui conserve les paramètres fractals choisis par l’utilisateur (voir figure à gauche). La version originale du code est disponible sur le journal : Computer Physics Communications.
- MCAC: (C++/Python) Il s’agit d’un code DEM (Discrete Element Method) de Monte Carlo permettant de simuler la nucléation, la croissance, l’agglomération, la surface et l’oxydation des particules d’aérosols. Le code a été spécialement adapté pour prendre en compte les conditions aérothermochimiques des flammes, avec un couplage aux codes CFD (voir figure de gauche). Le code est disponible sur le site web suivant : CORIA-CFD GitLab.
- Un tutoriel pour débutant (en anglais) est disponible ici.
- NGDE++: (C++/Python) Il s’agit d’un code de bilan de population pour simuler la dynamique d’agglomération d’aérosols ou de particules colloïdales. La distribution de la taille des particules est traitée de manière macroscopique en sélectionnant des classes de taille. L’équation d’équilibre de la population est alors résolue en considérant tous les taux de collision des particules entre les différentes classes de taille. Ce code est disponible sur : GitLab.
- FTP++: (C++/Python) Ce code est utilisé pour simuler la dynamique des particules en suspension afin de déterminer les taux de collision à l’aide d’un modèle stochastique de premier temps de passage. Nous résolvons l’équation de Langevin pour déterminer les trajectoires des particules d’aérosol dans un gaz statique et ainsi déterminer les noyaux de collisions des particules. Le code est disponible sur GitLab.
- ESP-charging: (Python) Ce code est utilisé pour résoudre une équation d’équilibre de la population afin de modéliser le chargement des particules par deux mécanismes, à savoir la diffusion et le chargement par champ électrique. Le modèle prend également en compte le dépôt électrophorétique des particules dû à un champ électrique externe pour modéliser la collecte des particules dans un précipitateur électrostatique. Le code est disponible sur GitHub.
Post-traitement des données expérimentales
- Onedimensional DMA: (Python) Ce code permet le post-traitement 1d (déconvolution) des mesures expérimentales avec un classificateur de mobilité différentielle et un compteur de noyaux de condensation pour déterminer la distribution de la taille des aérosols. Ce code est disponible sur GitHub.
- Bidimensional TDMA: (Python) Ce code est utilisé pour le post-traitement 2d (déconvolution) des mesures effectuées avec deux analyseurs de mobilité différentielle et un compteur de noyeaux de condensation (voir l’image en bas) afin de déterminer la taille des aérosols et les distributions de charge électrique. Ce code est disponible sur GitHub.
- Bidimensional DMA-APS: (Python) Il s’agit d’un code pour le post-traitement 2D (déconvolution) de mesures expérimentales utilisant un analyseur de mobilité différentielle couplé à un spectromètre de mesure du diamètre aérodynamique des particules (voir l’image en bas) pour mesurer la taille des particules et la distribution des charges. Ce code est disponible sur GitHub.
Mesure expérimentales
- TDMA measurements: (Python) Ce code est utilisé pour contrôler 2 analyseurs de mobilité différentielle (AMD), ces sources de haute tension et le compteur de des nouyeaux de condensation pour effectuer des mesures avec deux AMD. Ce code prend en compte une interface utilisateur graphique (voir l’image en bas). Ce code est disponible sur GitHub.
- DMA-Scan: (Python) Ce code est utilisé pour contrôler 1 analyseurs de mobilité différentielle (AMD), ces sources de haute tension et le compteur de noyeaux de condensation pour effectuer des mesures de distribution de taille des aérosols. Ce code prend en compte une interface utilisateur graphique. Il a été développé à l’origine par le Prof. Tomoya Tamadate. Ce code est disponible sur GitHub.
- RH and T sensor: (Python) Il s’agit d’un code très simple pour lire et stocker les mesures de température et d’humidité relative en utilisant un capteur DHT connecté à un contrôleur Arduino (appareil à connexion sérielle). Ce code est disponible sur GitHub.
