Le givrage en vol des aéronefs est une menace météorologique sérieuse pouvant mener à des accidents graves. L’anticipation des effets du givrage peut être faite par simulation numérique. Ce moyen d’investigation fait appel à un couplage entre l’écoulement d’air autour de l’avion, souvent modélisé par une approche RANS (Reynolds Averaged Navier-Stokes) et la solidification des gouttelettes d’eau atmosphériques sur l’appareil. Les observations expérimentales montrent que les premiers instants de givrage créent de la rugosité de surface, souvent incertaine et irrégulière. La rugosité jouant un rôle important dans la forme de glace finale, ces incertitudes nuisent à la qualité des prédictions numériques. Des modèles semiempiriques de rugosité sont alors employés dans la littérature, mais très peu de travaux publiés abordent la calibration fine de la rugosité pour des conditions atmosphériques données. Les accrétions expérimentales publiées montrent la forme de glace finale, mais la rugosité de surface initiale est souvent inconnue. Ainsi, l’objectif de la thèse est de proposer, développer et valider une méthodologie permettant d’estimer les paramètres de rugosité à imposer dans une simulation RANS à la simple connaissance de la forme de glace expérimentale dans un contexte de givrage aéronautique. La méthodologie employée consiste à simuler l’écoulement d’air à l’aide d’un solveur RANS compressible avec rugosité de surface. Par la suite, l’accrétion de glace est obtenue avec un solveur de givrage basé sur le ruissellement d’un film liquide se solidifiant, inspiré du shallow water icing model (SWIM). L’impact des gouttelettes fait appel à des solutions manufacturées propres à la géométrie de profil d’aile employée, ici un profil NACA0012. La variation de la rugosité entrée dans le solveur RANS produit à la fin une variation de l’accrétion de glace. Plus particulièrement, le projet débute par une étude de sensibilité via les indices de Sobol et la création de métamodèles de type chaos polynomial pour quantifier la sensibilité d’une accrétion de glace 2D aux paramètres de rugosité de surface. La deuxième étape est la calibration de la rugosité par inversion Bayésienne pour déterminer les paramètres de rugosité menant à une prédiction de transferts de chaleur en adéquation avec les observations expérimentales. L’implémentation d’un solveur de givrage 3D dans SU2-CFD permet par la suite d’appliquer la méthodologie aux accrétions en 3D. Finalement, la méthode est étendue aux distributions de rugosité non constantes pour affiner les prédictions d’accrétions de glace et démontrer la flexibilité de la méthode. Les paramètres de rugosité calibrés obtenus avec la méthode donnent des accrétions de glace avec moins de 1.5 mm d’erreur quadratique moyenne par rapport aux accrétions expérimentales, ce qui représente 0.2% de la longueur de corde. Les formes de glace obtenues permettent par ailleurs de montrer l’intérêt de passer à une distribution de rugosité non constante, puisque les résultats sont améliorés. Sur les quatre cas de givrage avec film liquide ruisselant étudiés, les accrétions obtenues après calibrations sont très proches des formes expérimentales et parfois plus fidèles que les prédictions numériques publiés dans la littérature. La retombée principale de ce travail est de permettre de s’affranchir des corrélations semi-empiriques habituellement employées dans la littérature en estimant une rugosité sur-mesure pour un cas test déterminé. Une recommandation future serait de calibrer davantage de cas, de façon à extraire une corrélation de rugosité spécifique pour les modèles utilisés et ainsi ne plus avoir à calibrer systématiquement chaque cas.

Aircraft in-flight icing is a serious meteorological threat that can lead to serious accidents. Anticipation of the effects of icing can be achieved by numerical simulation. This means of investigation uses a coupling between the air flow around the aircraft, often modeled by a RANS (Reynolds Averaged Navier-Stokes) approach and the solidification of atmospheric water droplets on the aircraft. Experimental observations show that the first moments of icing create surface roughness, often uncertain and irregular. Since roughness plays an important role in heat transfer, these uncertainties harm the quality of numerical predictions. Semiempirical roughness models are then used in the literature, but very few published works address the fine calibration of roughness for given atmospheric conditions. Published experimental accretions show the final ice shape, but the initial surface roughness is often unknown. Thus, the objective of the thesis is to suggest, develop and validate a methodology allowing the estimation of the roughness parameters to be entered into a RANS simulation by simply knowing the experimental ice shape. The methodology used consists of simulating the air flow with a compressible RANS solver with surface roughness. Subsequently, ice accretion is obtained with an icing solver based on the solidification of a runback liquid film, inspired by the shallow water icing model (SWIM). The droplets impingement relies on manufactured solutions specific to the wing geometry used, here a NACA0012 profile. The variation in roughness entered into the RANS solver ultimately produces a variation in ice accretion. More specifically, the project begins with a sensitivity study via Sobol indices and the creation of polynomial chaos metamodels to quantify the sensitivity of a 2D ice accretion to surface roughness parameters. The second step is the roughness calibration by Bayesian inversion to determine the roughness parameters leading to a prediction of heat transfers in line with the experimental observations. The implementation of a 3D ice accretion solver in SU2-CFD subsequently allows the methodology to be applied to 3D accretions. Finally, the method is extended to non-constant roughness distributions to refine ice accretion predictions and demonstrate the flexibility of the method. The calibrated roughness parameters obtained with the method yield ice accretions with less than 1.5 mm root mean square error compared to the experimental accretions, which represents 0.2% of the chord length. The ice shapes obtained also make it possible to show the interest of moving to a non-constant roughness distribution, since the results are greatly improved. In the four cases of icing with runback liquid film studied, the accretions obtained after calibrations are very close to the experimental shapes and sometimes more faithful than the numerical predictions published in the literature. The main outcome of this work is to make it possible to overcome the semi-empirical correlations usually used in the literature by estimating a tailor-made roughness for a specific test case. A future recommendation would be to calibrate more cases, in order to extract a specific roughness correlation for the models used and thus no longer have to systematically calibrate each case.