Spelling suggestions: "subject:"local method"" "subject:"focal method""
1 |
Méthode global/local non-intrusive pour les simulations cycliques non-linéaires / Noninvasive global/local method for nonlinear and cyclic computationsBlanchard, Maxime 18 January 2018 (has links)
Cette thèse vise à proposer des outils innovants pour le calcul de structures aéronautiques évoluant à haute température. En effet, les régimes de fonctionnement des moteurs actuels conduisent à des évolutions élasto-viscoplastiques généralisées dans les pièces métalliques et l’utilisation de modèles simplifiés (élastiques) n’est plus totalement satisfaisante en terme de précision, même en phase de préconception. De même, la géométrie complexe permettant le refroidissement continu des pièces (micro-perforations) doit être prise en compte de manière exacte. Les techniques de calcul standard pour ce genre de problème conduiraient à des simulations lentes et peu flexibles (la moindre modification entraînant une remise en œuvre complète de la chaîne de calcul). Plus précisément, cette thèse étend les méthodes de type global/local non-intrusives au cas de la viscoplasticité généralisée en utilisant deux échelles de temps et d'espace, chacune adaptée aux phénomènes locaux et globaux à capturer. La méthode est ensuite étendue au calcul de nombreux cycles complexes de chargement, par des techniques de saut de cycles. Le schéma de couplage en temps permet alors une adaptation locale du pas de temps par sous-domaine. Des techniques d’accélération de convergence sont proposées, à l’échelle d’un incrément puis à celle de la succession de cycles (sauts de cycles). Ces développements permettent d’obtenir rapidement et précisément une estimation du cycle limite qui alimente un modèle de durée de vie. Le couplage non-intrusif est réalisé dans un script de programmation pilotant un code commercial (dans notre cas le langage Python et Abaqus/Standard). La méthode a été appliquée sur des plateformes de calculs industrielles, en réutilisant directement des maillages et les mises en données issues de modèles intervenant plus tôt dans la chaîne de calcul. Un cas métier, issu d’un bureau d’études de Safran Aircraft Engines, a pu être traité. / This thesis consists in developing innovating tools destined to the simulation of aeronautical structures evolving at high temperature. Indeed, working rates of current engines lead to an elasto-viscoplastic evolution generalized in metallic parts and the use of simplified models (linear elastic) are no longer totally satisfying in term of accuracy, even in initial design process. Likewise, the complex geometry allowing the continuous cool down process of parts (micro-perforations) has to be exactly taken into account. The standard computation techniques dedicated to this kind of models would lead to slow simulations with a lack of flexibility (the slightest modifications leading to restart the whole design process of the computation chain).More precisely, this thesis extends the noninvasive global/local methods to the framework of viscoplasticity generalized to the whole structure, using two scales in time and space, each one adapted to global and local phenomena to capture. The method is then extended to the computation of high number of complex load cycles, by skipped cycles techniques. The time coupling scheme lets then a local adaptation of time steps per subdomain. Convergence acceleration techniques are also set up, first for one time step and then through several load cycles (skipped cycles). These developments conduct to obtain quickly an evaluation of the limit cycle providing data to a lifetime expectancy model.The noninvasive coupling is realized in a programming language script managing the commercial software (respectively in our case Python and Abaqus/Standard). The method has been applied on industrial computational platforms, by reusing directly meshes and data from previous engineering tasks appearing earlier in the computational chain. A genuine test case from a Safran Aircraft Engines design office, was performed successfully.
|
2 |
Surrogate models coupled with machine learning to approximate complex physical phenomena involving aerodynamic and aerothermal simulations / Modèles de substitution couplés à de l'apprentissage automatique pour approcher des phénomènes complexes mettant en jeu des simulations aérodynamiques et aérothermiquesDupuis, Romain 04 February 2019 (has links)
Les simulations numériques représentent un élément central du processus de conception d’un avion complétant les tests physiques et essais en vol. Elles peuvent notamment bénéficier de méthodes innovantes, telle que l’intelligence artificielle qui se diffuse largement dans l’aviation. Simuler une mission de vol complète pour plusieurs disciplines pose d’importants problèmes à cause des coûts de calcul et des conditions d’opérations changeantes. De plus, des phénomènes complexes peuvent se produire. Par exemple, des chocs peuvent apparaître sur l’aile pour l’aérodynamique alors que le mélange entre les écoulements du moteur et de l’air extérieur impacte fortement l’aérothermie autour de la nacelle et du mât. Des modèles de substitution peuvent être utilisés pour remplacer les simulations haute-fidélité par des approximations mathématiques afin de réduire le coût de calcul et de fournir une méthode construite autour des données de simulations. Deux développements sont proposés dans cette thèse : des modèles de substitution utilisant l’apprentissage automatique pour approximer des calculs aérodynamiques et l’intégration de modèles de substitution classiques dans un processus aérothermique industriel. La première approche sépare les solutions en sous-ensembles selon leurs formes grâce à de l’apprentissage automatique. En outre, une méthode de reéchantillonnage complète la base d’entrainement en ajoutant de l’information dans des sous-ensembles spécifiques. Le deuxième développement se concentre sur le dimensionnement du mât moteur en remplaçant les simulations aérothermiques par des modèles de substitution. Ces deux développements sont appliqués sur des configurations avions afin de combler l’écart entre méthode académique et industrielle. On peut noter que des améliorations significatives en termes de coût et de précision ont été atteintes. / Numerical simulations provide a key element in aircraft design process, complementing physical tests and flight tests. They could take advantage of innovative methods, such as artificial intelligence technologies spreading in aviation. Simulating the full flight mission for various disciplines pose important problems due to significant computational cost coupled to varying operating conditions. Moreover, complex physical phenomena can occur. For instance, the aerodynamic field on the wing takes different shapes and can encounter shocks, while aerothermal simulations around nacelle and pylon are sensitive to the interaction between engine flows and external flows. Surrogate models can be used to substitute expensive high-fidelitysimulations by mathematical and statistical approximations in order to reduce overall computation cost and to provide a data-driven approach. In this thesis, we propose two developments: (i) machine learning-based surrogate models capable of approximating aerodynamic experiments and (ii) integrating more classical surrogate models into industrial aerothermal process. The first approach mitigates aerodynamic issues by separating solutions with very different shapes into several subsets using machine learning algorithms. Moreover, a resampling technique takes advantage of the subdomain decomposition by adding extra information in relevant regions. The second development focuses on pylon sizing by building surrogate models substitutingaerothermal simulations. The two approaches are applied to aircraft configurations in order to bridge the gap between academic methods and real-world applications. Significant improvements are highlighted in terms of accuracy and cost gains
|
Page generated in 0.0532 seconds