Spelling suggestions: "subject:"modèle dde substitution"" "subject:"modèle dee substitution""
1 |
Modélisation et conception optimale pour les applications ferroviairesKreuawan, Sangkla 24 November 2008 (has links) (PDF)
La conception d'un système électrique de transport ferroviaire est une tâche complexe qui fait appel simultanément à des experts de domaines de compétence différents. Les constructeurs ferroviaires gèrent cette complexité ce qui leurs permet de fabriquer des équipements performants. Néanmoins, dans un marché global, tout gain méthodologique peut se traduire en avantage concurrentiel.<br /><br />La conception systémique optimale de composant électrotechnique est abordée dans cette thèse. Une chaîne de traction électrique est choisie comme exemple représentatif d'un système complexe. La démarche et les outils sont mis en œuvre sur deux applications: la conception d'un moteur de traction et la conception simultanée de plusieurs composants clés.<br /><br />Pour concevoir un moteur de traction, le cycle de fonctionnement et le comportement thermique transitoire sont primordiaux. La bonne adaptation du moteur à sa mission permet de réduire considérablement sa masse. L'approche multidisciplinaire est utilisée pour gérer les interactions entre modèles de disciplines différentes au sein d'un même processus d'optimisation. Suivant la méthode employée, le temps d'optimisation peut être réduit grâce à la répartition des taches par domaine physique et d'en paralléliser l'exécution. Des optimisations multiobjectif ont également été appliquées. Des fronts de Pareto sont obtenus malgré l'utilisation d'un modèle précis mais coûteux, le modèle éléments finis.<br /><br />L'approche décomposition hiérarchique de la méthode "Target Cascading" est appliquée au problème de conception de la chaîne de traction. Le système et ses composants sont conjointement conçus. Cette méthode est bien adaptée à la démarche de conception optimale des systèmes complexes, tout en respectant l'organisation par produit de l'entreprise.
|
2 |
Définition conceptuelle d'avions : vers une optimisation multiobjectif, robuste et incertaineBadufle, Céline 04 May 2007 (has links) (PDF)
La conception d'avions au stade avant-projet consiste à déterminer les principales caractéristiques d'un avion répondant à un cahier des charges donné. Ces études peuvent être résumées par des problèmes d'optimisation globale sous contraintes avec typiquement un millier de paramètres et presque autant de contraintes. Les contraintes expriment la faisabilité physique ainsi que le cahier des charges à respecter, et les objectifs sont des performances de l'avion guidées par des études de marché. De plus, le conception d'avions est un problème d'optimisation multicritère du fait de la présence de fonctions objectifs antagonistes.<br /><br />L'objectif de cette thèse est d'introduire de nouvelles méthodes mathématiques qui peuvent être utiles dans un outil de dimensionnement avant-projet pour résoudre le problème d'optimisation d'une configuration d'avion. Nous avons contribué à l'amélioration des méthodes d'optimisation qui sont couramment utilisées au département des Avant-Projets d'Airbus. En utilisant les algorithmes génétiques, nous avons rendu le processus d'optimisation monocritère plus robuste. Ensuite, nous avons introduit des méthodes d'optimisation multicritère car nous avions plusieurs critères conflictuels à considérer. Comme les temps de calcul sont devenus importants, nous avons décidé de substituer au modèle d'avion un modèle approché. Nous avons implémenté les fonctions à base radiale pour approcher les contraintes et les fonctions objectifs. Enfin, nous avons propagé les incertitudes du modèle pour estimer la robustesse des résultats de l'optimisation et nous avons proposé un aboutissement possible de l'intégration de ces techniques : donner aux ingénieurs une perception opérationnelle de l'espace de définition.
|
3 |
Surrogate-Assisted Evolutionary Algorithms / Les algorithmes évolutionnaires à la base de méta-modèles scalairesLoshchilov, Ilya 08 January 2013 (has links)
Les Algorithmes Évolutionnaires (AEs) ont été très étudiés en raison de leur capacité à résoudre des problèmes d'optimisation complexes en utilisant des opérateurs de variation adaptés à des problèmes spécifiques. Une recherche dirigée par une population de solutions offre une bonne robustesse par rapport à un bruit modéré et la multi-modalité de la fonction optimisée, contrairement à d'autres méthodes d'optimisation classiques telles que les méthodes de quasi-Newton. La principale limitation de AEs, le grand nombre d'évaluations de la fonction objectif,pénalise toutefois l'usage des AEs pour l'optimisation de fonctions chères en temps calcul.La présente thèse se concentre sur un algorithme évolutionnaire, Covariance Matrix Adaptation Evolution Strategy (CMA-ES), connu comme un algorithme puissant pour l'optimisation continue boîte noire. Nous présentons l'état de l'art des algorithmes, dérivés de CMA-ES, pour résoudre les problèmes d'optimisation mono- et multi-objectifs dans le scénario boîte noire.Une première contribution, visant l'optimisation de fonctions coûteuses, concerne l'approximation scalaire de la fonction objectif. Le meta-modèle appris respecte l'ordre des solutions (induit par la valeur de la fonction objectif pour ces solutions); il est ainsi invariant par transformation monotone de la fonction objectif. L'algorithme ainsi défini, saACM-ES, intègre étroitement l'optimisation réalisée par CMA-ES et l'apprentissage statistique de meta-modèles adaptatifs; en particulier les meta-modèles reposent sur la matrice de covariance adaptée par CMA-ES. saACM-ES préserve ainsi les deux propriété clé d'invariance de CMA-ES: invariance i) par rapport aux transformations monotones de la fonction objectif; et ii) par rapport aux transformations orthogonales de l'espace de recherche.L'approche est étendue au cadre de l'optimisation multi-objectifs, en proposant deux types de meta-modèles (scalaires). La première repose sur la caractérisation du front de Pareto courant (utilisant une variante mixte de One Class Support Vector Machone (SVM) pour les points dominés et de Regression SVM pour les points non-dominés). La seconde repose sur l'apprentissage d'ordre des solutions (rang de Pareto) des solutions. Ces deux approches sont intégrées à CMA-ES pour l'optimisation multi-objectif (MO-CMA-ES) et nous discutons quelques aspects de l'exploitation de meta-modèles dans le contexte de l'optimisation multi-objectif.Une seconde contribution concerne la conception d'algorithmes nouveaux pour l'optimi\-sation mono-objectif, multi-objectifs et multi-modale, développés pour comprendre, explorer et élargir les frontières du domaine des algorithmes évolutionnaires et CMA-ES en particulier. Spécifiquement, l'adaptation du système de coordonnées proposée par CMA-ES est coupléeà une méthode adaptative de descente coordonnée par coordonnée. Une stratégie adaptative de redémarrage de CMA-ES est proposée pour l'optimisation multi-modale. Enfin, des stratégies de sélection adaptées aux cas de l'optimisation multi-objectifs et remédiant aux difficultés rencontrées par MO-CMA-ES sont proposées. / Evolutionary Algorithms (EAs) have received a lot of attention regarding their potential to solve complex optimization problems using problem-specific variation operators. A search directed by a population of candidate solutions is quite robust with respect to a moderate noise and multi-modality of the optimized function, in contrast to some classical optimization methods such as quasi-Newton methods. The main limitation of EAs, the large number of function evaluations required, prevents from using EAs on computationally expensive problems, where one evaluation takes much longer than 1 second.The present thesis focuses on an evolutionary algorithm, Covariance Matrix Adaptation Evolution Strategy (CMA-ES), which has become a standard powerful tool for continuous black-box optimization. We present several state-of-the-art algorithms, derived from CMA-ES, for solving single- and multi-objective black-box optimization problems.First, in order to deal with expensive optimization, we propose to use comparison-based surrogate (approximation) models of the optimized function, which do not exploit function values of candidate solutions, but only their quality-based ranking.The resulting self-adaptive surrogate-assisted CMA-ES represents a tight coupling of statistical machine learning and CMA-ES, where a surrogate model is build, taking advantage of the function topology given by the covariance matrix adapted by CMA-ES. This allows to preserve two key invariance properties of CMA-ES: invariance with respect to i). monotonous transformation of the function, and ii). orthogonal transformation of the search space. For multi-objective optimization we propose two mono-surrogate approaches: i). a mixed variant of One Class Support Vector Machine (SVM) for dominated points and Regression SVM for non-dominated points; ii). Ranking SVM for preference learning of candidate solutions in the multi-objective space. We further integrate these two approaches into multi-objective CMA-ES (MO-CMA-ES) and discuss aspects of surrogate-model exploitation.Second, we introduce and discuss various algorithms, developed to understand, explore and expand frontiers of the Evolutionary Computation domain, and CMA-ES in particular. We introduce linear time Adaptive Coordinate Descent method for non-linear optimization, which inherits a CMA-like procedure of adaptation of an appropriate coordinate system without losing the initial simplicity of Coordinate Descent.For multi-modal optimization we propose to adaptively select the most suitable regime of restarts of CMA-ES and introduce corresponding alternative restart strategies.For multi-objective optimization we analyze case studies, where original parent selection procedures of MO-CMA-ES are inefficient, and introduce reward-based parent selection strategies, focused on a comparative success of generated solutions.
|
4 |
Application of Design-of-Experiment Methods and Surrogate Models in Electromagnetic Nondestructive EvaluationBilicz, Sandor 30 May 2011 (has links) (PDF)
Le contrôle non destructif électromagnétique (CNDE) est appliqué dans des domaines variés pour l'exploration de défauts cachés affectant des structures. De façon générale, le principe peut se poser en ces termes : un objet inconnu perturbe un milieu hôte donné et illuminé par un signal électromagnétique connu, et la réponse est mesurée sur un ou plusieurs récepteurs de positions connues. Cette réponse contient des informations sur les paramètres électromagnétiques et géométriques des objets recherchés et toute la difficulté du problème traité ici consiste à extraire ces informations du signal obtenu. Plus connu sous le nom de " problèmes inverses ", ces travaux s'appuient sur une résolution appropriée des équations de Maxwell. Au " problème inverse " est souvent associé le " problème direct " complémentaire, qui consiste à déterminer le champ électromagnétique perturbé connaissant l'ensemble des paramètres géométriques et électromagnétiques de la configuration, défaut inclus. En pratique, cela est effectué via une modélisation mathématique et des méthodes numériques permettant la résolution numérique de tels problèmes. Les simulateurs correspondants sont capables de fournir une grande précision sur les résultats mais à un coût numérique important. Sachant que la résolution d'un problème inverse exige souvent un grand nombre de résolution de problèmes directs successifs, cela rend l'inversion très exigeante en termes de temps de calcul et de ressources informatiques. Pour surmonter ces challenges, les " modèles de substitution " qui imitent le modèle exact peuvent être une solution alternative intéressante. Une manière de construire de tels modèles de substitution est d'effectuer un certain nombre de simulations exactes et puis d'approximer le modèle en se basant sur les données obtenues. Le choix des simulations (" prototypes ") est normalement contrôlé par une stratégie tirée des outils de méthodes de " plans d'expérience numérique ". Dans cette thèse, l'utilisation des techniques de modélisation de substitution et de plans d'expérience numérique dans le cadre d'applications en CNDE est examinée. Trois approches indépendantes sont présentées en détail : une méthode d'inversion basée sur l'optimisation d'une fonction objectif et deux approches plus générales pour construire des modèles de substitution en utilisant des échantillonnages adaptatifs. Les approches proposées dans le cadre de cette thèse sont appliquées sur des exemples en CNDE par courants de Foucault
|
5 |
Construction automatique de modèles multi-corps de substitution aux simulations de crashtests / Automatized multi-body surrogate models creation to replace crashtests simulationsLoreau, Tanguy 18 December 2019 (has links)
Chez Renault, pour réaliser les études amont, les équipes en charge de la prestation du choc automobile disposent de modèles très simples leur permettant de pré-dimensionner le véhicule. Aujourd'hui, ils sont construits à partir du comportement d'un ou quelques véhicules de référence. Ils sont fonctionnels et permettent le dimensionnement. Mais à présent, l'entreprise souhaite construire ses modèles amont en s'appuyant sur l'ensemble de ses véhicules. En d'autres termes, elle souhaite disposer d'une méthode d'analyse automatique de simulations de crashtests afin de capitaliser leurs résultats dans une base de données de modèles simplifiés.Pour répondre à cet objectif, nous développons une méthode permettant d'extraire des simulations de crashtests les données nécessaires à la construction d'un modèle multi-corps de substitution : CrashScan. Le processus d'analyse implémenté dans CrashScan se résume en trois étapes majeures.La première consiste à identifier l'ensemble des zones peu déformées sur une simulation de crashtest. Cela nous permet de dresser le graphe topologique du futur modèle de substitution. La seconde étape est une analyse des cinématiques relatives entre les portions peu déformées : les directions principales et les modes de déformation (e.g. compression, flexion) sont identifiés en analysant le mouvement relatif. La dernière étape consiste à analyser les efforts et les moments situés entre les zones peu déformées dans les repères associés aux directions principales des déformations en fonction des déformations. Cela nous permet d'identifier des modèles hystérétiques de Bouc-Wen équivalents. Ces modèles disposent de trois paramètres utiles dans notre cas : une raideur, un effort seuil avant plastification et une pente d'écrouissage. Ces paramètres peuvent être utilisés directement par les experts des études amont.Enfin, nous construisons les modèles multi-corps de substitution pour trois cas d'étude différents. Nous les comparons alors à leur référence sur les résultats qu'ils fournissent pour les critères utilisés en amont : les modèles générés par CrashScan semblent apporter la précision et la fidélité nécessaires pour être utilisés en amont du développement automobile.Pour poursuivre ces travaux de recherche et aboutir à une solution industrielle, il reste néanmoins des verrous à lever dont les principaux sont la synthèse d'un mouvement quelconque en six mouvements élémentaires et la synthèse multi-corps sur des éléments autres que des poutres. / At Renault, to fulfill upstream studies, teams in charge of crashworthiness use very simple models to pre-size the vehicle. Today, these models are built from the physical behavior of only one or some reference vehicles. They work and allow to size the project. But today, the company wishes to build its upstream models using all its vehicles. In other words, it wishes to get an automatic method to analyze crashtests simulations to capitalize their results in a database of simplified models.To meet this goal, we decide to use the multi-body model theory. We develop a method to analyze crashtests simulations in order to extract the data required to build a surrogate multi-body model : CrashScan. The analysis process implemented in CrashScan can be split into three major steps.The first one allows to identify the low deformed zones on a crashtest simulation. Then, we can build the topological graph of the future surrogate model. The second step is to analyze the relative kinematics between the low deformed zones : major directions and deformation modes (e.g. crushing or bending) are identified analysing relative movements. The last step is to analyze strengths and moments located between the low deformed zones, viewed in the frames associated to the major directions of deformations in function of the deformations. This allows us to identify equivalent Bouc-Wen hysteretic models. These models have three parameters that we can use : a stiffness, a threshold strength before plastification and a strain of hardening. These parameters can directly be used by upstream studies experts.Finally, we build multi-body models for three different use case. We compare them to their reference over the results they produce for the upstream criteria : models generated with CrashScan seems to grant the precision and the fidelity required to be used during automotive development's upstream phases.To continue this research work and get an industrial solution, there are still some locks to lift, the main ones are : synthesis of any movement into six elementary ones and multi-body synthesis on elements other than beams.
|
6 |
Fiabilité résiduelle des ouvrages en béton dégradés par réaction alcali-granulat : application au barrage hydroélectrique de Song Loulou / Residual reliability of alkali-aggregate reaction affected concrete structures : application to the song Loulou hydroelectric damFtatsi Mbetmi, Guy-De-Patience 31 August 2018 (has links)
Ce travail de thèse propose une méthodologie multi-échelle basée sur l'utilisation de modèles de substitution fonction de variables aléatoires, pour évaluer la fiabilité résiduelle d'ouvrages en béton atteints de réaction alcali-granulat (RAG), dans l'optique d'une meilleure maintenance. Les modèles de substitution, basés sur des développements en chaos de polynômes des paramètres d'une fonction de forme (sigmoïde dans les cas traités), ont été constitués à plusieurs échelles, afin notamment de réduire les temps de calculs des modèles physiques sous-jacents. A l'échelle microscopique, le modèle de RAG employé est celui développé par Multon, Sellier et Cyr en 2009, comprenant initialement une vingtaine de variables aléatoires potentielles. A l'issue d'une analyse de sensibilité de Morris, le modèle de substitution permet de reproduire la courbe de gonflement dans le temps du volume élémentaire représentatif en fonction de neuf variables aléatoires. L'utilisation du modèle de substitution construit, pour la prédiction des effets mécaniques du gonflement dû à la RAG sur une éprouvette, a nécessité de prendre en compte l'anisotropie de ces effets en améliorant les fonctions poids proposées par Saouma et Perotti en 2006. L'échelle de l'éprouvette étant validée par la confrontation des prédictions aux données expérimentales des travaux de thèse de Multon, une application à l'échelle du barrage de Song Loulou a été entreprise. Le calcul du comportement thermo-chemo-mécanique d'une pile d'évacuateur de crues, dont les résultats en déplacements ont pu être confrontés aux données d'auscultation fournies par l'entreprise AES-SONEL (devenue ENEO), a été réalisé. Des modèles de substitution ont été construits ensuite à l'échelle de la structure afin d'obtenir les déplacements aux points d'intérêt, liés aux états limites de fonctionnement des évacuateurs, et procéder ainsi à l'estimation de la fiabilité résiduelle du barrage. Les calculs d'analyse de sensibilité et la construction des modèles de substitution ont été implémentés en Fortran, Java et OpenTURNS Les calculs sur éprouvette et pile de barrage ont été effectués sous Cast3M. / This work proposes a multi-scale methodology based on the use of surrogate models function of random variables, to evaluate the residual reliability of concrete structures suffering from alkali-aggregate reaction (AAR), for a better maintenance purpose. Surrogate models, based on polynomial chaos expansion of the parameters of a shape function (sigmoid in the studied cases), have been constituted at several scales, in particular in order to reduce computation time of the underlying physical models. At the microscopic scale, the AAR model employed is that developed by Multon, Sellier and Cyr in 2009, initially comprising about twenty potential random variables. At the end of a Morris sensitivity analysis, the surrogate model enables to reproduce the expansion curve over time of the representative elementary volume as a function of nine random variables. The use of the built-in surrogate model in predicting the mechanical effects of AAR expansion on a concrete core required to take into account the anisotropy of these effects by improving the weight functions proposed by Saouma and Perotti in 2006. The core's scale being validated by the comparison of the predictions with the experimental data of Multon's thesis work, an application at the scale of the Song Loulou dam was undertaken. The computation of the thermo-chemo-mechanical behavior of a spillway stack, whose results in displacement could be compared with the auscultation data provided by the company AES-SONEL (now ENEO), was realized. Surrogate models were then constructed at the scale of the structure to obtain displacements at the points of interest, related to the operating limit states of the spillways, and thus to estimate the residual reliability of the dam. The sensitivity analysis computations as well as the construction of the surrogate models were implemented in Fortran, Java and OpenTURNS. Computations on concrete cores and Song Loulou dam spillway were performed under Cast3M.
|
7 |
Prise en compte des incertitudes des problèmes en vibro-acoustiques (ou interaction fluide-structure) / Taking into account the uncertainties of vibro-acoustic problems (or fluid-structure interaction)Dammak, Khalil 27 November 2018 (has links)
Ce travail de thèse porte sur l’analyse robuste et l’optimisation fiabiliste des problèmes vibro-acoustiques (ou en interaction fluide-structure) en tenant en compte des incertitudes des paramètres d’entrée. En phase de conception et de dimensionnement, il parait intéressant de modéliser les systèmes vibro-acoustiques ainsi que leurs variabilités qui peuvent être essentiellement liées à l’imperfection de la géométrie ainsi qu’aux caractéristiques des matériaux. Il est ainsi important, voire indispensable, de tenir compte de la dispersion des lois de ces paramètres incertains afin d’en assurer une conception robuste. Par conséquent, l’objectif est de déterminer les capacités et les limites, en termes de précision et de coûts de calcul, des méthodes basées sur les développements en chaos polynomiaux en comparaison avec la technique référentielle de Monte Carlo pour étudier le comportement mécanique des problèmes vibro-acoustique comportant des paramètres incertains. L’étude de la propagation de ces incertitudes permet leur intégration dans la phase de conception. Le but de l’optimisation fiabiliste Reliability-Based Design Optimization (RBDO) consiste à trouver un compromis entre un coût minimum et une fiabilité accrue. Par conséquent, plusieurs méthodes, telles que la méthode hybride (HM) et la méthode Optimum Safety Factor (OSF), ont été développées pour atteindre cet objectif. Pour remédier à la complexité des systèmes vibro-acoustiques comportant des paramètres incertains, nous avons développé des méthodologies spécifiques à cette problématique, via des méthodes de méta-modèlisation, qui nous ont permis de bâtir un modèle de substitution vibro-acoustique, qui satisfait en même temps l’efficacité et la précision du modèle. L’objectif de cette thèse, est de déterminer la meilleure méthodologie à suivre pour l’optimisation fiabiliste des systèmes vibro-acoustiques comportant des paramètres incertains. / This PhD thesis deals with the robust analysis and reliability optimization of vibro-acoustic problems (or fluid-structure interaction) taking into account the uncertainties of the input parameters. In the design and dimensioning phase, it seems interesting to model the vibro-acoustic systems and their variability, which can be mainly related to the imperfection of the geometry as well as the characteristics of the materials. It is therefore important, if not essential, to take into account the dispersion of the laws of these uncertain parameters in order to ensure a robust design. Therefore, the purpose is to determine the capabilities and limitations, in terms of precision and computational costs, of methods based on polynomial chaos developments in comparison with the Monte Carlo referential technique for studying the mechanical behavior of vibro-acoustic problems with uncertain parameters. The study of the propagation of these uncertainties allows their integration into the design phase. The goal of the reliability-Based Design Optimization (RBDO) is to find a compromise between minimum cost and a target reliability. As a result, several methods, such as the hybrid method (HM) and the Optimum Safety Factor (OSF) method, have been developed to achieve this goal. To overcome the complexity of vibro-acoustic systems with uncertain parameters, we have developed methodologies specific to this problem, via meta-modeling methods, which allowed us to build a vibro-acoustic surrogate model, which at the same time satisfies the efficiency and accuracy of the model. The objective of this thesis is to determine the best methodology to follow for the reliability optimization of vibro-acoustic systems with uncertain parameters.
|
8 |
Décompositions tensorielles et factorisations de calculs intensifs appliquées à l'identification de modèles de comportement non linéaire / Tensor decompositions and factorizations of intensive computing applied to the calibration of nonlinear constitutive material lawsOlivier, Clément 14 December 2017 (has links)
Cette thèse développe une méthodologie originale et non intrusive de construction de modèles de substitution applicable à des modèles physiques multiparamétriques.La méthodologie proposée permet d’approcher en temps réel, sur l’ensemble du domaine paramétrique, de multiples quantités d’intérêt hétérogènes issues de modèles physiques.Les modèles de substitution sont basés sur des représentations en train de tenseurs obtenues lors d'une phase hors ligne de calculs intensifs.L'idée essentielle de la phase d'apprentissage est de construire simultanément les approximations en se basant sur un nombre limité de résolutions du modèle physique lancées à la volée.L'exploration parcimonieuse du domaine paramétrique couplée au format compact de train de tenseurs permet de surmonter le fléau de la dimension.L'approche est particulièrement adaptée pour traiter des modèles présentant un nombre élevé de paramètres définis sur des domaines étendus.Les résultats numériques sur des lois élasto-viscoplastiques non linéaires montrent que des modèles de substitution compacts en mémoire qui approchent précisément les différentes variables mécaniques dépendantes du temps peuvent être obtenus à des coûts modérés.L'utilisation de tels modèles exploitables en temps réel permet la conception d'outils d'aide à la décision destinés aux experts métiers dans le cadre d'études paramétriques et visent à améliorer la procédure de calibration des lois matériaux. / This thesis presents a novel non-intrusive methodology to construct surrogate models of parametric physical models.The proposed methodology enables to approximate in real-time, over the entire parameter space, multiple heterogeneous quantities of interest derived from physical models.The surrogate models are based on tensor train representations built during an intensive offline computational stage.The fundamental idea of the learning stage is to construct simultaneously all tensor approximations based on a reduced number of solutions of the physical model obtained on the fly.The parsimonious exploration of the parameter space coupled with the compact tensor train representation allows to alleviate the curse of dimensionality.The approach accommodates particularly well to models involving many parameters defined over large domains.The numerical results on nonlinear elasto-viscoplastic laws show that compact surrogate models in terms of memory storage that accurately predict multiple time dependent mechanical variables can be obtained at a low computational cost.The real-time response provided by the surrogate model for any parameter value allows the implementation of decision-making tools that are particularly interesting for experts in the context of parametric studies and aim at improving the procedure of calibration of material laws.
|
9 |
Application of Design-of-Experiment Methods and Surrogate Models in Electromagnetic Nondestructive Evaluation / Application des méthodes de plans d’expérience numérique et de modèles de substitution pour le contrôle nondestructif électromagnétiqueBilicz, Sandor 30 May 2011 (has links)
Le contrôle non destructif électromagnétique (CNDE) est appliqué dans des domaines variés pour l'exploration de défauts cachés affectant des structures. De façon générale, le principe peut se poser en ces termes : un objet inconnu perturbe un milieu hôte donné et illuminé par un signal électromagnétique connu, et la réponse est mesurée sur un ou plusieurs récepteurs de positions connues. Cette réponse contient des informations sur les paramètres électromagnétiques et géométriques des objets recherchés et toute la difficulté du problème traité ici consiste à extraire ces informations du signal obtenu. Plus connu sous le nom de « problèmes inverses », ces travaux s'appuient sur une résolution appropriée des équations de Maxwell. Au « problème inverse » est souvent associé le « problème direct » complémentaire, qui consiste à déterminer le champ électromagnétique perturbé connaissant l'ensemble des paramètres géométriques et électromagnétiques de la configuration, défaut inclus. En pratique, cela est effectué via une modélisation mathématique et des méthodes numériques permettant la résolution numérique de tels problèmes. Les simulateurs correspondants sont capables de fournir une grande précision sur les résultats mais à un coût numérique important. Sachant que la résolution d'un problème inverse exige souvent un grand nombre de résolution de problèmes directs successifs, cela rend l'inversion très exigeante en termes de temps de calcul et de ressources informatiques. Pour surmonter ces challenges, les « modèles de substitution » qui imitent le modèle exact peuvent être une solution alternative intéressante. Une manière de construire de tels modèles de substitution est d'effectuer un certain nombre de simulations exactes et puis d'approximer le modèle en se basant sur les données obtenues. Le choix des simulations (« prototypes ») est normalement contrôlé par une stratégie tirée des outils de méthodes de « plans d'expérience numérique ». Dans cette thèse, l'utilisation des techniques de modélisation de substitution et de plans d'expérience numérique dans le cadre d'applications en CNDE est examinée. Trois approches indépendantes sont présentées en détail : une méthode d'inversion basée sur l'optimisation d'une fonction objectif et deux approches plus générales pour construire des modèles de substitution en utilisant des échantillonnages adaptatifs. Les approches proposées dans le cadre de cette thèse sont appliquées sur des exemples en CNDE par courants de Foucault / Electromagnetic Nondestructive Evaluation (ENDE) is applied in various industrial domains for the exploration of hidden in-material defects of structural components. The principal task of ENDE can generally be formalized as follows: an unknown defect affects a given host structure, interacting with a known electromagnetic field, and the response (derived from the electromagnetic field distorted by the defect) is measured using one or more receivers at known positions. This response contains some information on the electromagnetic constitutive parameters and the geometry of the defect to be retrieved. ENDE aims at extracting this information for the characterization of the defect, i.e., at the solution of the arising “inverse problem”. To this end, one has to be able to determine the electromagnetic field distorted by a defect with known parameters affecting a given host structure, i.e., to solve the “forward problem”. Practically, this is performed via the mathematical modeling (based on the Maxwell's equations) and the numerical simulation of the studied ENDE configuration. Such simulators can provide fine precision, but at a price of computational cost. However, the solution of an inverse problem often requires several runs of these “expensive-to-evaluate” simulators, making the inversion procedure firmly demanding in terms of runtime and computational resources. To overcome this challenge, “surrogate modeling” offers an interesting alternative solution. A surrogate model imitates the true model, but as a rule, it is much less complex than the latter. A way to construct such surrogates is to perform a couple of simulations and then to approximate the model based on the obtained data. The choice of the “prototype” simulations is usually controlled by a sophisticated strategy, drawn from the tools of “design-of-experiments”. The goal of the research work presented in this Dissertation is the improvement of ENDE methods by using surrogate modeling and design-of-experiments techniques. Three self-sufficient approaches are discussed in detail: an inversion algorithm based on the optimization of an objective function and two methods for the generation of generic surrogate models, both involving a sequential sampling strategy. All approaches presented in this Dissertation are illustrated by examples drawn from eddy-current nondestructive testing.
|
10 |
Surrogate-based optimization of hydrofoil shapes using RANS simulations / Optimisation de géométries d’hydrofoils par modèles de substitution construits à partir de simulations RANSPloé, Patrick 26 June 2018 (has links)
Cette thèse présente un framework d’optimisation pour la conception hydrodynamique de forme d’hydrofoils. L’optimisation d’hydrofoil par simulation implique des objectifs d’optimisation divergents et impose des compromis contraignants en raison du coût des simulations numériques et des budgets limités généralement alloués à la conception des navires. Le framework fait appel à l’échantillonnage séquentiel et aux modèles de substitution. Un modèle prédictif est construit en utilisant la Régression par Processus Gaussien (RPG) à partir des données issues de simulations fluides effectuées sur différentes géométries d’hydrofoils. Le modèle est ensuite combiné à d’autres critères dans une fonction d’acquisition qui est évaluée sur l’espace de conception afin de définir une nouvelle géométrie qui est testée et dont les paramètres et la réponse sont ajoutés au jeu de données, améliorant ainsi le modèle. Une nouvelle fonction d’acquisition a été développée, basée sur la variance RPG et la validation croisée des données. Un modeleur géométrique a également été développé afin de créer automatiquement les géométries d’hydrofoil a partir des paramètres déterminés par l’optimiseur. Pour compléter la boucle d’optimisation,FINE/Marine, un solveur fluide RANS, a été intégré dans le framework pour exécuter les simulations fluides. Les capacités d’optimisation ont été testées sur des cas tests analytiques montrant que la nouvelle fonction d’acquisition offre plus de robustesse que d’autres fonctions d’acquisition existantes. L’ensemble du framework a ensuite été testé sur des optimisations de sections 2Dd’hydrofoil ainsi que d’hydrofoil 3D avec surface libre. Dans les deux cas, le processus d’optimisation fonctionne, permettant d’optimiser les géométries d’hydrofoils et confirmant les performances obtenues sur les cas test analytiques. Les optima semblent cependant être assez sensibles aux conditions opérationnelles. / This thesis presents a practical hydrodynamic optimization framework for hydrofoil shape design. Automated simulation based optimization of hydrofoil is a challenging process. It may involve conflicting optimization objectives, but also impose a trade-off between the cost of numerical simulations and the limited budgets available for ship design. The optimization frameworkis based on sequential sampling and surrogate modeling. Gaussian Process Regression (GPR) is used to build a predictive model based on data issued from fluid simulations of selected hydrofoil geometries. The GPR model is then combined with other criteria into an acquisition function that isevaluated over the design space, to define new querypoints that are added to the data set in order to improve the model. A custom acquisition function is developed, based on GPR variance and cross validation of the data.A hydrofoil geometric modeler is also developed to automatically create the hydrofoil shapes based on the parameters determined by the optimizer. To complete the optimization loop, FINE/Marine, a RANS flow solver, is embedded into the framework to perform the fluid simulations. Optimization capabilities are tested on analytical test cases. The results show that the custom function is more robust than other existing acquisition functions when tested on difficult functions. The entire optimization framework is then tested on 2D hydrofoil sections and 3D hydrofoil optimization cases with free surface. In both cases, the optimization process performs well, resulting in optimized hydrofoil shapes and confirming the results obtained from the analytical test cases. However, the optimum is shown to be sensitive to operating conditions.
|
Page generated in 0.1382 seconds