L’atténuation des bruits gênants dans une automobile est classiquement réalisée par ajustement des caractéristiques mécaniques du véhicule : masse, raideur et amortissement. C’est une approche dite passive. Malheureusement, elle induit un ajout de masse important pour traiter les basses fréquences. Le contrôle actif de bruit (atténuation d’un bruit par superposition d’un contrebruit) est actuellement envisagé comme une solution possible à ce problème. L’objectif de cette thèse est d’évaluer les performances atteignables par cette solution. Un système acoustique étant par essence fortement résonant, sa modélisation sur une large plage de fréquence conduit à des modèles d’ordre élevé, pour l’obtention desquels une méthode d’identification appropriée doit être utilisée. C’est la méthode dessous espaces par approche fréquentielle dans le domaine continu qui a été retenue.La traduction du cahier des charges conduit à un problème de régulation multivariable H1 multi-objectif et multi-modèle avec contrainte de stabilité forte. Par ailleurs, actionneurs et capteurs ne sont pas colocalisés et on ne mesure pas la perturbation à rejeter. La volonté d’évaluer au plus près les performances atteignables justifie la résolution du problème par optimisation non lisse. Cette approche évite tout pessimisme, mais nécessite de par son caractère local une bonne initialisation et une structuration du régulateur parcimonieuse.La méthodologie proposée a été validée en simulation et expérimentalement. Elle permet une évaluation et une comparaison précises des performances atteignables en fonction des contraintes sur les mesures et les moyens d’action disponibles. / Classical methods used for noise reduction in cars are based on adjusting the mechanical properties: mass, stiffness and damping. They are qualified as passive and induce significative addition of weight for reducing low frequency noises. Active noise control is seen as a possible solution to achieve low frequency noise attenuation and weight reduction.The goal of this work is to evaluate achievable performances with such solution.Acoustic enclosures are known to be resonant systems of highorder. Obtaining a model of it, therefore requires a suitable identification method. The approach chosen is based on subspace methods. It processes data in the frequency domain for obtaining a continuous time model.The control problem derived from the specifications is a MIMO H1, multi-objective and multi-model problem with a strong stability constraint. Futhermore, actuators and sensors are not-colocated, and no measure of the disturbance is available. In order to precisely evaluate the achievable performances, this problem is solved using non smooth optimization.Such approach ensures the absence of pessimism, but requires an appropriate initialization and a parsimonious controller structure, because it does not ensure convergence toward the global optimum. The proposed methodology was validated in simulation and experimentally. It allows a precise evaluation and comparison of achievable performances according to the constraints on available measures and means of action.

Les stations d’épuration se tournent actuellement vers des installations de récupération d'énergie et des nutriments. Dans le même temps, elles sont soumises à une réglementation de plus en plus stricte en ce qui concerne l'environnement et la santé humaine. Face au défi ambitieux de réduire les coûts d'exploitation et les impacts environnementaux tout en garantissant la robustesse du procédé, il est nécessaire de développer des outils capables de fournir une évaluation intégrée du procédé. L’objectif de ce travail est de développer une plateforme réaliste et prédictive contenant trois aspects: la modélisation rigoureuse et dynamique de l’ensemble de la station d’épuration; l'analyse de cycle de vie aux frontières étendues pour l'évaluation des scénarios et enfin un outil d'optimisation multi-objectif efficace. La plateforme développée pour l'évaluation environnementale couplée à la modélisation dynamique a d'abord été appliquée à plusieurs cas d’étude. Ainsi des résultats de performance et d’impacts environnementaux ont été obtenus pour la séparation de l’urine à la source, la décantation primaire avancée et le traitement de l'urine par nitritation/ oxydation anaérobie de l’ammonium, et d’autres filières. Compte tenu des importants avantages de la séparation de l’urine établis par les résultats précédents, un générateur d’influents phénoménologique, flexible et dynamique a été adapté afin de fournir des données dynamiques réalistes concernant les flux d'urine et des eaux usées dans les différents scénarios de rétention d'urine. Enfin, comme la combinaison complexe de processus biologiques, chimiques et physiques conduit à un problème lourd en calcul, une étude de faisabilité (temps de calcul et fiabilité) a été réalisée sur l'optimisation multi-objectif. L'obtention d'un ensemble de solutions qui évite toute discrimination préalable entre les coûts, l'environnement et les performances ont permis la discussion des enjeux impliqués. Finalement, la plateforme complète a été appliquée à plusieurs cas d’étude et clarifie les aspects opérationnels des options plus durables en matière de gestion et de traitement des eaux usées. / Wastewater treatment plants are moving towards energy and nutrients recovery facilities. Simultaneously, they are submitted to stricter regulation with respect to environment and human health. Facing the great challenge of reducing operational costs along with the reduction of environmental impacts and the guaranty of plants robustness, tools might be developed in order to provide an integrated assessment. The goal of this work is to develop a reliable and predictive framework containing rigorous dynamic wide-plant modelling, extended boundaries life cycle assessment for scenarios evaluation and an efficient multi-objective optimization tool. The developed framework for environmental evaluation coupled to dynamic modelling was initially applied to several case studies including urine source separation, enhanced primary clarification and urine treatment by nitritation/ anaerobic ammonium oxidation, offering both performance results and environmental hotspots. Given the important benefits of the urine source separation provided by the previous results, a flexible and dynamic phenomenological influent generator was adapted in order to provide realistic dynamic data concerning urine and wastewater streams in different urine retention scenarios. Finally, as the complex combination of biological, chemical and physical processes leads to a computational expensive problem, a feasibility study (computational time and reliability) on the multi-objective optimization was conducted. Obtaining a set of solutions that avoids any prior discrimination among costs, environment and performance allowed thus the discussion of the involved trade-offs. Finally, the complete framework was applied to several case studies lightening on operational aspects of more sustainable options on wastewater management and treatment.

With the demand of computing power from electronic chips on a constant rise, innovative methods are needed for effective and efficient thermal management. Forced convection cooling through an array of micro pin-fins acts not only as a heat sink, but also allows for the electrical interconnection between stacked layers of integrated circuits. This work performs a multi-objective optimization of three shapes of pin-fins to maximize the efficiency of this cooling system. An inverse design approach that allows for the design of cooling configurations without prior knowledge of thermal mapping was proposed and validated. The optimization study showed that pin-fin configurations are capable of containing heat flux levels of next generation electronic chips. It was also shown that even under these high heat fluxes the structural integrity is not compromised. The inverse approach showed that configurations exist that are capable of cooling heat fluxes beyond those of next generation chips. Thin film heat spreaders made of diamond and graphene nano-platelets were also investigated and showed that further reduction in maximum temperature, increase in temperature uniformity and reduction in thermal stresses are possible.

Comme beaucoup de systèmes, un réseau électrique doit faire face à des pannes qui, compte tenu de sa grande connectivité, peuvent s'étendre à des régions entières : on parle alors de blackout (phénomène d'avalanche), c'est-à-dire ayant des conséquences à grande échelle. La taille des réseaux électriques et leur complexité rendent difficile la compréhension de ces phénomènes qui émergent localement. Un certain nombre de travaux existe et se fond sur un usage intensif des outils de physique statistique. L'adaptation de méthodes de percolation et les systèmes critiques auto-organisés sont autant d'outils de choix pour décrire les propriétés statistiques et topologiques d'un réseau. Les outils d'optimisation par métaheuristiques, plus particulièrement l'optimisation par essaim de particules (OEP, ou PSO en anglais) et les algorithmes génétiques (AGs), se sont révélés être la pierre angulaire de ce travail et ont permis de définir des structures opérationnelles. Les travaux développés dans ce domaine sont encore émergents et cette thèse y amène une contribution à plusieurs titres. Nous avons mis tout d'abord à profit des techniques d'optimisation afin de mieux “ rigidifier ” un réseau électrique en couplant la topologie de ce dernier au maintien des tensions aux noeuds du réseau par implémentation de FACTS (Flexible Alternative Current Transmission System). Pour le placement optimal de FACTS, l'objectif est de déterminer la répartition optimale de la puissance réactive, en relation avec la localisation et le dimensionnement optimal de FACTS, afin d'améliorer les performances d'un réseau électrique. Quatre principales questions sont alors abordées: 1) Où placer des FACTS dans le réseau ? Combien de FACTS ? Quelle puissance attribuer à ces FACTS ? Quel(s) type(s) de FACTS ? A quel prix ? Dans cette thèse, toutes ces questions seront modélisées et abordées d'un point de vue électrique et optimal en appliquant, dans un premier temps, l'optimisation par essaim de particules OEP basique puis, dans un deuxième temps, en proposant un nouvel algorithme OEP (alpha-SLPSO) et une recherche locale (alpha-LLS) s'inspirant ainsi du concept de l'OEP basique et des lois de probabilité stables dites «alpha-stables de Lévy». Par ailleurs, l'ampleur du projet défini par l'équipe @RiskTeam d'Alstom Grid oblige l'utilisation de plusieurs techniques (tirées de la physique, des statistiques, etc.) destinées à des fins particulières dont l'estimation des paramètres des lois alpha-stable de Lévy. Face à l'échec des techniques déjà existantes pour l'estimation des lois alpha −stable de paramètre alpha < 0.6 , nous proposons un nouvel estimateur semi-paramétrique de cette famille de probabilité utilisant les métaheuristiques pour résoudre le problème d'optimisation sous-jacent. Enfin, en annexe de cette thèse, un outil d'aide à la décision destiné à une équipe interne d'Alstom Grid qui consiste en l'optimisation de la topologie interne d'un parc éolien est détaillé dans le dernier chapitre / Like many systems, an electrical power grid must contend with faillures which, given its higth connectivity, could spread to entire regions: this is referred to blackout (avalanche phenomena), ie. with large-scale consequences. The size of power grids and their complexity make difficult to grasp these locally emergent phenomena. There is a number of existing works that were based on extensive use of statistical physics tools. The adaptation of percolation's methods and the Self-Organized-Criticality systems provide practical tools to describe the statistical and topological properties of a network. Optimization tools by metaheuristics particularly, particle swarm optimization (PSO) and genetic algorithms (GA) have proved to be the cornerstone of this work and helped to define operational structures. Works developed in this area are still emerging. This thesis brings a contribution in several ways. First of all, we have taken advantage in optimization technics to better "stiffen" a power grid by coupling its topology with maintaining voltages at the nodes of the network using FACTS (Flexible Alternative Current Transmission System). In the optimal location FACTS problem, the objective is to determine the optimal allocation of reactive power, in relation to the location and optimal sizing of FACTS, in order to improve the performance of the power grid. Four main issues are then discussed: 1) Where to place FACTS in the network? How many FACTS? What power attributed to these FACTS? What type(s) attributed to these FACTS? At what prices ? In this thesis, all these questions will be modeled and discussed from the point of view of optimal power by applying, firstly, the strandard particle swarm optimization and by proposing a novel particle swarm optimization (alpha-SLPOS) and a local search (alpha-LLS). These two algorithms are inspired by the basic concept of PSO and the stable distributions (alpha-stable laws). Moreover, the scope of the project defined by the team @RiskTeam Alstom Grid requires the use of several techniques (from physics, statistics, etc) for particular purposes including the alpha-stable parametere estimation problem. Facing the failure of the existing methods for estimating the parameters of alpha-stable laws for alpha<0.6, we propose a novel semi-parametric estimator for such of probability distribution familly using metaheuristic to solve the underlying problem of optimization. Finally, in the end of the thesis, a decision support tool is designed for an internal team of Alstom Grid to optimize the internal topology of a wind farm

L'objectif de ce travail est de proposer une nouvelle démarche pour améliorer et accélérer les études de dimensionnement des pièces de turboréacteurs en avant-projets. Il s'agit de fournir une méthodologie complète pour la conception robuste sous contraintes. Cette méthodologie consiste en trois étapes : la réduction de la dimension et la méta-modélisation, la conception robuste sous contraintes puis la résolution de problèmes inverses sous contraintes. Ce sont les trois principaux sujets abordés dans cette thèse. La réduction de la dimension est un pré-traitement indispensable à toute étude. Son but est de ne conserver, pour une sortie choisie du système, que les entrées influentes. Ceci permet de réduire la taille du domaine d'étude afin de faciliter la compréhension du système et diminuer les temps de calculs des études. Les méthodes de méta-modélisations contribuent également à ces deux objectifs. L'idée est de remplacer le code de calculs coûteux par un modèle rapide à évaluer et qui représente bien la relation entre la sortie étudiée et les entrées du système. La conception robuste sous contraintes est une optimisation bi-objectifs où les différentes sources d'incertitudes du système sont prises en compte. Il s'agit, dans un premier temps, de recenser et modéliser les incertitudes puis de choisir une méthode de propagation de ces incertitudes dans le code de calculs. Ceci permet d'estimer les moments (moyenne et écart-type) de la loi de la sortie d'intérêt. L'optimisation de ces moments constitue les deux objectifs de la conception robuste. En dernier lieu, il s'agit de choisir la méthode d'optimisation multi-objectifs qui sera utilisée pour obtenir l'optimum robuste sous contraintes. La partie innovante de cette thèse porte sur le développement de méthodes pour la résolution de problèmes inverses mal posés. Ce sont des problèmes pour lesquels il peut y avoir une infinité de solutions constituant des ensembles non convexes et même disjoints. L'inversion a été considérée ici comme un complément à l'optimisation robuste dans laquelle l'optimum obtenu ne satisfaisait pas une des contraintes. Les méthodes d'inversion permettent alors de résoudre ce problème en trouvant plusieurs combinaisons des entrées qui satisfont la contrainte sous la condition de rester proche de l'optimum robuste. Le but est d'atteindre une valeur cible de la contrainte non satisfaite tout en respectant les autres contraintes du système auxquelles on ajoute la condition de proximité à l'optimum. Appliquée au dimensionnement d'un compresseur HP en avants-projets, cette méthodologie s'inscrit dans l'amélioration et l'accélération des études marquées par de nombreux rebouclages chronophages en termes de ressources informatiques et humaines. / The aim of this PhD dissertation is to propose a new approach to improve and accelerate preliminary design studies for turbofan engine components. This approach consists in a comprehensive methodology for robust design under constraints, following three stages : dimension reduction and metamodeling, robust design under constraints and finally inverse problem solving under constraints. These are the three main subjects of this PhD dissertation. Dimension reduction is an essential pre-processing for any study. Its aim is to keep only inputs with large effects on a selected output. This selection reduces the size of the domain on which is performed the study which reduces its computational cost and eases the (qualitative) understanding of the system of interest. Metamodeling also contributes to these two objectives by replacing the time-consuming computer code by a faster metamodel which approximates adequately the relationship between system inputs and the studied output. Robust design under constraints is a bi-objectives optimization where different uncertainty sources are included. First, uncertainties must be collected and modeled. Then a propagation method of uncertainties in the computation code must be chosen in order to estimate moments (mean and standard deviation) of output distribution. Optimization of these moments are the two robust design objectives. Finally, a multi-objectives optimization method has to be chosen to find a robust optimum under constraints. The development of methods to solve ill-posed inverse problems is the innovative part of this PhD dissertation. These problems can have infinitely many solutions constituting non convex or even disjoint sets. Inversion is considered here as a complement to robust design in the case where the obtained optimum doesn't satisfy one of the constraints. Inverse methods then enable to solve this problem by finding several input datasets which satisfy all the constraints and a condition of proximity to the optimum. The aim is to reach a target value of the unsatisfied constraint while respecting other system constraints and the optimum proximity condition. Applied to preliminary design of high pressure compressor, this methodology contributes to the improvement and acceleration of studies currently characterized by a numerous of loopbacks which are expensive in terms of cpu-time and human resources.

<p>The study of Surface Air Cooled Oil Coolers (SACOC) is motivated by the need for new cooling concepts for compact machinery designs with high thermal load. Installing finned heat exchangers in the bypass duct of a turbofan engine provides an additional cooling source having transonic flow as a heat sink. The characterization of the heat transfer and the aerodynamics of the design are essential to minimize the impact on the overall efficiency of the engine. In the present study, the SACOC is studied numerically and experimentally. Two geometries are tested in a high-speed linear wind tunnel where measurements are taken with multiple sensors and optical techniques. For the heat transfer characterization, an Inverse Heat Conduction Methodology (IHCM) based on a Levenberg-Marquardt Algorithm is developed. The experimental results are matched to numerical simulations using a Reynolds Averaged Navier-Stokes (RANS) solver. Finally, a multi-objective optimization algorithm is coupled <a>with the RANS solver</a> to explore new geometries that maximize the heat transfer and minimize the pressure drop across the studied domain. The 400 profiles generated allow for the identification of the features that have a higher influence on the performance of the fins and six profiles that present large improvements are chosen for further analysis.</p>

This thesis is focused on working up evolutionals and genetics algorithms issues Especially for multiobjective algorithms VEGA, SPEA and NSGA – II. Thereinafter one of FrameWork working with genetics algorithms namely WWW NIMBUS. From this mentioned algorithms was selected VEGA algorithm for implementation in JAVA to preselected problem. Thereby problem is choice thick columns of profile according to predetermined criteria. Selected algorithm works on division of population into several groups and each group evaluates the resulting fitness function. Here is a sample implementation of this algorithm. Furthermore there is a example of working with FrameWork. In the next section are compared the results of generated progam with results that were obtained by FrameWork WWW NIMBUS. As for VEGA, and the Nimbus there are shown different results. The VEGA is presented also the development of individual fitness functions. Also, there are shown graphs, that can be obtained from NIMBUS. At the end of work is introduced the comparation of the results ane propose possible improvements.

The diploma thesis concerns Multi Objective Optimization and proposes a fuzzy model for a particular business. The model and the results of the evaluation are described in detail.

V disertační práci popisuji metodu syntézy dipólové anténní řady s definovanou schopností prostorové a spektrální filtrace. Díky prostorové filtraci se směr hlavního laloku a hodnota zisku mění v celém pracovním pásmu jen zanedbatelně. Díky spektrální filtraci je hodnota zisku v pracovním pásmu nejvyšší a mimo toto pásmo nejnižší. Abychom syntetizovali anténní řadu s předepsanými filtračními vlastnostmi, optimalizujeme amplitudy, fáze a rozměry prvků dipólové anténní řady. Abychom počáteční optimalizaci co nejvíce urychlili, předpokládáme při výpočtu hodnot kriteriálních funkcí idealizovanou anténní řadu. Jelikož optimalizace zahrnuje požadavky na směr hlavního laloku, zisk i impedanční přizpůsobení, využíváme k syntéze multi-kriteriální optimalizaci. Optimalizovaná anténní řada byla následně analyzována ve vlnovém simulátoru, aby byl ověřen výsledek syntézy. Syntetizovaná anténní řada byla vyrobena a experimentálně byly ověřeny její vlastnosti.

This master thesis deals with the automatic design of examinations and courses scheduling. The design is adapted to the specific requirements of the Faculty of Information Technology of Brno University of Technology. A genetic algorithm and a heuristic algorithm are employed to solve this task. The genetic algorithm is used to specify the sequence of the examinations (or the courses) and then the heuristic algorithm spread them out into a timetable. An implementation (written in Python 3) provides a fast parallel processing calculation which can generate satisfactory schedules in tens of minutes. Performed experiments show approximately 13% better results in all considered criteria in comparison with utilized examination schedules in the past. The development was periodically consulted with persons responsible for the schedule processing at the faculty. The program will be used while designing of examination schedules for the academic year 2015/2016.