The aim of this work is to describe news in Autodesk Inventor Professional 2008. In second part of the work there are described the possibilities of technical drawing in Autodesk Inventor. In third part there is mentioned basic information about ANSYS Workbench. There is thermal simulation of asynchronous motor too.

Nowadays vehicle design paradigm influences not only the effectiveness of the different means of transport, but also the environment and economy in a critical way. The assessment of the consequences that design choices have on society at large are necessary to understand the limits of the methods and techniques currently employed. One of the mechanisms set in motion is the planned obsolescence of products and services. This has affected vehicle design paradigm in such a way that the variety in the market has shadowed the primary function of vehicle systems: the transport of persons and goods. Amongst the consequences of the expansion of such market is the exponential rise on combustion emissions to the atmosphere, which has become a great hindrance for humans health and survival of ecosystems. The development of evaluation tools for such consequences and their piloting mechanisms is needed so as to implement an ECO2  (Ecological and Economical) vehicle design paradigm. Moreover, the multifunctional design paradigm that drives aeronautical and vehicle engineering is an ever-growing demand of smart materials and structures, able to fulfil multiple requirements in an effective way. The understanding of certain phenomena intrinsic to the introduction of novel materials has found certain limits due to the complexity of the models needed. This work presents as a first step an assessment of the causes and consequences of the vehicle exponential market growth based on the analysis of the planned obsolescence within. Furthermore, a method for the acoustic response analysis of multilayered structures including anisotropic poroelastic materials is introduced. The methodology consists in a plane wave approach as a base for introducing the complex mechanic and acoustic equations governing anisotropic homogeneous media, e.g. open-celled foams, into an alternative mathematical tool manipulating physical wave amplitudes propagation within the studied media. In addition, this method is coupled to a power partitioning and energetic assessment tool so as to understand the phenomena present in complex multilayered designs. / <p>QC 20150323</p>

Le présent travail traite l’optimisation des paramètres des amortisseurs à masses accordées (AMA) accrochés sur des structures, linéaires. Les AMAs sont des dispositifs de contrôle passif utilisés pour atténuer les vibrations induites par des chargements dynamiques (en particulier stochastiques) appliqués sur des structures. L’efficacité de tels dispositifs est étroitement liée aux caractéristiques dynamiques qu’on doit imposer à ces systèmes. Dans ce cadre, plusieurs stratégies d’optimisation peuvent être utilisées dans des contextes déterministes et non déterministes, où les paramètres de la structure à contrôler sont incertains. Parmi les différentes approches qu’on peut trouver dans la littérature, l’optimisation structurale stochastique (OSS) et l’optimisation basée sur la fiabilité (OBF) étaient particulièrement traitées dans le présent travail.Dans la première partie de ce travail, en plus de la nature stochastique des chargements extérieurs appliqués à la structure linéaire à contrôler, la présence de paramètres structuraux de type incertains mais bornés (IMB) est prise en considération et les bornes optimales des paramètres AMA ont été calculées. Le calcul de ces bornes a été fait en utilisant une technique basée sur un développement de Taylor suivi d’une extension aux intervalles. La technique, permettant l’obtention d’une approximation des bornes optimales, a été appliquée dans les cas d’un système à un degré de liberté (1DDL) et un autre à plusieurs degrés de libertés (nDDL). Les résultats obtenus ont montrés que la technique utilisée était bien adaptée pour la stratégie OSS et elle l’est moins pour l’approche OBF.Comme suite logique aux résultats de la première partie, la seconde partie de la présente dissertation est consacrée à la présentation de deux méthodes permettant l’obtention des bornes exactes et des bornes approximées des paramètres optimaux de l’AMA et ce, en présence de paramètres structuraux de type IMB. La première méthode est celle de la boucle d’optimisation continue imbriquée, la seconde est celle des extensions aux intervalles basées sur la monotonie. Les méthodes présentées, qui ont été appliquées avec l’approche OBF, sont valables pour n’importe quel problème d’optimisation faisant intervenir des paramètres de type IMB. Mis à part le calcul de bornes optimisées du dispositif AMA, la question de la robustesse, vis-à-vis des incertitudes structurales, a été également traitée et il a été prouvé que la solution optimale correspondante au contexte déterministe était la plus robuste.L’introduction d’une nouvelle stratégie OBF des paramètres AMA a fait l’objet de la troisième partie de cette dissertation. En effet, un problème OBF est toujours relié à un mode de défaillance caractérisé par le franchissement d’une certaine réponse, de la structure à contrôler, d’un certain seuil limite pendant une certaine durée de temps. Le nouveau mode de défaillance, correspondant à la nouvelle stratégie OBF, consiste à considérer qu’une défaillance ait lieu lorsque la puissance dissipée au niveau de la structure à contrôler, pendant une période de temps, excède une certaine valeur. Faisant intervenir l’approche par franchissement ainsi que la formule de Rice, la nouvelle stratégie a été appliquée dans le cas d’un système 1DDL et l’expression exacte de la probabilité de défaillance est calculée. En se basant sur une approximation mettant en œuvre la technique du minimum d’entropie croisé, la nouvelle stratégie a été, également, appliquée dans le cas d’un système à nDDL et les résultats obtenus ont montrés la supériorité de cette stratégie par rapports à deux autres tirées de la bibliographie. / The present work deals with the parameters optimization of tuned mass dampers (TMD) used in the control of vibrating linear structures under stochastic loadings. The performance of the TMD device is deeply affected by its parameters that should be carefully chosen. In this context, several optimization strategies can be found in the literature and among them the stochastic structural optimization (SSO) and the reliability based optimization (RBO) are particularly addressed in this dissertation.The first part of this work in dedicated to the calculation of the optimal bounds solutions of the TMD parameters in presence of uncertain but bounded (UBB) structural parameters. The bounds of the optimal TMD parameters are obtained using an approximation technique based on Taylor expansion followed by interval extension. The numerical investigations applied with one degree of freedom (1DOF) and with multi-degree of freedom (multi-DOF) systems showed that the studied technique is suitable for the SSO strategy and that it’s less appropriate for the RBO strategy.As immediate consequence of the obtained results in the first part of this work, in the second part a method, called the continuous-optimization nested loop method (CONLM), providing the exact range of the optimal TMD parameters is presented and validated. The numerical studies demonstrated that the CONLM is time consuming and to overcome this disadvantage, a second method is also presented. The second method is called the monotonicity based extension method (MBEM) with box splitting. Both methods have been applied in the context of the RBO strategy with 1DOF and multi-DOF systems. The issue of effectiveness and robustness of the presented optimum bounds of the TMD parameters is also addressed and it has been demonstrated that the optimum solution corresponding to the deterministic context (deterministic structural parameters) provide good effectiveness and robustness.Another aspect of RBO approach is dealt in the third part of the present work. Indeed, a new RBO strategy of TMD parameters based on energetic criterion is presented and validated. The new RBO approach is linked to a new failure mode characterized by the exceedance of the power dissipated into the controlled structure over a certain threshold during some interval time. Based on the outcrossing approach and the Rice’s formula, the new strategy is firstly applied to 1DOF system and exact expression of the failure probability is calculated. After that, a multi-DOF system is considered and the minimum cross entropy method has been used providing an approximation to the failure probability and then the optimization is carried out. The numerical investigations showed the superiority of the presented strategy when compared with other from the literature.

Au cours de la dernière décennie, l'apprentissage profond est devenu une composante majeure de l'intelligence artificielle, ayant mené à une série d'avancées capitales dans une variété de domaines. L'un des piliers de l'apprentissage profond est l'optimisation de fonction de coût par l'algorithme du gradient stochastique (SGD). Traditionnellement en apprentissage profond, les réseaux de neurones sont des fonctions mathématiques différentiables, et les gradients requis pour l'algorithme SGD sont calculés par rétropropagation. Cependant, les architectures informatiques sur lesquelles ces réseaux de neurones sont implémentés et entraînés souffrent d’inefficacités en vitesse et en énergie, dues à la séparation de la mémoire et des calculs dans ces architectures. Pour résoudre ces problèmes, le neuromorphique vise à implementer les réseaux de neurones dans des architectures qui fusionnent mémoire et calculs, imitant plus fidèlement le cerveau. Dans cette thèse, nous soutenons que pour construire efficacement des réseaux de neurones dans des architectures neuromorphiques, il est nécessaire de repenser les algorithmes pour les implémenter et les entraîner. Nous présentons un cadre mathématique alternative, compatible lui aussi avec l’algorithme SGD, qui permet de concevoir des réseaux de neurones dans des substrats qui exploitent mieux les lois de la physique. Notre cadre mathématique s'applique à une très large classe de modèles, à savoir les systèmes dont l'état ou la dynamique sont décrits par des équations variationnelles. La procédure pour calculer les gradients de la fonction de coût dans de tels systèmes (qui dans de nombreux cas pratiques ne nécessite que de l'information locale pour chaque paramètre) est appelée “equilibrium propagation” (EqProp). Comme beaucoup de systèmes en physique et en ingénierie peuvent être décrits par des principes variationnels, notre cadre mathématique peut potentiellement s'appliquer à une grande variété de systèmes physiques, dont les applications vont au delà du neuromorphique et touchent divers champs d'ingénierie. / In the last decade, deep learning has become a major component of artificial intelligence, leading to a series of breakthroughs across a wide variety of domains. The workhorse of deep learning is the optimization of loss functions by stochastic gradient descent (SGD). Traditionally in deep learning, neural networks are differentiable mathematical functions, and the loss gradients required for SGD are computed with the backpropagation algorithm. However, the computer architectures on which these neural networks are implemented and trained suffer from speed and energy inefficiency issues, due to the separation of memory and processing in these architectures. To solve these problems, the field of neuromorphic computing aims at implementing neural networks on hardware architectures that merge memory and processing, just like brains do. In this thesis, we argue that building large, fast and efficient neural networks on neuromorphic architectures also requires rethinking the algorithms to implement and train them. We present an alternative mathematical framework, also compatible with SGD, which offers the possibility to design neural networks in substrates that directly exploit the laws of physics. Our framework applies to a very broad class of models, namely those whose state or dynamics are described by variational equations. This includes physical systems whose equilibrium state minimizes an energy function, and physical systems whose trajectory minimizes an action functional (principle of least action). We present a simple procedure to compute the loss gradients in such systems, called equilibrium propagation (EqProp), which requires solely locally available information for each trainable parameter. Since many models in physics and engineering can be described by variational principles, our framework has the potential to be applied to a broad variety of physical systems, whose applications extend to various fields of engineering, beyond neuromorphic computing.