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

Cette thèse porte sur la construction de modèles de substitution en régimes transitoire et permanent pour la simulation thermique, en présence de peu d'observations et de plusieurs sorties.Nous proposons dans un premier temps une construction robuste de perceptron multicouche bouclé afin d'approcher une dynamique spatio-temporelle. Ce modèle de substitution s'obtient par une moyennisation de réseaux de neurones issus d'une procédure de validation croisée, dont le partitionnement des observations associé permet d'ajuster les paramètres de chacun de ces modèles sur une base de test sans perte d'information. De plus, la construction d'un tel perceptron bouclé peut être distribuée selon ses sorties. Cette construction est appliquée à la modélisation de l'évolution temporelle de la température en différents points d'une armoire aéronautique.Nous proposons dans un deuxième temps une agrégation de modèles par processus gaussien dans un cadre multifidélité où nous disposons d'un modèle d'observation haute-fidélité complété par plusieurs modèles d'observation de fidélités moindres et non comparables. Une attention particulière est portée sur la spécification des tendances et coefficients d'ajustement présents dans ces modèles. Les différents krigeages et co-krigeages sont assemblés selon une partition ou un mélange pondéré en se basant sur une mesure de robustesse aux points du plan d'expériences les plus fiables. Cette approche est employée pour modéliser la température en différents points de l'armoire en régime permanent.Nous proposons dans un dernier temps un critère pénalisé pour le problème de la régression hétéroscédastique. Cet outil est développé dans le cadre des estimateurs par projection et appliqué au cas particulier des ondelettes de Haar. Nous accompagnons ces résultats théoriques de résultats numériques pour un problème tenant compte de différentes spécifications du bruit et de possibles dépendances dans les observations. / This PhD thesis deals with the construction of surrogate models in transient and steady states in the context of thermal simulation, with a few observations and many outputs.First, we design a robust construction of recurrent multilayer perceptron so as to approach a spatio-temporal dynamic. We use an average of neural networks resulting from a cross-validation procedure, whose associated data splitting allows to adjust the parameters of these models thanks to a test set without any information loss. Moreover, the construction of this perceptron can be distributed according to its outputs. This construction is applied to the modelling of the temporal evolution of the temperature at different points of an aeronautical equipment.Then, we proposed a mixture of Gaussian process models in a multifidelity framework where we have a high-fidelity observation model completed by many observation models with lower and no comparable fidelities. A particular attention is paid to the specifications of trends and adjustement coefficients present in these models. Different kriging and co-krigings models are put together according to a partition or a weighted aggregation based on a robustness measure associated to the most reliable design points. This approach is used in order to model the temperature at different points of the equipment in steady state.Finally, we propose a penalized criterion for the problem of heteroscedastic regression. This tool is build in the case of projection estimators and applied with the Haar wavelet. We also give some numerical results for different noise specifications and possible dependencies in the observations.

L'objectif de cette thèse est la résolution d’un problème d’optimisation multi-objectif sous incertitudes en présence de simulations numériques coûteuses. Une validation est menée sur un cas test de thermique transitoire. Dans un premier temps, nous développons un algorithme d'optimisation multi-objectif basé sur le krigeage nécessitant peu d’appels aux fonctions objectif. L'approche est adaptée au calcul distribué et favorise la restitution d'une approximation régulière du front de Pareto complet. Le problème d’optimisation sous incertitudes est ensuite étudié en considérant des mesures de robustesse pires cas et probabilistes. Le superquantile intègre tous les évènements pour lesquels la valeur de la sortie se trouve entre le quantile et le pire cas mais cette mesure de risque nécessite un grand nombre d’appels à la fonction objectif incertaine pour atteindre une précision suffisante. Peu de méthodes permettent de calculer le superquantile de la distribution de la sortie de fonctions coûteuses. Nous développons donc un estimateur du superquantile basé sur une méthode d'échantillonnage préférentiel et le krigeage. Il permet d’approcher les superquantiles avec une faible erreur et une taille d’échantillon limitée. De plus, un couplage avec l’algorithme multi-objectif permet la réutilisation des évaluations. Dans une dernière partie, nous construisons des modèles de substitution spatio-temporels capables de prédire des phénomènes dynamiques non linéaires sur des temps longs et avec peu de trajectoires d’apprentissage. Les réseaux de neurones récurrents sont utilisés et une méthodologie de construction facilitant l’apprentissage est mise en place. / This work aims at solving multi-objective optimization problems in the presence of uncertainties and costly numerical simulations. A validation is carried out on a transient thermal test case. First of all, we develop a multi-objective optimization algorithm based on kriging and requiring few calls to the objective functions. This approach is adapted to the distribution of the computations and favors the restitution of a regular approximation of the complete Pareto front. The optimization problem under uncertainties is then studied by considering the worst-case and probabilistic robustness measures. The superquantile integrates every event on which the output value is between the quantile and the worst case. However, it requires an important number of calls to the uncertain objective function to be accurately evaluated. Few methods give the possibility to approach the superquantile of the output distribution of costly functions. To this end, we have developed an estimator based on importance sampling and kriging. It enables to approach superquantiles with little error and using a limited number of samples. Moreover, the setting up of a coupling with the multi-objective algorithm allows to reuse some of those evaluations. In the last part, we build spatio-temporal surrogate models capable of predicting non-linear, dynamic and long-term in time phenomena by using few learning trajectories. The construction is based on recurrent neural networks and a construction facilitating the learning is proposed.

Cette thèse propose une nouvelle méthode, via les outils de dosimétrie et de statistiques, pour l'évaluation de l'exposition globale d'une population aux champs électromagnétiques (EMFs) radiofréquences en prenant en compte les différentes technologies, usages et environnements... Nous avons analysé pour la première fois l'exposition moyenne d'une population induite par un réseau 3G, tout en considérant à la fois les émissions EMFs montantes et descendantes dans des différents pays, dans des différentes zones géographiques et pour les différents usages des mobiles. Les résultats montrent une forte hétérogénéité de l'exposition dans le temps et dans l'espace. Contrairement à la croyance populaire, l'exposition aux ondes EMFs 3G est dominée par les émissions montantes, résultant de l'usage voix et data. En outre, l'exposition moyenne de la population diffère d'une zone géographique à une autre, ainsi que d'un pays à un autre, en raison des différentes architectures de réseau cellulaire et de la variabilité de l'usage des mobiles. Ensuite, la variabilité et les incertitudes liées à ces facteurs ont été caractérisées. Une analyse de sensibilité basée sur la variance de l'exposition globale a été effectuée dans le but de simplifier son évaluation. Enfin, une méthodologie simplifiée basée sur des outils statistiques avancés a été proposée pour évaluer l'exposition réelle de la population en tenant compte de la variabilité liée à l'environnement de propagation, à l'usage, ainsi qu'aux émissions EMFs provenant des mobiles et des stations de base (BTS). Les résultats ont souligné l'importance de la densité de puissance reçue depuis les BTS pour l'exposition globale induite par un réseau macro LTE. / Wireless communication technologies, since their introduction, have evolved very quickly and people have been brought in 30 years into a much closer world. In parallel radiofrequency (RF) electromagnetic fields (EMF) are more and more used. As a consequence, people's attentions around health risks of exposure to RF EMFs have grown just as much as their usages of wireless communication technologies. Exposure to RF EMFs can be characterized using different exposure metrics (e.g., incident field metrics, absorption metrics...). However, the existing methodologies are well suited to the maximum exposure assessment for the individual under the worst-case condition. Moreover in most cases, when dealing with exposure issues, exposures linked to RF EMF emitted from base stations (BTS) and by wireless devices (e.g, mobile phones and tablets) are generally treated separately. This thesis has been dedicated to construct and validate a new method for assessing the real day-to-day RF EMF exposure to a wireless network as a whole, exploring the people's daily life, including both downlink and uplink exposures and taking into account different technologies, usages, environments, etc. Towards these objectives, we analyzed for the first time the average population exposure linked to third generation network (3G) induced EMFs, from both uplink and downlink radio emissions in different countries, geographical areas, and for different wireless device usages. Results, derived from device usage statistics, show a strong heterogeneity of exposure, both in time and space. We show that, contrary to popular belief, exposure to 3G EMFs is dominated by uplink radio emissions, resulting from voice and data traffic, and average population EMF exposure differs from one geographical area to another, as well as from one country to another, due to the different cellular network architectures and variability of mobile usage. Thus the variability and uncertainties linked to these influencing factors were characterized. And a variance-based sensitivity analysis of the global exposure was performed for the purpose of simplifying its evaluation. Finally, a substitution model was built to evaluate the day-to-day global LTE induced EMFs exposure of a population taking into account the variability linked to propagation environment, usage, as well as EMFs from personal wireless devices and BTS. Results have highlighted the importance of received power density from BTS to the issue of global exposure induced by a macro LTE network. This substitution model can be further used to analyze the evolution of the wireless network in terms of EMF exposure.

La mécanique computationnelle est un outil incontournable pour le monde de l’ingénierie mécanique. Motivé par un désir de réalisme et soumis à un perpétuel gigantisme, les modèles numériques doivent aujourd’hui inclure des phénomènes physiques de plus en plus complexes. Par conséquence, d’importantes capacités calculatoires sont requises afin de traiter des problèmes à la fois non-linéaires mais aussi de grande taille. Pour atteindre cet objectif, il convient de développer les stations de calculs mais aussi les méthodes algorithmiques utilisées afin de résoudre efficacement ces types de problèmes. Récemment, les méthodes de réduction de modèle se révèlent comme d’excellentes options au développement d’algorithmes de résolution performants. Le problème du contact frottant entre solides élastiques est particulièrement bien connu pour sa complexité et dont les temps de calcul peuvent devenir prohibitifs. En effet, les lois qui le régissent sont très hautement non-linéaires (non différentiables). Dans ce mémoire, nous nous proposons d’appliquer différentes méthodes de réduction de modèle (a posteriori et a priori) à ce type de problème afin de développer des méthodes de calculs accélérées dans le cadre de la méthode des éléments finis. Tout d’abord, en se plaçant dans le cadre des petites perturbations en évolution quasistatique, la réductibilité de diverses solutions impliquant du contact frottant est mise en évidence via leur décomposition en valeur singulière. De plus, leur contenu à échelle séparée est exhibé. La méthode non-incrémentale et non-linéaire à large incrément de temps (LATIN) est par la suite présentée. Dans un second temps et à partir des observations faites précédemment, une méthode LATIN accélérée est proposée en s’inspirant des méthodes multigrilles non-linéaires de type “full approximation scheme” (FAS). Cette méthode s’apparente en partie aux méthodes de réduction de modèle de type a posteriori. De plus, une stratégie de calcul de modes à partir d’un modèle de substitution est proposée. Par la suite, la décomposition propre généralisée (PGD) est utilisée afin de développer une méthode de résolution non-linéaire efficace reposant fondamentalement sur une approche de réduction de modèle de type a priori. Enfin, quelques extensions sont proposées telle que la résolution de problème faisant intervenir des études paramétriques, ou encore la prise en charge de non-linéarités supplémentaires telle que la plasticité. / Computational mechanics is an essential tool for mechanical engineering purposes. Nowadays, numerical models have to take into account complex physical phenomenons to be even more realistic and become larger and larger. As a consequence, more and more computing capacities are required in order to tackle not only non-linear problems but also large scale problems. For that purpose, both computers and numerical methods have to be developed in order to solve them efficiently. In the last decades, model reduction methods show great abilities to assign such challenges. The frictional contact problem between elastic solids is particularly well-known for its difficulty. Because its governing laws are highly non-linear (non-smooth), prohibitive computational time can occur. In this dissertation, model reduction methods (both a posteriori and a priori approaches) are deployed in order to implement efficient numerical methods to solve frictional contact problem in the finite element framework. First, small perturbations hypothesis with a quasi-static evolution are assumed. Then, reducibility of some frictional solutions is emphasized and discussed using the singular value decomposition. In addition, a scale separability phenomenon is enlightened. Then, the non-linear large time increment method (LATIN) is introduced. Secondly, an accelerated LATIN method is suggested by drawing an analogy between previous scale separability observations and the non-linear multigrid full approximation scheme (FAS). This accelerated non-linear solver relies essentially on the a posteriori model reduction approach. A precomputation strategy for modes relying on surrogate models is also suggested. Next, the proper generalized decomposition (PGD) is used to implement a non-linear solver relying fundamentally on an a priori model reduction method. Finally, some extensions are given to assign parametric studies and to take into account an additional non-linearity such as elastoplastic constitutive laws.

L'optimisation aérodynamique de forme est un domaine de recherche très actif ces dernières années, en raison notamment de l'importance de ses applications industrielles. Avec le développement de la méthode adjointe, il est aujourd'hui possible de calculer rapidement, et indépendamment du nombre de paramètres de forme, le gradient des fonctions d'intérêt par rapport à ces paramètres. Cette étude concerne l'utilisation des dérivées ainsi obtenues pour perfectionner les algorithmes d'optimisation locale et globale. Dans une première partie, il s'agit d'utiliser ces gradients pour la construction de modèles de substitution, et de profiter de ces modèles pour réduire le coût des méthodes d'optimisation globale. Plusieurs types de modèles sont présentés et combinés à un algorithme de type " évolution différentielle " en utilisant la méthode EGO (Efficient Global Optimization). Cette procédure est appliquée à l'optimisation de fonctions mathématiques, puis à des cas test d'optimisation aérodynamique autour de profils d'aile. Les résultats sont concluants : l'utilisation d'un modèle de substitution permet de réduire sensiblement le nombre d'évaluations nécessaire du modèle physique, et la prise en compte des gradients accentue ce résultat. Dans la seconde partie de ce travail, la méthode adjointe est utilisée pour calculer le gradient des fonctions d'intérêt par rapport aux coordonnées des noeuds de la surface du profil. Un algorithme d'optimisation locale est alors appliqué en utilisant ces points comme paramètres de l'optimisation et le champ de gradient lissé comme direction de descente. Si l'étude est encore à approfondir, les résultats sont encourageants.