Cette thèse présente le dimensionnement d’une machine électrique à rotor disque pour la traction de véhicules hybrides. Un état de l’art complet sur les machines électriques à rotor disque permet de montrer que la machine à flux axial à rotor central est la plus adaptée. Différentes géométries du circuit magnétique sont successivement étudiées et comparées par simulations par éléments finis. Pour maximiser le rendement de la machine, les pertes d’origine électromagnétique sont étudiées. Un modèle analytique des pertes par effet de peau dans les conducteurs de cuivre est proposé et validé par éléments finis. Un second modèle analytique estime les pertes par courant induits dans les aimants permanents pour tous les points de travail de la machine se basant sur uniquement trois simulations par éléments finis permettant ainsi un gain de temps important lors du dimensionnement. Deux méthodes de dimensionnement sont comparées : le dimensionnement manuel par essais/erreurs et l’optimisation multi-objectifs. Cette dernière méthode automatise le dimensionnement et permet une optimisation plus pointue et une forte amélioration des performances. Dans ce cas, la densité de couple a par exemple été augmentée de 29%. La machine à flux axial dimensionnée est comparée avec une machine à flux radial pour véhicules hybrides. Cette comparaison révèle le potentiel de la machine à flux axial avec notamment une densité de couple augmentée de plus de 20%. Enfin, deux prototypes ont été construits et mesurés pour valider les simulations. / This PhD presents the design of a disc rotor electric machine for the traction of hybrid vehicles. A complete state of the art enables the selection of the internal rotor axial flux machine which is the most suited to this application. Different geometries of the magnetic circuit are successively studied and compared with finite elements simulations. To maximize the efficiency of the machine losses generated in the magnetic circuit are studied. An analytic model on the skin effect in the copper conductors is proposed and validated with finite elements simulations. A second analytic model estimates the eddy current losses in the permanent magnets for every operating point of the machine based on only three finite element simulations enabling an important time-saving. Two dimensioning methods are compared: the manual dimensioning based on a tries/errors method and the multi-objectives optimization. This last method automates the dimensioning and enables a more refined optimization and a strong improvement of the performances. For example, the torque density has been improved by 29% in that case. The designed axial flux machine is compared to a state of the art radial flux machine for hybrid vehicle. This comparison shows the potential of the axial flux machine with an improvement of the torque density by more than 20%. Finally two prototypes have been built and measured to validate the simulations.

Pour la résolution de problèmes d’ordonnancement d’ateliers de type flow-shop en industries pharmaceutiques et d’ateliers de type job-shop flexible, deux méthodes d’optimisation ont été développées : une méthode utilisant les algorithmes génétiques dotés d’un nouveau codage proposé et une méthode d’optimisation par essaim particulaire modifiée pour être exploitée dans le cas discret. Les critères retenus dans le cas de lignes de conditionnement considérées sont la minimisation des coûts de production ainsi que des coûts de non utilisation des machines pour les problèmes multi-objectifs relatifs aux industries pharmaceutiques et la minimisation du Makespan pour les problèmes mono-objectif des ateliers job-shop flexibles.Ces méthodes ont été appliquées à divers exemples d’ateliers de complexités distinctes pour illustrer leur mise en œuvre. L’étude comparative des résultats ainsi obtenus a montré que la méthode basée sur l’optimisation par essaim particulaire est plus efficace que celle des algorithmes génétiques, en termes de rapidité de la convergence et de l’approche de la solution optimale / For flexible job-shop and pharmaceutical flow-shop scheduling problems resolution, two optimization methods are considered: a genetic algorithm one using a new proposed coding and a particle swarm optimization one modified in order to be used in discrete cases.The criteria retained for the considered packaging lines in pharmaceutical industries multi-objective problems are production cost minimization and total stopping cost minimization. For the flexible job-shop scheduling problems treated, the criterion taken into account is Makespan minimization.These two methods have been applied to various work-shops with distinct complexities to show their efficiency.After comparison of these methods, the obtained results allowed us to notice the efficiency of the based particle swarm optimization method in terms of convergence and reaching optimal solution