Optimisation d'assemblages par métamodèles à gradients et stratégie multiparamétrique
Résumé
Depuis plusieurs années, l’usage de méthodes d’optimisation dans les processus de conception et pré-conception prend de plus en plus d’ampleur dans l’industrie. Bien qu’efficaces lorsque l’évaluation de la fonction coût que l’on cherche à minimiser nécessite un temps de calcul relativement faible, ces méthodes d’optimisation montrent leurs limites lorsque l’évaluation devient très coûteuse (en terme de temps de calcul). Ce constat est d’autant plus vrai que lorsque l’on cherche à réaliser une optimisation globale, l’algorithme peut nécessiter un nombre extrêmement important d’évaluations pour localiser précisément l’optimum. Dans le contexte de l’optimisation de structures assemblées où chaque évaluation est le résultat d’un calcul numérique non linéaire coûteux, le principal verrou de la recherche d’optimum est le temps de calcul. L’idée de base consistant à interconnecter directement l’algorithme d’optimisation et le simulateur n’est donc ici plus viable. C’est dans ce contexte qu’une stratégie d’optimisation multi- niveaux de modèles [1] est proposée. Formée de deux niveaux, la stratégie se décompose en une phase d’optimisation globale menée sur un métamodèle puis en une phase d’optimisation locale menée avec le modèle mécanique. Afin de réduire de manière significative les coûts de calcul associés à la construction du métamodèle utilisé dans la phase d’optimisation globale, deux outils sont utilisés : une stratégie de calcul d’assemblage (appelée "Stratégie MultiParamétrique") s’appuyant sur la méthode LATIN et un métamodèle fournissant une approximation de la fonction que l’on souhaite minimiser.
Origine : Fichiers produits par l'(les) auteur(s)
Loading...
