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 ) 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 nœuds 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.

Afin d’améliorer la qualité des solutions proposées par l’optimisation dans les processus de conception, il est important de se donner des outils permettant à l’optimiseur de parcourir l’espace de conception le plus largement possible. L’objet de cette thèse est d’analyser différentes méthodes de paramétrage de formes surfaciques d’une automobile en vue de proposer à Renault un processus d’optimisation efficace. Trois méthodes sont analysées dans cette thèse. Les deux premières sont issues de l’existant, et proposent de mélanger des formes, afin de créer de la diversité. Ainsi, on maximise l’exploration de l’espace de conception, tout en limitant l’effort de paramétrage des CAO. On montre qu’elles ont un fort potentiel, mais impliquent l’utilisation de méthodes d’optimisation difficiles à mettre en œuvre aujourd’hui. La troisième méthode étudiée consiste à exploiter la formulation de Koiter des équations de coques, qui intègre paramètres de forme et mécanique, et de l’utiliser pour faire de l’optimisation de forme sur critères mécaniques. Cette méthode a par ailleurs pour avantage de permettre le calcul des gradients. D’autre part, nous montrons qu’il est possible d’utiliser les points de contrôles de carreaux de Bézier comme paramètres d’optimisation, et ainsi, de limiter au strict nécessaire le nombre de variables du problème d’optimisation, tout en permettant une large exploration de l’espace de conception. Cependant, cette méthode est non-standard dans l’industrie et implique des développements spécifiques, qui ont été réalisés dans le cadre de cette thèse. Enfin, nous mettons en place dans cette thèse les éléments d’un processus d’optimisation de forme surfacique.

LE PROBLEME QUI A INITIE CETTE THESE EST L'OPTIMISATION DE FORME DES GOUVERNES DE MISSILES. LES VOILURES SONT LE MOYEN LE PLUS EFFICACE ET LE PLUS SIMPLE POUR PILOTER UN MISSILE ET LE GUIDER JUSQU'A SON OBJECTIF. LA MINIMISATION DU MOMENT DE CHARNIERE DES GOUVERNES PERMET DONC DE REDUIRE NOTABLEMENT LE COUT ET LE POIDS DES ACTIONNEURS. DANS UNE PREMIERE PARTIE, L'ETUDE DE DIFFERENTES METHODES D'OPTIMISATION GLOBALE NOUS AMENE A DISTINGUER ESSENTIELLEMENT DEUX CLASSES DE METHODES : L'UNE PROGRESSE PAR DIRECTION DE RECHERCHE, L'AUTRE PAR CORRELATION. NOUS NOUS INTERESSONS PLUS PARTICULIEREMENT TOUT D'ABORD AU RECUIT SIMULE, METHODE DIRECTIONNELLE AGISSANT SUR UN POINT, PUIS A LA METHODE DE MASSAT ET MASMOUDI QUI PROCEDE PAR DIRECTION DE RECHERCHE ET PAR CORRELATION ET ENFIN AUX ALGORITHMES GENETIQUES (A.G.), PROCESSUS PUREMENT CORRELATIFS. NOTRE CHOIX SE PORTE SUR UNE METHODE CORRELATIVE : LES A.G. MIEUX ADAPTES AU PROBLEME A RESOUDRE. DAN UNE SECONDE PARTIE, LES A.G. SONT APPLIQUES A DIFFERENTS CAS D'EPREUVES. CECI NOUS PERMET TOUT D'ABORD DE METTRE EN EVIDENCE L'IMPORTANCE DU CHOIX DES VARIABLES D'OPTIMISATION, PUIS D'ETUDIER LES DIFFERENTS PROCESSUS DE GESTION DES CONTRAINTES EN PRECISANT LEUR DOMAINE DE VALIDITE ET ENFIN DE COMPARER LES DIFFERENTES VARIANTES D'OPERATEURS (SELECTION, CROISEMENT ET MUTATION). NOUS CONFRONTONS NOS RESULTATS AVEC CEUX EXISTANTS. LA TROISIEME PARTIE EST CONSACREE A L'ANALYSE INTUITIVE DU FONCTIONNEMENT D'UN MODELE D'A.G. D'ABORD A CODAGE BINAIRE PUIS A CODAGE REEL. POUR ASSURER LA CONVERGENCE VERS LE MINIMUM GLOBAL, NOUS SOMMES AMENES A FAIRE DES HYPOTHESES. DANS LE BUT DE LES AFFAIBLIR, NOUS PROPOSONS UNE VARIANTE A.G. : LES ALGORITHMES GENETIQUES A SCHEMES EXPLICITES.

Afin de faire face aux nouveaux challenges de l'industrie automobile, les ingénieurs souhaitent appliquer des méthodes d'optimisation à chaque étape du processus de conception. En élargissant l'espace de conception aux paramètres de forme, en augmentant leur nombre et en étendant les plages de variation, de nouveaux verrous sont apparus. C'est le cas de la résistance aux chocs. Avec les temps de calcul long, la non-linéarité, l'instabilité et la dispersion numérique de ce problème de dynamique rapide, la méthode usuellement employée, l'optimisation par plan d'expériences et surfaces de réponse, devient trop coûteuse pour être utilisée industriellement. Se pose alors la problématique suivante : Comment faire de l'optimisation de forme en dynamique rapide avec un nombre élevé de paramètres ?. Pour y répondre, les méthodes d'optimisation par gradient s'avèrent être les plus judicieuses. Le nombre de paramètres a une influence réduite sur le coût de l'optimisation. Elles permettent donc l'optimisation de problèmes ayant de nombreux paramètres. Cependant, les méthodes classiques de calcul du gradient sont peu pertinentes en dynamique rapide : le coût en nombre de simulations et le bruit empêchent l'utilisation des différences finies et le calcul du gradient en dérivant les équations de dynamique rapide n'est pas encore disponible et serait très intrusif vis-à-vis des logiciels. Au lieu de déterminer le gradient, au sens classique du terme, des problèmes de crash, nous avons cherché à l'estimer. L'Equivalent Static Loads Method est une méthode permettant l'optimisation à moindre coût basée sur la construction d'un problème statique linéaire équivalent au problème de dynamique rapide. En utilisant la dérivée du problème équivalent comme estimation du gradient, il nous a été possible d'optimiser des problèmes de dynamique rapide ayant des épaisseurs comme variables d'optimisation. De plus, si l'on construit les équations du problème équivalent avec la matrice de rigidité sécante, l'approximation du gradient n'en est que meilleure. De cette manière, il est aussi possible d'estimer le gradient par rapport à la position des nœuds du modèle de calcul. Comme il est plus courant de travailler avec des paramètres CAO, il faut déterminer la dérivée de la position des nœuds par rapport à ces paramètres. Nous pouvons le faire de manière analytique si nous utilisons une surface paramétrique pour définir la forme et ses points de contrôle comme variables d'optimisation. Grâce à l'estimation du gradient et à ce lien entre nœuds et paramètres de forme, l'optimisation de forme avec un nombre important de paramètres est désormais possible à moindre coût. La méthode a été développée pour deux familles de critères issues du crash automobile. La première est liée au déplacement d'un nœud, objectif important lorsqu'il faut préserver l'intégrité de l'habitacle du véhicule. La seconde est liée à l'énergie de déformation. Elle permet d'assurer un bon comportement de la structure lors du choc.

LA PROBLEMATIQUE DES TRAVAUX REALISES DANS LE CADRE DE CETTE THESE S'EST RAPIDEMENT IMPOSEE COMME : EST-IL POSSIBLE D'EMPLOYER UNE METHODE D'OPTIMISATION NUMERIQUE AU SEIN D'UN PROCESSUS DE CONCEPTION INDUSTRIEL DE FORMES AERODYNAMIQUES ? LES APPROCHES QUI SATISFONT LES EXIGENCES INDUSTRIELLES SONT CELLES QUI PROPOSENT UNE RECHERCHE D'OPTIMUM LOCAL D'UN PROBLEME CONTRAINT PAR DES TECHNIQUES DE GRADIENT, IMPLEMENTEES AU SEIN D'UNE CHAINE DE CALCUL ROBUSTE, DE PILOTAGE AISE PAR DES NON-SPECIALISTES DES ALGORITHMES D'OPTIMISATION. L'ORTHOGONALISATION DES DEGRES DE LIBERTE PROPOSEE DANS CETTE THESE REDUIT L'INFLUENCE DU CONDITIONNEMENT DU PROBLEME D'OPTIMISATION SUR LE TRAVAIL DU CONCEPTEUR. DEUX APPLICATIONS ILLUSTRENT LE POTENTIEL DES METHODES D'OPTIMISATION : LA MINIMISATION SOUS CONTRAINTES DES EFFETS DE SOUFFLE DES HELICES SUR UNE VOILURE ET LA MINIMISATION SOUS CONTRAINTES DE LA TRAINEE DE CHOC D'UNE VOILURE EN REGIME TRANSSONIQUE. CE SUJET DE THESE A FAIT L'OBJET D'UN CONTRAT CIFRE ENTRE AEROSPATIALE ET L'UNIVERSITE PAUL SABATIER. CETTE COLLABORATION A PERMIS D'OUVRIR UN SECOND FRONT DE RECHERCHE : LES RECENTES TECHNIQUES DE DIFFERENTIATION AUTOMATIQUE DE PROGRAMMES INFORMATIQUES PEUVENT-ELLES S'APPLIQUER A L'OPTIMISATION DE FORMES AERODYNAMIQUES INDUSTRIELLES ? LES TECHNIQUES DE DIFFERENTIATION AUTOMATIQUE (ADOLC ET ADOGEN) ONT ETE APPLIQUEES A UN CODE RESOLVANT LES EQUATIONS DU POTENTIEL COMPLET AINSI QU'A UN CODE RESOLVANT L'EQUATION DU POTENTIEL COMPLET. DANS LE CAS DU POTENTIEL LINEARISE, IL A ETE POSSIBLE DE CONSTRUIRE LE POLYNOME DE TAYLOR DU CHAMP DE VITESSE AUTOUR D'UN PROFIL D'AILE PAR RAPPORT A UNE VARIATION D'EPAISSEUR DU PROFIL. CE CAS TEST A MIS EN EVIDENCE L'EXISTENCE D'UN RAYON DE CONVERGENCE FINI. DANS LE CAS DU POTENTIEL COMPLET, UNE METHODOLOGIE DE TRAITEMENT DES DISCONTINUITES DE PENTE ET DES NON-LINEARITES A ETE PROPOSEE POUR OBTENIR UN DEVELOPPEMENT EN SERIE DE TAYLOR.

This book features cutting-edge research presented at the second international conference on Artificial Intelligence in Renewable Energetic Systems, IC-AIRES2018, held on 24–26 November 2018, at the High School of Commerce, ESC-Koléa in Tipaza, Algeria. Today, the fundamental challenge of integrating renewable energies into the design of smart cities is more relevant than ever. While based on the advent of big data and the use of information and communication technologies, smart cities must now respond to cross-cutting issues involving urban development, energy and environmental constraints; further, these cities must also explore how they can integrate more sustainable energies. Sustainable energies are a major determinant of smart cities’ longevity. From an environmental and technological standpoint, these energies offer an optimal power supply to the electric network while creating significantly less pollution. This requires flexibility, i.e., the availability of supply and demand. The end goal of any smart city is to improve the quality of life for all citizens (both in the city and in the countryside) in a way that is sustainable and respectful of the environment. This book encourages the reader to engage in the preservation of our environment, every moment, every day, so as to help build a clean and healthy future, and to think of the future generations who will one day inherit our planet. Further, it equips those whose work involves energy systems and those engaged in modelling artificial intelligence to combine their expertise for the benefit of the scientific community and humanity as a whole.