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.

This book covers cutting-edge findings related to uncertainty quantification and optimization under uncertainties (i.e. robust and reliable optimization), with a special emphasis on aeronautics and turbomachinery, although not limited to these fields. It describes new methods for uncertainty quantification, such as non-intrusive polynomial chaos, collocation methods, perturbation methods, as well as adjoint based and multi-level Monte Carlo methods. It includes methods for characterization of most influential uncertainties, as well as formulations for robust and reliable design optimization. A distinctive element of the book is the unique collection of test cases with prescribed uncertainties, which are representative of the current engineering practice of the industrial consortium partners involved in UMRIDA, a level 1 collaborative project within the European Commission's Seventh Framework Programme (FP7). All developed methods are benchmarked against these industrial challenges. Moreover, the book includes a section dedicated to Best Practice Guidelines for uncertainty quantification and robust design optimization, summarizing the findings obtained by the consortium members within the UMRIDA project. All in all, the book offers a authoritative guide to cutting-edge methodologies for uncertainty management in engineering design, covers a wide range of applications and discusses new ideas for future research and interdisciplinary collaborations.

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.

L'étude porte sur l'optimisation sous contraintes de formes en aérodynamique, avec application à la conception de lignes de nacelles de moteurs civils. Apres un rappel du contexte de l'étude et de sa place au sein des techniques de dessin automatique, on présente le formalisme B-spline retenu pour la paramétrisation de la forme. L'algorithme d'optimisation récursif quadratique est ensuite détaillé. L'étude d'un problème monodimensionnel simple permet de valider la technique de calcul du gradient par la résolution d'une équation adjointe, ainsi que ses variantes. Cette technique est ensuite étendue à l'analyse de sensibilité pour les équations d'Euler bidimensionnelles ou axisymètriques. Enfin, l'application à l'optimisation des nacelles civiles est présentée, au travers de plusieurs formulations possibles du problème, avec la prise en compte de contraintes tant géométriques qu'aérodynamiques

Les turbomachines aéronautiques sont composées de plusieurs roues aubagées dont la fonction estde transférer l'énergie de l'air au rotor. Les roues aubagées des modules compresseur et turbine sontdes pièces particulièrement sensibles car elles doivent répondre à des impératifs de performanceaérodynamique, de tenue mécanique, de tenue thermique et de performance acoustique. L'optimisation aéro-méca-acoustique ou aéro-thermo-mécanique des aubages consiste à chercher, pourun ensemble de formes aérodynamiques paramétrées (par plusieurs dizaines de variables), celleassurant le meilleur compromis entre la performance aérodynamique du moteur et la satisfactionde plusieurs dizaines de contraintes souvent contradictoires. Cette thèse introduit une méthode d'optimisation basée sur les métamodèles et adaptée à la grande dimension pour répondre à la problématique industrielle des aubages. Les contributions de cettethèse portent sur deux aspects : le développement de modèles de krigeage, et l'adaptation d'unestratégie d'optimisation pour la gestion du grand nombre de variables et de contraintes.La première partie de ce travail traite des modèles de krigeage. Nous avons proposé une nouvelleformulation du noyau de covariance permettant de réduire le nombre de paramètres du modèleafin d'accélérer sa construction. Une des limitations connues du modèle de krigeage concernel'estimation de ses paramètres. Cette estimation devient de plus en plus difficile lorsque nousaugmentons la dimension du phénomène à approcher. En particulier, la base de données nécessitedavantage de points et par conséquent la matrice de covariance du modèle du krigeage est de plusen plus coûteuse à inverser. Notre approche consiste à réduire le nombre de paramètres à estimer en utilisant la méthode de régression des moindres carrés partiels (PLS pour Partial Least Squares). Cette méthode de réduction dimensionnelle fournit des informations sur la relation linéaire entre les variables d'entrée et la variable de sortie. Ces informations ont été intégrées dans les noyaux du modèle de krigeage tout en conservant les propriétés de symétrie et de positivité des noyaux. Grâce à cette approche, la construction de ces nouveaux modèles appelés KPLS est très rapide étant donné le faible nombre de paramètres nécessaires à estimer. La validation de ces modèles KPLS sur des cas test académiques ou industriels a démontré leur qualité de prédiction équivalente voire même meilleure que celle des modèles de krigeage classiques. Dans le cas de noyaux de covariance de type exponentiel, laméthode KPLS peut être utilisée pour initialiser les paramètres du krigeage classique, afin d'accélérerla convergence de l'estimation des paramètres du modèle. La méthode résultante, notée KPLS+K, a permis d'améliorer la qualité des modèles dans le cas de fonctions fortement multimodales. La deuxième contribution de la thèse a consisté à développer une stratégie d'optimisation globale sous contraintes pour la grande dimension, en s'appuyant sur les modèles KPLS ou les modèlesKPLS+K. En effet, nous avons étendu la méthode d'optimisation auto-adaptative connue dans lalittérature sous le nom "Efficient Global Optimisation, EGO" pour gérer les problèmes d'optimisationsous contraintes en grande dimension. Différents critères d'enrichissement adaptatifs ont pu êtreexplorés. Cette stratégie a permis de retrouver l'optimum global sur des problèmes académiquesjusqu'à la dimension 50. La méthode proposée a été confrontée à deux types de problèmes industriels, le cas test MOPTA issu de l'industrie automobile (124 variables d'entrée et 68 fonctions contraintes) et le cas test Snecma des aubes de turbomachines (50 variables d'entrée et 31 fonctions contraintes). Les résultats ont permis de montrer la validité de la démarche ainsi que les limites de la méthode pour une application dans un cadre industriel.