L'objectif de ce travail de thèse est de pouvoir intégrer totalement l'optimisation de forme des raidisseurs de capot dans un processus de conception industrielle et cela afin d'optimiser la forme et la distribution des raidisseurs dans un contexte multi-objectif (voire multi-disciplinaire) d'une structure 3D surfacique. Pour ce faire, nous avons tout d'abord établi un aperçu de l'état de l'art dans l'optimisation de forme des structures en classifiant les différentes méthodes de paramétrage de forme, en trois catégories ; les méthodes basées sur la géométrie (telle la paramétrisation d'un modèle de type CAO), les méthodes basées sur une grille fixe (telles que les méthodes d'optimisation topologique) et les méthodes basées sur le maillage (telles que les méthodes de régularisation du maillage). Toutefois, aucune de ces méthodes ne satisfait pleinement aux objectifs posés. Nous introduisons ainsi dans cette thèse la méthode FEM-CsG : Finite Element Mesh - Constructive surface Geometry. Imprégnée d'un fort contexte industriel, cette méthode propose une réponse à des contraintes telles que la possibilité de représenter la solution optimale par un ensemble de paramètres CAO, la possibilité d'adapter le modèle EF à l'analyse souhaitée et la garantie d'une représentation géométrique et d'un maillage robuste. En proposant d'intégrer des formes élémentaires paramétrées et prémaillées issues d'une bibliothèque de formes dans une structure coque 3D maillée par l'utilisation des variables issues de la CAO, la méthode FEM-CsG permet une évolution constante de la topologie guidée par l'optimisation. Ainsi, même si la topologie est modifiée la forme résultante reste conforme avec une représentation CAO par construction, correspondant davantage à la réalité des optimisations réalisées en avant-projet. La méthode FEM-CsG a été validée sur deux études de cas, de complexité variable, permettant de mettre en avant la robustesse de cette dernière. Ainsi, avec un choix intelligent et cohérent des variables de formes, les problèmes d'optimisation peuvent avec un nombre restreint de variables explorer un nombre important de topologies ou de formes. Les changements de topologies s'effectuent de manière continue, validant ainsi la méthode à tout type d'analyse souhaitée.

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.

This volume presents recent methodological developments in data analysis and classification. It covers a wide range of topics, including methods for classification and clustering, dissimilarity analysis, consensus methods, conceptual analysis of data, and data mining and knowledge discovery in databases. The book also presents a wide variety of applications, in fields such as biology, micro-array analysis, cyber traffic, and bank fraud detection.