Optimisation multidisciplinaire : étude théorique et application ... - ISAE
Optimisation multidisciplinaire : étude théorique et application ... - ISAE
Optimisation multidisciplinaire : étude théorique et application ... - ISAE
Create successful ePaper yourself
Turn your PDF publications into a flip-book with our unique Google optimized e-Paper software.
24 La conception d'un avion en phase avant-proj<strong>et</strong><br />
⎧<br />
Soit X = [λ, x, C f , T, AR, Λ, t/c, S REF , h, M]<br />
⎪⎨<br />
⎪⎩<br />
max R(X)<br />
X<br />
sous contraintes :<br />
0.98 ≤ Θ(X) ≤ 1.02<br />
σ 1 → σ 5 (X) ≤ 1.09<br />
dp/dx(X) ≤ 1.04<br />
0.5 ≤ ESF (X) ≤ 1.5<br />
DT (X) ≤ 0<br />
T emp(X) ≤ 1.02<br />
La résolution du problème d'optimisation (1.2) va nous mener à la conguration optimale<br />
qui maximise le rayon d'action.<br />
Les fonctions objectifs disciplinaires<br />
Les disciplines peuvent aussi avoir un rôle dimensionnant. Elles doivent alors choisir la valeur<br />
de leurs variables locales. Il faut alors trouver des objectifs locaux pour chaque discipline. Chacune<br />
résout un problème d'optimisation qui lui est propre, <strong>et</strong> renvoie une réponse optimisée par rapport<br />
à ses variables locales.<br />
Avec ce cas-test, on peut trouver des fonctions objectifs disciplinaires allant dans le sens de<br />
la fonction coût globale, c'est-à-dire maximiser le rayon d'action R. On peut montrer qu'il s'agit<br />
de minimiser la masse totale W T pour la discipline structure, de maximiser la nesse L/D pour<br />
la discipline aérodynamique <strong>et</strong> de minimiser la consommation spécique SF C pour la discipline<br />
propulsion.<br />
On analyse la formule du rayon d'action :<br />
R = M(L/D)661√ θ<br />
SF C<br />
(1.2)<br />
( )<br />
W T<br />
ln<br />
. (1.3)<br />
W T − W F<br />
Nous souhaitons connaître les sensibilités du rayon d'action aux variables locales que nous allons<br />
nommer x = [x 1 , x 2 , x 3 ] : x 1 pour la discipline structure, x 2 pour la discipline aérodynamique<br />
<strong>et</strong> x 3 pour la discipline propulsion.<br />
R(x + ∆x) = R(x) + ∂R<br />
∂x 1<br />
∆x 1 + ∂R<br />
∂x 2<br />
∆x 2 + ∂R<br />
∂x 3<br />
∆x 3 .<br />
Soit Y i une sortie de la discipline i qui soit une entrée de la discipline performance, on a :<br />
∂R<br />
= ∂R ∂Y i<br />
.<br />
∂x i ∂Y i ∂x i<br />
On cherche à maximiser le rayon d'action : lorsque ∂R est négatif, on cherchera à minimiser<br />
∂Y i<br />
Y i par rapport aux variables locales x i . Dans le cas contraire on cherchera à maximiser Y i . Nous<br />
allons voir cela en détail pour les trois disciplines.<br />
La discipline structure<br />
Nous avons :<br />
∂R<br />
∂x 1<br />
=<br />
∂R<br />
∂W T<br />
∂W T<br />
∂x 1<br />
+ ∂R<br />
∂W F<br />
∂W F<br />
∂x 1<br />
.