Optimisation multidisciplinaire : étude théorique et application ... - ISAE
Optimisation multidisciplinaire : étude théorique et application ... - ISAE
Optimisation multidisciplinaire : étude théorique et application ... - ISAE
You also want an ePaper? Increase the reach of your titles
YUMPU automatically turns print PDFs into web optimized ePapers that Google loves.
32 Les formulations pour l'optimisation multi-disciplinaire<br />
n'aectent pas directement l'écoulement autour de l'avion.<br />
Variables de conception partagées z<br />
Lorsqu'une variable locale possède une interaction avec une autre discipline, il convient de la<br />
considérer comme une variable partagée : les variables partagées (ou publiques) possèdent des<br />
e<strong>et</strong>s directs sur plusieurs disciplines à la fois.<br />
Par exemple, l'épaisseur d'une aile intervient dans le calcul de la traînée <strong>et</strong> dans le calcul en<br />
mécanique des structures.<br />
La détermination de ces paramètres publics est un enjeu majeur dans le processus de conception.<br />
La solution obtenue dépend fortement de l'ensemble des paramètres choisis. Ce choix se<br />
base, d'une part, sur l'art de l'ingénieur, <strong>et</strong> d'autre part, sur l'utilisation des méthodes adjointes :<br />
l'expérience des équipes d'ingénieurs sur le dimensionnement des paramètres de forme doit<br />
être prise en compte pour le choix des critères : par exemple, en aérodynamique, le choix<br />
de la courbure du bord d'attaque de l'aile est le fruit d'une longue expérience ;<br />
les méthodes adjointes perm<strong>et</strong>tent de calculer les gradients de manière ecace. On peut<br />
ainsi eectuer un calcul de gradients de nos critères pour un grand nombre de paramètres.<br />
La distribution de ces gradients sur la surface de la conguration initiale indique les régions<br />
les plus importantes. On peut alors déterminer un ensemble de paramètres pertinents avec<br />
l'utilisation des méthodes adjointes.<br />
Une approche hiérarchique pour déterminer les paramètres les plus signicatifs est présentée<br />
dans [TD02]. La méthode GSE expliquée en section 2.1.3 est une méthode adjointe<br />
qui perm<strong>et</strong> de calculer les gradients dans un contexte de disciplines couplées. Pour la description<br />
des méthodes adjointes, nous renvoyons à [Cea86, MP01, Jam90]. Les méthodes<br />
de diérentiation automatique peuvent être utilisées pour la génération du code adjoint<br />
[Gri00, MP01].<br />
Dans un contexte multi-disciplinaire, nous ne pouvons considérer qu'un nombre réduit de<br />
paramètres partagés.<br />
Variables de couplage y<br />
Les disciplines prennent en entrée des données provenant d'autres disciplines. Ce sont les<br />
variables de couplage ou d'interaction que nous noterons y.<br />
Par exemple, le champ de pression autour de l'aile perm<strong>et</strong>tra à la discipline structure d'en<br />
calculer la déformation. De même, la déformation élastique de l'aile a un e<strong>et</strong> sur le comportement<br />
aérodynamique de l'aile.<br />
On parle de couplage fort, en cas de problèmes multi-physiques. Le couplage est déjà présent<br />
au niveau de l'analyse disciplinaire. En général, le vecteur y est porté par le maillage du problème.<br />
C'est le cas de l'aéroélasticité ou du couplage uide-thermique. Il convient alors de considérer<br />
que les deux disciplines n'en forment qu'une à l'échelle de l'optimisation multi-disciplinaire. En<br />
e<strong>et</strong>, le fait de découpler ces deux disciplines ne ferait qu'augmenter la complexité du problème<br />
global, en ajoutant un nombre de variables d'interaction conséquent.<br />
On ne s'intéresse ici qu'au cas d'un couplage faible, où les variables d'interaction sont de<br />
l'ordre de quelques dizaines.