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.
Table des matières<br />
v<br />
Table des matières<br />
Introduction 1<br />
1 La conception d'un avion en phase avant-proj<strong>et</strong> 7<br />
Introduction . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 8<br />
1.1 Présentation générale de la conception avion . . . . . . . . . . . . . . . . . . . . . 9<br />
1.1.1 Avant propos . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 9<br />
1.1.2 Quel périmètre pour la conception avion ? . . . . . . . . . . . . . . . . . . 10<br />
1.1.3 Démarche de conception . . . . . . . . . . . . . . . . . . . . . . . . . . . . 13<br />
1.1.4 Paramètres de conception en phase d'avant-proj<strong>et</strong> . . . . . . . . . . . . . . 15<br />
1.1.5 Principales sorties en conception en phase avant-proj<strong>et</strong> . . . . . . . . . . . 15<br />
1.2 Le cas-test Sobieski . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 18<br />
1.2.1 Description du cas-test . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 18<br />
1.2.2 Problème d'optimisation associé . . . . . . . . . . . . . . . . . . . . . . . . 23<br />
1.3 Le cas-test Dassault . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 25<br />
1.3.1 Description du cas-test . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 25<br />
1.3.2 Problème d'optimisation associé . . . . . . . . . . . . . . . . . . . . . . . . 28<br />
Conclusion . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 28<br />
2 Les formulations pour l'optimisation multi-disciplinaire 29<br />
Introduction . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 30<br />
2.1 Outils <strong>et</strong> dénitions . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 31<br />
2.1.1 Disciplines, paramètres, sorties <strong>et</strong> notations . . . . . . . . . . . . . . . . . 31<br />
2.1.2 Analyse multi-disciplinaire (MDA) . . . . . . . . . . . . . . . . . . . . . . 33<br />
2.1.3 Calcul des gradients (GSE) . . . . . . . . . . . . . . . . . . . . . . . . . . 34<br />
2.1.4 Dénition de l'optimisation . . . . . . . . . . . . . . . . . . . . . . . . . . 36<br />
2.1.5 Méta-modèles disciplinaires . . . . . . . . . . . . . . . . . . . . . . . . . . 37<br />
2.2 Les formulations MDO . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 40<br />
2.2.1 MDF : Multi-Disciplinary Feasible . . . . . . . . . . . . . . . . . . . . . . 41<br />
2.2.2 IDF : Individual Disciplinary Feasible . . . . . . . . . . . . . . . . . . . . 41<br />
2.2.3 AAO : All-At-Once . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 43<br />
2.2.4 CO : Collaborative Optimization . . . . . . . . . . . . . . . . . . . . . . . 45<br />
2.2.5 BLISS : Bi-Level Integration System Synthesis . . . . . . . . . . . . . . . . 47<br />
2.2.6 BLISS 2000 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 49<br />
2.2.7 DIVE : Disciplinary Interaction Variable Elimination . . . . . . . . . . . . 51<br />
Conclusion . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 54