Optimisations en électrotechnique par algorithmes génétiques

Genetic optimization in electrical engineering

• Auteur / Autrice : Lucas Saludjian
• Direction : Jean-Louis Coulomb
• Type : Thèse de doctorat
• Discipline(s) : Génie électrique
• Date : Soutenance en 1997
• Etablissement(s) : Grenoble INPG
• Partenaire(s) de recherche : Laboratoire : Laboratoire d'électrotechnique (Grenoble ; 1980-2006)
• Jury : Président / Présidente : Alain Nicolas
• Jury : Examinateurs / Examinatrices : Pascal Tixador, Bernard Trannoy, Dominique Colombani

Mots clés

Mots clés contrôlés

Algorithmes génétiques

Électrotechnique

Mots clés libres

Sciences appliquees

Electrotechnique, electroenergetique

Electrotechnique

Optimisation

Algorithme genetique

Recuit simule

Lagrangien

Enroulement supraconducteur

Forme geometrique

Dissipateur thermique

Transistor puissance

Transistor bipolaire grille isolee

Methode element fini

Methode maille

Developpement serie

Serie taylor

Simulation numerique

Electrical engineering

Optimization

Genetic algorithm

Simulated annealing

Lagrangian

Superconductive winding

Geometrical shape

Heat sink

Power transistor

Insulated gate bipolar transistor

Finite element method

Mesh method

Series expansion

Taylor series

Numerical simulation

Résumé

Dans ce rapport nous décrivons les nouvelles possibilités offertes par les algorithmes d'optimisation génétiques dans le domaine de l'électrotechnique. Après avoir analysé les différentes méthodes d'optimisation existantes, nous mettons en évidence leur points forts et leurs points faibles en les comparant sur différents cas tests. Les conclusions et les constations issues de ces confrontations nous ont guidé pour développer un algorithme d'optimisation perfonnant c'est-à-dire à la fois capable de localiser l'optimum global et peu coûteux en nombre d'évaluations de la fonction à optimiser. L'introduction d'infonnations supplémentaires concernant la ''nature'' des paramètres du problème traité s'est avérée fondamentale pour les algorithmes génétiques et ce point a été abordé car nous n'avons pas voulu limiter nos optimisations à un domaine bien particulier de l'électrotechnique. Les algorithmes d'optimisation mis au point ont été validés sur trois applications distinctes: - Optimisation de la forme d'un refroidisseur pour composant de puissance. - Optimisation de maillages tridimensionnels pour des logiciels éléments fInis. - Optimisation de la forme d'un dispositif électromagnétique composé de bobines supraconductrices

In this document, we describe new possibilities offered by genetic algorithms in Electrical Engineering. After analyzing the different existing methods of optimization, we underline their weak and their strong points by comparing them on sorne test problems. The conclusions of this comparative study help us to dçvelop an effective optimization algorithm. This algorithm ensures both a global convergence and low evaluation cost from the function to be optimized. We also consider the fundamental point which consists in introducing sorne supplementary informations concerning the nature of the data of the problem to be treated. This is do ne in order to widen the scope of our optimization problems to various domains of Electrical Engineering. The optimization algorithm was tested and validated on three different applications: - Shape optimization of a cooling structure for Power Electronics component - Optimization of three-dimensional mesh quality for Finite Element software - Shape optimization of an electrornagnetic device based on superconducting coils