Conception de systèmes hétérogènes en génie électrique par optimisation évolutionnaire multicritère

• Auteur / Autrice : Jérémi Régnier
• Direction : Xavier Roboam, Bruno Sareni
• Type : Thèse de doctorat
• Discipline(s) : Génie électrique
• Date : Soutenance en 2003
• Etablissement(s) : Toulouse, INPT

Mots clés

Mots clés contrôlés

Décision multicritère

Systémique

Algorithmes génétiques

Optimisation mathématique

Mots clés libres

Conception optimale

Modélisation système

Résumé

Le dimensionnement et l'optimisation d'un système hétérogène en Génie électrique nécessite une démarche globale de la conception appelée aussi '' approche systémique ''. Les problèmes d'optimisation résultant de cette démarche sont complexes et nous nous sommes orientés pour les résoudre vers des méthodes d'optimisation évolutionnaires multicritères de type Pareto. Une auto adaptation du choix des opérateurs de variation a été développée pour augmenter la robustesse d'exploration. A travers la conception de plusieurs dispositifs de conversion d'énergie (véhicule électrique,), nous menons une démarche de modélisation globale des systèmes, à partir de laquelle les algorithmes sont utilisés pour déterminer les meilleurs compromis par rapport aux différents critères d'optimisation (pertes, masses,). L'exploitation des résultats d'optimisation montre que ces méthodes constituent un outil de conception très efficace pour la recherche de performances et l'analyse des couplages.

In electrical engineering, designing a heterogeneous system must be processed by means of a global approach, also called “systemic approach”. Indeed, the existence of interactions between the different sub-systems and the multi-field nature the device strongly influence the system performances. The optimisation of the whole system with regard to several objectives has to be achieved by including all these couplings. The work done in this thesis deals with multiobjective evolutionary optimisation applied to the optimal design. Optimisation issues resulting of this process are complex. For that purpose, multiobjective Pareto evolutionary algorithms have been chosen. To select genetic operators, we have developed a self-adaptation which increases the exploration robustness. Through the design of several electrical engineering systems (example of an electrical vehicle,. . . ), global design oriented models have been proposed from which algorithms are used to seek the best trade-offs versus optimisation criteria (losses, mass,. . . ). Exploiting optimisation results shows that this process constitutes a very efficient design tool if performance and coupling analysis issues are concerned.