Thèse soutenue

FR
Auteur / Autrice : Yogesh Parte
Direction : Mohamed Masmoudi
Type : Thèse de doctorat
Discipline(s) : Mathématiques appliquées
Date : Soutenance en 2009
Etablissement(s) : Toulouse 3

Résumé

FR  |  
EN

Le couplage de modèles et de données est le fil conducteur de ce travail, qui comporte deux parties distinctes. La première partie présente des techniques d'évaluation des performances de produits d'isolation et la deuxième partie présente une contribution en optimisation multidisciplinaire. La première partie commence par décrire les limites des mesures classiques en laboratoire qui ne tiennent pas compte de la convection, du rayonnement et de changement de phase. L'inconvénient des mesures in situ est de fournir des performances fortement dépendantes des conditions météorologiques. A partir de séquences de données météorologiques représentatives du site et des mesures in situ, nous arrivons à estimer les performances intrinsèques du système d'isolation. Cet objectif a été atteint en considérant des techniques telles que les réseaux neuronale (globale assimilation process - GAP), les techniques de classification (predictive clustering - PClust) et nous avons considéré un modèle thermique mono-dimensionnel (SPEC) décrivant les phénomènes complexes en présence. Les résultats numériques obtenus, sur des mesures in situ, montrent la stabilité des résultats par rapport aux conditions météorologique. Dans la deuxième partie, une nouvelle méthode intitulée DIVE (Disciplinary Interaction Variable Elimination) est introduite. On a montré que DIVE est une généralisation de la méthode de région de confiance et présente de nombreux avantages par rapport aux méthodes d'optimisation multidisciplinaire (MDO) connues : une meilleure précision de la solution des équations d'état, un cadre adéquat pour la gestion des méta modèles. En plus, la méthode DIVE peut être vue comme une généralisation des méthodes de MDO classiques.