Thèse soutenue

Optimisation de structures viscoplastiques par couplage entre métamodèle multi-fidélité et modèles réduits
FR  |  
EN
Accès à la thèse
Auteur / Autrice : Stéphane Nachar
Direction : Pierre-Alain BoucardDavid Néron
Type : Thèse de doctorat
Discipline(s) : Mécanique des solides
Date : Soutenance le 11/10/2019
Etablissement(s) : Université Paris-Saclay (ComUE)
Ecole(s) doctorale(s) : École doctorale Sciences mécaniques et énergétiques, matériaux et géosciences (Gif-sur-Yvette, Essonne ; 2015-....)
Partenaire(s) de recherche : établissement opérateur d'inscription : École normale supérieure Paris-Saclay (Gif-sur-Yvette, Essonne ; 1912-....)
Laboratoire : Laboratoire de mécanique et technologie (Gif-sur-Yvette, Essonne ; 1975-2021)
Jury : Président / Présidente : Jean-Charles Passieux
Examinateurs / Examinatrices : Pierre-Alain Boucard, Pierre Joyot, Pierre Duysinx, Fernando Lopez-Caballero, Felipe Eduardo Bordeu Weldt, Christian Rey
Rapporteurs / Rapporteuses : Pierre Joyot, Pierre Duysinx

Résumé

FR  |  
EN

Les phases de conception et de validation de pièces mécaniques nécessitent des outils de calculs rapides et fiables, permettant de faire des choix technologiques en un temps court. Dans ce cadre, il n'est pas possible de calculer la réponse exacte pour l'ensemble des configurations envisageables. Les métamodèles sont alors couramment utilisés mais nécessitent un grand nombre de réponses, notamment dans le cas où celles-ci sont non-linéaires. Une solution est alors d'exploiter plusieurs sources de données de qualité diverses pour générer un métamodèle multi-fidélité plus rapide à calculer pour une précision équivalente. Ces données multi-fidélité peuvent être extraites de modèles réduits.Les travaux présentés proposent une méthode de génération de métamodèles multi-fidélité pour l'optimisation de structures mécaniques par la mise en place d'une stratégie d'enrichissement adaptatif des informations sur la réponse de la structure, par utilisation de données issues d'un solveur LATIN-PGD permettant de générer des données de qualités adaptées, et d'accélérer le calcul par la réutilisation des données précédemment calculées. Un grand nombre de données basse-fidélité sont calculées avant un enrichissement intelligent par des données haute-fidélité.Ce manuscrit présente les contributions aux métamodèles multi-fidélité et deux approches de la méthode LATIN-PGD avec la mise en place d'une stratégie multi-paramétrique pour le réemploi des données précédemment calculées. Une implémentation parallèle des méthodes a permis de tester la méthode sur trois cas-tests, pour des gains pouvant aller jusqu'à 37x.