Réduction des modèles de synthèse acoustique et vibratoire véhicule

Model order reduction method for acoustic synthesis and vehicle vibration

• Auteur / Autrice : Jiajun Wu
• Direction : Francisco Chinesta, Philippe Mordillat
• Type : Thèse de doctorat
• Discipline(s) : Acoustique
• Date : Soutenance le 21/03/2023
• Etablissement(s) : Paris, HESAM
• Ecole(s) doctorale(s) : École doctorale Sciences des métiers de l'ingénieur (Paris)
• Partenaire(s) de recherche : Laboratoire : Procédés et Ingeniérie en Mécanique et Matériaux (Paris) - Procédés et Ingeniérie en Mécanique et Matériaux (Paris)
• Partenaire(s) de recherche : établissement de préparation de la thèse : École nationale supérieure d'arts et métiers (1780-....)
• Jury : Président / Présidente : Jean-Luc Dion
• Jury : Examinateurs / Examinatrices : Francisco Chinesta, Philippe Mordillat, Jean-Luc Dion, Florian de Vuyst, Marianne Béringhier, Amine Ammar, Fatima-Zahra Daïm
• Jury : Rapporteur / Rapporteuse : Florian de Vuyst, Marianne Béringhier

Mots clés

Mots clés contrôlés

Simulation par ordinateur

Automobiles -- Performances

Acoustique

Dissertation universitaire

Automobiles -- Industrie et commerce

Mots clés libres

Réduction de modèles

Acoustique véhicule

Optimisation

Apprentissage statistique

Model order reduction

Vehicle acoustics

Optimization

Machine learning

Résumé

Les constructeurs automobiles, Renault en particulier, exploitent la simulation numérique tout au long de leur processus de conception, depuis de nombreuses années. La simulation participe au progrès de l'ingénierie en contribuant à la réduction de la durée des projets et à l'amélioration des véhicules sur tous les critères (performances, consommation, masse, recyclabilité, engagement matière, coût...). L'optimisation est dans ce contexte de plus en plus utilisée. Les simulations numériques des principales prestations, acoustique, crash, aérodynamique, etc, étant très coûteuses, l'optimisation est généralement réalisée avec la méthode des plans d'expériences.Cependant l'optimisation est également victime de son succès, les projets demandent des études toujours plus globales, multiobjectifs et multiphysiques, pour trouver de meilleurs compromis de conception. Le coût des études augmente par l'augmentation du nombre de paramètres de conception qu'elles font varier. Dans le même temps les métiers de l'ingénierie améliorent aussi leurs modèles, ce qui augmente mécaniquement le coût des fonctions objectif et contraintes de l'optimisation. Ces deux évolutions, textit{a priori} favorables au véhicule, agissent en produit sur le coût et le délai des études, qui sont, elles, contraintes par le budget et le planning.Le développement d'un véhicule suit un cycle complexe, les différents composants sont conçus en parallèle, par des équipes différentes qui synchronisent régulièrement leurs résultats. Cette synchronisation implique une perte, une partie des résultats d'une étude est invalidée par ceux d'une autre. Cette organisation, qui s'impose à tous, pousse à la réduction du temps de réalisation des études ; il faut éviter le ''bon'' résultat qui arrive trop tard, mais il faut quand même fournir un bon résultat.L'optimisation doit trouver un nouvel équilibre coût/performance, la méthode des plans d'expériences n'est plus adaptée à tous les contextes, même en jouant sur la taille du HPC. La réduction de modèle 3D, non intrusive, est une des solutions explorées.Cette thèse contribue à la méthode Regression-CUR (ReCUR), une méthode non intrusive développée par le Groupe Renault pour traiter des problèmes d'optimisation et d'analyse sur les simulations les plus lourdes. Nous montrons que ReCUR permet une réduction drastique du nombre de simulations acoustiques nécessaire à une étude d'optimisation. Dans cette thèse, nous proposons une approche d'optimisation avec la méthode Regression-CUR pour l'acoustique des véhicules à basse fréquence. Nous traitons d'abord une étude jouet à neuf paramètres, puis une étude industrielle à 100 paramètres avec l'application de l'algorithme génétique NSGA-II.La deuxième partie de cette thèse présente une nouvelle approche de metamodeling avec des paramètres fonctionnels et l'application de techniques de réseaux de neurones. La modélisation fonctionnelle est adaptée à l'amont des projets, quand la simulation détaillée de certains composants est disponible mais que celle du véhicule complet ne l'est pas encore. L'approche est appliquée à un problème de vibration d'une structure de plaques à deux composants, où le modèle estime le comportement dynamique du système assemblé lorsque seules les propriétés individuelles des pièces sont disponibles.L'optimisation avec la méthode ReCUR a démontré sa capacité à traiter des problèmes industriels de dimensionnement à grande échelle en acoustique véhicule en se basant sur des paramètres organiques de conception. La modélisation de substitution avec des paramètres fonctionnels a également montré sa capacité à traiter des problèmes de conception en amont des projets véhicules. Une combinaison des deux approches permettrait de construire un modèle système pour l'optimisation des véhicules tout au long des projets, de l'amont, pour prendre les grandes décisions, au dimensionnement final.

Car manufacturers, Renault in particular, have used digital simulation throughout their design process for many years. Simulation participates in the progress of engineering by contributing to the reduction of project duration and the improvement of vehicles on all criteria (performance, consumption, mass, recyclability, material commitment, cost, etc.). Optimization is increasingly used in this context. Numerical simulations of the main services, acoustics, crashes, aerodynamics, etc., being very expensive, optimization is generally carried out using the experimental design method.However, optimization is also a victim of its own success. Projects require increasingly global, multi-objective and multi-physical studies to find better design compromises. The cost of studies increases by increasing the number of design parameters that they vary. At the same time, the engineering professions also improve their models, which automatically increases the cost of the objective functions and optimization constraints. These two developments, textit{a priori} favorable to the vehicle, act as a product on the cost and time of the studies, which are themselves constrained by the budget and the schedule.The development of a vehicle follows a complex cycle, the different components are designed in parallel, by different teams who regularly synchronize their results. This synchronization implies a loss, part of the results of one study are invalidated by those of another. This organization, which applies to everyone, encourages the reduction of the time taken to carry out the studies; you have to avoid the ''good'' result that comes too late, but you still have to provide a good result.Optimization must find a new cost/performance balance, the design of experiments method is no longer suitable for all contexts, even by playing on the size of the HPC. Non-intrusive 3D model reduction is one of the solutions explored.This thesis contributes to the Regression-CUR method (ReCUR), a non-intrusive method developed by Groupe Renault to deal with optimization and analysis problems on the heaviest simulations. We show that ReCUR allows a drastic reduction of the number of acoustic simulations necessary for an optimization study. In this thesis, we propose an optimization approach with the Regression-CUR method for low frequency vehicle acoustics. We first process a nine-parameter toy study and then a 100-parameter industrial study with the application of the NSGA-II genetic algorithm.The second part of this thesis presents a new metamodeling approach with functional parameters and the application of neural network techniques. Functional modeling is suitable upstream of projects, when the detailed simulation of certain components is available but that of the complete vehicle is not yet. The approach is applied to a vibration problem of a two-component plate structure, where the model estimates the dynamic behavior of the assembled system when only the individual properties of the parts are available.Optimization with the ReCUR method has demonstrated its ability to deal with large-scale industrial dimensioning problems in vehicle acoustics based on organic design parameters. Substitution modeling with functional parameters has also shown its ability to deal with design problems upstream of vehicle projects. A combination of the two approaches would make it possible to build a system model for the optimization of vehicles throughout the projects, from upstream, to make the major decisions, to the final dimensioning.