contributions à l’optimisation de la conception multidisciplinaire sousincertitude, avec des applications à la conception des avions

contributions to multidisciplinary design optimization underuncertainty, with applications to aircraft design

• Auteur / Autrice : Amine Aziz alaoui
• Direction : Olivier Roustant, Matthias De lozzo
• Type : Projet de thèse
• Discipline(s) : Mathématiques et Applications
• Date : Inscription en doctorat le ; Soutenance le 11/02/2025
• Etablissement(s) : Université de Toulouse (2023-....)
• Ecole(s) doctorale(s) : École doctorale Mathématiques, informatique et télécommunications
• Partenaire(s) de recherche : Laboratoire : IMT : Institut de Mathématiques de Toulouse
• Partenaire(s) de recherche : Equipe de recherche : IMT- Equipe Statistique et Optimisation
• Partenaire(s) de recherche : établissement délivrant conjointement le doctorat : Toulouse, INSA
• Jury : Président / Présidente : Nathalie Bartoli
• Jury : Examinateurs / Examinatrices : Olivier Roustant, Mathieu Balesdent, Nicolas Gayton, Delphine Sinoquet, Matthias De lozzo
• Jury : Rapporteurs / Rapporteuses : Mathieu Balesdent, Nicolas Gayton

Mots clés

Mots clés libres

Quantification d'incertitudes

Optimisation multidisciplinaire

Analyse de sensibilité

Uncertainty quantification

Multidisciplinary optimization

Sensitivity analysis

Résumé

Cette thèse se concentre sur l'optimisation multidisciplinaire sous incertitude (U-MDO), un domaine important dans la conception d’ingénierie moderne, en particulier pour des systèmes complexes comme les avions. Contrairement aux méthodes traditionnelles, l’U-MDO intègre simultanément plusieurs disciplines pour optimiser la performance globale tout en tenant compte des incertitudes dues à des hypothèses simplifiées ou des facteurs stochastiques. Contributions méthodologiques : - Problème dimensionnable pour évaluer les algorithmes U-MDO : Un problème ''scalable'' a été développé pour tester les algorithmes U-MDO. - Transformation générique pour les problèmes multidisciplinaires : Une méthode pour convertir des problèmes d’optimisation standard en problèmes multidisciplinaires a été proposée, en modélisant les fonctions d'objectif et de contrainte pour refléter les interactions disciplinaires. - Nouvelle formulation bi-niveau U-MDO : Inspirée des besoins industriels, une approche intégrant des sous-optimisations aléatoires a été développée, permettant de réutiliser les processus d’optimisation disciplinaire existants. - Améliorations de la bibliothèque Python GEMSEO : Intégration d'outils pour résoudre les problèmes U-MDO, facilitant ainsi l'optimisation robuste dans des contextes industriels. Résultats applicatifs : La méthodologie a été testée sur deux cas pratiques : - Un jet supersonique d’affaires. - Une étude d'ingénierie sur un pylône de moteur Airbus XRF-1. Ces contributions renforcent la capacité à gérer les incertitudes dans les systèmes complexes tout en réduisant les coûts et en améliorant la fiabilité.

This thesis addresses multidisciplinary design optimization under uncertainty (U-MDO), a useful approach in modern engineering for optimizing complex systems like aircraft. Unlike traditional methods, U-MDO integrates multiple disciplines to optimize overall performance while accounting for uncertainties from simplified assumptions or stochastic factors. Methodological Contributions: - Scalable Problem for U-MDO Algorithm Testing: A theoretical framework was developed to benchmark U-MDO algorithms. - Generic Transformation for Multidisciplinary Problems: A method to transform standard optimization problems into multidisciplinary ones was proposed, modeling objective and constraint functions to reflect disciplinary interactions. - New Bi-Level U-MDO Formulation: Inspired by industrial needs, an approach using random sub-optimizations was developed, enabling the reuse of existing disciplinary optimization processes. - Enhancements to GEMSEO Library: Tools were integrated to solve U-MDO problems, facilitating robust optimization in industrial settings. Applicative Results: The methodology was tested on two practical cases: - A supersonic business jet. - A re-engineering study on an Airbus XRF-1 engine pylon. These contributions enhance the ability to manage uncertainties in complex systems while reducing costs and improving reliability.