Contribution à l'optimisation en conception préliminaire de produit

• Main Author: Mazhoud, Issam
• Other Authors: Grenoble
• Language: fr
• Published: 2014
• Subjects: Optimisation; Dimensionnement; Robustesse; Incertitudes; Optimization; Sizing; Robustness; Uncertainties; 600; 510; 621
• Online Access: http://www.theses.fr/2014GRENI028/document

L'optimisation en conception de produit constitue une activité à forte valeur ajoutée en entreprise. Ceci est d'autant plus important qu'elle est appliquée dans les premières phases du processus de conception. Les travaux dans cette thèse se placent dans ce contexte et proposent des outils adaptés d'aide à la décision en pré-dimensionnement de produits suivant deux critères: présence ou non de fonctionnelles dans le modèle, prise en compte ou non des incertitudes dans le modèle. Une méthode à base de calcul d'intervalles et de propagation de contraintes qui permet de faire de l'optimisation déterministe est introduite. Cette méthode permet de traiter les modèles d'optimisation sans fonctionnelles et sans prise en compte d'incertitudes. Une reformulation qui permet d'améliorer la convergence de l'algorithme est introduite. Une méthode d'optimisation stochastique à base d'essaims particulaires est présentée pour traiter les modèles de plus grande dimension. Un nouveau mécanisme de gestion de contraintes est introduit. Cet algorithme a aussi été étendu pour traiter les problèmes de conception en présence de contraintes du type équations différentielles. Afin de traiter les incertitudes dans les modèles, une méthode d'optimisation robuste est présentée. Elle combine un algorithme d'optimisation stochastique avec une méthode de propagation d'incertitude (PoV). Cette méthode de propagation d'incertitude est étendu aux modèles incluant des fonctionnelles. === The optimization in product design is a high added-value activity. This is all the more important when it is performed at the early stages of the design process. The work presented in this thesis is placed in this context. It proposes adapted decision making tools in preliminary design following two criteria: whether or not the model contains functionals, and whether it takes into considerations the uncertainties. A method based on interval arithmetic and constraint propagation allowing to perform deterministic global optimization is introduced. This method allows handling optimization models without functionals and without considering uncertainties. A reformulation that permits to improve the algorithm convergence is introduced. A stochastic optimization method based on particular swarms is introduced in order to handle higher dimensional problems. A new constraint handling mechanism is introduced and tested on engineering problems. This algorithm has also been extended to design problems with ordinary differential equations constraints. In order to consider uncertainties, a robust optimization method is introduced. It combines a stochastic optimization method with an uncertainty propagation method called PoV. An extension of PoV to models involving functionals is introduced.