tude de formulations MDO

1
Étude de formulations MDO

• CLEMENT Joël ONERA DPRS
• MASMOUDI Mohamed TOULOUSE III
• BARTOLI Nathalie DTIM
• HERMETZ Jean DPRS

2
Le contexte

• PRF ONERA DOOM
• Démarche Outillée pour lOptimisation
  Multidisciplinaire
• Regroupe plusieurs départements
• Optimisation globale de systèmes aéronautique en
  avant projet
• Projet RNTL OMD
• Optimisation MultiDisciplinaire
• Même chose
• Franco-français (ONERA INRIA RENAULT DASSAUT,
  etc... )

3
PLAN

• Problématique générale
• Disicipline
• Couplage
• Optimisation
• Le cas test SSBJ
• Les formulations MDO
• Définitions
• Résultats
• Travaux à venir
• Réduction de modèle

4
Problématique générale

• MDO Multi Disciplinary Optimization
• Principe dassembler à la fois plusieurs modèles
  de description dun avion ou disciplines et des
  modules doptimisation
• En général utilisé pour la conception avant
  projet

5
Les disciplines

• Conception avion processus complexe
• Séparation en plusieurs disciplines
• aérodynamique, structure, propulsion, acoustique
• Codes de calcul
• Simulation prévoir le comportement dun avion
• Variables
• Partagées
• Locales
• Couplage

6
Le couplage

• Variable de couplage est une sortie dune
  discipline qui sert dentrée pour une autre

7
LOptimisation
But automatiser la recherche dune
configuration optimale

• Optima locaux besoin dalgorithmes stochastiques

• Algorithmes déterministes

• Problèmes avec contraintes

8
Cas test SSBJ

• 6 variables partagées (Z)
• Epaisseur relative voilure t/c
• Altitude de croisière h
• Mach de croisière M
• Allongement AR
• Flèche L
• Surface voilure Sref

• 4 variables locales (X)
• Effilement l
• Section caisson x
• Coefficient de frottement Cf
• Position manette des gaz T

• 6 variables interdisciplinaires (Y)
• Masse totale WT
• Vrillage Q
• Traînée D
• Portance L
• Facteur déchelle moteur ESF
• Masse moteur WE

9
Les formulations MDO MDF

• Multi Disciplinary Feasible
• (partagées, locales)
• Échange entre les disciplines
• F fonction objectif
• G contraintes
• Optimiseur choisit un nouveau jeu de variables
  (partagées, locales)

10
Les formulations MDO MDF

• R 3494.52
• 762 appels disciplinaires

11
Les formulations MDO IDF

• Individual Discipline Feasible
• Pas déchanges directs entre les disciplines
• Rajout de contraintes de cohérence
  interdisciplinaire
• coupage_prédit couplage_calculé 0

12
Les formulations MDO IDF

• R 3451.65
• 424 appels disciplinaires

13
Les formulations MDO CO

• Pas déchanges directs entre les disciplines
• Le système envoie des consignes pour assurer une
  cohésion globale

• Les disciplines sarrangent avec leur variables
  locales pour respecter les consignes
• Correspond mieux au fonctionnement dune
  entreprise

14
Les formulations MDO CO

• R 3248.76
• 1876 appels disciplinaires

15
Réduction de modèle

• Problèmes
• loptimisation demande beaucoup dappels aux
  codes
• coûteux en temps
• Solutions
• réseaux neuronaux
• kriging

16
Réduction de modèle Application aux disciplines

• Variables
• Locales_1
• Partagées_1
• Couplage_1

17
Conclusion

• En résumé
• Simulation
• Beaucoup de paramètres
• Optimisation
• Recherche automatique
• Temps important
• Réduction de modèle
• Gain de temps
• Perte de fiabilité des modèles
• MDO lart et la manière de composer ces trois
  éléments pour obtenir des configurations
  optimales

18
Conclusion

• Merci de votre attention