Optimisation paramétrique par métamodèle en dynamique vibratoire non linéaire avec résolution fréquentielle
Résumé
In order to satisfy challenging standards, the optimal design of industrial structures is an important issue. Mechanical assemblies can especially be subject to nonlinear vibratory behaviour that should be considered during the design process. This work aims at the implementation of an effective global optimization method relying on a dedicated nonlinear dynamical solver and on a surrogate model. The mechanical problem is solved using the harmonic balance method with pseudo-arclength continuation. A Bayesian Optimization is then implemented. This method relies on the building and enrichment of a gaussian process surrogate model of the objective function from a sample of the design space and the associated responses. Finally, the strategy is used for the multiparametric optimization of a Duffing oscillator.
Dans un contexte normatif exigeant en constante évolution, le dimensionnement optimal des structures industrielles est un enjeu important. En particulier, les assemblages de structures peuvent présenter des comportements vibratoires non linéaires, entre autres localisés aux interfaces entre les pièces, susceptibles d’avoir un impact significatif en fonctionnements extrêmes. Il est donc nécessaire de considérer ces non-linéarités lors de la conception. Cette étude se concentre sur la mise en oeuvre d’une démarche d’optimisation globale efficace basée sur l’emploi d’un solveur dédié à la résolution du problème dynamique non linéaire et d’un métamodèle. Le problème mécanique est résolu grâce à la méthode fréquentielle
de l’équilibrage harmonique, associée à une procédure d’alternance temps/fréquence avec une continuation par pseudo longueur d’arc. Le calcul reste malgré tout coûteux et l’utilisation d’algorithmes d’optimisation paramétrique directement associés à ce solveur n’est pas envisageable sur des
structures de grande taille. C’est pourquoi une optimisation bayésienne est mise en oeuvre. Elle s’appuie sur la construction et l’enrichissement d’un métamodèle de la fonction objectif de type processus gaussien à partir d’une base de jeux de paramètres échantillonnés et des réponses associées. Enfin, cette méthodologie est employée pour l’optimisation multiparamétrique d’un oscillateur de Duffing.
Origine | Fichiers produits par l'(les) auteur(s) |
---|