La présentation est en train de télécharger. S'il vous plaît, attendez

La présentation est en train de télécharger. S'il vous plaît, attendez

Soutenance de Thèse de Florent D UCHAINE - 15 novembre 2007 - CERFACS Optimisation de Forme Multi-Objectif sur Machines Parallèles avec Méta-Modèles et.

Présentations similaires


Présentation au sujet: "Soutenance de Thèse de Florent D UCHAINE - 15 novembre 2007 - CERFACS Optimisation de Forme Multi-Objectif sur Machines Parallèles avec Méta-Modèles et."— Transcription de la présentation:

1 Soutenance de Thèse de Florent D UCHAINE - 15 novembre CERFACS Optimisation de Forme Multi-Objectif sur Machines Parallèles avec Méta-Modèles et Coupleurs. Application aux Chambres de Combustion Aéronautiques. Soutenance de Thèse de Florent Duchaine pour obtenir le titre de Docteur de lINPT 15 novembre 2007 J.A. Désidéri M. Lachi L. Giraud B. Mohammadi O. Pironneau N. Savary T. Poinsot Rapporteur Examinateur Président Examinateur Directeur de Thèse

2 Soutenance de Thèse de Florent D UCHAINE - 15 novembre CERFACS 2 / 57 Introduction (1/4) « Application aux Chambres de Combustion Aéronautiques. » 1907 : premier vol piloté dun hélicoptère (Paul Cornu) 1944 : premier appareil commercial (moteurs à pistons) 1951 : premier hélicoptère motorisé par une turbine à gaz (Alouette avec un moteur TURBOMECA) Aujourdhui : essor important de lhélicoptère TURBOMECA est un leader sur le marché des turbines dhélicoptère Les turbines à gaz sont incontournables en aéronautique (faible rapport poids/puissance)

3 Soutenance de Thèse de Florent D UCHAINE - 15 novembre CERFACS 3 / 57 Chambre de combustion Bruit Puissance spécifique Émissions polluantes Domaines de vol et allumage Durée de vie Introduction (2/4) Admission dair Compresseur s Bruit Consommation spécifique Echappement des gaz brûlés Turbine s Bruit Puissance spécifique Durée de vie Les turbines à gaz :

4 Soutenance de Thèse de Florent D UCHAINE - 15 novembre CERFACS 4 / 57 Introduction (3/4) Les chambres de combustion annulaires à flux inversé : Émissions polluantes, cibles pour 2020 : -50% de CO 2 et -80% de NOx Parois de la chambre DHP et turbines HP Réduire la température de la flamme Combustion prémélangée pauvre Durées de vie : DHP Injecteur Jets primaires Contournement Tube à flamme ZD ZP

5 Soutenance de Thèse de Florent D UCHAINE - 15 novembre CERFACS 5 / 57 Introduction (4/4) Les chambres de combustion annulaires à flux inversé : Les principes de conception (flammes de diffusion) ne sont plus directement applicables Nécessité doptimiser la répartition des débits dair entrants dans le tube à flamme pour : Minimiser les variations de température en sortie de chambre Maximiser lefficacité de combustion

6 Soutenance de Thèse de Florent D UCHAINE - 15 novembre CERFACS 6 / 57 Objectifs Les contraintes : Normes environnementales qui imposent un virage technologique Concurrence commerciale mondiale Les objectifs : Développer des outils performants daide à la conception pour réduire les temps de conception Les moyens : La simulation numérique des écoulements turbulents réactifs (CFD) Les techniques doptimisation et dautomatisation de processus Les architectures massivement parallèles Le contexte : Projet Européen INTEgrated Lean Low Emission Combustor Design Methodology R. Von Der Bank et al. (2007)

7 Soutenance de Thèse de Florent D UCHAINE - 15 novembre CERFACS 7 / 57 Plan de la présentation I. Mise en place de loutil doptimisation : II. Applications : III.Conclusions et Perspectives Les composants essentiels Intégration des calculs CFD Choix et intégration dune méthode doptimisation Aspects informatiques Validations et évaluations sur un dispositif de dilution bidimensionnel Application à une chambre de combustion aéronautique

8 Soutenance de Thèse de Florent D UCHAINE - 15 novembre CERFACS 8 / 57 Mise en données Code CFD Post-traitement I. Mise en place de loutil doptimisation Utilisation conventionnelle de la CFD en conception :

9 Soutenance de Thèse de Florent D UCHAINE - 15 novembre CERFACS 9 / 57 Mise en données Code CFD Post-traitement I. Mise en place de loutil doptimisation Les composants essentiels : Mise en données Code CFD Post-traitement Algo. dOptim. Paramètres de contrôle Valeurs des Fonctions critères

10 Soutenance de Thèse de Florent D UCHAINE - 15 novembre CERFACS 10 / 57 I. Mise en place de loutil doptimisation Code CFD N3S-Natur : Copropriété SNECMA, TURBOMECA et EDF Maîtrise dœuvre par INCKA - Simulog Résolution des équations de Navier Stokes compressibles Maillages non structurés tétraédriques Modèle de turbulence RANS (k - epsilon) Suivi Lagrangien de linjection de carburant liquide Modèle de combustion CLE Discrétisation spatiale mixte volumes finis / éléments finis Intégration temporelle explicite et implicite Parallèle (MPI et PVM)

11 Soutenance de Thèse de Florent D UCHAINE - 15 novembre CERFACS 11 / 57 Maillage : I. Mise en place de loutil doptimisation Mise en données « Optimisation de forme … » : La gestion des géométries et des maillages est un point clé Objectifs : Paramétrer la géométrie étudiée Automatiser les séquences de génération de maillages Méthodes : Techniques de déformation dun maillage existant Techniques de r lage

12 Soutenance de Thèse de Florent D UCHAINE - 15 novembre CERFACS 12 / 57 MAIS le r lage est incontournable pour des modifications importantes des géométries I. Mise en place de loutil doptimisation Développement dun outil de déformation de maillage Mise en données Müller (1996)Fluent (2007) Maillage :

13 Soutenance de Thèse de Florent D UCHAINE - 15 novembre CERFACS 13 / 57 I. Mise en place de loutil doptimisation Mise en données Favoriser la vitesse de convergence des calculs CFD Éviter les étapes de calcul à froid et dallumage Objectifs, utiliser une condition initiale adéquate pour : Solution proposée : Interpolation des champs fluides obtenus avec la configuration de base sur les géométries à évaluer à partir dun développement de Taylor au premier ordre : Configuration de base Champ de température interpolé Condition initiale :

14 Soutenance de Thèse de Florent D UCHAINE - 15 novembre CERFACS 14 / 57 I. Mise en place de loutil doptimisation Mise en données Imposition directe si la CL est constante sur la surface Interpolation si la CL est donnée sous forme dun profil, avec une vérification des débits injectés Transformer les paramètres de fonctionnement en quantités physiques de type CL Prendre en compte limpact des transformation géométriques sur les CL Objectifs : Méthodes : Conditions aux limites :

15 Soutenance de Thèse de Florent D UCHAINE - 15 novembre CERFACS 15 / 57 Post-traitement I. Mise en place de loutil doptimisation Analyse automatique et systématique des résultats : Validation des résultats : Bilan de masse Bilan de débit de carburant en sortie Température moyenne en sortie Température maximum dans la configuration Évaluation des paramètres de contrôle : calcul des fonctions objectifs Diagnostics locaux (capteurs) Diagnostics surfaciques Diagnostics volumiques

16 Soutenance de Thèse de Florent D UCHAINE - 15 novembre CERFACS 16 / 57 Déterminer les configurations optimales pour des problèmes mono et multi-objectifs Comprendre les relations entre les paramètres de contrôle et les objectifs sur lensemble de lespace de recherche : tendance moyenne, variance, importances relatives des paramètres … Algo. dOptim. I. Mise en place de loutil doptimisation Mécanique des fluides numérique & Optimisation : Les objectifs : x f 1 (x) x f 2 (x) f 1 (x) Optimum global x 1 Optimum global x 2 Front de Pareto

17 Soutenance de Thèse de Florent D UCHAINE - 15 novembre CERFACS 17 / 57 I. Mise en place de loutil doptimisation Remplacer les évaluations dun critère de performance exact (CFD) par une approximation peu coûteuse : un Méta-Modèle Les algorithmes doptimisation requièrent un grand nombre dévaluations des fonctions objectifs pour converger À priori, une évaluation de configuration = un calcul CFD Les contraintes : Sur des configurations complexes, le temps de restitution lié au temps CPU de la CFD devient prohibitif La solution proposée : Algo. dOptim. Mécanique des fluides numérique & Optimisation : Karakasis et al. (2005) Robinson et al. (2006) Forrester et al. (2006) Dennis et al. (1996) Trosset et al. (2003) Marsden et al. (2007) Quiepo et al. (2005) …Jouhaud et al. (2006) Ong et al. (2004) Giannakoglou et al. (2006)

18 Soutenance de Thèse de Florent D UCHAINE - 15 novembre CERFACS 18 / 57 I. Mise en place de loutil doptimisation Les Méta-Modèles : Complexité & temps dévaluation Système physique Modèles CFD Modèles des Modèles CFD : Méta-Modèles Algo. dOptim.

19 Soutenance de Thèse de Florent D UCHAINE - 15 novembre CERFACS 19 / 57 Observations I. Mise en place de loutil doptimisation Utilisation générique des Méta-Modèles : Construction du Méta-Modèle Test & Validation Procédure denrichissement Nouvelles Observations Utilisation du Méta-Modèle Algo. dOptim.

20 Soutenance de Thèse de Florent D UCHAINE - 15 novembre CERFACS 20 / 57 I. Mise en place de loutil doptimisation Le krigeage ordinaire, un Méta-Modèle analytique : Sacks et al. (1989) Jones et al. (1998) Algo. dOptim. Fonction de corrélation : avec une anisotropie Lestimateur est un interpolateur : Gradients connus analytiquement Échantillons Valeurs dune Fonction objectif Données observées : Estimateur Variance de lestimateur

21 Soutenance de Thèse de Florent D UCHAINE - 15 novembre CERFACS 21 / 57 I. Mise en place de loutil doptimisation Lestimateur de krigeage peut poser des problèmes lors du traitement de fonctions bruitées ou lorsque les échantillons sont proches dans lespace de recherche Pour y palier, utilisation dun terme supplémentaire dans la fonction de corrélation : MacKay (1997) Algo. dOptim. Le krigeage ordinaire, un Méta-Modèle analytique :

22 Soutenance de Thèse de Florent D UCHAINE - 15 novembre CERFACS 22 / 57 Initialisation : Plan dexpérience Reprise dun processus doptimisation Propriétés dorthogonalité et de dispersion FFDCCDHypercube Latin Joseph et al.(2006) Calculs CFD & Post-traitement Construction des Méta-Modèles Procédure denrichissement Recherche des optimums locaux des fonctions de mérite par un algo. à gradient : Choix déchantillons sur le Front de Pareto obtenu avec les Méta-Modèles Byrd et al. (1995) Nash et al. (1984) Deb et al. (2000) I. Mise en place de loutil doptimisation Algorithme général : Tests darrêt Nombre de calcul CFD maximum atteint Les opérateurs denrichissement ne trouvent plus déchantillons Calculs CFD & Post-traitement Au même titre que pour linitialisation, les calculs CFD sont indépendants et peuvent être traités simultanément selon les ressources informatiques afin de réduire les temps de restitution Utilisation des Méta-Modèles Localisation des optimums et du Front de Pareto Analyses de sensibilité : paramètres influents, relations entre les variables et les fonctions coûts, corrélations entre variables … … Morris (1991) Algo. dOptim.

23 Soutenance de Thèse de Florent D UCHAINE - 15 novembre CERFACS 23 / 57 I. Mise en place de loutil doptimisation Exemple dapplication : Zone de ND

24 Soutenance de Thèse de Florent D UCHAINE - 15 novembre CERFACS 24 / 57 I. Mise en place de loutil doptimisation Influence de la fonction de mérite : réponse au conflit exploration exploitation Plus est petit, plus la convergence vers le meilleur optimum dont le bassin dattraction a été détecté est privilégiée

25 Soutenance de Thèse de Florent D UCHAINE - 15 novembre CERFACS 25 / 57 I. Mise en place de loutil doptimisation Plus est grand, plus lexploration du domaine de recherche et lhomogénéité des échantillonnages sont privilégiées, Plus les échantillonnages sont homogènes, plus le Méta-Modèle est fidèle au Modèle : ce que nous viserons par la suite Forte exploration en début de processus, puis exploitation et convergence Influence de la fonction de mérite : réponse au conflit exploration exploitation

26 Soutenance de Thèse de Florent D UCHAINE - 15 novembre CERFACS 26 / 57 I. Mise en place de loutil doptimisation La manière de gérer les composants est un point clé pour produire un outil performant : Utilisation du coupleur de codes parallèles PALM 1 Codage non hiérarchique de loutil doptimisation Les composants deviennent des unités indépendantes qui échangent des données Facilités de maintenance et dévolution des applications (PrePALM) Performance et flexibilité des applications (PrePALM, MPI-2) 1 ~ palm Management of an Integrated Plateform for auTomatic Optimization MIPTO

27 Soutenance de Thèse de Florent D UCHAINE - 15 novembre CERFACS 27 / 57 Mise en données Code CFD Post-traitement Mise en données Code CFD Post-traitement Mise en données Code CFD Post-traitement I. Mise en place de loutil doptimisation MIPTO : Algo. dOptim. Mise en données Code CFD Post-traitement Paramètres de contrôle Valeurs des Fonctions critères Portage sur diverses architectures parallèles de calcul HP Linux Workstation Licences GAMBIT

28 Soutenance de Thèse de Florent D UCHAINE - 15 novembre CERFACS 28 / 57 II. Applications Zone primaire (non simulée) Zone de dilution (domaine de calcul) T C (y) y CFD y T T (y) Validations et évaluations sur un dispositif de dilution bidimensionnel :

29 Soutenance de Thèse de Florent D UCHAINE - 15 novembre CERFACS 29 / 57 II. Applications Q h = Kg/s T h = 1500 K Conditions dentrée : D cu = m D cl = m a cu = 0 rad a cl = 0 rad Q cu = Kg/s T cu = 300 K Q Fcl = Kg/s T cl = 300 K Paramètres fixes : L x = 0.24m L y = 0.03m L cu et L cl dans [0.02 ; 0.15] m Paramètres doptimisation : Larges déformations : utilisation dune technique de r lage Müller (1996) Validations et évaluations sur un dispositif de dilution bidimensionnel :

30 Soutenance de Thèse de Florent D UCHAINE - 15 novembre CERFACS 30 / 57 II. Applications Base de donnée initiale : 20 échantillonsBase de donnée finale : 91 échantillons 2 Un calcul CFD = 75 minutes CPU sur Compaq Alpha Server 25 heures CPU heures CPU 2 Mise en évidence de la forme du bassin dattraction de loptimum global : Simplifications du problème doptimisation / restriction de lespace de recherche Validations et évaluations sur un dispositif de dilution bidimensionnel :

31 Soutenance de Thèse de Florent D UCHAINE - 15 novembre CERFACS 31 / 57 II. Applications Validations et évaluations sur un dispositif de dilution bidimensionnel : Confrontation avec la méthode du Simplexe : Convergence vers des optimums localisés par le Méta-Modèle Nelder & Mead (1965)Gurson (2000)

32 Soutenance de Thèse de Florent D UCHAINE - 15 novembre CERFACS 32 / 57 II. Applications Validations et évaluations sur un dispositif de dilution bidimensionnel : MIPTO renseigne de manière globale sur lespace de recherche (comportement, bassins dattraction) et localise avec une bonne précision loptimum global

33 Soutenance de Thèse de Florent D UCHAINE - 15 novembre CERFACS 33 / 57 II. Applications Application à une chambre de combustion aéronautique : Chambre de combustion annulaire Domaine de calcul mono secteur périodique Tube à flamme C GB

34 Soutenance de Thèse de Florent D UCHAINE - 15 novembre CERFACS 34 / 57 II. Applications Application à une chambre de combustion aéronautique : Position du distributeur Films de refroidissement Injection dair tourbillonnant + Injection de carburant liquide Sortie du domaine de calcul Jets primaires internes Jets primaires externes Conditions de périodicité axisymétriques Parois multi- perforées

35 Soutenance de Thèse de Florent D UCHAINE - 15 novembre CERFACS 35 / 57 II. Applications Application à une chambre de combustion aéronautique : Plan 1 Plan 2

36 Soutenance de Thèse de Florent D UCHAINE - 15 novembre CERFACS 36 / 57 II. Applications Application à une chambre de combustion aéronautique :

37 Soutenance de Thèse de Florent D UCHAINE - 15 novembre CERFACS 37 / 57 II. Applications Application à une chambre de combustion aéronautique : Les objectifs du processus doptimisation sont : I) Maximiser la durée de vie du distributeur vis à vis des sollicitations thermiques : Minimiser : température de lair frais II) Maximiser lefficacité de combustion : Minimiser : volume de la ZP débit dair entrant dans la ZP Lefebvre (1999) Plan 4

38 Soutenance de Thèse de Florent D UCHAINE - 15 novembre CERFACS 38 / 57 II. Applications Application à une chambre de combustion aéronautique : Les paramètres de contrôle sont : La position axiale des jets primaires : Le débit dair entrant par le tourbillonneur : La répartition dair entre les parois MP externes et internes : (b : configuration de base) Conservation du débit total dair : Conservation de la surface de passage dans les MP : Fluent (2007)

39 Soutenance de Thèse de Florent D UCHAINE - 15 novembre CERFACS 39 / 57 II. Applications Application à une chambre de combustion aéronautique : Résultats de MIPTO (une évaluation = 168 heures CPU sur un IBM JS21) : Présentation des résultats : 30 échantillons dinitialisation : 210 jours CPU ( / 28 procs = 7.5 jours) 102 calculs CFD en 6 itérations : 714 jours CPU ( / 28 procs = 25.5 jours) 88 calculs exploitables (86%) : 616 jours CPU ( / 28 procs = 22 jours) Adimensionnement par rapport à la configuration de base (b) : avec Recherche de relations entre les paramètres et les objectifs : analyses de la base de données Recherche de configurations performantes : front de Pareto

40 Soutenance de Thèse de Florent D UCHAINE - 15 novembre CERFACS 40 / 57 II. Applications Application à une chambre de combustion aéronautique : Analyses de la base de données : scatter plots Effets prédominants de : Configuration de base avec de fortes interactions Calcul CFD

41 Soutenance de Thèse de Florent D UCHAINE - 15 novembre CERFACS 41 / 57 II. Applications Application à une chambre de combustion aéronautique : Analyses de la base de données : scatter plots Lorsque augmente : Vc augmente : combustion plus complète dans la ZP MAIS zone de dilution réduite Dégradation de ZP

42 Soutenance de Thèse de Florent D UCHAINE - 15 novembre CERFACS 42 / 57 II. Applications Application à une chambre de combustion aéronautique : Le carburant en excès brûle au contact des jets primaires Mélange et dilution moins efficaces Dégradation de Analyses de la base de données : scatter plots ZP Combustion plus complète dans la ZP Amélioration de Lorsque :

43 Soutenance de Thèse de Florent D UCHAINE - 15 novembre CERFACS 43 / 57 II. Applications Application à une chambre de combustion aéronautique : Analyses de la base de données : scatter plots Configuration de base Effets prédominants de : Calcul CFD

44 Soutenance de Thèse de Florent D UCHAINE - 15 novembre CERFACS 44 / 57 Application à une chambre de combustion aéronautique : Recherche de configurations performantes : front de Pareto II. Applications Possibilités daméliorer en dégradant Le front de Pareto est composé de plusieurs régions

45 Soutenance de Thèse de Florent D UCHAINE - 15 novembre CERFACS 45 / 57 Application à une chambre de combustion aéronautique : Recherche de configurations performantes : front de Pareto II. Applications

46 Soutenance de Thèse de Florent D UCHAINE - 15 novembre CERFACS 46 / 57 Application à une chambre de combustion aéronautique : Recherche de configurations performantes : front de Pareto II. Applications

47 Soutenance de Thèse de Florent D UCHAINE - 15 novembre CERFACS 47 / 57 Application à une chambre de combustion aéronautique : Recherche de configurations performantes : front de Pareto II. Applications

48 Soutenance de Thèse de Florent D UCHAINE - 15 novembre CERFACS 48 / 57 Application à une chambre de combustion aéronautique : Recherche de configurations performantes : front de Pareto II. Applications

49 Soutenance de Thèse de Florent D UCHAINE - 15 novembre CERFACS 49 / 57 Application à une chambre de combustion aéronautique : Recherche de configurations performantes : front de Pareto II. Applications

50 Soutenance de Thèse de Florent D UCHAINE - 15 novembre CERFACS 50 / 57 Application à une chambre de combustion aéronautique : Recherche de configurations performantes : front de Pareto II. Applications

51 Soutenance de Thèse de Florent D UCHAINE - 15 novembre CERFACS 51 / 57 II. Applications Application à une chambre de combustion aéronautique, Conclusions : Etudes annexes : un grand nombre de calculs exploitables pour dautres études Exemple : analyses acoustiques avec un solveur de Helmholtz (AVSP) Mode 1LMode 1T Nicoud et al. (2007)

52 Soutenance de Thèse de Florent D UCHAINE - 15 novembre CERFACS 52 / 57 II. Applications Application à une chambre de combustion aéronautique, Conclusions : Ce que pourra être le futur : Un futur très en lien avec la croissance de la puissance de calcul

53 Soutenance de Thèse de Florent D UCHAINE - 15 novembre CERFACS 53 / 57 III. Conclusions & Perspectives Conclusions générales : Mise en place de stratégies algorithmique et logicielle pour réaliser des processus doptimisation automatisés sur des configurations complexes : Génération automatique de maillages, CI et CL dans un contexte de chambres de combustion industrielles, Exécution et dépouillement automatique dévaluation de configuration par le biais de codes de calcul, Mise en œuvre dune stratégie visant à réduire les temps de restitution via lutilisation de Méta-Modèles, Encapsulation logicielle des composants par un coupleur de codes (PALM), Portage des applications sur des supercalculateurs parallèles, Post-traitements systématiques des bases de données pour aider à la compréhension et à la prise de décision, Application sur une configuration industrielle concluante !

54 Soutenance de Thèse de Florent D UCHAINE - 15 novembre CERFACS 54 / 57 III. Conclusions & Perspectives Perspectives : Études de robustesse, convergence globale, comportement lorsque le nombre de paramètres de contrôle devient grand Prise en compte de contraintes Optimisation robuste Passage de loptimisation multi-objectif à loptimisation multi-disciplinaire : RayonnementFluide réactifThermique Solide ++ études sur la durée de vie des parois

55 Soutenance de Thèse de Florent D UCHAINE - 15 novembre CERFACS 55 / 57 III. Conclusions & Perspectives Perspectives : Couplages instationnaires : Fluide / Thermique SGE / RANS études sur la durée de vie du stator études sur des systèmes complexes : compresseur / chambre / turbine

56 Soutenance de Thèse de Florent D UCHAINE - 15 novembre CERFACS 56 / 57 III. Conclusions & Perspectives Perspectives : Mise en données Code CFD Post-traitement Mise en données Code CFD Post-traitement Mise en données Code CFD Post-traitement Algo. dOptim. Mises en données Simulations multi-physiques Post-traitements Paramètres de contrôle Valeurs des Fonctions critères Code ACode B

57 Soutenance de Thèse de Florent D UCHAINE - 15 novembre CERFACS 57 / 57 Merci de votre attention !!

58 Soutenance de Thèse de Florent D UCHAINE - 15 novembre CERFACS 58 / 57 Images

59 Soutenance de Thèse de Florent D UCHAINE - 15 novembre CERFACS 59 / 57 Images

60 Soutenance de Thèse de Florent D UCHAINE - 15 novembre CERFACS 60 / 57 Images

61 Soutenance de Thèse de Florent D UCHAINE - 15 novembre CERFACS 61 / 57 Les objectifs des motoristes Les turbines à gaz sont incontournables en aéronautique (excellent rapport poids/puissance) et les objectifs de développement des motoristes concernent : Laugmentation de la puissance spécifique La diminution de la consommation spécifique Lextension des domaines de vol et de (ré- )allumage La diminution des émissions polluantes La diminution du bruit émis Laugmentation de la durée de vie

62 Soutenance de Thèse de Florent D UCHAINE - 15 novembre CERFACS 62 / 57 Analogie des ressorts : Équilibre : formulation dun système linéaire par coordonnée Maillage Techniques de déformation de maillage : Développement dune méthode permettant la mise à jour conjointe de la géométrie et de sa discrétisation surfacique Mise en données Maillage :Condition initiale : Conditions aux limites : Batina (1989)

63 Soutenance de Thèse de Florent D UCHAINE - 15 novembre CERFACS 63 / 57 Maillage Techniques de déformation de maillage : Ajout de contraintes de formes liant les directions de déplacement des nœuds : Mise en données Maillage :Condition initiale : Conditions aux limites : Problème de minimisation de type Lagrangien Augmenté résolu avec un algorithme L-BFGS (Low Memory Broyden-Fletcher-Goldfard-Shanno) : Byrd et al. (1995)

64 Soutenance de Thèse de Florent D UCHAINE - 15 novembre CERFACS 64 / 57 Maillage Techniques de déformation de maillage : Mise en données Maillage :Condition initiale : Conditions aux limites : Mise à jour du maillage volumique par une analogie des ressorts ou une méthode explicite parallélisées via Métis : Mohammadi & Pironneau (2001) Karypis (1998)

65 Soutenance de Thèse de Florent D UCHAINE - 15 novembre CERFACS 65 / 57 Ratio daspect Maillage :Condition initiale : Conditions aux limites : Maillage Techniques de r lage : Les méthodes de déformation de maillages sont limitées en terme dimportance des déplacements Interfaçage de Ipol et Delaundo pour des géométries 2D Interfaçage de GAMBIT pour tout type de géométrie Mise en données Müller (1996) Fluent (2007)

66 Soutenance de Thèse de Florent D UCHAINE - 15 novembre CERFACS 66 / 57 Maillage :Condition initiale : Conditions aux limites : Maillage Techniques de r lage : Les méthodes de déformation de maillages sont limitées en terme dimportance des déplacements Interfaçage de Ipol et Delaundo pour des géométries 2D Interfaçage de GAMBIT pour tout type de géométrie Mise en données Müller (1996) Fluent (2007) Ratio daspect

67 Soutenance de Thèse de Florent D UCHAINE - 15 novembre CERFACS 67 / 57 Krigeage détaillé Le krigeage ordinaire, un Méta-Modèle analytique Sacks et al. (1989) Jones et al. (1998) ? Régression Réalisation dun processus aléatoire processus gaussien normalement distribué de moyenne nulle, de variance et dont la covariance sexprime à partir de la fonction de corrélation : Anisotropie de la représentation du modèle Dans cette thèse, les puissances sont prises égales à 2 Données observées : Algo. dOptim.

68 Soutenance de Thèse de Florent D UCHAINE - 15 novembre CERFACS 68 / 57 Krigeage détaillé Le krigeage ordinaire, un Méta-Modèle analytique La construction du Méta-Modèle implique de déterminer les r j qui maximisent la probabilité de réalisation des données observées : Lannulation des dérivées de par rapport à la moyenne et la variance donne les valeurs optimales et qui sont fonction des r j : Après simplification, le logarithme de la probabilité devient : La maximisation de donne les paramètres r j optimums Michalewicz (1996) Algo. dOptim.

69 Soutenance de Thèse de Florent D UCHAINE - 15 novembre CERFACS 69 / 57 Krigeage détaillé Une fois les r j en accord avec les données observées, la probabilité augmentée dun point non échantillonné est maximisée pour déduire le prédicteur de krigeage ordinaire : La théorie mathématique permet de dégager la variance de la prédiction : Lestimateur est un interpolateur : dont on connaît analytiquement le gradient par rapport à X Algo. dOptim. Le krigeage ordinaire, un Méta-Modèle analytique

70 Soutenance de Thèse de Florent D UCHAINE - 15 novembre CERFACS 70 / 57 Krigeage détaillé Lestimateur de krigeage peut poser des problèmes lors du traitement de fonctions bruitées ou lorsque les échantillons sont proches dans lespace de recherche Pour y palier, utilisation dun terme supplémentaire sur la diagonale de la matrice R : MacKay (1997) Algo. dOptim. Le krigeage ordinaire, un Méta-Modèle analytique

71 Soutenance de Thèse de Florent D UCHAINE - 15 novembre CERFACS 71 / 57 Application 2D - Simplexe Validations et évaluations sur un dispositif de dilution bidimensionnel : SimplexeMIPTO LocalGlobal 35 calculs X 6 = calculs Simplexe : calculs CFD successifs MIPTO : calculs CFD simultanés Selon les ressources disponibles et le speed up du code CFD, MIPTO permet de réduire le temps de restitution du processus MIPTO renseigne de manière globale sur lespace de recherche (comportement, bassins dattraction) et localise avec une bonne précision loptimum global

72 Soutenance de Thèse de Florent D UCHAINE - 15 novembre CERFACS 72 / 57 Application 2D - Simplexe Validations et évaluations sur un dispositif de dilution bidimensionnel :

73 Soutenance de Thèse de Florent D UCHAINE - 15 novembre CERFACS 73 / 57 Application 3D - Tendances Application à une chambre de combustion aéronautique Intuitions sur leffet des variables de contrôle : Volume de zone de dilution 1) 2) Combustion incomplète dans la ZP Débit dair de dilution 1) 2) 3) ?

74 Soutenance de Thèse de Florent D UCHAINE - 15 novembre CERFACS 74 / 57 Application 3D - Maillage Application à une chambre de combustion aéronautique : La méthode de déformation restreint lespace de recherche de 15% Aucun moyen de valider les résultats Utilisation du r lage Choix de la technique de génération de maillage : De lordre de tétraèdres noeuds

75 Soutenance de Thèse de Florent D UCHAINE - 15 novembre CERFACS 75 / 57 Application 3D - Convergence Application à une chambre de combustion aéronautique : La convergence des calculs est un élément clé pour : Capter limpact des paramètres doptimisation sur les fonctions coûts Réduire les temps de restitution Dans ce type dapplication, Laérodynamique converge rapidement : les tendances de sont détectables à moindre coût Les phénomènes réactifs et les transferts thermiques sont plus longs à sétablir : la détermination de requiert un bon niveau de convergence Comment trouver un bon compromis ?

76 Soutenance de Thèse de Florent D UCHAINE - 15 novembre CERFACS 76 / 57 Application 3D - Convergence Application à une chambre de combustion aéronautique : Considérons : Deux échantillons éloignés dans lespace de recherche : 3 niveaux de convergence : Nombre ditérations Temps CPU globallocalglobal n2nm T2TT Type de pas de temps Les calculs CFD pour les deux échantillons donnent les sensibilités : T = 168 heures CPU pour un calcul CFD (IBM JS21)

77 Soutenance de Thèse de Florent D UCHAINE - 15 novembre CERFACS 77 / 57 Les plus - Analyse de sensibilité Analyse de sensibilité : Morris (1991)

78 Soutenance de Thèse de Florent D UCHAINE - 15 novembre CERFACS 78 / 57 Les plus - Corrélations Corrélations pour le mélange : Lefebvre (1999) Corrélations pour la pénétration dun JICF Corrélations pour la pénétration de plusieurs JICF Ça se complique pour déterminer la pénétration de JICF impactant Il est ardu de déterminer une corrélation pour estimer le profil de température du mélange entre les jets et lécoulement principal T C (y) y ? Il existe des corrélations sur des géométries types pour déterminer des mesures globales de type

79 Soutenance de Thèse de Florent D UCHAINE - 15 novembre CERFACS 79 / 57 Les plus - Convergence Convergence vers le Front de Pareto : Comment apprécier le niveau de convergence de la méthode vers un front de Pareto inconnu à partir des MMs ?

80 Soutenance de Thèse de Florent D UCHAINE - 15 novembre CERFACS 80 / 57 Les plus - Convergence Convergence vers le Front de Pareto : 1)Validation à postériori des MMs (validation croisée, base de donnée externe…) 2) En se basant sur des cas tests analytiques ou simplifiés où les fronts de Pareto sont connus : précision dun front de Pareto approché = f (nombre de paramètres de contrôle, taille de la base de données) On a ce que lon paye …

81 Soutenance de Thèse de Florent D UCHAINE - 15 novembre CERFACS 81 / 57 Les plus - Théorie des Jeux et équilibre de Nash …


Télécharger ppt "Soutenance de Thèse de Florent D UCHAINE - 15 novembre 2007 - CERFACS Optimisation de Forme Multi-Objectif sur Machines Parallèles avec Méta-Modèles et."

Présentations similaires


Annonces Google