Le Lab Innovation Scalian développe un algorithme génétique afin de permettre aux équipes du Centre d’Excellence National Simulation Multiphysique d’optimiser des séquences d’empilements composites dans le cadre du projet OPTIMIST.
L’algorithme génétique, un choix pertinent pour l’optimisation des stratifiés unidirectionnels
La grande majorité des travaux d’optimisation des structures est réalisée avec des méthodes déterministes qui calculent implicitement un gradient pour se déplacer dans un espace de solutions de manière pertinente.
Ces méthodes sont particulièrement appropriées pour l’optimisation de grandeurs continues mais ne sont pas adaptées lorsque le problème est combinatoire et l’espace de solutions extrêmement non linéaire.
Dans le cas de l’optimisation de séquences d’empilement, l’utilisation de méthodes stochastiques, comme les algorithmes génétiques, est plus judicieuse.
Ces méthodes reposent sur une exploration pseudo-aléatoire de l’espace de solutions, ce qui permet d’étudier des problèmes discrets et combinatoires avec domaines de faisabilité complexes mais demandent un grand nombre d’évaluations.
Qu’est-ce qu’un algorithme génétique ?
Les algorithmes génétiques reproduisent les mécanismes d’évolution du vivant et présentent un certain nombre d’analogies : les solutions seront des « individus » dont les caractéristiques seront encodées à travers des vecteurs nommés « chromosomes ».
L’optimisation se fait à travers une succession de générations durant lesquelles les individus sont évalués puis sélectionnés en fonction de leurs performances. En vue de la génération suivante, ils seront modifiés via des mutations aléatoires des chromosomes ou des croisements durant lesquels les patrimoines génétiques de deux individus sont mélangés.
Au fil des générations, la qualité des individus s’améliore, ce qui permet à l’algorithme de proposer des solutions pertinentes aux problèmes posés.
Application à l’optimisation des composites
L’optimisation de l’empilement se fait avec une table de drapage afin de respecter une continuité des plis à travers une même pièce. Son utilisation permet aussi de vérifier un certain nombre de règles liées à la fabrication.
L’outil fonctionne en interaction avec un modèle éléments finis (actuellement ABAQUS) qu’il prend comme une entrée. Durant l’optimisation, l’algorithme modifie les empilements au sein du modèle, lance des simulations et réalise des post-traitements automatiquement. A la fin de l’optimisation, l’outil fournit une table de drapage optimisée avec le modèle éléments finis actualisé en conséquence.
Contrairement aux méthodes utilisées actuellement, cet outil permet de prendre en compte les règles de conception dans l’optimisation. Le gain est double. D’une part, la solution optimisée ne sera pas alourdie pour respecter les règles de conception et d’autre part, la solution ne demande pas d’itération de validation (manufacturing – design – simulation) réduisant d’autant les temps d’étude.
Recherche appliquée : Une collaboration fructueuse entre le Lab Innovation et le CEN Simulation multiphysique
Le Lab Innovation Scalian a pu développer son propre code (sous Python) pour pouvoir intégrer les règles de fabrication dans l’ensemble des briques de l’algorithme.
Une fois le code fonctionnel, l’équipe du Centre d’Excellence National Simulation Multiphysique a mis au point une méthodologie statistique pour étudier la vitesse de convergence. Cela a permis de paramétrer l’algorithme et de réaliser des développements pour accélérer la convergence et donc réduire les coûts d’évaluation.
Cas d’application sur un aileron composite
Pour les conférences NAFEMS France 2020, un démonstrateur représentant un aileron d’une petite fusée a été conçu. Il s’agit d’une structure sandwich avec une âme en mousse et des peaux composites à optimiser pour un chargement aérodynamique. Ce test a permis de valider la pertinence de la solution développée par Scalian dans un environnement représentatif.
Perceptives : appel à partenariat
Afin de tester l’outil sur un cas d’application réel dans un environnement industriel et valider les choix (règles de conception, impact du dimensionnement sur le processus de développement) ainsi que le gain apporté par l’outil, Scalian recherche à présent des partenaires.
Si cette problématique vous intéresse et que vous souhaitez tester notre solution sur une structure que vous cherchez à optimiser, n’hésitez pas à nous contacter.
