Decision aiding methodologies in robust design
Méthodologies d'aide à la décision en conception robuste
Résumé
Improving the quality of numerical simulations in structural elastodynamics remains a major challenge in order to improve design under uncertainty in the structure and its environment. In this document, we present design methodologies uncertainties to be taken into account in the decision-making process, including uncertainties in the design parameters, in the measurements, or even the impact of modifications. In the first part, we examine the potential of a component mode synthesis method based on the use of the proper orthogonal modes. A methodology for the verification and improvement of superelements is also proposed. Finally, it is shown that a genetic algorithm can be used for an optimal selection of the physical coordinates in substructuring methods. The second part is devoted to the parametric identification of mechanical structures given uncertain observations and the information content of experimental measurements. A probabilistic formulation of the inverse problem is used here. A strategy of test planning for information gain is made based on Bayesian experimental design. In the last part, the info-gap approach is applied to evaluate the robustness to uncertainties of two updating methods. This method also allows to verify that, in an uncertain environment and for a given performance criterion, it can be preferable to choose a robust-satisficing design rather than an optimal design.
La maîtrise du calcul prévisionnel du comportement dynamique de structures mécaniques demeure un enjeu majeur pour l'amélioration de la conception en présence de facteurs mal maîtrisés. Dans ce document, nous présentons des méthodologies de conception permettant de prendre en compte dans le processus de décision, les incertitudes sur les paramètres de conception, les incertitudes sur les mesures ou encore l'impact des modifications. Dans la première partie, nous étudions le potentiel d'une méthode de synthèse modale basée sur l'utilisation des modes propres orthogonaux. Une méthodologie de vérification et d'optimisation de super-éléments est également présentée. Enfin, nous montrons qu'un algorithme génétique peut permettre une sélection optimale des coordonnées physiques dans les méthodes de réduction. La deuxième partie concerne l'identification paramétrique des structures mécaniques à partir d'observations incertaines et la quantification de l'information susceptible d'être obtenue grâce à des mesures expérimentales. Nous utilisons dans cette étude une formulation probabiliste des problèmes inverses. Une planification d'essais en vue d'un gain d'information est réalisée avec des plans d'expérience bayésiens. Dans la dernière partie, l'approche non-probabiliste info-gap est appliquée afin d'évaluer la robustesse aux incertitudes de deux méthodes de recalage. Cette méthode permet aussi de vérifier que, dans un environnement incertain et pour un critère de performance donné, il peut être préférable de choisir un modèle " satisfaisant" plutôt qu'un modèle optimal.