Multi-level approaches for optimal system design in railway applications - TEL - Thèses en ligne Accéder directement au contenu
Thèse Année : 2012

Multi-level approaches for optimal system design in railway applications

Approches multi-niveaux pour la conception systémique optimale des chaînes de traction ferroviaire

Résumé

Within a globalized market context, the classical trial-and-error design process is no longer capable of answering to the ever-growing demands in terms of short deadlines, reduced production costs, etc. The optimization tool presents itself as an answer to these issues, accompanying the engineers in the optimal design task.The focus of this thesis is centered on the optimal design of complex systems. Two main optimization approaches are addressed within this work: the metamodel-based design optimization and the decomposition-based complex systems optimal design.The use of computer-aided design/engineering (CAD/CAE) software has become a regular practice in the engineering design process. The metamodel-based optimization approach is intended to address the optimization of devices represented by such accurate but computationally expensive simulation models, as the finite element analysis (FEA) in electromagnetics.Engineering systems such as railway traction systems are too complex to be addressed as a whole. The decomposition-based optimization strategies are intended to address the optimal design of such systems. The decomposition of such systems is required in order to simplify the problem and to distribute the computational burden across the decomposed structure. Appropriate multi-level strategies have been identified and analyzed within this work. Such approaches allow each team of specialists to work independently at the object of their expertise.The optimization approaches developed within this work are applied for solving several electromagnetic optimization problems and a railway traction system optimal design problem of the Alstom Company
Dans le contexte actuel de globalisation des marchés, le processus classique de conception par essais et erreurs n'est plus capable de répondre aux exigences de plus en plus accrues en termes de délais très courts, réduction des coûts de production, etc. L'outil d'optimisation propose une réponse à ces questions, en accompagnant les ingénieurs dans la tâche de conception optimale.L'objectif de cette thèse est centré sur la conception optimale des systèmes complexes. Deux approches sont abordées dans ce travail: l'optimisation par modèles de substitution et la conception optimale basée sur la décomposition des systèmes complexes.L'utilisation de la conception assistée par ordinateur (CAO) est devenue une pratique régulière dans l’industrie. La démarche d'optimisation basée sur modèles de substitution est destinée à répondre à l'optimisation des dispositifs bénéficiant d’une telle modélisation précise, mais couteuse en temps de calcul.Les chaînes de traction ferroviaire sont trop complexes pour être traités comme un tout. La décomposition de ces systèmes s’impose en vue de simplifier le problème et de repartir la charge de calcul. Des stratégies appropries à la résolution de telles structures ont été analysées dans ce travail. Ces approches permettent à chaque équipe de spécialistes de travailler de façon autonome à l'objet de leur expertise.Les approches d'optimisation développées au sein de ce travail ont été appliquées pour résoudre plusieurs problèmes d'optimisation électromagnétiques, ainsi que la conception optimale d’un système de traction ferroviaire de la Société Alstom
Fichier principal
Vignette du fichier
Berbecea_Alexandru_DLE.pdf (4.54 Mo) Télécharger le fichier
Origine : Version validée par le jury (STAR)
Loading...

Dates et versions

tel-00917657 , version 1 (12-12-2013)

Identifiants

  • HAL Id : tel-00917657 , version 1

Citer

Alexandru Berbecea. Multi-level approaches for optimal system design in railway applications. Other. Ecole Centrale de Lille, 2012. English. ⟨NNT : 2012ECLI0024⟩. ⟨tel-00917657⟩
331 Consultations
823 Téléchargements

Partager

Gmail Facebook X LinkedIn More