Académique Documents
Professionnel Documents
Culture Documents
L’optimisation est un passage obligatoire dans tous les domaines tels que :
l’industrie, l’économie, la recherche scientifique, l’aérospatiale… C’est la
recherche des compromis entre un besoin et plusieurs contraintes : entre
la résistance et le poids, entre les coûts, les ressources et les temps de
production par exemple. De très nombreuses techniques se sont
développées au cours du siècle dernier.
Page |1
Chapitre I :
DEFINITION GENERALE DU
PROBLEME
Le concept clé des composites est l’assemblage d'au moins deux matériaux
de base différents non miscibles. On obtient un matériau hétérogène. Un
matériau seul n’a pas de bonnes qualités mais qui, une fois uni à un ou
plusieurs autres matériaux, acquiert d’excellentes propriétés (l’union fait
la force). La matrice et les fibres sont des composants du matériau
composite. Dans un stratifié, les fibres sont agencées en couches fines
(quelques dixièmes de millimètre) nommées plis, Au sein d'un pli, les
renforts peuvent avoir n'importe quel type de disposition, pourvu qu'elle
soit plane :
Soit l'un des tissus plans décrits ci-dessus (figure 11a), ce qui donne
un comportement plus ou moins anisotrope selon la proportion de
fils dans les deux directions ;
Soit un mat : les fibres sont disposées « en vrac » sans orientation
privilégiée sur quelques couches (figure 11b), ce qui donne un
comportement quasi-isotrope dans le plan ;
Soit un tissu unidirectionnel : les fibres sont disposées parallèlement
les unes aux autres sur quelques couches (figure 11c) et uniquement
maintenues dans cette disposition par quelques fils de trame, ce qui
donne un comportement fortement anisotrope.
Figure 2: Dispositions possibles des fibres dans un pli :
(a) tissu plan (ici non équilibré) (b) mat (c) unidirectionnel
Page |6
Chapitre II :
FORMULATION DU PROBLEME
D’OPTIMISATION
2. Equations de bases :
Envisager une plaque composite stratifié d'une épaisseur uniforme h,
ayant un plan rectangulaire un b comme indiqué à la Figure 1. Les couches
individuelles sont supposées être homogènes
Page |8
y 2
y 1
z
b Mx x
Nx
z
My
x
h/2 x
Ny h/2
( )[ ]( )
σ1 Q11 Q12 0 ε
σ 2 = Q 12 Q22 0 ε
τ 12 0 0 Q66 γ 12
E1 E2
Q11 = Q22=
1−v 12 v 21 1−v12 v 21
v 12 E2
Q12= Q =G12
1−v12 v 21 66
Changement de repère :
la relation de transformation de contraintes, dans ces états on a :
() ()
σ1 σx
σ 2 =[ T ] σ y
τ 12 τ xy
( )[ ]( )
σx q 11 q12 q16 ε x
σy = q12 q22 q26 ε y
τ xy q16 q26 q66 γ xy
[ ]
1 0 0
0 1 0
Avec [q]=[T]-1 [Q] 0 0 2 [T]
Les paramètres de Tsai et Pagano :
P a g e | 10
On a :
Avec
min ¿ ¿
ξ 2−1 ≤ 0
ξ ²1−ξ 2−1 ≤ 0
π
θ k− ≤ 0
2
; θ k: Orientation de la couche k
P a g e | 12
E y ≥ 0; E y: Module d’élasticité de la matrice suivant la direction y
m m
m
E y −β ≥ 0
m
G xy −γ ≥0 ; Gmxy: Module de cisaillement de la matrice dans le plan xy
m
υ xy −υ ≤ 0 ;υ mxy : Coefficient de poisson de la matrice dans le plan xy
ξ 1−1 ≤ 0
ξ 1 +1≥ 0
ξ 2−1 ≤ 0
ξ ²1−ξ 2−1 ≤ 0
ξ ²1−ξ 2−1 ≤ 0
la direction
3. Méthodes proposées :
Ces méthodes généralement d’ordre zéro sont utilisées pour trouver une
solution approchée de l’optimum global dans le cas fortement multimodal
P a g e | 14
et à grand nombre de variables. Elles sont adaptées aux problèmes
combinatoires comme aux problèmes non linéaires définis sur des espaces
continus, discrets ou mixtes avec ou sans contraintes.
1. Recuit simulé :
Cette méthode très populaires ces dernières années a permis de résoudre
des problèmes très complexes comparé aux méthodes déterministes qui
sont rapidement piégées dans des minimas locaux, elle s’inspire de la
thermodynamique.
2. Nelder Mead :
Cette méthode est un algorithme d’optimisation non linéaire, c’est une
méthode numérique qui cherche à minimiser une fonction continue dans
un espace à plusieurs dimensions.
L’algorithme exploite le concept de ‘’simplexe’’ qui est un poly tope de n+1
sommets dans un espace à n dimensions partant initialement d’un tel
simplexe celui-ci subit des transformations simples au cours des itérations,
il se déforme, se déplace, se réduit progressivement. Jusqu’à ce que ses
sommets se rapprochent d’un point ou la fonction est localement
minimale.
P a g e | 16
Chapitre III :
IMPLEMENTATION ET
RESULTATS
1. Implémentation de la méthode choisie
(pso) :
1. Développement de la méthode :
Nous avons choisi à implémenter cette méthode (PSO) sous MATLAB avec
des modifications par rapport à l’algorithme de base en effectuant une
limitation du domaine, et une vérification des contraintes .si ces dernières
ne sont pas vérifiées on refait le calcul dans le domaine jusqu’à l’obtention
d’une valeur qui vérifie les contraintes.
P a g e | 18
2. Matériaux choisis :
Les fibres :
Le matériau choisi pour les fibre est l’aluminium des caractéristiques
mécaniques suivantes :
La matrice :
3. Visualisation graphique
Notre fonction objective est à deux variables X 1, X2. Le résultat obtenu est
représenté sur les figures ci-dessous.
Fig.III.1.représentation en 3D.
P a g e | 20
On remarque que la solution n’est pas vraiment un minimum de la
fonction cela est du aux contrainte du problème pour permettre à la
solution d’avoir un sens physiquement.
Pour mieux voir la contrainte du problème et son effet sur l’obtention
du point optimale, dans ce qui suit on va représenter la fonction objective
dans le plan (X1,X2) avec le trace de la courbe de la contrainte
ξ ²1−ξ 2−1 ≤ 0
Fig.III.3.
2. Résultats et discussions :
I. Résultats obtenus :
P a g e | 22
II. Discussion des résultats
P a g e | 24
SOMMAIRE
Introduction générale ……………………..…...……………………………...….01