Mécanique & Industries 4 (2003) 347–355

Un exemple de modélisation numérique en couplages multiphysiques :

analyse et optimisation du chauffage par induction

A numerical modeling example in multiphysics coupling:

analysis and optimization of induction heating processes
François Bay ∗ , Yann Favennec, Valérie Labbé
CEMEF, École des mines de Paris, BP 207, 06904 Sophia Antipolis cedex, France

Reçu le 28 avril 2003 ; accepté le 2 juin 2003

Résumé
Le procédé de chauffage par induction est un exemple typique de problème faisant intervenir des couplages multiphysiques
(électromagnétique, thermique et mécanique). Une optimisation efficace de ces procédés ne peut plus se passer aujourd’hui d’une approche
numérique.
Nous présentons dans un premier temps le modèle mathématique et les méthodes numériques développées, et tout particulièrement la
stratégie de couplage ultra-faible. Les résultats expérimentaux permettent de valider l’outil numérique développé dans notre laboratoire. Le
modèle a été parallélisé pour permettre des temps de calculs raisonnables. Une procédure d’analyse inverse permet d’identifier précisément
les données physiques des matériaux nécessaires pour la simulation numérique du procédé.
Le problème de l’optimisation de ces procédés est formulé comme la minimisation d’une fonctionnelle dépendante de champs de
température au cours du temps par le contrôle de variables électromagnétiques. La transposition du couplage ultra-faible—utilisé dans le
modèle direct—à la résolution du problème adjoint est précisée. Des exemples d’optimisation appliqués à des cas réels de chauffage par
induction montrent la fiabilité des algorithmes développés.
 2003 Éditions scientifiques et médicales Elsevier SAS. Tous droits réservés.
Abstract
Induction heating processes are typical of problems involving multiphysics coupling (electromagnetic, thermal and mechanical). Efficient
optimization of these processes now has to rely on a numerical approach.
We first provide here an overview of the mathematical model and the numerical methods which have been developed, and specifically the
ultra-weak coupling procedure; experimental results enable validation of the numerical tool developed in our laboratory. A parallel version
has been developed in order to reduce computational time costs. An inverse analysis procedure enables accurate identification of material
physical parameters necessary in order to run numerical simulation of the process.
The optimization problem has been formulated as the minimization of an objective function which depends on temperature evolution
through the control of some electromagnetic input parameters. Specific attention has been paid to the transposition of the direct ultra-
weak coupling strategy to the adjoint problem resolution. Examples of optimization tests applied on induction heating processes show the
applicability and robustness of developed algorithms.
 2003 Éditions scientifiques et médicales Elsevier SAS. Tous droits réservés.

Mots-clés : Couplage électromagnétique/thermique/mécanique ; Modélisation numérique ; Calcul parallèle ; Optimisation ; Problème adjoint

Keywords: Electromagnetics/heat transfer/solid mechanics coupling; Numerical modeling; Parallel computations; Optimization; Adjoint problems

* Auteur correspondant.
Adresse e-mail : francois.bay@ensmp.fr (F. Bay).

1296-2139/$ – see front matter  2003 Éditions scientifiques et médicales Elsevier SAS. Tous droits réservés.
doi:10.1016/S1296-2139(03)00085-X
348 F. Bay et al. / Mécanique & Industries 4 (2003) 347–355

1. Introduction – l’équation de la chaleur—pour modéliser l’évolution

thermique due à la puissance dissipée par les courants
La modélisation numérique de problèmes impliquant induits dans la pièce ;
des couplages multiphysiques constitue de nos jours un – les équations d’équilibre mécanique—pour accéder aux
domaine de recherche important. Une bonne compréhension champs de contraintes et de déformation dans la pièce.
des phénomènes impliqués nécessite de passer par une
modélisation physique et numérique des problèmes. 2.1. Le modèle électromagnétique
L’optimisation de la conception des procédés de chauf-
fage par induction relève de ce type d’approche. Les pro- Le problème électromagnétique se modélise à l’aide des
cédés de chauffage par induction constituent par nature un quatre équations de Maxwell classiques (avec l’approxima-
exemple de couplage multi-physiques (électromagnétisme– tion des régimes quasi-permanents), de la relation entre le
thermique–éventuellement mécanique et métallurgique). champ induction magnétique B et le champ magnétique H ,
Nous nous proposons ici de présenter un aperçu des tra- et de la loi d’Ohm.
vaux en modélisation numérique menés au Cemef dans le Pour une configuration axisymétrique, une combinaison
cadre d’un projet européen (HEATMASTER—projet ES- judicieuse des équations précédentes conduit, en utilisant
PRIT) que nous avons coordonné dans ce domaine. la composante orthoradiale Eθ du champ électrique comme
Ces travaux numériques font intervenir plusieurs do- inconnue du problème à :
maines d’étude :


∂Eθ 1 −−−→ Eθ ∂ 1 Eθ
σ − div grad Eθ + 2 −
– la modélisation numérique de domaines multi-matériaux ∂t µ µr ∂r µ r

(pièce à chauffer–inducteurs–air) ; ∂JS
– le calcul parallèle pour faire face à des temps calcul = − ∂t dans l’inducteur (1)
importants ; 0 ailleurs
– l’analyse inverse pour l’identification de paramètres où σ est la conductivité électrique, µ est la perméabilité
matériau ; magnétique, r est la distance à l’axe de symétrie et JS est
– le contrôle optimal pour l’optimisation des paramètres la densité de courant imposée dans l’inducteur.
procédé.
2.2. Le modèle thermique
Nous donnons ici des éléments sur ces différents aspects.
Rappelons que le chauffage par induction consiste à L’évolution de la température est essentiellement gou-
chauffer une pièce à l’aide de courants induits générés dans vernée par la puissance dissipée par les courants induits.
la pièce par une bobine entourant tout ou une partie de la L’équation de la chaleur s’écrit donc ici :
pièce [13].
∂T  
ρC 
− div k ∇T = σ E2, (2)
∂t
2. Le modèle mathématique où le terme source provient des puissances dissipées par effet
Joule.
Un modèle mathématique du chauffage par induction
intégrant les couplages mulitphysiques mentionnés doit 2.3. Le modèle mécanique
coupler :
Il est basé sur les équations d’équilibre :
– les équations de Maxwell—pour accéder aux courants div(σ ) + f = 0 (3)
induits dans la pièce ;
et sur la loi de comportement—ici thermo-élasto-plastique.
La déformation ε est la somme d’une déformation élastique,
plastique, et thermique :
ε = εel + εpl + εth . (4)
La fraction élastique εel est reliée au tenseur des contrain-
tes σ par la loi de Hooke :
1+ν ν
εijel = σij − σkk δij . (5)
E E
La déformation thermique εth s’exprime par
Fig. 1. Principe du chauffage par induction. εijth = α(T − T0 )δij , (6)
 F. Bay et al. / Mécanique & Industries 4 (2003) 347–355
où α représente le coefficient de dilatation thermique. La
loi d’écoulement plastique relie la vitesse de déformation
plastique au critère de plasticité :
∂f
ε̇pl = λ (σ ). (7)
∂σ
L’écrouissage pouvant être pris en compte par une loi
puissance :
σeq = σ0 = Ks ε̄n . (8)
3. Résolution numérique
La modélisation numérique de procédés thermo-électro-
magnétiques a connu un fort intérêt au cours des deux der-
nières décennies. La majeure partie des méthodes numé-
riques employées est la méthode des éléments finis [5] et
la méthode mixte éléments finis/éléments frontière [12]. Ces
deux types de méthode ont été comparées à des solutions
analytiques et ont montré leur efficacité dans la résolution
des problèmes couplés en électromagnétisme et thermique.
Les divers types de couplage que l’on rencontre dans la
littérature sont tous du type faible. En effet, la résolution
du problème électromagnétique est stationnaire et la réso-
lution du problème de transfert thermique est dépendant en
temps. Ces types de couplages sont très intéressant lorsque
l’on traite de matériaux non-magnétiques (aluminium, par
exemple) ou lorsque l’on traite de matériaux magnétiques à
comportement linéaire. Cependant, les procédés de chauf-
fage électromagnétique sont utilisés la plupart du temps sur
des aciers dont le comportement magnétique est fortement
non-linéaire. Alors, l’utilisation de l’approximation harmo-
nique, et donc la résolution du problème électromagnétique
stationnaire, consiste en une très forte approximation. C’est
la raison pour laquelle nous avons développé une stratégie de
couplage très spécifique aux procédés électro-thermiques : le
couplage ultra-faible [2].
3.1. Approximation en espace par éléments finis
Nous avons choisi de réaliser une approximation en
espace entièrement par éléments finis—en particulier pour
le couplage pièce-air ; une taille suffisamment large du
domaine air et des conditions aux limites de type Robin
permettent d’éviter les effets de bord. La discrétisation
s’appuie sur des éléments finis triangulaires P2. Le champ
électrique Eθ , est évalué sur tout le domaine, alors que les
champs de températures T et déplacements U sont évalués
uniquement sur la pièce. La semi-discrétisation spatiale par
éléments finis conduit donc au système matriciel suivant :
 nombre de pas de temps électromagnétiques nécessaire à la
 em  ∂E  
C (t) + K em E(t) = B em (t) , (9)
∂t

 th  ∂T  
C (t) + K th (t) T (t) = B th , (10)
∂t
 me 
K U (t) = B me . (11)
349
3.2. Approximation en temps par intégration numérique
Un certain nombre de modèles en chauffage par induction
utilisent une approximation harmonique, par exemple [5].
Cette hypothèse s’avère restrictive dans le cas de matériaux
fortement non linéaires. C’est pourquoi nous avons choisi
une approche d’intégration complète en temps pour le
modèle électromagnétique. Nous avons retenu un schéma
d’intégration à 2 pas de temps, et plus précisément un
schéma de type Dupont, qui est celui gérant le mieux les
« oscillations numériques artificielles ».
Le pas de temps δt pour la résolution du problème est en
général pris égal à une fraction de la plus petite période T
du signal d’entrée :
T
δt = , k ∈ N, k
5. (12)
2k
Le même schéma est utilisé pour l’intégration du pro-
blème thermique.
3.3. Prise en compte des non-linéarités ferromagnétiques
La perméabilité magnétique µ(H, T ) pouvant dépendre
de H , nous avons adopté une stratégie de type couplage
faible. Nous obtenons le champ de B par intégration numé-
rique de l’équation de Maxwell–Faraday :

 × E = − ∂ B ,
∇ (13)
∂t
et nous en déduisons le champ H à l’aide de la relation :
B = µH . (14)
Par la suite, nous utilisons au pas de temps suivant une
valeur réactualisée de µ(H, T ).
3.4. Le couplage numérique « ultra-faible »
électromagnétisme–thermique–mécanique
Cette stratégie [2,3] permet de traiter un des problèmes
essentiels de ce type de couplage : les échelles de temps
caractéristiques complètement différentes entre les phéno-
mènes :
– de l’ordre de 10−9 s à 10−2 s pour l’électromagnétisme
(en fonction de la fréquence) ;
– de l’ordre de la seconde pour la thermique.
Le calcul électromagnétique visant ici à fournir la meill-
eure estimation possible de la puissance dissipée par effet
Joule due aux courants induits, on choisit de simuler le
stabilisation de la puissance dissipée.
Les calculs thermiques sont ensuite menés avec des pas
beaucoup plus importants en utilisant la puissance dissipée
calculée.
Des calculs électromagnétiques ne sont à nouveau me-
nés que si les variations de températures ont été suffisam-
350 F. Bay et al. / Mécanique & Industries 4 (2003) 347–355

Fig. 2. Le cas traité (a) maillage éléments finis, (b) champ électrique, (c) températures et (d) champ des dilatations.

Fig. 3. Validation expérimentale.

ment importantes pour modifier notablement la perméabilité
magnétique ou la conductivité électrique. La puissance dis-
sipée est alors ré-estimée avant la reprise des calculs ther-
miques.
Cette stratégie de couplage ultra-faible s’est avérée effi-
cace. La convergence des calculs électromagnétiques prend
en général entre quatre et dix itérations en fonction du degré
de non-linéarité du problème.
Une étude numérique nous a montré qu’un seuil de va-
riation relative de 5 % des paramètres électromagnétiques
constitue un bon compromis pour avoir une précision accep-
table sans trop alourdir les calculs.
3.5. Un exemple de calcul—validation expérimentale
Le modèle a été validé sur le cas d’un matériau ferroma-
gnétique chauffé par un inducteur long. La Fig. 2 présente le
maillage et des résultats de calculs sur le cas traité.
Les deux courbes de la Fig. 3—évolutions des tempéra-
tures à cœur et en surface—montrent l’excellente comparai-
son entre résultats expérimentaux et numériques et a permis
de valider les calculs électromagnétiques et thermiques.
4. Accélération des calculs : utilisation d’une stratégie
de parallélisation
4.1. La stratégie de parallélisation
La stratégie éléments finis retenue se prête bien à une
parallélisation de type SPMD. La méthode retenue est
basée sur une stratégie de partitionnement de domaines.
Des programmes identiques tournent sur chacun des sous-
maillages partitionnés. Les conditions aux limites globales
s’appliquent sur les frontières extérieures. Chaque proces-
seur construit localement sa matrice et son second membre.
La solution globale est obtenue par utilisation du solveur ité-
ratif parallèle—ici un gradient conjugué préconditionné par
la diagonale. Un avantage de cette méthode est sa bonne ex-
tensibilité et sa simplicité d’implémentation du fait qu’elle
ne nécessite pas de méthodes de résolution parallèle spéci-
fique.
4.2. Un exemple de calcul parallèle
Les performances du solveur parallèle ont été testées sur
le cas d’un matériau chauffé par un inducteur court. La Fig. 4
 F. Bay et al. / Mécanique & Industries 4 (2003) 347–355 351

Fig. 4. Partitionnement du maillage initial et calcul parallèle sur quatre sous-maillages. Visualisation du champ électrique effectif—temps CPU/nombre de
processeurs pour trois maillages différents (maillage grossier, fin, très fin).

présente les isovaleurs dans le cas d’un partitionnement températures relevés en un nombre réduit de points sur la
en quatre sous-maillages et les réductions de temps calcul pièce. Le problème se ramène donc ici à :
en fonction du nombre de nœuds (2800, 20000 et 30000  
Trouver P = ᾱ, β̄, γ̄
exp
tel que Ticalc = Ti
nœuds).
∀i = 1, . . . , Nbpt. (16)
Les erreurs de modèle ou de mesures font que bien évi-
5. Analyse inverse pour l’identification des paramètres demment l’on n’a jamais l’égalité ci-dessus. On cherche
physiques donc à approcher au sens des moindres carrés cette égalité,
ce qui revient à minimiser la fonctionnelle J dont l’expres-
La modélisation numérique de tels couplages multi- sion est donnée ci-dessous :
physiques présente un intérêt non négligeable pour l’optimi-
  [Tiexp − Tical ]2
nbpt

sation et le contrôle des procédés. Cependant, il faut d’abord c
J Pk , T (Pk ), T exp
= exp . (17)
s’assurer que toutes les propriétés et tous les paramètres phy- i=1
[Ti ]2
siques soient connus finement afin que les résultats issus de Le problème d’identification peut donc s’écrire sous la
la simulation soient aussi proches que possible de la réalité. forme suivante :
Aussi, nous avons développé une méthode de type analyse     

 Trouver P tel que J M c P , M exp
inverse qui permet d’évaluer avec précision certaines des   
propriétés thermiques, électriques et magnétiques à partir de = min J M c (P ), M exp , (18)
 P ∈P
mesure de température [7]. 

ad

Nous donnons quelques éléments ici dans le cadre de Pad = P / himin  hi (P )  himax , i = 1, . . . , n .
l’identification de la perméabilité magnétique µ(T , H )— Nous résolvons le problème de minimisation précédent
grandeur extrêmement importante à connaître précisément à l’aide d’une méthode de type gradient. Cette méthode
jusqu’aux forts champs électromagnétiques et jusqu’à la itérative vise à approcher la solution P par des corrections
température critique de Curie (TC ∼ = 780 ◦ C). Rappelons tout successives α l δP l . Les directions de descente δP l sont
d’abord une formule analytique décrivant assez précisément déterminées en résolvant le système suivant :
son évolution :  s

 ∂Tic ∂Tic

 2 βi {δPk }
  α α|H | ∂Pj ∂Pk
µr |H |, T = 1 + − i=1
 s 
µ0 (β + |H |) µ0 (β + |H |)2   exp  ∂Ti
c

γ + βi Ti − Ti
c
=0
T ∂Pj
× 1− (15) i=1
TC
∀j = 1, . . . , nbpar (19)
où α, β et γ sont les paramètres de Frölich à déterminer. qui consiste en fait à annuler l’approximation du gradient de
Pour ce faire, nous avons mis au point une procédure J en P l+1 donnée par :
d’identification de cette loi de comportement, basée sur      
∇J P l+1 ∼ = ∇J P l + ∇ 2 J P l δP l = 0 (20)
l’analyse d’un essai de chauffage par induction. Cet essai est
modélisé par le modèle direct éléments finis, fiable et validé où la dérivée seconde de J en P l+1 est approchée par
comme présenté précédemment, couplé à un outil d’analyse le produit des dérivées premières (méthode de Gauss–
inverse. Les seuls observables utilisés par cet essai sont des Newton). Le pas de descente α l est lui déterminé par un
352 F. Bay et al. / Mécanique & Industries 4 (2003) 347–355

Fig. 5. Évolutions de températures et sensibilité par rapport aux 3 paramètres à identifier.

algorithme de recherche linéaire à interpolation parabolique procédé, et T (r, t; u) les températures à la localisation r, au
dans la direction δP l temps t et pour le jeu de paramètres u.
Nous rappelons ici la discrétisation temporelle des deux
P l+1 = P l + α l δP l . (21)
problèmes discrets directs électromagnétique et thermique
L’algorithme est mené jusqu’à convergence. Par ailleurs, [8] :
une stratégie de découplage entre le calcul du paramètre γ —  e n n
R (E , u ) = 0 ∀n = 1, . . . , N
sensibilité par rapport à la température—et les paramètres ∀k = 1, . . . , K (22)
α et β—a été mise en place. Les paramètres α et β sont 2k , T k ) = 0
R t (E
d’abord identifiés à l’aide des seuls points correspondant aux
où l’indice n est lié au schéma d’intégration relatif au
basses températures, et le paramètre γ est ensuite identifié à
problème électromagnétique R e , l’indice k est lié au schéma
l’aide des points à température plus élevée.
d’intégration relatif au problème thermique R t , E est le
champ électrique, T est le champ de température, u est
le jeu de contrôle et E  est le champ efficace calculé sur
6. Optimisation des paramètres procédé
une période électromagnétique complète pour l’incrément
thermique courant k.
L’optimisation et le contrôle des procédés thermo-électro-
La fonction objectif qui doit être minimisée s’appuie sur
magnétiques présente un intérêt grandissant ces dernières
une relation de type moindres carrés entre les températures
années. Concernant les méthodes numériques employées,
calculées T (r, t; u) et les températures optimales T opt (r, t).
nous trouvons les algorithmes d’ordre zéro [1], et les mé-
De plus, cette fonctionnelle doit pouvoir n’être intégrée qu’à
thodes de type gradient à différentiation directe [11] ainsi
des temps prédéfinis t k , k = 1, . . . , K, 0  t k  tf , et sur
que la différentiation par la méthode adjointe [4]. Nous pré-
des domaines spaciaux variant au cours du temps Ω opt(t k ) ⊂
sentons ici la résolution du problème d’optimisation lorsque
Ωpart . Finalement, la fonctionnelle discrète s’écrit de ma-
les deux problèmes électromagnétique et thermique sont ins-
nière générale :
tationnaires et couplés de manière ultra-faible afin d’obtenir
à la fois une grande précision dans les résolutions fortement
1 
K nb elt nb int
non-linéaires et pour un temps de calcul relativement raison-   
nable. J (u) = T rint , t k ; u
2
k=1 elt=1 int=1
if int∈Ω opt (t k )  2
6.1. Formulation du problème d’optimisation − T opt rint , t k ωint ξint ,

La modélisation directe des procédés de chauffage par (23)

induction telle que présentée précédemment consiste en
où ωint est le poids associé au point d’intégration int, et
un couplage entre les phénomènes électromagnétique, ther-
ξint est le poids binaire associé au temps t k . Ce dernier
mique et mécanique. Nous ne nous intéresserons ici qu’aux
poids vaut 0 ou 1 suivant que la fonctionnelle J est ou
deux premiers phénomènes physiques. Il s’agira alors de
n’est pas intégrée à cet instant. Finalement, le problème
déterminer le jeu optimal de paramètres procédés électro-
magnétiques (fréquence f , amplitude de la densité de cou- d’optimisation consiste à déterminer les contrôles u qui
rant J0 et éventuellement vitesse relative de l’inducteur par minimisent la fonctionnelle sous les contraintes R e (E, u) =
rapport au matériau à chauffer v) afin que les températures 0 and R t (E, T ) = 0 :
dans le matériau soient aussi proches que possible d’un
Trouver ū tel que J (ū) = min J (u). (24)
chemin temporel et spatial de température désiré. Notons R e (E,u)=0,
u = {(f, J0 , v) ∈ + × + × + } le vecteur des paramètres R t (E,T )=0
 F. Bay et al. / Mécanique & Industries 4 (2003) 347–355 353


6.2. Résolution du problème d’optimisation : le problème ∂J  k 
t
adjoint ∂T i
 nb elt

  
nb int
  

 T rint , t k ; u
Une large variété de méthodes existent pour la résolution 


 elt=1 int=1
du problème (24). Une étude comparative sur toutes ces
if int∈Ω opt (t k )
méthodes pour la résolution de (24) montre qu’une méthode =   (30)

 − T opt rint , t k ωint Ni
de type gradient passant par la résolution du problème 



adjoint discret représente le meilleur rapport qualité de la  si ξk = 1

convergence/temps CPU [6]. La formulation du problème 0 sinon
adjoint et du gradient de la fonctionnelle peut être obtenue à où les fonctions de base Ni sont définis dans Bay et al. [3].
partir de la dérivation du lagrangien L : Enfin, la composante de chargement impliquée dans la
  première relation de (28) s’écrit naturellement au nœud i :
L(u, E, T , λ, µ) = J (u) + R e (E, u), λ Ω e ×[t ,t ] 
0 f

nb elt 
 t  ∂B t
+ R (E, T ), µ Ω t ×[t ,t ] (25) µ = 2σ EµNi dr (31)
0 f ∂E i elt=1 elt
où λ et µ sont les variables adjointes associés aux problèmes
où σ est la conductivité électrique du matériau. Dû au
directs discrets et au lagrangien, et où ·,· est le produit
changement de signe dans (28), le problème adjoint doit être
scalaire usuel intégré sur tout le temps [t0 , tf ]. On peut
intégré dans le sens rétrograde par rapport à la résolution
montrer que le gradient de la fonction objectif s’écrit (26)
du problème direct. Mais, en posant la nouvelle variable
à condition que les variables adjointes vérifient le problème
temporelle τ = tf − t, le problème adjoint peut être résolu
adjoint (27) :
de manière directe entre τ = 0 et tf avec la discrétisation
temporelle qui suit τn = tf −nδt. En plus, afin que le modèle
∂L
J  (u) =(u, E, T , λ, µ) adjoint soit en parfaite cohérence avec le modèle direct
∂u   associé, la stratégie de couplage ultra-faible et les schémas
∂J ∂R e d’intégration temporelle doivent être transposés au problème
= + λ, , (26)
∂u ∂u Ω×[t0 ,tf ] adjoint. En condensant le problème adjoint par l’écriture

e ∗
t ∗ formelle R µ (T , µ) = 0 et R λ (E, T , µ, λ) = 0, la stratégie

 ∂R ∂R

 ∂E λ + ∂E µ = 0, de couplage ultra-faible sur l’adjoint s’écrit

t ∗ (27)   

 ∂R ∂J  µ
R T
K−k , µK−k = 0

 µ+ = 0,  
∂T ∂T ∀k = 1, . . . , K R λ E N−n , T K−k , µK−k , λN−n = 0 (32)


∀n = 1, . . . , N.
où (·)∗ est le transposé de l’opérateur (·).
6.4. Le gradient de la fonctionnelle
6.3. Le problème adjoint
Le gradient de la fonctionnelle donnée par (26) néces-
Le problème adjoint consiste à trouver λ = λ(r, t), µ = site le calcul du produit scalaire entre la variable adjointe
µ(r, t) qui satisfont (28) avec la condition initiale définie à λ donnée par la résolution du problème adjoint détaillée
l’instant terminal tf (29) : dans la section précédente et le vecteur dérivé du problème
électromagnétique direct par rapport aux contrôles. Le pro-

 ∂λ ∂B t blème électromagnétique R e étant continu par rapport à la

 −C e + K eλ + µ=0
∂t ∂E fréquence et à la densité de courant, il s’agira de dériver
∀t ∈ [t0 , tf ], (28)

 ∂µ ∂J analytiquement le problème discret direct. Par contre, le dé-
 −C t + Kt µ + =0 placement relatif de l’inducteur par rapport à la pièce étant
∂t ∂T
modélisé par une évolution quasi-continue des propriétés
 e
 C λ(tf ) = 0 physiques et des variables source entre l’air et l’inducteur
∂J (29) et vice-versa, il s’agira de calculer l’opérateur ∂R e /∂v de
 C t µ(tf ) + (tf ) = 0 manière semi-analytique avec un coefficient de perturbation
∂T
tel que les différences d’espace entre les localisations d’in-
où les opérateurs C e , C t , K e , K t et B t sont définis dans Bay ducteur perturbées et non perturbées représentent quelques
et al. [3]. Par définition de la fonctionnelle (23), sa dérivation points d’intégration [8]. La variable adjointe λ n’étant cal-
par rapport à la variable température s’écrit au nœud i et au culée que sur une période électromagnétique par intervalle
temps t k : thermique, le gradient de la fontionenelle s’écrit, avec le
354 F. Bay et al. / Mécanique & Industries 4 (2003) 347–355

scalaire χ défini comme le ratio entre l’intervalle thermique extérieur. Ces larges dimensions ont nécessité de résoudre
|t k − t k−1 | et la période électromagnétique τ : les problèmes direct et adjoint sur un calculateur parallèle.
K t
  La méthode SPMD a été retenue [9]. Le nettoyage organique
 ∂R e est effectué en chauffant la matière le plus homogènement
J (u) = χ λ, ,
k=1
∂f Ω×[t k−1 ,t k−1 +τ ] possible à à peut près 300 ◦ C après 40 s. L’objectif de ce
  test d’optimisation est la détermination des 10 densités de
∂R e
λ, , courant dans les 10 inducteurs entourant la bouteille de
∂J0 Ω×[t k−1 ,t k−1 +τ ]
   gaz. Formellement, le problème d’optimisation consiste à
∂R e minimiser J (u) défini en (34) :
λ, . (33) 
∂v Ω×[t k−1 ,t k−1 +τ ]  2
J (u) = T (r, tf ; u) − T opt (r, tf ) dω
6.5. Un exemple numérique d’optimisation Ω opt
où :
Le test d’optimisation que nous présentons concerne le  
J0i , i = 1, . . . , 10 ∈ + ,
10
nettoyage organique de surface d’une bouteille de gaz haute u= tf = 40 s,
(34)
pression de 850 mm de hauteur et de 150 mm de rayon T opt
(r, tf ) = 573 K, Ω opt
≡ bouteille.

Fig. 6. Évolution des densités de courant dans les inducteurs et de la fonction objectif au cours des itérations. Notons que le problème adjoint n’a été résolu
que 5 fois, et que les pics correspondent à l’utilisation d’un algorithme de recherche linéaire.

Fig. 7. Carte de température obtenue pour le jeu de densité de courant dans les 10 inducteurs. Ce test a nécessité un maillage de 70 000 nœuds et a été résolu
sur 4 bi-processeurs III de 1 GHz et 512 Mo de RAM. Le test d’optimisation a nécessité moins de 5 jours.
 F. Bay et al. / Mécanique & Industries 4 (2003) 347–355
On présente sur la Fig. 1 les évolutions des 10 densités
de courant ainsi que de la fonctionnelle en fonction des
itérations de l’algorithme global d’optimisation (méthode de
gradient conjugué). Ce test d’optimisation est extrêmement
sévère car les valeurs initiales des densités de courant ont
été choisies, de bas en haut respectivement : 109 , 2 × 109 ,
. . . , 1010 A/m2 . Seulement 35 itérations globales ont été
nécessaire pour diminué la fonction objectif d’un facteur
supérieur à 60. On note de plus que la carte de température
présentée Fig. 2 obtenue avec le jeu optimal de paramètres
est très proche de la carte optimale de température.
7. Conclusion
Un modèle complet couplant électromagnétisme, ther-
mique et mécanique a été mis au point pour traiter le pro-
cédé de chauffage par induction pour le cas général de maté-
riaux ferromagnétiques. L’outil numérique développé dans
ce but a été parallélisé afin de permettre le traitement de
cas de taille importante—en particulier pour des applications
hautes fréquences.
Cet outil a également été couplé à des outils d’analyse
inverse et d’optimisation pour :
– l’identification de paramètres magnétiques [7] ;
– l’optimisation de paramètres procédé pour le chauffage
par induction [8].
Un modèle complet d’optimisation couplant les phéno-
mènes électromagnétiques et de transferts thermiques a été
présenté. Ce modèle, de type gradient conjugué basé sur un
couplage que nous avons appelé ultra-faible entre les deux
problèmes fortement non-linéaires dépendants en temps. Ce
modèle a la caractéristique de pouvoir traiter de matériaux
magnétiques dont le comportement est non-linéaires et ré-
soudre en même temps des problèmes d’optimisation quel-
conques à faible coût CPU (faible nombre d’itérations).
Pour l’instant, tous les paramètres procédés sont constants
qu cours du temps. Une extension directe de la méthode
adjointe proposée consistera à trouver des paramètres pro-
cédé dépendants du temps pour pouvoir s’approcher plus en-
core de chemins optimaux de températures. D’un point de
vue algorithmique, peu de développements doivent être ef-
fectués puisque seuls les domaines temporels doivent être
modifiés dans (26) et donc (33). Cependant, ceci peut im-
pliquer une infinité de solutions optimales, et tout spécia-
lement lorsque la fonctionnelle n’est définie qu’à l’instant
355
terminal. Il s’agira alors d’augmenter la fonctionnelle (et
donc le lagrangien) par des contraintes d’inégalité sur les
paramètres procédé avec éventuellement un terme supplé-
mentaire lié aux évolutions temporelles des paramètres de
contrôle comme il a été fait pour le contrôle optimal du
chauffage par ultrasons [10]. Les prochains développements
concernent maintenant :
– la prise en compte des aspects métallurgiques ;
– l’extension des stratégies précédentes à une modélisa-
tion 3-D du procédé.
Références
[1] M. Battistetti, P. Di Barba, F. Dughiero, M. Farina, A. Lupi, Multiob-
jective design optimisation of an inductor for surface hardening: an in-
novative approach, in : 9th IEEE Conf. on Electromagnetic Field Com-
putation, Milwaukee, USA, 2000.
[2] F. Bay, V. Labbé, Y. Favennec, J.L. Chenot, A numerical model for
induction heating processes coupling electromagnetism and thermo-
mechanics, Int. J. Numer. Methods Eng. (2003), à paraître.
[3] F. Bay, Y. Favennec, V. Labbé, Un exemple de couplage électro-
magnétique–thermique–mécanique : la modélisation numérique du
chaufage par induction, in : 16ème Congrès français de Mécanique,
Nice, France, 2003.
[4] O. Bodart, A.V. Boureau, R. Touzani, Numerical investigation of opti-
mal control of induction heating processes, Appl. Math. Modeling 25
(2001) 697–712.
[5] C. Chaboudez, S. Clain, R. Glardon, D. Mari, J. Rappaz, M. Swier-
kosz, Numerical modeling in induction heating for asymmetric geo-
metries, IEEE Trans. Magn. 33 (1) (1997) 735–745.
[6] Y. Favennec, Modélisation numérique en chauffage par induction –
Analyse inverse et optimisation, Thèse de doctorat, École des Mines
de Paris, 2002a.
[7] Y. Favennec, V. Labbé, Y. Tillier, F. Bay, Identification of magnetic
parameters through inverse analysis coupled with finite element
modeling, IEEE Trans. Magn. 38 (6) (2002) 3607–3619.
[8] Y. Favennec, V. Labbé, F. Bay, Induction heating processes
optimization—a general optimal control approach, J. Comput.
Phys. 187 (1) (2003) 68–94.
[9] V. Labbé, Y. Favennec, F. Bay, Numerical modeling of heat treatment
and induction heating processes using a SPMD parallel computational
method, Eng. Comp. (2003), à paraître.
[10] M. Malinen, T. Huttunen, J.P. Kaipio, Optimal control for the ultra-
sound induced heating of a tumor, in : 4th International Conference on
Inverse Problems in Engineering, Rio de Janeiro, Brésil, 2002.
[11] T. Pham, SR.H. Hooles, Unconstrained optimization of coupled
magneto-thermal problems, IEEE Trans. Magn. 31 (3) (1995) 1988–
1991.
[12] S.J. Salon, J.M. Schneider, A hybrid finite element–boundary integral
formulation for eddy current problem, IEEE Trans. Magn. MAG-18
(1982) 461–466.
[13] E.J. Davies, Conduction and Induction Heating, P. Peregrinus Ltd,
1990.