Steven DAIX
cfd@extia.fr
Bureau d’Etudes CFD
Optimisation d’une calandre
2
Présentation du fonctionnement
Paramètre 1
Fichier
d’entrée
Application
Résultats 1
Fichier
de sortie
Résultats 2
Résult...
Dimension de la calandre = 0,5 m x 0,5 m
Modèle 3D aéraulique avec des parois lisses pour
obtenir l’effet isolé de la cala...
4
Objectifs de l’optimisation
1. Diminuer la perte de charge totale entre l’entrée et la sortie de la veine fluide.
2. Aug...
5
Définition de l’optimisation
Plusieurs fonctionnalités dans Dakota sont disponibles comme :
• L’optimisation (algorithme...
6
Résultats de l’optimisation
Voici ci-dessous le front de Pareto pour les deux objectifs recherchés après 140 itérations
...
7
Résultats de l’optimisation
Les 5 meilleurs jeux de paramètre sont présentés ci-dessous :
Sensibilité aux paramètres sur...
8
Présentation des résultats pour le cas n°127
Présentation des résultats pour le cas n°116
La dépression sur les deux ext...
Le bureau CFD (Computational Fluid Dynamics)
Notre activité
• CAO
• Maillage
• Simulation
• Analyse
• Optimisation
Notre b...
Steven DAIX
Référent technique CFD
01 81 89 31 12
sdaix@extia.fr
EXTIA PACA
Agence d’Aix-en-Provence :
+33 (0)4 42 53 46 5...
Prochain SlideShare
Chargement dans…5
×

Présentation extia optimisation_cfd

152 vues

Publié le

L'utilisation de l'optimisation dans la CFD permet de découvrir de nouveaux moyens pour trouver des design innovants. Voici une présentation d'un exemple d'utilisation sur une calandre d'un véhicule.

Publié dans : Sciences
0 commentaire
2 j’aime
Statistiques
Remarques
  • Soyez le premier à commenter

Aucun téléchargement
Vues
Nombre de vues
152
Sur SlideShare
0
Issues des intégrations
0
Intégrations
0
Actions
Partages
0
Téléchargements
3
Commentaires
0
J’aime
2
Intégrations 0
Aucune incorporation

Aucune remarque pour cette diapositive

Présentation extia optimisation_cfd

  1. 1. Steven DAIX cfd@extia.fr Bureau d’Etudes CFD Optimisation d’une calandre
  2. 2. 2 Présentation du fonctionnement Paramètre 1 Fichier d’entrée Application Résultats 1 Fichier de sortie Résultats 2 Résultats M Optimisation L’optimisation est réalisée par un code de calcul appelé Dakota spécialisé dans l’optimisation. Ce code libre gère le couplage avec un logiciel de CAO pour mettre à jour la géométrie mais aussi la réalisation du calcul sous un logiciel de CFD (Fluent, Star CCM+, OpenFoam,…). Pour ce cas, Star CCM+ a été utilisé. Paramètre 2 Paramètre n
  3. 3. Dimension de la calandre = 0,5 m x 0,5 m Modèle 3D aéraulique avec des parois lisses pour obtenir l’effet isolé de la calandre. La calandre est considérée perpendiculaire à la veine. Entrée veine : Mass flow inlet = 0,3 kg/s Sortie veine : Pressure outlet 3 Liste des paramètres à optimiser: • L2 = 0,044182 m • L1 = 0,010404 m • L3 = 0,01415 m • NB (nombre de répétition) = 7 Paramétrage d’un cas de référence : Liste des contraintes : • D1 = D2 • Les deux barres extérieures sont identiques • L4 est déterminée par la corrélation entre le nombre de répétition et la longueur L2 • Les extrema entre les barres extérieures et la barre centrale sont colinéaires (le fluide ne peut pas passer en ligne droite)
  4. 4. 4 Objectifs de l’optimisation 1. Diminuer la perte de charge totale entre l’entrée et la sortie de la veine fluide. 2. Augmenter l’uniformité de la vitesse au niveau d’un plan après le passage dans la calandre (l’uniformité de la vitesse est vérifiée par l’écart-type de la vitesse sur un plan) Les objectifs d’une optimisation peuvent être géométrique, physique, voir financier. Les objectifs peuvent être multiples. L’optimisation permet de balayer un nombre de cas important pour obtenir le meilleur jeu de paramètres pour répondre aux objectifs. Dans notre cas, il y a les deux objectifs suivants à améliorer par rapport au cas de référence: La perte de charge du cas de référence est de 21,6 Pa L’uniformité du cas de référence est 89,3% Le domaine de variation pour les différents paramètres sera le suivant :
  5. 5. 5 Définition de l’optimisation Plusieurs fonctionnalités dans Dakota sont disponibles comme : • L’optimisation (algorithmes à base de gradient, algorithmes génétiques, …) , • Les études paramétriques (plan d’expériences) : planification de simulations pour un ensemble de points de l’espace de conception • Les surfaces de réponse, modèles substituts (surrogate models) : définition de modèles approchés (e.g. surfaces de réponse polynomiales, réseaux de neurones, krigeage, moindres carrés) • L’analyse d’incertitudes : robustesse et fiabilité L’algorithme d’optimisation qui sera utilisé dans notre cas est appelé l’algorithme MOGA (Multi-Objective Genetic Algorithm) qui est un algorithme génétique. Cette algorithme permet d’obtenir une bonne estimation de la frontière de Pareto et permet également de trouver le minimum global malgré la présence de minima locaux. L’optimisation de deux objectifs contraires permets d’obtenir un ensemble de points optimum constituant les optimum de Pareto. la courbe correspondant à l’ensemble de ces points est la frontière de Pareto
  6. 6. 6 Résultats de l’optimisation Voici ci-dessous le front de Pareto pour les deux objectifs recherchés après 140 itérations Plus le résultat du calcul est proche du point (0;0) (en bas à gauche), plus le set de paramètres choisi améliore les objectifs. Il est intéressant de noter que dans ce cas les deux objectifs ne sont pas contraire. L’optimisation converge vers un seul groupe de points qui améliore simultanément les deux objectifs. 1 - % Objectifs 1 1-%Objectifs2
  7. 7. 7 Résultats de l’optimisation Les 5 meilleurs jeux de paramètre sont présentés ci-dessous : Sensibilité aux paramètres sur les objectifs : Il est intéressant de noter que pour les paramètres L1 (0,0116 et 0,0125 mm) et L3 (0,00659 et 0,0107 mm) deux zones distinctes de valeur ont été trouvées. Les 5 meilleurs jeux donnent des résultats similaires en termes de performance. La sensibilité aux paramètres rend visible la dépendance des résultats optimisés. Il est clairement visible que le nombre d’itération (10) et la longueur L2 (0,0262 mm) doit être aux valeurs calculées.
  8. 8. 8 Présentation des résultats pour le cas n°127 Présentation des résultats pour le cas n°116 La dépression sur les deux extrémités de la calandre est plus faible dans les deux cas et le profil de vitesse dans la calandre semble plus fluide que pour le cas initial. Les dépressions dans les interstices sont très diminuées pour les deux cas. Les gains de cette optimisation sont : • La différence de pression de la calandre est divisée par 2 • L’uniformité de la vitesse s’est améliorée en passant de 89,3% à 97%. Cas initial Pourcentage de gain entre la référence et le point de calcul
  9. 9. Le bureau CFD (Computational Fluid Dynamics) Notre activité • CAO • Maillage • Simulation • Analyse • Optimisation Notre bureau d’études CFD est spécialisé dans la simulation en mécanique des fluides et thermique. A partir des besoins établis par nos clients, nous réalisons l’intégralité de la simulation CFD afin de modéliser les principaux phénomènes physiques mis en jeu (rayonnement , convection...). Forfait clé en main : Capacité à développer une méthodologie et à apporter une expertise métier Expertise métier : Développement de solution technique et engagement sur des critères de performances Corrélation : Suivi des essais et comparaison avec les modèles numériques Modélisation et dimensionnement : Mise en place des modèles numériques et améliorations de l’existant Modélisation : Capacité à traiter des problématiques en s’appuyant sur une méthodologie numérique existante (méthodologie client) Modes d’engagement Domaines d’intervention et compétences • Thermohydraulique, Aérodynamique, Aéraulique • Thermodynamique (condensation, évaporation, ...) • Multi-espèces, milieux poreux, fluide non newtonien, • Particules, Diphasique (VOF) • Turbulence (RANS, LES, ...) • Rayonnement (S2S, Monte-Carlo, DOM ...) • Modélisation (nodale, volumes finis, UDF, modélisation VBA) • Application du cadre réglementaire et normatif (RCC-M…) • Rhéologie • Maillages (Tétraédrique, Hexaédrique, polyédrique, ...) • Maillages mobiles (Slidding mesh, MRF) • Aéroacoustique • Un socle minimum de 4 personnes dont 2 experts CFD • Pilotage des projets par nos experts • Stations 20 proc. 128Gb de RAM + accès à des serveurs 48 proc. • Grande variété d’outils software: • CFD: Ansys Fluent, CFX, Star CCM+, RadTherm • Maillage: ICEM, Gambit, Ansa, Ansys Meshing • Programmation : Matlab, VBA, Python, Dakota Nos moyens
  10. 10. Steven DAIX Référent technique CFD 01 81 89 31 12 sdaix@extia.fr EXTIA PACA Agence d’Aix-en-Provence : +33 (0)4 42 53 46 58 6 rue Mahatma Gandhi 13090 Aix-en-Provence EXTIA PACA Agence de Sophia-Antipolis : +33 (0)6 99 19 45 84 950 route des Colles, Les Templiers 06410 Sophia-Antipolis EXTIA Rhône-Alpes Agence de Lyon : +33 (0)4 81 65 13 60 129 rue Servient - Tour Part Dieu 69003 Lyon EXTIA Rhône-Alpes Agence de Grenoble: +33 (0)6 99 94 96 48 5 place Robert Schuman WTC, 38025 Grenoble EXTIA Ile-de-France +33 (0)1 46 99 91 91 1 avenue de la Cristallerie, Bât. A 92310 Sèvres EXTIA NORD Agence de Lille : +33 (0)6 46 99 91 91 104 Route Nationale 59800 Lille EXTIA Switzerland Agence de Lausanne: +33(0)7 62 73 36 68 Voie du Chariot 3 1003 Lausanne EXTIA Belgium Agence de Bruxelles : +32 (0)2 64 64 469 207 avenue Louise, 1050 Bruxelles EXTIA Romania Agence de Bucarest: +33 6.98.93.54.14 24 Strada Sevastopol, Etaj 1, Office 101, Bucuresti Mehdi KASSASSI Responsable technique CFD 01 81 89 11 53 mkassassi@extia.fr

×