mÉthodologies et outils d’optimisation en...
TRANSCRIPT
1er Avril, ENSAM Paris, FranceSEEDS / SEE / CNRS Optimisation en Génie Electrique, G. REMY
LGEP Laboratoire de Génie Electrique de Paris / SPEE-Labs,CNRS UMR 8507, Supelec, Universités Paris VI et Paris XI.
Plateau de Moulon 91192 Gif sur Yvette cedex.
Approches de conception et d'optimisation desystèmes mécatroniques pour l’automobile
Ghislain REMY
1
MÉTHODOLOGIES ET OUTILSD’OPTIMISATION EN GÉNIE
ÉLECTRIQUE
1er Avril, ENSAM Paris, FranceSEEDS / SEE / CNRS Optimisation en Génie Electrique, G. REMY
Approches de conception et d'optimisation de systèmes mécatroniques pour l’automobile
2
Partenaires Industriels :
Renault : B. Iizuka, P. BastardValéo CEE et VSS : J.F. Bisson,
D. Barbier, F. Gehin Dassault-Système : S. Cannou,
N. Puiroux, D. MarsonSherpa : S. ChavanneDPS : C. Baroux L. GeslinEIRIS : F. Caron
Partenaires Académiques :
ENSEA : S.A. Raka, C. CombastelESTACA : K. Ejjabraoui, C. Larouci,B. Barbedette, R. Sehab, P. Cuvelier, F. CardonG-Scop : J. Bigeon; K. Hadj-hamou,LGEP : M. Kamali-Nejad, G. Remy,C. Marchand, Supelec : P. LefrancSupméca : F. M’henni, J.Y. Choley
L’équipe du projet O2M comporte environ 30 personnes :
1er Avril, ENSAM Paris, FranceSEEDS / SEE / CNRS Optimisation en Génie Electrique, G. REMY
Sommaire
I Contexte du projet O2M / WP2-SP3 (MOV’EO)
II Système mécatronique pour l’automobile
III Approches de conception
IV Approches d’optimisation
V Conclusion
3
1er Avril, ENSAM Paris, FranceSEEDS / SEE / CNRS Optimisation en Génie Electrique, G. REMY
Résumé du projet O2M
O2M : Outils de Modélisation et de conception Mécatronique
Nouvelle génération d'outils pour supporter le processusde conception dela mécatronique.
Budget global : 27,9 M€
(dont 10,6 M€de financements publics)
La phase 2 est lancée depuis septembre 2009 pour 18 mois
4
1er Avril, ENSAM Paris, FranceSEEDS / SEE / CNRS Optimisation en Génie Electrique, G. REMY
Résumé du projet O2M SP3 Prédim
Le projet est planifié en deux phases successives: Phase 1: formalisation des processus et spécifications de
besoins, faisabilités, maquettage sur la base de scénarios métier. A partir de l’analyse détaillée de scénarios de conception de
produits mécatroniques issus de l'industrie, la phase 1 a permis d'identifier les difficultés rencontrées par nos ingénieurs et de proposer des nouvelles solutions pour les résoudre.
Phase 2: spécifications détaillées et mise à disposition progressive de la plate-forme de modélisation de produits mécatroniques. La phase 2 permettra de réaliser des prototypes afin de valider
ces solutions proposées. Elle veillera aussi à associer les PME futures utilisatrices pour valider l’adéquation de la plate-forme logicielle à leur besoins.
La phase 2 est lancée depuis septembre 2009 pour 18 mois5
1er Avril, ENSAM Paris, FranceSEEDS / SEE / CNRS Optimisation en Génie Electrique, G. REMY
Principales retombées attendues:
Sur un marché de 70 milliards d’Euros que représente la mécatronique automobile aujourd’hui, les enjeux sont les suivants: Augmenter de 30 à 50% l’efficacité de nos ingénieurs Accroître la qualité des produits complexes d’un facteur 5 à 10 Innover plus et plus vite, en accélérant le processus de
conception et de simulation
Pour l'édition logicielle, l’enjeu est de se positionner en tant que leader sur un marché qui présente un potentiel de 20 milliards d’euros sous 10 ans. C’est aussi l'opportunité d’associer les éditeurs de solutions spécialisées pour leur permettre d’accéder aux marchés des grands éditeurs de solution PLM via des solutions intégrées, mais ouvertes.
6
1er Avril, ENSAM Paris, FranceSEEDS / SEE / CNRS Optimisation en Génie Electrique, G. REMY
Fonction Innovante : Cas d’étude Phase 1 :
7
Système Mécatronique pour l' Automobile
HayonMotorisé
1er Avril, ENSAM Paris, FranceSEEDS / SEE / CNRS Optimisation en Génie Electrique, G. REMY
Partie Electrique : 2 Moteurs à courant continu 2 Hacheurs 4 quadrants 2 Filtres LC
Partie Commande : 2 Correcteurs PI en courant 1 Correcteur PID sur la position angulaire 1 Capteur de position angulaire
Partie Mécanique : 2 vérin mécanique avec réducteurs vis-écrou à billes Transmission Mécanique (rotule, ressort, pivot…)
Composants et domaines physiques
8
Mécanique
Electrique
Informatique
Mécatronique
1er Avril, ENSAM Paris, FranceSEEDS / SEE / CNRS Optimisation en Génie Electrique, G. REMY
Système Multi-domaine
9
HayonMotorisé
1er Avril, ENSAM Paris, FranceSEEDS / SEE / CNRS Optimisation en Génie Electrique, G. REMY
Cas d’étude Phase 2 : Powertrain de voiture électrique
10
Analog ControlW03
D03
F13 F23
NE19 NE20
NE21 NE22
NE25
GRnP ui_ref ui_refL ui GRiP uctrl
I
GRnI
350.385
P4.67
10 -10
LIMITER-7.57.5
EXT
ui_act
ia"DcmpMotor"0.2
NEG
NEG2
IGRiI
45.446-1010
P0.168
Digital Control
ElectromécaniqueVibration & acoustique
NCDCVehicle
Inverter
Electroniquede puissance
CEMVibration
HydraulicThermal
Power module Electrical motor
Water cooling
Projet MENKAR
Harness
1er Avril, ENSAM Paris, FranceSEEDS / SEE / CNRS Optimisation en Génie Electrique, G. REMY
Approches de conception
11
Approche Multi-domaine ? Conception Collaborative
Problèmes avec les méthodes traditionnelles
1er Avril, ENSAM Paris, FranceSEEDS / SEE / CNRS Optimisation en Génie Electrique, G. REMY
Une solution est l’approche “Model-based design”
12
1er Avril, ENSAM Paris, FranceSEEDS / SEE / CNRS Optimisation en Génie Electrique, G. REMY
Un exemple d’évaluation: Simplorer 1/2
13
1er Avril, ENSAM Paris, FranceSEEDS / SEE / CNRS Optimisation en Génie Electrique, G. REMY
Un exemple d’évaluation: Simplorer 2/2
14
1er Avril, ENSAM Paris, FranceSEEDS / SEE / CNRS Optimisation en Génie Electrique, G. REMY
Results Overview
15
0,00,51,01,52,02,53,03,54,04,55,0
20SIMSaberSimplorerAMESimMatlab_SimulinkDymolaExcelMaplePro_designeCADENCEPsPiceComsolFluxMaxwellFlothermCATIAAdamsLMSANSYSSolidWorksIDEASNASTRAN
Data Management
Solving Techniques
Simplicity of use, Transparency, Training need
Domains of Physics and Model Relevance,
Possible Coupling, Model Library
External Links
Matlab-Simulink,Dymola,
Simplorer,AMESim
1er Avril, ENSAM Paris, FranceSEEDS / SEE / CNRS Optimisation en Génie Electrique, G. REMY
Weighted Global Evaluation of each software
16
0,0
0,5
1,0
1,5
2,0
2,5
3,0
3,5
4,0
0D, 1D Tools
2D, 3D Tools
Matlab-Simulink,Dymola,
Simplorer,AMESim
1er Avril, ENSAM Paris, FranceSEEDS / SEE / CNRS Optimisation en Génie Electrique, G. REMY
Somes Comparisons
Advantages Multi-tasking (Simulink) Errors Identification Use of Electrical and
mechanical Library Causality management Check of Units Homogeneity
(Simscape, Dymola) 3D View, easy 3D referencing
(Dymola, Simscape) Library with multi-level models
(Simple or Advanced Models) (AMESim)
Discrete Models (VHDL-AMS) User-friendly IHM (Dymola,
AMESim)
Drawbacks Algebric loops Complex Parametrisation of
some models Components may slow down
simulation Complex modeling of
backlash, bumper, friction Hard modeling of close
mechanical chain No model of flexible body Bad memory management Advanced user only
17
1er Avril, ENSAM Paris, FranceSEEDS / SEE / CNRS Optimisation en Génie Electrique, G. REMY
Quel niveau de modélisation pour l’optimisation ?
Block Choice
Level A
Level B
Level C
ModèlesHacheur 4Q
1er Avril, ENSAM Paris, FranceSEEDS / SEE / CNRS Optimisation en Génie Electrique, G. REMY
Procédure standard de conception de modèles
Buts/objectifs du modèle
Définition du système
Choix de la finesse de modélisation
Choix d’un formalisme et écriture des équations
Implémentation
Détermination et paramétragedu solveur recommande
+ Documentations de : Conception, Utilisation, Paramétrage, Validation
19
1er Avril, ENSAM Paris, FranceSEEDS / SEE / CNRS Optimisation en Génie Electrique, G. REMY
Approche d’optimisation
Formulation du problème
Modèle continu et discret optimisation hybride
Modèle multi-niveau Modèle analytique (rare) Modèle de type circuit Modèle éléments-finis
Fonctions multi-objectifs Réduire le coût Augmenter les performances (pertes, rendement autour de
points de fonctionnement ou de points importants du cycle parcouru)
Diminuer le volume20
[Brisset – 2007]
1er Avril, ENSAM Paris, FranceSEEDS / SEE / CNRS Optimisation en Génie Electrique, G. REMY
Quel algorithme d’optimisation choisir ?
Nécessité de reformuler le problème Multi-objectifs mono-objectif Avec contraintes avec pénalité
(sans contraintes)
La formulation du problème induit un choix d’algorithme Modèles analytiques méthodes de type SQP, gradient..
Modèles boîte noire ou hybride Méthodes stochastiques (Algorithmes génétiques, tabu, essaim particulaire, recuit simulé) Méthodes de space-mapping
21
[Brisset – 2007]
1er Avril, ENSAM Paris, FranceSEEDS / SEE / CNRS Optimisation en Génie Electrique, G. REMY
Isight 4.0 : Simulation Automation and Design Optimization
22
Isight permet de lancer plusieurs milliers de simulations sans intervention manuelle. Les méthodes suivantes d’optimisation sont disponibles : Design of Experiments, SQP, Approximations, GA, Design for Six Sigma,
1er Avril, ENSAM Paris, FranceSEEDS / SEE / CNRS Optimisation en Génie Electrique, G. REMY
Dymola
23
1er Avril, ENSAM Paris, FranceSEEDS / SEE / CNRS Optimisation en Génie Electrique, G. REMY
Conclusion… et perspective
Système mécatronique pour l’automobile Mécanique, Electrique et Informatique
fort couplages multi-domaines et multi-physiques
Approche de conception Travail important de modélisation (modèles, instantiation des paramètres,
documentation… ) Procédure de pré-dimensionnement adapté à la mécatronique automobile
(interaction forte avec les sous-traitants)
Approche d’optimisation Optimisation de systèmes massivement MIMO est un problème important Aspect collaboratif important
24
Merci pour votre attention