Incertitudes, optimisation et fiabilité des structures
Abdelkhalak El Hami
Bouchaïb Radi
hermes Science
Lavoisier
Avant-propos13
Chapitre 1.Incertitudes19
1.1. Introduction19
1.2. Problème d'optimisation21
1.3. Sources des incertitudes22
1.3.1. Classification des schémas23
1.4. Traitement des incertitudes24
1.4.1. Optimisation fiabiliste29
1.4.2. Optimisation robuste30
1.4.3. Optimisation multi-objectif31
1.4.4. Optimisation stochastique32
1.4.5. Optimisation basée sur les pires scénarios32
1.4.6. Optimisation non probabiliste33
1.5. Analyse de sensibilité34
1.5.1. Analyse de sensibilité locale34
1.5.2. Analyse de sensibilité globale34
Chapitre 2. Fiabilité des structures37
2.1. Introduction37
2.2. Position d'un problème de fiabilité des structures38
2.3. Modélisation d'un problème de fiabilité des structures38
2.3.1. Modèle mécanique déterministe38
2.3.2. Aléas et modélisation probabiliste39
2.3.3. Modes de défaillance d'une structure39
2.3.4. Probabilité de défaillance d'une structure40
2.4. Calcul de la probabilité de défaillance d'une structure40
2.4.1. Calcul de la probabilité de défaillance par la méthode de Monte Carlo40
2.4.2. Calcul de la probabilité de défaillance à partir d'un indice de fiabilité42
2.4.3. Méthode FORM45
2.4.4. Méthode SORM47
2.5. Présentation du problème résistance-sollicitation48
2.5.1. Probabilité de défaillance49
2.5.2. Indices de fiabilité50
2.6. Fiabilité des systèmes en mécanique55
2.6.1. Combinaison de modes de défaillance56
2.6.2. Evaluation de la probabilité de défaillance d'un système57
Chapitre 3. Distributions les plus utilisées en fiabilité65
3.1. Introduction65
3.2. Variables aléatoires discrètes65
3.2.1 Distribution binomiale65
3.2.2. Distribution géométrique66
3.2.3. Période de retour66
3.2.4. Distribution de Poisson67
3.2.5. Distribution exponentielle67
3.3. Variables aléatoires continues68
3.3.1. Distribution normale ou de Gauss68
3.3.2. Loi normale centrée réduite70
3.3.3. Distribution log-normale71
3.3.4. Distribution de Weibull74
3.3.5. Distribution de Pareto76
3.3.6. Distribution Beta77
3.4. Combinaison de variables aléatoires continues et discrètes : distributions hypergéométrique et hyperbinomiale79
3.5. Distribution des valeurs extrêmes80
3.5.1. Introduction80
3.5.2. Concept de distribution des valeurs extrêmes81
3.5.3. Distributions asymptotiques82
3.5.4. Distribution de type I82
3.5.5. Distribution de type II83
3.5.6. Distribution de type III84
3.6. Tests statistiques88
3.6.1. Test X289
3.6.2. Test de Kolmogorov-Smirnov89
3.7. Estimation des paramètres d'une distribution90
3.7.1. Méthode des moments90
3.7.2. Méthode du maximum de vraisemblance91
3.8. Estimation d'un intervalle de la moyenne et de la variance92
Chapitre 4. Conception optimale des structures97
4.1. Introduction97
4.2. Evolution historique de l'optimisation structurale98
4.3. Classification des problème d'optimisation des structures99
4.3.1. Optimisation de dimensionnement99
4.3.2. Optimisation de forme101
4.3.3. Optimisation topologique105
Chapitre 5. Optimisation stochastique107
5.1. Introduction107
5.2. Les modèles de décision dans l'incertain108
5.3. Programmation linéaire stochastique109
5.3.1. Quelques méthodes de résolution des programmes linéaires stochastiques110
5.4. Programmation non linéaire stochastique114
5.4.1. Méthode de décomposition régularisée114
5.4.2. Méthodes basées sur le lagrangien114
5.4.3. Méthode de Frank-Wolfe pour les problèmes avec recours simple116
5.5. Méthode du gradient stochastique117
Chapitre 6. Optimisation multi-objectif avec incertitudes119
6.1. Introduction119
6.1.1. Choix d'une méthode d'optimisation120
6.1.2. Classification des méthodes d'optimisation121
6.1.3. Algorithmes génétiques multi-objectifs122
6.2. Optimisation multi-objectif robuste124
6.2.1. Critères de robustesse en optimisation multi-objectif124
6.3. Méthode d'intersection normale à la frontière125
6.3.1. Description de la méthode NBI127
6.4. Problème d'optimisation multi-objectif des structures138
6.4.1. Solution analytique et solution NSGA140
6.4.2. Solution obtenue par NBI-HSA141
Chapitre 7. Optimisation robuste143
7.1. Introduction143
7.2. Modélisation des incertitudes143
7.2.1. Méthodes paramétriques144
7.2.2. Méthodes des tirages aléatoires144
7.2.3. Modèles probabilistes145
7.2.4. Méthodes non paramétriques145
7.2.5. Construction du modèle probabiliste146
7.3. Prise en compte de la robustesse dans la recherche d'un optimum148
7.4. Critères de robustesse148
7.4.1. Définition de l'incertitude des paramètres de conception148
7.4.2. Critères de robustesse en optimisation multi-objectif149
7.5. Méthode de résolution151
7.6. Exemples d'optimisation mono-objectif152
7.6.1. Exemple de minimisation152
7.6.2. Exemple de maximisation154
7.7. Exemple d'optimisation multi-objectif robuste156
Chapitre 8. Optimisation fiabiliste159
8.1. Introduction159
8.2. Présentation de l'optimisation fiabiliste160
8.3. Les méthodes d'optimisation fiabiliste161
8.4. Approche RIA (Reliability Indicator Approach)161
8.5. Approche SLA (Single Loop Approach)162
8.6. Approche SORA (Sequential Optimization and Reliability Assessment169
Chapitre 9. Facteurs optimaux de sûreté177
9.1. Introduction177
9.2. Méthode classique178
9.2.1. Formulation178
9.2.2. Algorithme178
9.3. Méthode hybride179
9.3.1. Formulation179
9.3.2. Algorithme181
9.4. Méthode des facteurs optimaux de sûreté (OSF)182
9.4.1. Conditions optimales de la méthode OSF182
9.4.2. Algorithme de la méthode OSF185
9.5. Extension de la méthode OSF à des scénarios de défaillances multiples186
9.5.1. Formulation du problème187
9.5.2. Conditions optimales de la méthode OSF188
Chapitre 10. Optimisation topologique basée fiabilité203
10.1. Introduction203
10.2. Définitions en optimisation de topologie204
10.3. Méthodes d'optimisation de topologie205
10.4. Couplage de fiabilité et optimisation de topologie208
10.4.1. Formulation de RBTO209
10.4.2. Algorithme de RBTO210
10.5. Illustration et validation du modèle RBTO212
10.5.1. Variabilité de l'indice de fiabilité213
10.6. Applications du modèle RBTO en mécanique214
10.6.1. Analyse statique214
10.6.2. Analyse modale215
10.6.3. Analyse en fatigue217
Chapitre 11. Optimisation fiabiliste en calcul vibratoire221
11.1. Introduction221
11.2. Optimisation fiabiliste hybride des structures221
11.2.1. Formulation de la méthode hybride221
11.2.2. Extension de la méhode hybride à des scénarios de défaillances multiples224
11.2.3. Méthode hybride fréquentielle228
11.2.4. Extension de la méthode hybride fréquentielle à des scénarios de défaillances multiples230
11.3. Couplage des méthodes de synthèse modale et RBDO236
11.4. Approche hybride améliorée de l'optimisation fiabiliste de conception242
11.4.1. Implémentation de l'approche hybride améliorée RBDO244
11.5. Introduction des méthodes de synthèse modale en IHM251
Chapitre 12. Méthodes d'éléments finis stochastiques257
12.1. Introduction257
12.2. Discrétisation des champs aléatoires258
12.2.1. Méthode de discrétisation des points moyens258
12.2.2. Méthode de discrétisation de la moyenne spatiale258
12.2.3. Méthode de discrétisation par fonction de forme259
12.2.4. Méthode de discrétisation de l'estimation linéaire optimale259
12.3. Méthodes de calcul des moments259
12.3.1. Simulation de Monte Carlo259
12.3.2. Méthodes de perturbation260
12.3.3. Méthode de Neumann263
12.3.4. Projection sur un chaos polynomial265
12.4. Méthode des éléments finis stochastiques spectraux267
12.4.1. Expansion en série de Taylor des équations modales d'une structure stochastique268
12.4.2. Méthode de perturbation de Muscolino271
12.4.3. Méthode d'interface fixe stochastique : expansion en série de Taylor272
12.4.4. Méthode de synthèse modale stochastique277
Chapitre 13. Métamodèles et optimisation fiabiliste291
13.1. Introduction291
13.2. Métamodèles291
13.2.1. Métamodèle estimé dans la bouche d'optimisation293
13.2.2. Plans d'expériences et surfaces de réponse293
13.2.3. Métamodèle global298
13.2.4. Modèle de krigeage298
13.2.5. Régression polynomiale300
13.2.6. Moindres carrés302
13.3. Optimisation de conception basée sur les métamodèles303
13.3.1. Modèle statistique305
13.4. Plans d'expériences306
13.4.1. Plans d'expériences classiques307
Chapitre 14. Métamodèles et hydroformage309
14.1. Introduction309
14.2. Sources d'incertitudes dans la mise en forme310
14.3. Stratégie d'évaluation de la probabilité de défaillance311
14.3.1. Modèle éléments finis et choix des paramètres incertains313
14.3.2. Identification des modes de défaillance et définition des états limites315
14.3.3. Identification des éléments et des zones critiques317
14.3.4. Modélisation analytique de la CLF320
14.4. Caractérisation probabiliste des déformations critiques321
14.4.1. Choix du plan d'expériences numérique321
14.4.2. Construction des métamodèles322
14.4.3. Validation et analyse statistique des métamodèles323
14.4.4. Ajustement des distributions323
14.5. Etude probabiliste de la striction et du plissement328
14.6. Effets des corrélations sur la probabilité de défaillance332
14.7. Estimation spatiale de la probabilité de défaillance332
14.8. Estimation de la probabilité de défaillance par une technique de logique floue334
Annexe 1337
Annexe 2351
Annexe 3357
Annexe 4375
Bibliographie381
Index393