Incertitudes, optimisation et fiabilité des structures

Auteur(s) :

El Hami, Abdelkhalak (1962-....) Découvrir l'auteur

Résumé

Une présentation des avancées de la recherche et de l'industrie appliquées aux domaines de l'optimisation, de la fiabilité et de la prise en compte des incertitudes mécaniques. Ce couplage est à la base de la compétitivité industrielle dans les secteurs de l'automobile, de l'aéronautique, du génie civil ou de la défense.

Autre(s) auteur(s)
- Radi, Bouchaïb (1963-....)
Éditeur(s)
- Hermès science publications-Lavoisier
Date
- DL 2013
Notes
- Bibliogr. Index
Langues
- Français
Description matérielle
- 1 vol. (394 p.) : ill. ; 24 cm
Sujet(s)
ISBN
- 978-2-7462-4516-7
Indice
- 620.25 Théorie des structures
Quatrième de couverture
- La fiabilité des systèmes complexes est un défi majeur pour les entreprises industrielles. Ces dernières doivent répondre aux exigences des donneurs d'ordre dont le non-respect entraînerait des pénalités compromettant les marchés futurs. L'un des enjeux majeurs de l'optimisation fiabiliste est d'établir une surveillance rigoureuse, capable de prédire et de détecter les modes de défaillances des systèmes étudiés.
  Cet ouvrage présente les avancées de la recherche et de l'industrie appliquées aux domaines de l'optimisation, de la fiabilité et de la prise en compte des incertitudes en mécanique. Ce couplage est à la base de la compétitivité des entreprises dans les secteurs de l'automobile, de l'aéronautique, du génie civil ou encore de la défense.
  Accompagné d'exemples détaillés, Incertitudes, optimisation et fiabilité des structures présente les nouveaux outils de conception les plus performants. Il s'adresse aux ingénieurs et aux enseignants-chercheurs.
Tables des matières
- - 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
Origine de la notice:
- FR-751131015