<  Back to the Polytechnique Montréal portal

On Topology Optimization in the Generative Design Framework : use on Aircraft Structure design

Jean-François Gamache

Ph.D. thesis (2021)

Open Access document in PolyPublie
[img]
Preview
Open Access to the full text of this document
Terms of Use: All rights reserved
Download (21MB)
Show abstract
Hide abstract

Abstract

Aircraft wing design is a complex multidisciplinary task which requires a close collaborationbetween multiple engineering groups. A main actor of aircraft design is the team of design andanalysis of the structure. Engineers have come to rely on many structural optimization tools,and more recently topology optimization has seen an increase usage. Topology optimizationhas shown to be an effective tool to significantly reduce the weight of simple structuralcomponents.This doctoral project is part of the multidisciplinary optimization project MuFox, whichis a large partnership with the Canadian aeronautic industry and academic partners. Theobjective of MuFox was to develop a multidisciplinary optimization framework for the designof aircraft wing box. It is in this context that we developed our work of wing box topologyoptimization for aircraft design, and more specifically for stiffened panel design. There existsseveral publications in academia and industry for stiffened panel topology optimization butcurrent results show no significant reduction of weight with respect to conventional designs,as well as they are unable to demonstrate either time reduction or simplification of the designprocess.In our work, we have identified multiple limitations in the design process based on topologyoptimization for aircraft structural component. This is why we propose to use a generativedesign framework to categorize topology optimization as a generative system and improve itscapabilities within this framework. Generative design can be summarized as the automationof conceptual design via the use of a generative system. Generative systems have three keyproperties: generation, representation and exploration.We note that these properties are not balanced for topology optimization when used forthe design of aircraft structures, which is mainly driven by buckling instabilities prevention.Buckling analysis amplifies the unbalance of the implicit generation used in topology optimizationwhen trying to use high-fidelity models. This is put forward in two articles of thisthesis which concern two algorithms: the density-based approach and the ground-structureapproach. In both cases, the importance of validation with high-fidelity models is put forwardto ensure performance is conserved when the topologies are interpreted and designed. Theresults have shown that validation and interpretation is made more difficult by the complexityof material distributions. Another challenging aspect is the enormous size of the designspace of topology optimization, which requires many evaluations to understand. Explorationwith these algorithms is minimal.To automate validation and exploration of this large design space, we propose a tool basedon computer vision. The algorithm we have developed allows the computer to automaticallytranslate the implicit model used in continuous topology optimization towards an explicitmodel that can be used directly for high-fidelity validation modeling.Finally, with the identified unbalance of topology optimization as a generative system, wepropose a new algorithm for aircraft structural optimization. This new algorithm takes intoaccount the complexity and size of the design and solution space to help designers navigateand reach optimal solutions. We have named the algorithm “Complexity-Driven ConceptualExploration for Aircraft Structures” (CD-CEAS). The main development driver was to buildan explicit generation method that can easily consider high-fidelity models and an explorationalgorithm that is focused on diversity rather than intensification. Consequently, CD-CEASis focused on design first and optimization second, whereas topology optimization is focusedon optimization first and design second.CD-CEAS includes many engineering methods, as in axiomatic design, performance-basedgenerative systems, graph-grammars and stochastic search. Results from two case studieshave shown a clear advantage of CD-CEAS with respect to current topology optimizationapproaches in terms of speed of execution (including all aspects of generation, representation,and exploration) and in terms of solution diversification. We have found that by adapting thebalance of generation, representation and exploration to the specific problem of stiffened paneldesign, we can obtain a better tool for supporting the design process. For example, in the caseof the pressurized bulkhead, CD-CEAS showed a compromise of about 1% of weight, witha reduction of 70% of complexity. Furthermore, in the case the compressed stiffened panelCD-CEAS generated and sized 500 feasible layouts in only 6 hours. An equivalent explorationhad taken multiple days with a commercial software.

Résumé

La conception des ailes d'avion est un projet pluridisciplinaire complexe qui demande une collaborationimportante entre tous les groupes de développement. Un des membres principauxde cette équipe pluridisciplinaire est l'équipe de conception structurelle. Depuis quelquesannées, l'optimisation topologique est de plus en plus utilisée par les ingénieurs structurauxpuisque c'est un outil qui leur permet de diminuer significativement la masse des composantesstructurelles.Ce projet de doctorat s'inscrit dans le cadre du projet de grande envergure MuFox, qui regroupeplusieurs partenaires académiques et industriels du domaine aéronautique canadien.L'objectif de MuFox est de développer un cadre d'optimisation multidisciplinaire pour lescaissons de voilure d'avions commerciaux. C'est dans ce contexte que ce projet cherche àdévelopper des méthodes et des outils pour intégrer l'optimisation topologique dans le processusde conception des caissons de voilure et plus spécifiquement des panneaux raidis. Eneffet, plusieurs tentatives dans la littérature et dans l'industrie ont démontré que l'utilisationactuelle de l'optimisation topologique sur les panneaux raidis ne permet aucun gain de massesignificatif et que son utilisation dans le processus de conception reste laborieux.Dans cette thèse, nous avons identifié plusieurs limitations au niveau du processus de conceptionbasé sur l'optimisation topologique pour l'optimisation de structures aéronautiques. C'estpourquoi nous proposons un cadre de conception générative (generative design), afin de mieuxétudier l'effet de l'optimisation topologique, qui est alors considéré comme un système génératif(generative system). La conception générative peut être décrite comme l'automatisationdu design conceptuel par des règles implémentées sur ordinateur. Les systèmes génératifs onttrois propriétés clefs, soit la génération, la représentation et l'exploration.Nous notons un déséquilibre de ces trois propriétés pour l'optimisation topologique appliquéeaux structures aéronautiques, principalement lors de la prise en compte de l'instabilité liéeau flambement. L'inclusion du flambement amplifie ce déséquilibre relié à l'utilisation de lagénération implicite qui rend l'implémentation d'analyses de plus haute fidélité très difficile.C'est ce que nous mettons de l'avant dans deux articles qui discutent des méthodes baséessur la densité et sur le « Ground-Structure ». Dans les deux cas, il apparaît primordiald'inclure un processus de validation pour être capable d'évaluer la performance réelle dessolutions que l'optimisation topologique génère. Les résultats de ces études montrent aussique la complexité des solutions proposées rend la validation difficile. Nous avons aussi mis del'avant la taille impressionnante de l'espace de conception lors de l'optimisation topologique.Afin de faciliter le processus d'interprétation et de validation de la performance au travers dece large espace de conception, nous proposons un algorithme basé sur la vision par ordinateurqui peut automatiquement reconnaître une structure explicite, donc d'identifier le graphe deconnexions, à partir de la distribution de matière implicite.Finalement, pour parer les déséquilibres des algorithmes d'optimisation topologique actuels,nous proposons un nouvel algorithme qui tient en compte la complexité des solutions et lataille de l'espace de conception. Le développement de cet algorithme a pour but de développerune manière efficace d'utiliser une génération explicite et une exploration axées sur ladiversité. Nous avons nommé cet algorithme « Complexity-Driven Conceptual Explorationfor Aircraft Structures » (CD-CEAS). C'est donc un algorithme qui vise d'abord l'aide à laconception puis l'optimisation, contrairement à l'optimisation topologique classique qui viseun résultat "optimal", avec des contraintes de conception. CD-CEAS est basé sur plusieursdisciplines de l'ingénierie, incluant le design axiomatique pour évaluer la complexité fonctionnelle,les systèmes génératifs axés sur la performance, la grammaire basée sur les grapheset la recherche stochastique. Les résultats de deux études de cas sont présentés et montrentun avantage marqué par rapport à l'optimisation topologique autant au niveau de la vitessed'exécution que de l'exploration. Par exemple, dans un cas de design de panneau de type «bulkhead », on peut faire apparaître un compromis de 1% de masse, pour une réduction de70% de complexité. Pour la génération de panneau compressé avec contrainte de flambement,500 solutions ont été créés et dimensionnées en seulement 6 heures. Pour l'équivalent avecl'optimisation topologique par densité, le temps de calcul est plutôt de 3 à 4 jours.
Department: Department of Mechanical Engineering
Program: Génie mécanique
Academic/Research Directors: Sofiane Achiche, Aurelian Vadean
PolyPublie URL: https://publications.polymtl.ca/9133/
Institution: Polytechnique Montréal
Date Deposited: 08 Nov 2021 14:40
Last Modified: 23 Jan 2023 21:59
Cite in APA 7: Gamache, J.-F. (2021). On Topology Optimization in the Generative Design Framework : use on Aircraft Structure design [Ph.D. thesis, Polytechnique Montréal]. PolyPublie. https://publications.polymtl.ca/9133/

Statistics

Total downloads

Downloads per month in the last year

Origin of downloads

Repository Staff Only

View Item View Item