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

La conception des ailes d'avion est un projet pluridisciplinaire complexe qui demande une collaboration importante entre tous les groupes de développement. Un des membres principaux de cette équipe pluridisciplinaire est l'équipe de conception structurelle. Depuis quelques années, l'optimisation topologique est de plus en plus utilisée par les ingénieurs structuraux puisque c'est un outil qui leur permet de diminuer significativement la masse des composantes structurelles. Ce projet de doctorat s'inscrit dans le cadre du projet de grande envergure MuFox, qui regroupe plusieurs partenaires académiques et industriels du domaine aéronautique canadien. L'objectif de MuFox est de développer un cadre d'optimisation multidisciplinaire pour les caissons de voilure d'avions commerciaux. C'est dans ce contexte que ce projet cherche à développer des méthodes et des outils pour intégrer l'optimisation topologique dans le processus de conception des caissons de voilure et plus spécifiquement des panneaux raidis. En effet, plusieurs tentatives dans la littérature et dans l'industrie ont démontré que l'utilisation actuelle de l'optimisation topologique sur les panneaux raidis ne permet aucun gain de masse significatif et que son utilisation dans le processus de conception reste laborieux. Dans cette thèse, nous avons identifié plusieurs limitations au niveau du processus de conception basé sur l'optimisation topologique pour l'optimisation de structures aéronautiques. C'est pourquoi nous proposons un cadre de conception générative (generative design), afin de mieux étudier l'effet de l'optimisation topologique, qui est alors considéré comme un système génératif (generative system). La conception générative peut être décrite comme l'automatisation du design conceptuel par des règles implémentées sur ordinateur. Les systèmes génératifs ont trois propriétés clefs, soit la génération, la représentation et l'exploration. Nous notons un déséquilibre de ces trois propriétés pour l'optimisation topologique appliquée aux structures aéronautiques, principalement lors de la prise en compte de l'instabilité liée au flambement. L'inclusion du flambement amplifie ce déséquilibre relié à l'utilisation de la génération 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 basées sur la densité et sur le « Ground-Structure ». Dans les deux cas, il apparaît primordial d'inclure un processus de validation pour être capable d'évaluer la performance réelle des solutions que l'optimisation topologique génère. Les résultats de ces études montrent aussi que la complexité des solutions proposées rend la validation difficile. Nous avons aussi mis de l'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 de ce large espace de conception, nous proposons un algorithme basé sur la vision par ordinateur qui peut automatiquement reconnaître une structure explicite, donc d'identifier le graphe de connexions, 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 la taille de l'espace de conception. Le développement de cet algorithme a pour but de développer une manière efficace d'utiliser une génération explicite et une exploration axées sur la diversité. Nous avons nommé cet algorithme « Complexity-Driven Conceptual Exploration for Aircraft Structures » (CD-CEAS). C'est donc un algorithme qui vise d'abord l'aide à la conception puis l'optimisation, contrairement à l'optimisation topologique classique qui vise un résultat "optimal", avec des contraintes de conception. CD-CEAS est basé sur plusieurs disciplines de l'ingénierie, incluant le design axiomatique pour évaluer la complexité fonctionnelle, les systèmes génératifs axés sur la performance, la grammaire basée sur les graphes et la recherche stochastique. Les résultats de deux études de cas sont présentés et montrent un avantage marqué par rapport à l'optimisation topologique autant au niveau de la vitesse d'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 de 70% 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 avec l'optimisation topologique par densité, le temps de calcul est plutôt de 3 à 4 jours.