MÉTHODOLOGIES ET OUTILS D’OPTIMISATION EN …publilgep.geeps.centralesupelec.fr/papers/000720.pdf · 2 Hacheurs 4 quadrants 2 Filtres LC Partie Commande : 2 Correcteurs PI en courant

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


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 :


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


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


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


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


Fonction Innovante : Cas d’étude Phase 1 :

7

Système Mécatronique pour l' Automobile

HayonMotorisé


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


Système Multi-domaine

9

HayonMotorisé


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


Approches de conception

11

Approche Multi-domaine ? Conception Collaborative

Problèmes avec les méthodes traditionnelles


Une solution est l’approche “Model-based design”

12


Un exemple d’évaluation: Simplorer 1/2

13


Un exemple d’évaluation: Simplorer 2/2

14


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


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


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


Quel niveau de modélisation pour l’optimisation ?

Block Choice

Level A

Level B

Level C

ModèlesHacheur 4Q


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


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]


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]


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,


Dymola

23


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

Documents

MÉTHODOLOGIES ET OUTILS D’OPTIMISATION EN …publilgep.geeps.centralesupelec.fr/papers/000720.pdf · 2 Hacheurs 4 quadrants 2 Filtres LC Partie Commande : 2 Correcteurs PI en courant