Reduced and separated meta-models of the scavenging by ports in 2-stroke Diesel engines to use evolutionary algorithms in search space
Méta-modèles réduits et séparés du comportement de balayage d'un moteur Diesel 2-temps pour l'exploration évolutionnaire des espaces de solutions
Résumé
The use of numerical methods to design a product became more and more commonover the past 30 years. However, numerical models are still specialized and they do not run fastwhich make their use problematic. So some reduced models of scavenging have been developed. These models are analytical andgeneric; they run quickly and avoid the numerical treatment problems. They are also some efficienttools in the search of design solutions.The work carried out has led to a new methodology based on a behavioral meta-model called“neuro-separated” including a neuronal model of state, a pseudo-dynamic neuronal model and amodel with separated variables. Then, a process of decision aids exploiting the models previouslydeveloped in evolutionary algorithms (genetic algorithms) and the fast behavioral simulation of theoptimal design solutions thanks to the kriging approach.This design approach is multi-viewpoints, multi-criteria and multi-physics. It also includes acognitive dimension: both free and controlled evolutionary explorations of solution spaces have beendone. To validate the method, some qualification criteria have been evaluated for each model. Theyallow to understand and to assume the gap between the reduced models and the initial CFD base(where the model are coming from). Our approach has led to the development of a tool of model and decision aids using Python and Matlab software programs.
L’utilisation de techniques numériques lors de la conception d’un produit s’est largement généralisée au cours des 30 dernières années. Pourtant, la lenteur des calculs et la spécialisation des modèles numériques restent problématiques.Nous avons donc choisi de développer des modèles réduits du comportement de balayage sur un moteur Diesel 2-temps à lumières. Ces modèles sont analytiques, génériques, rapides d’utilisation et permettent d’éliminer les problématiques de traitement numérique. Ils sont aussi des instruments performants dans la recherche de solutions de conception. Une modélisation CFD 2D a tout d’abord été développée pour servir de bases de données, avec la définition des paramètres primordiaux à suivre pour quantifier un balayage optimal.Le travail de recherche a dévoilé une méthodologie nouvelle fondée sur un méta-modèle du comportement dit « neuro-séparé » comprenant un modèle neuronal d’état, un modèle neuronal pseudo-dynamique et un modèle à variables séparées. Ensuite, un processus d'aide à la décision exploitant les modèles précédents a été mis en place au travers d’un processus d’optimisation évolutionnaire (fondé sur les algorithmes génétiques) puis de la simulation comportementale rapide des solutions optimales de conception par un krigeage.La démarche de conception multipoints de vue, multi-critères et multi-physiques appliquée au moteur intègre aussi une dimension cognitive : l’exploration évolutionnaire des espaces de solutions a été menée de façon libre et forcée. Afin de valider notre approche, nous avons mis en place des critères de qualification appliqués à chacun de nos modèles, permettant de quantifier les écarts visà-vis de la base initiale CFD qui a fondé nos modèles réduits.Notre démarche a mené à la création d’un outil d’aide à la modélisation et à la décision exploitant les modules Python et Matlab développés.
Origine : Version validée par le jury (STAR)