Diffuse response surface model based on advancing latin hypercube patterns for reliability-based design optimization of ultrahigh strength steel NC milling parameters

par Peipei Zhang

Thèse de doctorat en Mécanique avancée

Sous la direction de Piotr Breitkopf et de Weihong Zhang.

Soutenue en 2011

à Compiègne en cotutelle avec Northwestern Polytechnical University, Chine .

  • Titre traduit

    XU-RSM : modèle de surface de réponse diffuse pour l'optimisation fiabiliste : application à l'usinage d'un acier de haute résistanceDiffuse response surface model based on advancing latin hypercube patterns for reliability-based design optimization of ultrahigh strength steel NC milling parameters


  • Résumé

    Puisque les incertitudes des paramètres de systèmes mécaniques entrainent la variabilité de la performance du produit, les systèmes optimisés sans prendre en compte les incertitudes peuvent présenter le risque de défaillance. L'optimisation fiabiliste (RBDO) focalise ainsi l'attention des ingénieurs et des chercheurs. Cependant, les méthodes habituelles de RBDO présentent un coût informatique excessif. Donc, afin d'améliorer l'efficacité informatique de la résolution de problèmes de RBDO, il est naturel de faire appel à des approches basées sur les surfaces de réponse (RSM). Dans ce travail, nous nous concentrons sur une Méthodologie de Surface de Réponse adaptée à la conception optimale dans le contexte fiabiliste. Nous proposons une variante de l'Approximation Diffuse, basée sur un modèle d'échantillonnage progressif et couplée à l'estimation de la fiabilité par FORM. La méthode proposée utilise simultanément des points dans l'espace normal standard U ainsi que dans l'espace physique X. Les deux réseaux forment un « plan d'expériences virtuel » défini par deux jeux de points dans les deux espaces de conception, qui sont évalués seulement quand nécessaire pour réduire au minimum le nombre d'évaluations « exactes » et ainsi diminuer le coût informatique. Dans chaque nouvelle itération, le pattern de points est mis à jour avec des points du design virtuel convenablement choisis afin d'effectuer l'approximation. Nous étendons ici l'idée d'Hypercube Latin (LHS) pour réutiliser au maximum des points précédemment calculés en ajoutant un nombre minimal de nouveaux points voisins à chaque étape, nécessaires pour l'approximation au voisinage du design actuel. Nous proposons des opérateurs de translation, de zoom avant et arrière, étendant ainsi le modèle LHS et le rendant récursif tout en contrôlant la qualité d'exploration de l'espace de conception et en maximisant le conditionnement de l'approximation. Dans la partie applicative de ce travail, nous examinons l'optimisation des paramètres du processus de fraisage à commande numérique (NC) de l'acier à haute limite élastique. Le succès de l'opération d'usinage dépend de la sélection des paramètres tels que le taux d'alimentation, la vitesse de coupe, les profondeurs axiales et radiales de coupe. Les contraintes d'optimisation sont exprimées comme des fonctions des indices de fiabilité calculés par FORM diffus.


  • Résumé

    Since variances in the input parameters of engineering systems cause subsequent variations in the product performance, and deterministic optimum designs that are obtained without taking uncertainties into consideration could lead to unreliable designs. Reliability-Based Design Optimization (RBDO) is getting a lot of attention recently. However, RBDO is computationally expensive. Therefore, the Response Surface Methodology (RSM) is often used to improve the computational efficiency in the solution of problems in RBDO. In this work, we focus on a Response Surface Methodology (RSM) adapted to the Reliability-Based Design Optimization (RBDO). The Diffuse Approximation (DA), a variant of the well-known Moving Least Squares (MLS) approximation based on a progressive sampling pattern is used within a variant of the First Order Reliability Method (FORM). The proposed method simultaneously uses points in the standard normal space (U-space) as well as the physical space (X-space). The two grids form a “virtual design of experiments” defined by two sets of points in the two design spaces, that are evaluated only when needed in order to minimize the number of ‘exact’ thus computationally expensive function evaluations. In each new iteration, the pattern of points is updated with points appropriately selected from the “virtual design of experiments”, in order to perform the approximation. As an original contribution, we introduce the concept of « advancing Latin Hypercube Sampling (LHS) » which extends the idea of Latin Hypercube Sampling (LHS) to maximally reuse previously computed points while adding a minimal number of new neighboring points at each step, necessary for the approximation in the vicinity of the current design. We propose panning, expanding and shrinking Latin hypercube patterns of sampling points and we analyze the influence of this specific kind of patterns on the quality of the approximation. Next we calculate the minimal number of data points required in order to get a well-conditioned approximation system. In the application part of this work, we investigate the optimization of the process parameters for Numerical Control (NC) milling of ultrahigh strength steel. The success of the machining operation depends on the selection of machining parameters such as the feed rate, cutting speed, and the axial and radial depths of cut. A variant of the First Order Reliability Method (FORM) is chosen to calculate the reliability index. The optimization constraints are expressed as functions of the computed reliability indices.

Consulter en bibliothèque

La version de soutenance existe sous forme papier

Informations

  • Détails : 1 vol. (165 p.)
  • Notes : Publication autorisée par le jury
  • Annexes : Bibliogr. 107 réf.

Où se trouve cette thèse ?

  • Bibliothèque : Université de Technologie de Compiègne. Service Commun de la Documentation.
  • Disponible pour le PEB
  • Cote : 2011 ZHA 1949
Voir dans le Sudoc, catalogue collectif des bibliothèques de l'enseignement supérieur et de la recherche.