Improvement of execution speed of large scale ODE systems from Modelica

L'étude des systèmes aux équations différentielles ordinaires vise à prédire le futur des systèmes considérés. La connaissance de l'évolution dans le temps de toutes les variables d' état du modèle permet de prédire de possibles changements radicaux des variables ou des défaillances, par exemple, un moteur peut exploser, un pont peut s'écrouler, une voiture peut se mettre à consommer plus d'essence. De plus, les systèmes dynamiques peuvent contenir des dérivées spatiales et leur discrétisation peut ajouter un très grand nombre d'équations. La résolution des équations différentielles ordinaires est alors une étape essentielle dans la construction des systèmes physiques en terme de dimensionnement et de faisabilité. Le solveur de tels systèmes EDOs doit être rapide, précis et pertinent.En pratique, il n'est pas possible de trouver une fonction continue qui soit solution exacte du problème EDO. C'est pourquoi, des méthodes numériques sont utilisées afin de donner des solutions discrèes qui approchent la solution continue avec une erreur contrôlable. La gestion précise de ce contrôle est très importante afin d'obtenir une solution pertinente en un temps raisonnable.Cette thèse développe un nouveau solveur qui utilise plusieurs méthodes d'amélioration de la vitesse d'exécution des systèmes EDOs. La première méthode est l'utilisation d'un nouveau schéma numérique. Le but est de minimiser le coût de l'intégration en produisant une erreur qui soit le plus proche possible de la tolérance maximale permise par l'utilisateur du solveur. Une autre méthode pour améliorer la vitesse d'exécution est de paralléliser le solveur EDO en utilisant une architecture multicoeur et multiprocesseur. Enfin, le solveur a été testé avec différentes applications d'OpenModelica.The study of systems of Ordinary Differential Equations aims at predicting the future of the considered systems. The access to the evolution of all states of a system's model allows us to predict possible drastic shifts of the states or failures, e.g. an engine blowing up, a bridge collapsin, a car consuming more gasoline etc. Solving ordinary differential equations is then an essential step of building industrial physical systems in regard to dimensioning and reliability. The solver of such ODE systems needs to be fast, accurate and relevant.In practice, it is not possible to find a continuous function as the exact solution of the real ODE problem. Consequently numerical methods are used to give discrete solutions which approximates the continuous one with a controllable error. The correct handline of this control is very important to get a relevant solution within an acceptable recovery time. Starting from existing studies of local and global errors, this thesis work goes more deeply and adjusts the time step of the integration time algorithm and solves the problem in a very efficient manner.A new scheme is proposed is this thesis, to minimize the cost of integration. Another method to improve the execution speed is to parallelize the ODE solver by using a multicore and a multiprocessor architecture. Finally, the solver has been tested with different applications from OpenModelica