Etude de méthodes métaheuristiques appliquées à l'optimisation aérodynamique ferroviaire

L amélioration de la qualité du transport ferroviaire passe par l augmentation des vitesses opérationnelles sans altération des niveaux de sécurité et de confort. Dans ces conditions, les aspects aérodynamiques jouent un rôle important et imposent des contraintes de conception parfois contradictoires. Pour y répondre, cette thèse expose les bases d une méthode globale d optimisation. Ce travail s appuie sur la simulation numérique du comportement aérodynamique des rames, nécessitant des moyens de calcul importants. La complexité du domaine de recherche à prospecter impose de recourir à une procédure d optimisation flexible et performante. L étude concerne donc les méthodes métaheuristiques, et plus particulièrement l emploi d un algorithme génétique couplé à une procédure d estimation des solutions automatisée. Les méthodes hybrides, consistant à greffer une méthode de recherche locale à l algorithme général, sont avantageuses mais sont difficiles à mettre en place. Une solution originale est proposée, consistant à intégrer la méthode de recherche locale à l élaboration d une génération de l algorithme génétique. Cette procédure, appelée génération ciblée, combine les qualités de l algorithme génétique avec la précision de la recherche locale, tout en s affranchissant de transition entre chaque méthode. Après avoir été validée sur des exemples classiques, la génération ciblée a été appliquée à des profils bidimensionnels représentatifs de formes ferroviaires. Les sensibilités des caractéristiques des algorithmes génétiques et de l estimateur ont été étudiées. Enfin, une application tridimensionnelle mono-objectif a été réalisée pour démontrer la faisabilité de la méthodeImproving the quality of railway transport requires higher operational speeds with equivalent security and comfort levels. Under these conditions aerodynamic effects play an important role and can imply conflicting design constraints. This work lays the basis of a global optimization method. This work is based on numerical simulations of trains aerodynamics, demanding substantial computing resources. The complexity of the search space to be explored imposes the use of a flexible and highly efficient optimization process. The study concerns metaheuristic methods and particularly a genetic algorithm relying on a fully automatic process for the flow simulations. The hybrid method, consisting in using a local search method with the general algorithm, are advantageous but are difficult to set up. An original solution is proposed, consisting in incorporating the simplex method in the generation process of a genetic algorithm. This method, called Targeted Generation Simplex, combines the genetic algorithm advantages with the accuracy of the local search and does not need any transitions between each method. The Targeted Generation Simplex has been first validated on classical examples. Therefore, it has been applied to two dimensional profiles representative of railway shapes. Sensitivity with respect to the genetic algorithm characteristics and to the estimator has been studied. The method has been successfully applied to a three dimensional single objective application to demonstrate its feasibility.VALENCIENNES-BU Sciences Lettres (596062101) / SudocSudocFranceF