Experimental design optimization and thermophysical parameter estimation of composite materials using genetic algorithms

Thermophysical characterization of anisotropic composite materials is extremely important Accuracy in the estimation of the thermophysicalproperties can be improved if the experiments are designed carefully. Hovewer, the typically used parametric study for the dsign optimization is limited and the c...

Description complète

Enregistré dans:
Détails bibliographiques
Auteurs principaux : Garcia Sandrine (Auteur), Scott Elaine P. (Directeur de thèse), Jarny Yvon (Directeur de thèse)
Collectivités auteurs : Université de Nantes 1962-2021 (Organisme de soutenance), Université de Nantes Faculté des sciences et des techniques (Autre partenaire associé à la thèse)
Format : Thèse ou mémoire
Langue : anglais
Titre complet : Experimental design optimization and thermophysical parameter estimation of composite materials using genetic algorithms / Sandrine Garcia; sous la direction de Yvon Jarny et de Elaine P. Scott
Publié : 1999
Description matérielle : 1 vol. (280 p.)
Note de thèse : Thèse de doctorat : Sciences de l'ingénieur. Transferts thermiques, énergétique et génie des procédés : Nantes : 1999
Sujets :
Documents associés : Reproduit comme: CONCEPTION OPTIMALE D'EXPERIENCES ET ESTIMATION DE PARAMETRES THERMOPHYSIQUES DE MATERIAUX COMPOSITES PAR ALGORITHMES GENETIQUES
Description
Résumé : Thermophysical characterization of anisotropic composite materials is extremely important Accuracy in the estimation of the thermophysicalproperties can be improved if the experiments are designed carefully. Hovewer, the typically used parametric study for the dsign optimization is limited and the commonly used gradient-based estimation methods are unstable for ill-conditioned problems. The objectives of research were to develop methodologies for both Experimental Design Optimization (EDO) used for the determination of thermal properties, and Simultaneous Parameter Estimation (SPE). Bacause of their advantageous features, Genetic Algorithms (Gas) were investigated for use as a strategy for both EDO and SPE. The EDO and SOE approaches involved the maximization of an optimality criterion associated with the sensitivity matrix of the unknown parameters, and the minimization of the ordinary least-squares error, respectively. Ultimately, two versions of a general-purpose GA-based program were developed : one is designed for analytical madels while the other includes a control volume-based finite difference scheme. The GA-based EDO/SPE methodology was succively applied to first, test cases previously solved in the literature and then, advanced studies. All involved thermal characterization of carbon/epoxy anisotropic composites and inclued EDOs andSPEs with up to seven experimental key parameters and nine thermophysical parameters, respectively. Finally, the kinetic characterization of the curing of three thermosetting materials was accomplished resulting in the SPE of six kinetic parameters. Overall, the Gamethod was found to perform extremely well despite the high degree of correlation and low sensitivity of many parameters in all cases studied. The significance in using Gas is not only the solution to ill-conditioned problems, but also a drastically cost saving in both experimental and time expenses as they allow for the EDO and SPE of several parameters at once.
La caractérisation thermophysique de matériaux composites est un enjeu crucial. La précision de l'estimation peut être améliorée si les expériences sont conçues avec pertinence. Cependant, l'étude paramétrique traditionnellement employée pour l'optimisation expérimentale est limitée, et les méthodes d'estimation basées sur le calcul d'un gradient sont instables pour des problèmes mal conditionnés. Les objectifs de ce travail étaient de développer des méthodologies robustes pour la conception optimale d'expériences (COE) destinées à l'identification de propriétés thermiques, et l'estimation simultanée de paramètres (ESP). L'approche utilisée s'appuie sur les spécificités avantageuses des algorithmes génétiques et consiste en COE à maximiser un critère d'optimisation base sur la matrice de sensibilité des propriétés recherchées et en ESP, à minimiser l'erreur des moindres carrés. Un programme général basé sur les AGs a été développé sous deux versions, permettant soit l'analyse de modèles analytiques ou un schéma d'étude par volumes finis. Les méthodologies génétiques de COE et d'ESP ont d'abord été appliqué sur des cas de la littérature, puis sur des cas nouveaux. Les études menées concernent la caractérisation thermique de composites anisotropes carbone/époxy, et incluent des COE avec trois, cinq et sept paramètres expérimentaux, et des ESP de trois, sept et neufs paramètres thermophysiques. Enfin, la méthodologie d'ESP a été étendue à la caractérisation de cinétiques chimiques de résines thermodurcissables mettant en jeu six paramètres cinétiques. Finalement, la méthode génétique s'est avérée être d'une remarquable robustesse, malgré de très fortes corrélations et faibles sensibilités de plusieurs paramètres dans toutes les études. L'intérêt de l'utilisation des AGs réside non seulement dans la solution de problèmes mal posés mais aussi dans la réduction des coûts expérimentaux et donc de temps, en permettant des COE et ESP de plusieurs paramètres en une fois.
Notes : 1999NANT2031
Bibliographie : 120 références bibliographiques