Opti

N dordre : H599 ED 72 SPI
Rapport de Synthse

prsent

LUNIVERSITE DES SCIENCES ET TECHNOLOGIES DE LILLE

en vue dobtenir

LHABILITATION A DIRIGER DES RECHERCHES

par

Stphane BRISSET
Docteur de lUniversit des Sciences et Technologies de Lille
Ingnieur de lEcole Centrale de Lille (IDN)

Dmarches et Outils pour
la Conception Optimale
des Machines Electriques

Le 18 dcembre 2007, devant le jury compos de :

MM. Jean-Louis COULOMB Rapporteur
Laurent KRAHENBUHL Rapporteur
Claude MARCHAND Rapporteur
Christophe ESPANET Examinateur
Francis PIRIOU Examinateur, Prsident
Pascal BROCHET Examinateur, Directeur

t
e
l
-
0
0
2
6
4
0
4
1
,

v
e
r
s
i
o
n

3

-

2
7

A
p
r

2
0
0
8
t
e
l
-
0
0
2
6
4
0
4
1
,

v
e
r
s
i
o
n

3

-

2
7

A
p
r

2
0
0
8
AVANT-PROPOS

Ce document est un mmoire en vue de lobtention de lhabilitation diriger des
recherches et se compose de quatre parties.
La premire partie, intitule parcours , prsente mon cursus de formation et mes
activits de recherche et denseignement. Elles ont t ralises en tant quenseignant-
chercheur lcole des Hautes Etudes Industrielles puis comme matre de confrences
lEcole Centrale de Lille.
La seconde partie, intitule synthse des activits de recherche , dresse un bilan
quantitatif des encadrements, collaborations industrielles, animations scientifiques et activits
administratives.
La troisime partie liste lensemble de mes publications. Les articles complets ne sont pas
donns en annexes, autant pour des raisons de droits que pour ne pas alourdir ce rapport.
Enfin, la dernire partie est le mmoire scientifique.

Je profite de cette occasion pour remercier vivement les rapporteurs qui ont accept de
consacrer une partie de leur temps prcieux pour lire mon mmoire en cette fin danne trs
charge : Jean-Louis Coulomb, professeur lINPG, Laurent Krahenbuhl, directeur de
recherche CNRS au laboratoire Ampre, et Claude Marchand, professeur luniversit Paris
XI. Les discussions que nous avons eues aprs la remise des rapports et leurs encouragements
mont aid pour prparer la soutenance.
Jadresse mes remerciements Christophe Espanet, professeur lUTBM, et Francis
Piriou, professeur lUSTL et directeur du L2EP qui ont accept simplement et rapidement
de faire partie du jury.

Bien que la rdaction dun mmoire dhabilitation diriger des recherches soit un travail
personnel, il naurait pas t possible sans laide de certaines personnes que je tiens
remercier.
Jadresse mes remerciements mes collgues co-fondateurs de lquipe COSME avec
lesquels jentretiens une amiti sincre : Michel Hecquet, Frdric Gillon et Pascal Brochet.
Lampleur des nouveaux projets est telle quils mobilisent toutes les comptences de lquipe
et la force des liens entre ses membres permet chacun de travailler sereinement en faisant
face aux difficults de notre mtier.
Je pense galement aux docteurs ou futurs docteurs qui mont accompagn pendant trois
annes : Omessad Hajji, Darius Vizireanu, Aurlie Fasquelle, Tuan-Vu Tran et Fouzia
Moussouni.
Les oprations conception et optimisation du GdR M2EMS puis SEEDS ont permis des
changes trs enrichissants et une meilleure connaissance des comptences nationales.
Jadresse un grand merci mes amis Frdric Wurtz et Christophe Espanet, animateurs de ces
oprations.

Enfin, je ddis ce mmoire mes enfants Adrien et Zo et mon pouse Isabelle pour
leur soutien et leur patience tout au long de la rdaction de ce mmoire.

t
e
l
-
0
0
2
6
4
0
4
1
,

v
e
r
s
i
o
n

3

-

2
7

A
p
r

2
0
0
8
t
e
l
-
0
0
2
6
4
0
4
1
,

v
e
r
s
i
o
n

3

-

2
7

A
p
r

2
0
0
8
SOMMAIRE

PARCOURS....................................................................................................... 7
Curriculum Vitae............................................................................................................. 9
Activits de Recherche.................................................................................................. 11
Activits dEnseignement ............................................................................................. 15
SYNTHESE DES ACTIVITES DE RECHERCHE................................................. 19
Encadrements de Doctorants......................................................................................... 21
Encadrements de DEA et Master Recherche ................................................................ 25
Collaborations Industrielles .......................................................................................... 25
Activits dans la Communaut Scientifique ................................................................. 27
Activits Administratives.............................................................................................. 28
LISTE DES PUBLICATIONS............................................................................. 29
Brevets dinvention ....................................................................................................... 31
Publications dans des Revues Internationales............................................................... 31
Publications dans des Revues Nationales ..................................................................... 33
Communications lors de Confrences Internationales.................................................. 33
Communications lors de Confrences Nationales......................................................... 35
Rapports de Synthse .................................................................................................... 35
MEMOIRE SCIENTIFIQUE.............................................................................. 37
I. Introduction................................................................................................................ 39
II. Mthodologies en conception de machines lectriques............................................ 42
II.1. Dmarche de conception ................................................................................... 42
II.2. Nature des problmes ........................................................................................ 44
II.3. Formulations mathmatiques............................................................................. 44
II.3.1. Problme sans contraintes .......................................................................... 45
II.3.2. Variables continues, discrtes et mixtes..................................................... 45
II.3.3. Problme avec contraintes.......................................................................... 46
II.3.4. Problme multi-objectif.............................................................................. 46
II.4. Changements de formulation............................................................................. 47
II.4.1. Transformation des contraintes en pnalits .............................................. 47
II.4.2. Prise en compte des contraintes par le Lagrangien..................................... 50
II.4.3. Optimum de Pareto, dominance et front..................................................... 54
II.4.4. Rduction des objectifs............................................................................... 56
II.4.5. Transformation des pnalits en objectif.................................................... 60
II.4.6. Rcapitulatif des transformations ............................................................... 61
III. Modles utiliss en conception de machines lectriques ........................................ 63
III.1. Orientation des modles................................................................................... 63
III.2. Problme inverse.............................................................................................. 64
III.3. Les modles analytiques .................................................................................. 65
III.4. Les modles lments finis .............................................................................. 69
III.5. Les modles semi-numriques ......................................................................... 73
III.4. Positionnement et complmentarit ................................................................. 74
t
e
l
-
0
0
2
6
4
0
4
1
,

v
e
r
s
i
o
n

3

-

2
7

A
p
r

2
0
0
8
IV. Construction de modles......................................................................................... 76
IV.1. Moteur roue...................................................................................................... 76
IV.2. Gnratrice synchrone polyphase .................................................................. 83
IV.3. Transformateur de scurit .............................................................................. 87
V. Les algorithmes doptimisation................................................................................ 90
V.1. Le beurre et largent du beurre.......................................................................... 90
V.2. Caractristiques des algorithmes....................................................................... 91
V.3. Diversit des algorithmes .................................................................................. 93
V.3.1. Recherche linaire ...................................................................................... 93
V.3.2. Mthodes dterministes locales.................................................................. 94
V.3.3. Mthodes dterministes globales ............................................................... 96
V.3.4. Mthodes stochastiques mono-objectifs..................................................... 98
V.3.5. Mthodes stochastiques multi-objectifs ................................................... 100
V.4. Positionnement et complmentarit ................................................................ 101
V.5. Mthodes pour variables mixtes...................................................................... 102
V.6. Mthodes pour modles de diffrentes prcisions .......................................... 104
VI. Optimisation des machines lectriques................................................................. 106
VI.1. COMPUMAG TEAM workshop n22 et 25 ................................................. 106
VI.1.1 Bobines supraconductrices pour le stockage dnergie ........................... 106
VI.1.2. Presse aimants ...................................................................................... 110
VI.2. Moteur roue.................................................................................................... 112
VI.3. Transformateur de scurit ............................................................................ 116
VII. Conclusions et perspectives................................................................................. 120
VII.1. Algorithmes dterministes et exhaustifs pour le multi-objectif.................... 124
VII.2. Choix structurels et matriaux...................................................................... 125
VII.3. Optimisation systmique multi-niveau et multi-chelle............................... 126
VI. Rfrences du mmoire scientifique..................................................................... 130

t
e
l
-
0
0
2
6
4
0
4
1
,

v
e
r
s
i
o
n

3

-

2
7

A
p
r

2
0
0
8
7

PARCOURS

t
e
l
-
0
0
2
6
4
0
4
1
,

v
e
r
s
i
o
n

3

-

2
7

A
p
r

2
0
0
8
t
e
l
-
0
0
2
6
4
0
4
1
,

v
e
r
s
i
o
n

3

-

2
7

A
p
r

2
0
0
8
9
Curriculum Vitae

ETAT CIVIL

Nom : BRISSET
Prnom : Stphane
Date et lieu de naissance : 24 juillet 1969 Bad Godesberg (Allemagne)
Nationalit : Franaise
Fonction : Matre de Confrences
Etablissement : Ecole Centrale de Lille
Cit Scientifique BP 48
59651 Villeneuve dAscq cedex
Laboratoire : Laboratoire dElectrotechnique et dElectronique de
Puissance de Lille (L2EP)
Tlphone : 03.20.33.54.29
Fax : 03.20.33.54.54
Courriel : stephane.brisset@ec-lille.fr
Page personnelle : http://www.univ-lille1.fr/l2ep/c-st-br.htm

FORMATION

1995 : DOCTEUR DE LUNIVERSITE DES SCIENCES ET TECHNOLOGIES DE LILLE
Spcialit : Gnie Electrique
Mention trs honorable avec les flicitations du jury

Titre de la thse : Outil et Mthodologie pour la conception des Moteurs
Rluctance Variable Double Saillance

Prsident : G. Sguier Directeurs : C. Rombaut, P. Brochet
Rapporteurs : G. Meunier, C. Broche Examinateurs : S. Allano, G. Dauge

1992 : DIPLOME DETUDES APPROFONDIES
Spcialit : Gnie Electrique
Mention bien

Sujet du mmoire : Modlisation dun moteur asynchrone et comparaison des
mthodes de la magntodynamique complexe et du pas pas
dans le temps avec lexprience

Responsable : P. Brochet

1992 : INGENIEUR CENTRALE LILLE (IDN), OPTION ELECTRONIQUE INDUSTRIELLE
t
e
l
-
0
0
2
6
4
0
4
1
,

v
e
r
s
i
o
n

3

-

2
7

A
p
r

2
0
0
8
10

EXPERIENCES PROFESSIONNELLES

depuis
septembre
2001 :
Matre de Confrences lEcole Centrale de Lille et Chercheur dans
lquipe Conception et Optimisation des Machines Electriques (COME) du
Laboratoire dElectrotechnique et dElectronique de Puissance de Lille
- Enseignement de llectricit, de llectrotechnique, de llectronique de
puissance et de la conception optimale aux lves ingnieurs.
- Enseignement des dmarches et techniques doptimisation dans le master
de recherche Energie Electrique et Dveloppement durable.
- Responsable de la filire Conception de Produits et Systmes innovants.
- Pilote et directeur scientifique dans le cadre de lactivit projet.
- Recherche dans les domaines de la modlisation, de la conception et de
loptimisation des machines lectriques.
- Collaborations industrielles pour la ralisation de recherches et tudes.

juin 96
aot 2001 :
Enseignant Chercheur au sein du dpartement Gnie Electrique de lcole
des Hautes Etudes Industrielles (HEI) et Chercheur dans lquipe COME
du L2EP
- Enseignement de llectricit, des machines lectriques et du calcul de
champ par la mthode des lments finis aux lves ingnieurs.
- Recherche dans les domaines de la modlisation, de la conception et de
loptimisation des machines lectriques.
- Collaborations industrielles pour la ralisation de recherches et dtudes.
- Responsable de la commission pdagogique du dpartement GE.
- Responsable du laboratoire de dveloppement du dpartement GE.
fvrier 95
janvier 96 :
Ingnieur Etude au service lectronique du Centre d'Exprimentations
Pratiques de l'Aronautique navale (CEPA) lors du service national
octobre 92
janvier 95 :
Doctorant et Ingnieur Recherche sous contrat CIFRE avec le Centre
Europen de Recherche de MOULINEX et le L2EP
- Prparation dune thse portant sur les moyens de simulation et
doptimisation dun moteur rluctance variable double saillance.
- Ralisation dun superviseur pour la conception et loptimisation des
machines lectriques.
- Amlioration dun logiciel de simulation des machines lectriques par la
mthode des lments finis avec un couplage lectronique-magntique-
mcanique.
- Enseignant vacataire en Gnie Electrique.
mai 92
aot 92 :
Stage de DEA et de fin d'tude d'ingnieur pour la Direction des Etudes
et Recherches d'EDF dans les locaux de l'Ecole Centrale de Lille.
- Modlisation dun moteur asynchrone et comparaison des rsultats de
deux mthodes avec lexprience.

t
e
l
-
0
0
2
6
4
0
4
1
,

v
e
r
s
i
o
n

3

-

2
7

A
p
r

2
0
0
8
11
Activits de Recherche

De juin 1996 aot 2001
1
, jtais enseignant-chercheur lcole des Hautes Etudes
Industrielles (HEI) de Lille et chercheur permanent au L2EP dans lquipe Conception et
Optimisation des Machines Electriques (COME), dirige par le professeur Pascal Brochet.
Cette quipe existe officiellement depuis 2000, aprs la division de lancienne quipe
modlisation en deux quipes : COME et MECOSYEL. En septembre 2001, jai t
nomm matre de confrences lEcole Centrale de Lille sans changement dquipe de
recherche.

Mon thme de recherche a toujours t la conception des machines lectriques. Pour
concevoir, il faut dabord comprendre. Lutilisation doutils de simulation numriques,
notamment les modles lments finis, ma permis de mieux apprhender le fonctionnement
des dispositifs lectrotechniques. Il nexiste pas un modle lments finis mais une multitude
de modles, chacun ralisant un bon compromis entre finesse de la modlisation et temps de
calcul. Mon sujet de DEA a t loccasion de comparer les formulations magntodynamique
complexe et pas pas dans le temps pour apprcier les avantages et points faibles de chacune.
Ma thse, dbute en septembre 1992, portait sur la conception dun moteur rluctance
variable double saillance. Ds le dbut, il est apparu que les logiciels lments finis
commercialiss ntaient pas capables de modliser le moteur et son convertisseur associ
avec suffisamment de prcision. Ainsi, jai amlior le modle lments finis MV2DYN
2

avec un couplage cinmatique et des interrupteurs capables de commuter selon les tats
lectriques ou mcaniques du systme.

Il ne suffit pas de simuler pour concevoir. Cest ce que jai constat au dbut de la
seconde anne de thse alors que notre partenaire industriel demandait damliorer son
prototype. Les mthodes doptimisation semblaient bien rpondre notre problme et je me
suis concentr sur celles convenant le mieux aux simulations lments finis en pas pas dans
le temps. Malheureusement, les mthodes doptimisation ne font que dplacer le problme et
la rponse attendue nest en fait que trois nouvelles questions : Que doit-on faire varier, que
voulons-nous et quelle mthode employer ? Au cours de ma thse, jai compar plusieurs
mthodes doptimisation dterministes et par plans dexpriences en les implmentant dans un
superviseur doptimisation qui pilotait le code lments finis et son mailleur. Pour rpondre
aux deux premires questions, une mthodologie de transcription du problme de conception
en un formalisme mathmatique ad hoc a t propose.

Dans lactivit de conception, on ne peut se contenter damliorer ou dadapter, il est
souvent ncessaire de crer. Alors, faute de temps suffisant pour apprivoiser les toiles
filantes
3
, on tentera de rationaliser cette activit. En 1997, jai entrepris la conception dun
moteur roue pour un vhicule solaire. Les spcificits de lapplication et le savoir faire du

1
Contrairement au mmoire scientifique, cette section et la suivante sont prsentes dans lordre
chronologique et dans un style moins acadmique.
2
MV2DYN = Magntique Valo 2 dimensions DYNamique, dvelopp notamment par Pascal Brochet
3
J.P. Keradec, mmoire dhabilitation diriger des recherches, 21 novembre 1996
t
e
l
-
0
0
2
6
4
0
4
1
,

v
e
r
s
i
o
n

3

-

2
7

A
p
r

2
0
0
8
12
constructeur ont conduit une structure originale pour laquelle il nexistait pas de solution
initiale. Devant le nombre important des paramtres faire varier et la diversit des
phnomnes physiques considrer, il mest apparu quun modle lments finis ne pourrait
pas suffire. Il me fallait un modle capable de prendre en compte des phnomnes lectriques,
magntiques, thermiques, mcaniques et suffisamment rapide pour faire varier les nombreux
paramtres. Pour crire un tel modle, qualifi modestement de modle de pr-
dimensionnement, il est ncessaire davoir une connaissance experte du fonctionnement du
systme lectrotechnique tudi, ce qui permet aussi de mieux apprhender ce que lon peut
faire varier et ce quon attend du dispositif. Se pose alors la question de la complmentarit
entre ces deux types de modle et de leur articulation dans une dmarche de conception. Elle
sera largement aborde dans le mmorandum scientifique.

Ainsi, le thme de recherche sur la conception des machines lectriques se dcompose en
trois axes de recherche complmentaires qui sont les outils de modlisation pour le
dimensionnement, les mthodes doptimisation adaptes et la mthodologie de conception. En
tant que jeune enseignant-chercheur, jai poursuivi ces trois axes.

En octobre 2000, la thse dOmessad Hajji est venue appuyer laxe de recherche sur les
mthodes doptimisation. Les mthodes dterministes souffrent frquemment de trois gros
points faibles : Lincapacit localiser loptimum global dun problme non convexe, la
sensibilit aux bruits numriques des simulations lments finis et, pour certaines delles, la
ncessit de connatre le gradient. Omessad sest intresse aux mthodes stochastiques :
Algorithmes gntiques, recuit simul et recherche taboue. En 2003, elle a bnfici dun
financement pour son dplacement dans lquipe Conception et Diagnostic Intgr (CDI) du
Laboratoire dElectrotechnique de Grenoble (LEG). Les changes entre nos deux quipes,
facilits par le GDR M2EMS (Matrise de lEnergie Electrique du Matriau au Systme) (GT
4 conception , opration 5 optimisation ) ont t enrichissantes et se poursuivent
aujourdhui dans SEEDS.

En parallle des encadrements doctoraux, jai poursuivi mes activits de conception
loccasion de collaborations avec des PME et des grandes entreprises. Un moteur asynchrone
immerg 800 W pour la propulsion fluviale a t conu, brevet et commercialis par la
socit PROPELEC, cre cette occasion. Un moteur synchrone aimants permanents et
flux axial pour pompe industrielle a t conu pour FRAMATOME/JEUMONT et
commercialis par la socit AREXIS, cre cette occasion. Au total, 8 collaborations ont
t ralises et sont cites en partie 3 de ce rapport.

La thse de Darius Vizireanu a dbut en novembre 2002 en partenariat avec
FRAMATOME/JEUMONT et se place dans le cadre de lopration FuturElec2
ARCHIMED (ARCHItecture des Machines Electriques et Dveloppement nouveau) du
CNRT (Centre National de Recherche Technologique) en gnie lectrique. Elle porte sur la
conception dune olienne de forte puissance attaque directe, aimants permanents et flux
axial. Aprs une analyse pousse de la solution existante (J48, 750kW, Jeumont), plusieurs
solutions sont investigues pour atteindre une puissance de 5MW. Darius sest intress la
machine, au convertisseur et la commande. Larchitecture retenue comprenait une machine
synchrone polyphase bobinages concentrs, un convertisseur redresseur-onduleur et une
t
e
l
-
0
0
2
6
4
0
4
1
,

v
e
r
s
i
o
n

3

-

2
7

A
p
r

2
0
0
8
13
commande multi-machine et multi-convertisseur. Un prototype de puissance rduite a permis
de valider le principe de fonctionnement ainsi que la qualit du couple et de la puissance
transmise au rseau. Cette thse est surtout venue enrichir les axes de recherche outils de
modlisation pour le dimensionnement et mthodologie de conception .

Le projet FuturElec3 du CNRT a dmarr en octobre 2004. Lopration 1 est en
partenariat avec ALSTOM-Ornans et porte sur la conception multi-physique des moteurs de
traction. Ainsi, la thse de Aurlie Fasquelle a pour but de construire des modles lectro-
vibro-acoustique, araulique et thermique pour mener des optimisations multi-objectifs. Les
simulations lments finis pour la magntique et laraulique ont permis de construire des
modles simplifis incorpors dans un modle thermique nodal capable de simuler le
comportement thermique transitoire lors du trajet dun train. Les phnomnes
lectromagntiques rapides sont ainsi ramens aux chelles temporelles de la thermique et de
la cinmatique. Cette thse enrichit principalement laxe de recherche outils de modlisation
pour le dimensionnement .

Lopration 2 est en partenariat avec ALSTOM-Tarbes et a commenc en octobre 2005.
Dans cette opration, la thse de Fouzia Moussouni porte sur la mthodologie et les outils
adapts l'optimisation globale et multicritre de systmes complexes. Cette thse comporte
deux aspects innovants. Le premier consiste trouver et adapter les mthodes doptimisation
capables de traiter des problmes multi-objectifs avec des contraintes et des variables
continues, discrtes et qualitatives. Fouzia sest intresse aux algorithmes gntiques avec un
codage mixte, aux algorithmes stochastiques multi-objectifs SPEA2 et NSGA-II, et aux
mthodes multi-agents tels que les colonies de fourmis et les essaims particulaires. Le second
aspect innovant porte sur lutilisation dune approche multi-niveau pour la conception des
systmes de traction ferroviaire, linstar de ce qui est fait en aronautique. Au niveau
suprieur ou systme, une modlisation approche de lensemble du systme est faite. A ce
niveau, il est plus ais de dfinir les objectifs et contraintes. Au niveau infrieur, les
composants sont dimensionns finement partir des spcifications dduites du niveau
systme. Un retour dinformation sur les caractristiques des composants est fait vers le
niveau systme. Il y a donc des optimisations chaque niveau ainsi que des techniques de
synchronisation entre niveaux. Lobjectif de Fouzia est de dvelopper des algorithmes et
dmarches adaptes. Cette thse enrichira les axes de recherche mthodologie de conception
et mthodes doptimisation .

Vu Tran Tuan a dmarr une thse co-dirige par lquipe CDI du LEG en octobre 2005.
Elle porte sur les mthodes doptimisation combinatoires pour traiter des problmes multi-
objectifs avec de nombreuses variables discrtes ou qualitatives. Le dveloppement du cas test
sur loptimisation dun transformateur de scurit a permis de comparer diffrentes mthodes
combinatoires. Une mthode de type branch and bound procdant par relaxation des
variables discrtes a donn des meilleurs rsultats que les algorithmes gntiques codage
mixte. De plus, les techniques de space-mapping ont conduit des gains importants en
temps et en prcision par lutilisation conjointe dun modle fin (lments finis) et dun
modle grossier (analytique). Cette thse enrichira laxe de recherche sur les mthodes
doptimisation.

t
e
l
-
0
0
2
6
4
0
4
1
,

v
e
r
s
i
o
n

3

-

2
7

A
p
r

2
0
0
8
14
Ainsi, je consacre une partie sans cesse croissante de mon temps lencadrement
doctoral. Les trois axes de recherche sont poursuivis en permanence. Les collaborations
industrielles supportent davantage les axes outils de modlisation pour le
dimensionnement et mthodologie de conception alors que les bourses ministrielles
soutiennent laxe mthodes doptimisation qui est amont.

Le mmorandum, prsent en partie suivante, est une synthse de la problmatique de la
conception optimale des systmes lectriques. Jy expose ma vision actuelle, acquise au cours
des recherches personnelles et encadrements doctoraux.

t
e
l
-
0
0
2
6
4
0
4
1
,

v
e
r
s
i
o
n

3

-

2
7

A
p
r

2
0
0
8
15
Activits dEnseignement

De juin 1996 aot 2001, jai enseign llectricit, les machines lectriques et la
simulation des machines lectriques par la mthode des lments finis (Opera2D) aux lves
ingnieurs de lcole des Hautes Etudes Industrielles. Il sagit dune formation dingnieur
gnraliste comportant des cours de tronc commun et des cours de spcialit. Une promotion
se compose de 240 lves dont 48 en spcialit Gnie Electrique (GE). Le tableau suivant
rsume ma charge denseignement.
Intitul Anne Elves Type Heures TETD
Cours Electricit
1
HEI 3 80 x 3 TC 14 x 3 63
TD Electricit1 HEI 3 40 x 3 TC 8 x 3 24
Cours Analyse des Circuits
2
HEI 3 48 GE 30 45
Cours Transformateurs HEI 3 48 GE 30 45
Cours Machines Asynchrones HEI 3 48 GE 34 51
Cours Machines Synchrones HEI 4 48 GE 30 45
TP Machines Electriques
2
HEI 3 15 GE 20 13
TP Machines Electriques HEI 4 15 GE 20 13
TP Modlisation Numrique HEI 5 16 GE 20 13

Anne Universitaire Cours T.D. T.P. TETD
1996 / 1997 180 h 72 h 40 h 368 h
1997 / 1998 180 h 72 h 60 h 382 h
1998 / 1999 166 h 24 h 60 h 313 h
1999 / 2000 166 h 24 h 60 h 313 h
2000 / 2001 136 h 24 h 40 h 255 h
HEI 3 : premire anne du cycle ingnieur HEI, HEI 4 : deuxime anne, HEI 5 : troisime anne, TC : Tronc Commun, GE :
spcialit Gnie Electrique,
1
galement ralis pendant 2 ans lcole des Mines de Douai,
2
ralis pendant 4 ans, TETD : temps quivalent
TD (1 heure cours = 1.5 heure TD, 1 heure TP = 0.67 heure TD)

La plupart des enseignements sont supports par des ressources nombreuses dans la
littrature pdagogique. Dautres sappuient sur un savoir-faire et une exprience personnelle
en lien avec les activits de recherche. Cest le cas des travaux pratiques de modlisation
numrique destins aux lves en dernire anne de la spcialit GE. Il sagit dune srie de
sujets de difficult croissante sur la modlisation des machines lectriques statiques. Ils
portent sur les tudes dun cble, dun lectro-aimant et dun transformateur monophas. Tout
au long des sances, le parallle entre les mthodes analytiques et la mthode des lments
finis est privilgi pour mettre en vidence les avantages et inconvnients de chaque mthode.
Avant de commencer les TP, je donne un cours magistral sur les mthodes de modlisation et
la mthode des lments finis. Un article sur cet enseignement a t publi dans la revue 3EI
[RN2].

Ma charge denseignement a diminu progressivement pour laisser plus de place la
recherche et lencadrement des Travaux dEtudes Recherches (TER). Un TER est un mmoire
de fin dtudes HEI qui dure 12 semaines durant lesquelles les lves ingnieurs ralisent
des recherches et tudes pour des industriels ou des laboratoires universitaires. En cinq
annes, jai encadr 14 TER ainsi que deux lves en licence ingnierie lectrique (LIE)
faisant leur stage au dpartement GE de HEI. Tous les TER encadrs taient en relation avec
mes thmes de recherche : conception, modlisation et optimisation. Les TER traits sont :
t
e
l
-
0
0
2
6
4
0
4
1
,

v
e
r
s
i
o
n

3

-

2
7

A
p
r

2
0
0
8
16
Conception dun frein lectromagntique pour ascenseur Autinor (3 TER : modle
milieu de gamme, modle bas de gamme, modle haut de gamme)
Conception dun moteur roue pour le vhicule solaire Hlios 3 Moteurs Fox (6 TER :
conception, modlisation numrique, optimisation, conception mcanique, tude de la
construction, essais)
Conception dun moteur asynchrone pour la propulsion fluviale Devos / Batelec / L2EP
Modlisation thermique dune machine asynchrone arbre lent Autinor
Etude dun moteur lectrique pour chirurgie orthopdique nergie embarque 3G
Modlisation thermique dun alternateur automobile griffes Valo / L2EP
Etude et dfinition dun prototype de transformateur frquence leve destin tre
intgr dans un nouveau systme modulaire dalimentation de motrice ferroviaire
Alstom T&D

La diminution de ma charge denseignement correspond ma volont de prendre
davantage de responsabilits au dpartement GE. Ainsi, jai t responsable du laboratoire de
dveloppement dans lequel se droulent les TER et animateur de la commission pdagogique
de la spcialit GE.

En septembre 2001, jai t nomm Matre de Confrences lEcole Centrale de Lille.
Jai commenc par assurer de nombreuses heures de TD et TP pour lenseignement de
llectricit industrielle, de llectronique de puissance et de llectrotechnique en tronc
commun. Je suis responsable des TP dlectricit industrielle. Jai trouv un intrt faire les
sminaires de probabilit et analyse numrique car ces disciplines taient trs utiles pour mes
activits de recherche, notamment la thse dOmessad Hajji sur les mthodes doptimisation
stochastiques. Mes enseignements Centrale Lille sont :

Intitul Anne Elves Type Heures TETD
TD Electricit Industrielle G1 30 x 2 TC 16 x 2 32
TD Electronique de Puissance G1 30 x 2 TC 8 x 2 16
TD Electrotechnique G2 30 x 2 TC 12 x 2 24
TP Electricit Industrielle G1 15 TC 8 x 6 32
TP Electronique de Puissance G1 15 TC 8 x 6 32
TP Electrotechnique G2 15 TC 8 x 6 32
Sminaire
1
Analyse Numrique G1 30 TC 16 x 2 32
Sminaire Probabilit et Statistique
2
G1 15 TC 16 x 2 32
Pilotage de Projets G1-G2 6 x 2 TC 13 x 2 26
Cours Equipements Electriques IE1 60 TC 6 9
TD Equipements Electriques IE1 30 x 2 TC 4 x 2 8
TP Equipements Electriques IE1 15 x 4 TC 4 x 4 11
Cours Conception et Optimisation G3 variable GED 8 12
TD Optimisation dun moteur de traction G3 variable GED 12 12
Cours Conception Optimale G3 variable CPSI 4 6
TD Conception Optimale G3 variable CPSI 8 8
Etude de cas Motoventilateur G3 variable CPSI 8 8
Cours Optimisation E2D2 variable TC 4 6
Cours Outils pour la Conception Optimale E2D2 variable UE4-P2 8 12

t
e
l
-
0
0
2
6
4
0
4
1
,

v
e
r
s
i
o
n

3

-

2
7

A
p
r

2
0
0
8
17
Anne Universitaire Cours T.D. T.P. TETD
2001 / 2002 14 h 152 h 148 h 273 h
2002 / 2003 12 h 239 h 72 h 305 h
2003 / 2004 18 h 176 h 59 h 242 h
2004 / 2005 30 h 176 h 32 h 242 h
2005 / 2006 30 h 155 h 63 h 242 h
2006 / 2007 30 h 181 h 24 h 242 h
G1 : premire anne de Centrale Lille, G2 : deuxime anne, G3 : troisime anne, IE1 : premire anne Ingnieur Manager
Entrepreneur (ITEEM), TC : Tronc Commun, GED: gnie lectrique et dveloppement durable, CPSI : filire conception de produits et
systmes innovants, E2D2 : master nergie lectrique et dveloppement durable, UE4-P2 : unit denseignement Modlisation Numrique et
Outils de Conception (master E2D2),
1
sminaire = cours et TD mlangs,
2
galement ralis pendant 2 ans lInstitut de Gnie Industriel et
Informatique (IG2I)

En revenant Centrale Lille, jai dcouvert lactivit projet et jai souhait my investir
en tant que pilote, cest--dire consultant en gestion de projet. Cette activit, spcifique
Centrale Lille dans sa forme, est loccasion de former nos lves au management de projets
techniques. Deux annes aprs, jai propos un sujet, dont je fus directeur scientifique, sur un
vlo lectrique participant la course organise par lENS Cachan. Jai galement jou un
rle cl dans dautres projets tels que ltude de la motorisation dun kart lectrique voluant
sur un terrain a fort dnivel [CI10] et la conception dune bute magntique active pour une
motopompe. Je continue proposer des sujets en relation avec le gnie lectrique pour
lesquels jassure la direction scientifique : moteur roue pour vlo lectrique et motorisation
dun drone captif.

En 2003, la formation Ingnieur Manager Entrepreneur a dbut et jai particip
llaboration des programmes de gnie lectrique. Jassure un enseignement intitul
quipements lectriques en 1
re
anne avec mes collgues et jen suis le responsable.

La rforme de la dernire anne de lEcole Centrale de Lille en 2003 et la cration du
master de recherche E2D2 en 2004 ont t loccasion de crer des enseignements
correspondants mes thmes de recherche. Ainsi, je fais un cours de conception et
doptimisation aux lves du gnie lectrique et dveloppement durable (GED) de Centrale
Lille puis ils conoivent et optimisent un moteur roue brushless DC [RI7] laide des
Optimization toolbox et Genetic Algorithm and Direct Search toolbox de Matlab. En
filire conception de produits et systmes innovants, une confrence sur la conception
optimale est donne. Elle est suivie par des optimisations avec Matlab. Dans cet
enseignement, les problmes sont amens par les lves et concernent une discipline de leur
gnie. Ils se concentrent ainsi sur la formulation du problme doptimisation et la construction
dun modle appropri. En master de recherche, le volume horaire est plus faible et il faut se
contenter de prsenter un nombre trs restreint de mthodes doptimisation. Un module
optionnel propose la construction des modles analytique et lments finis dun
transformateur puis son optimisation avec la mthode SQP, les plans dexpriences et les
algorithmes gntiques.

La dernire anne de lEcole Centrale de Lille comporte un gnie disciplinaire (450
heures), une filire oriente vers un mtier (160 heures), un projet de fin dtude (150 heures)
et quelques enseignements de tronc commun. Depuis 2006, je suis responsable pdagogique
de la filire conception de produits et systmes innovants . Cette filire a pour objectif de
prparer les lves aux mtiers lis la conception de produits innovants en fournissant outils
t
e
l
-
0
0
2
6
4
0
4
1
,

v
e
r
s
i
o
n

3

-

2
7

A
p
r

2
0
0
8
18
et mthodologies pour la conception et son organisation. La mise en uvre de ces outils est
illustre au travers dtudes de cas caractre pluridisciplinaire.

t
e
l
-
0
0
2
6
4
0
4
1
,

v
e
r
s
i
o
n

3

-

2
7

A
p
r

2
0
0
8
19

SYNTHESE DES
ACTIVITES DE
RECHERCHE

t
e
l
-
0
0
2
6
4
0
4
1
,

v
e
r
s
i
o
n

3

-

2
7

A
p
r

2
0
0
8
t
e
l
-
0
0
2
6
4
0
4
1
,

v
e
r
s
i
o
n

3

-

2
7

A
p
r

2
0
0
8
21
Encadrements de Doctorants

Le bilan des encadrements doctoraux est de deux thses soutenues, une sur le point de
ltre et deux thses en dernire anne.

Omessad HAJJI

Titre : Contribution au dveloppement de mthodes doptimisation stochastiques
Application la conception des dispositifs lectrotechniques

Soutenance : le 3 dcembre 2003 lUniversit des Sciences et Technologies de Lille

Rsum : Les problmes doptimisation en lectrotechnique prsentent plusieurs
difficults lies aux besoins de lutilisateur (recherche dune solution globale, fiabilit et
prcision de la solution ), aux caractristiques du problme trait (non linarit, drives
difficilement accessibles, ) et aux temps de calculs importants. La rsolution de telles
difficults a fait lobjet de nombreux travaux en utilisant diverses mthodes doptimisation.
Les mthodes dterministes sappuient sur le calcul dune direction de recherche
gnralement lie la drive des rsultats par rapport aux paramtres de conception du
dispositif. Elles ne sont rellement utilisables que dans le cas restreint o la solution cherche
est rpute proche dune solution connue, point de dpart de cette recherche. Cest pour lever
cette difficult que nous avons choisi de nous intresser au dveloppement des mthodes
stochastiques et dtudier leurs applications aux problmes de conception rencontrs en
lectrotechnique.
Les trois mthodes stochastiques les plus prometteuses : algorithmes gntiques, recuit
simul et recherche taboue ont t implantes et testes. Ces mthodes ont une grande
capacit trouver loptimum global du problme. Contrairement la plupart des mthodes
dterministes, elles ne ncessitent ni point de dpart, ni connaissance du gradient de la
fonction objectif pour atteindre la solution optimale. Cependant, elles demandent un grand
nombre dvaluations.
Pour rsoudre ce problme, quelques contributions originales ont t apportes. Un
nouveau critre darrt pour les algorithmes gntiques, bas sur la mthodologie des surfaces
de rponse, deux amliorations dans la dtermination du vecteur pas du recuit simul et une
nouvelle mthode de recherche taboue avec un mcanisme dexploration radicalement
diffrent ont t proposs.
Plusieurs applications en lectrotechnique sont tudies afin de servir de cas test. Deux
problmes modliss analytiquement, tels que la maximisation du rendement dun moteur
courant continu sans balai et la minimisation du cot dun transformateur triphas. Deux
problmes utilisent la mthode des lments finis. Il sagit dune bobine supraconductrice
pour le stockage dnergie et dune presse aimants.

Publications associes : [RI8], [RI9], [RI10], [RI12], [RI13], [RI14], [RI15],
[CI11], [CI12], [CI13], [CN2], [CN3], [CN4]

Encadrement : Pascal Brochet (directeur, 50%), Stphane Brisset (co-encadrant, 50%)
t
e
l
-
0
0
2
6
4
0
4
1
,

v
e
r
s
i
o
n

3

-

2
7

A
p
r

2
0
0
8
22

Darius VIZIREANU

Titre : Optimisation de larchitecture des machines synchrones aimants permanents et
attaque directe de larbre moteur pour les applications fort couple et basse vitesse

Soutenance : le 9 juillet 2007 lEcole Centrale de Lille

Rsum : Encourag par le facteur conomique (les productions dcentralises) et le
facteur politique (protocole de Kyoto, confrence de Buenos Aires, le programme EOLE 2010
qui assigne lobjectif de 22% dnergie renouvelable en 2010 dans lUnion Europenne), le
march olien est en pleine expansion. Jeumont Industries, partenaire industriel dans cette
tude, a dvelopp dans les annes 1990 un systme olien en attaque directe qui emploie une
gnratrice synchrone aimants permanents ralise en utilisant une structure originale flux
axial.
Les dernires dcades ont apport des avances technologiques dans diffrents domaines
comme les matriaux, notamment les aimants permanents, et lapparition de nouveaux
composants dans le domaine de llectronique de puissance.
Prenant en compte ces volutions technologiques, le but de ltude est dinvestiguer les
possibilits daugmenter la puissance dun tel systme en attaque directe, en utilisant la
technologie Jeumont.
Ltude est fonde sur la construction dun modle multi-physique, multi-niveau et multi-
chelle, qui combine des modles lments finis, des modles dynamiques et des modles de
conception.
Lexploitation des modles a permis de trouver la topologie du systme qui rpond le
mieux aux critres de qualit imposs : une structure polyphase avec un nombre de phases
impair uniformment rparties. Par leurs performances, les structures polyphases permettent
de simplifier la construction de la machine en utilisant un bobinage concentr. Les diffrentes
configurations possibles sont dtermines, analyses et classes. Les meilleures sont
optimises et lensemble des compromis entre la composante conomique du systme et ses
performances est trac, permettant au concepteur de faire un choix final.

Publications associes : [RI1], [RI4], [RI6], [RI-], [RN1],
[CI4], [CI5], [CI8], [CI9]


Aurlie FASQUELLE

Titre : Conception et optimisation multi-objectif, lectro-vibro-acoustique et thermique
de machines lectriques de traction

Rsum : Le dveloppement important ces dernires annes du secteur du transport sest
accompagn dune inquitude accrue pour le respect de lenvironnement. Bien que le
t
e
l
-
0
0
2
6
4
0
4
1
,

v
e
r
s
i
o
n

3

-

2
7

A
p
r

2
0
0
8
23
transport ferroviaire prsente une efficacit nergtique leve, il nest pas pour autant dnu
de nuisances environnementales. Lintgration du dveloppement durable lors de la
conception optimale de machines lectriques devient alors indniable. Cela impose de tenir
compte simultanment dun grand nombre de phnomnes physiques. Cette thse a alors pour
objectif de mettre en avant une mthodologie de conception en accord avec la volont actuelle
doptimisation conomique et cologique. Un modle multi-physique a alors t dvelopp
dans le but de reprsenter les phnomnes lectromagntiques, vibro-acoustiques et
arothermiques dans un moteur asynchrone ferm auto-ventil ddi la traction ferroviaire.
Ce modle est en fait compos de plusieurs modles, analytiques ou semi-analytiques,
interagissant entre eux. Chaque modle reprsente des phnomnes physiques spcifiques. Un
intrt particulier a t port au modle arothermique et au modle de pertes, notamment
pour la modlisation des pertes au sein du circuit magntique. Bien quils soient tous deux
analytiques, le dveloppement de ces deux modles a fait appel des tudes numriques
pralables. Lefficacit du modle multi-physique et son respect des tendances dvolution
ont pu tre mis en vidence par une comparaison avec des rsultats dessais exprimentaux
sur moteur rel et par une analyse de linfluence des incertitudes.

Soutenance : 30 novembre 2007 lEcole Centrale de Lille

Publication associe : [CI7], 1 publication dans la revue IJEET et 2 dans des
confrences internationales de thermique.

Encadrement : Pascal Brochet (directeur, 50%), Souad Harmand (co-directeur, 10%),
Stphane Brisset (co-encadrant, 30%), Michel Hecquet (co-encadrant, 10%).

Fouzia MOUSSOUNI

Titre : Mthodologie et outils adapts l'optimisation globale et multicritre de
systmes complexes

Rsum : Lobjectif est de construire des outils capables doptimiser un systme
complexe tel quune chane de traction ferroviaire. Il convient donc de trouver les valeurs des
paramtres de conception qui maximisent les performances du systme, ces dernires tant
calcules par des modles experts ALSTOM.
Plusieurs difficults se prsentent. Premirement, les modles utiliss ont diffrents
niveaux de complexit: ils sont de natures analytiques, semi-analytiques (rseaux de
permances) ou numriques (lments finis). Deuximement, les paramtres optimiser sont
continus (dimensions, ), discrets (nombre de ples, ) ou qualitatifs (matriaux, structures,
). Troisimement, loptimum du systme ne peut tre obtenu par une optimisation
squentielle de chacun de ses composants. Enfin, les objectifs sont multiples et
contradictoires. Il faut ainsi trouver lensemble des meilleurs compromis satisfaisant les
contraintes, le choix final dune solution revenant au concepteur.
Les mthodes doptimisation multi-objectifs les plus performantes (NSGA-II et SPEA2)
ont t testes et leurs fronts de Pareto compars celui obtenu avec la mthode SQP et une
pondration des objectifs. Pour traiter les variables mixtes, un algorithme gntique avec un
t
e
l
-
0
0
2
6
4
0
4
1
,

v
e
r
s
i
o
n

3

-

2
7

A
p
r

2
0
0
8
24
codage mixte a t programm et ses rsultats compars avec une recherche de type branch
and bound .
Les mthodes multi-agents telles que les colonies de fourmis et les essaims particulaires
ont t appliques pour loptimisation dun composant et sont pressenties pour loptimisation
multi-niveau de la chane de traction. Lapproche multi-niveau semble la voie la plus
rationnelle pour concevoir des systmes de traction ferroviaire, linstar de ce qui est fait en
aronautique. La dmarche de conception est alors radicalement diffrente de celle utilise
pour un composant o un seul algorithme et un seul modle sont utiliss. Dans lapproche
multi-niveau, un algorithme et un modle sont utiliss au niveau systme et il en est de mme
pour chaque composant du niveau infrieur. Il faut ainsi dfinir les dmarches et algorithmes
les mieux adapts cette approche et notamment les techniques de synchronisation entre
niveaux.

Dbut : octobre 2005

Publications associes : [RI3], [CI2]


Tuan Vu TRAN

Titre : Problmes combinatoires et choix structurels dans la conception optimale en
gnie lectrique

Dbut : octobre 2005

Rsum : La conception de machines lectriques est souvent formalise en terme de
problmes paramtres continus, rarement paramtres discrets. Les problmes ainsi
formaliss se situent cependant dans la deuxime partie du processus de conception et se
limitent souvent la dtermination fine de quelques paramtres correspondants la structure
retenue.
Cependant, on constate un manque doutils de dcision pour la premire partie du
processus de conception dans laquelle le choix de la structure et des matriaux est fait. A ce
stade de la conception, les paramtres sont majoritairement discrets et non classables. De
mme, les productions unitaires ou en trs petites sries pratiques par certaines PME doivent
ncessairement sappuyer sur des standards. Il sagit donc de choisir parmi un nombre fini de
solutions plutt que doptimiser finement une dimension.
Les objectifs gnraux de cette thse sont multiples. Il convient de dfinir des problmes
doptimisation spcifiques la premire partie du processus de conception, c'est--dire des
choix structurels, et laborer des cas test de rfrence. Le cas dun transformateur de scurit
a t retenu. Des modles analytiques et lments finis ont t construits en vue du
dimensionnement.
Pour loptimisation avec des variables continues et discrtes, une mthode de type
branch and bound procdant par relaxation des variables discrtes a donn des bons
rsultats avec peu dvaluations.
t
e
l
-
0
0
2
6
4
0
4
1
,

v
e
r
s
i
o
n

3

-

2
7

A
p
r

2
0
0
8
25
La technique du space-mapping a permis un gain de temps important en combinant
un modle analytique de type circuit quivalent avec un modle lments finis
tridimensionnel.

Publications associes : [RI2], [CI1], [CI2], [CI3]


Encadrements de DEA et Master Recherche

Laurentiu ALDEA

Titre : Outils graphiques causaux pour le dimensionnement des machines lectriques

Anne : 2004/2005

Objectif : Utilisation des graphes informationnels causaux (GIC) pour lordonnancement
des quations dun modle analytique pour le pr-dimensionnement. Comparaison avec
lapproche par matrice dincidence. Application la conception dun transformateur
monophas de petite puissance.

Encadrement : Stphane Brisset, Bruno Franois, Pascal Brochet

Pierre ABOU ANOMA

Titre : Ecoconception dun alternateur dolienne attaque directe

Anne : 2006/2007

Objectif : Utilisation dun logiciel dcoconception pour valuer lempreinte
environnementale dune olienne du berceau jusqu la tombe selon 11 impacts. Dduction
dun modle environnemental simplifi au moyen des plans dexpriences. Intgration du
modle environnemental et dun modle de dimensionnement dans une optimisation multi-
objectif visant minimiser lmission de gaz effet de serre et la masse des parties actives de
la machine.

Encadrement : Stphane Brisset, Pascal Brochet

Collaborations Industrielles

Jai ralis plusieurs contrats de recherche portant sur le dimensionnement et ltude des
machines lectriques pour des PME/PMI ainsi que des grandes entreprises. Ils permettent
t
e
l
-
0
0
2
6
4
0
4
1
,

v
e
r
s
i
o
n

3

-

2
7

A
p
r

2
0
0
8
26
dappliquer les mthodologies dveloppes lors des recherches des problmes industriels.
Les apports financiers sont utiliss pour lquipement et la construction de prototypes. Ces
derniers valident les mthodologies proposes. Les contrats traits sont :
1. Conception dun moteur roue pour vhicule lectrique : Cette tude a t demande par la
socit MOTEURS FOX avec laide de la rgion Nord Pas de Calais et Electricit de
France. Suite lexamen du cahier des charges, un moteur brushless DC bobinage
concentr, aimants SmCo et flux radial a t retenu. Un prototype a t construit et les
essais raliss ont valid la mthodologie propose [CI14], [CI15], [CN5], [CN6], [CN7].
2. Moteur asynchrone immerg 800W pour la propulsion fluviale : Cette tude a t
demande par la socit TRICOTAGE DEVOS avec laide de la rgion Nord Pas de
Calais et Electricit de France pour quiper des bateaux de location. Elle comprend la
conception du moteur et dun onduleur triphas fonctionnant sur batterie. Au dbut, 6
prototypes ont t mis en service. Deux socits ont t cres : BATELEC pour la
location des bateaux et PROPELEC pour la commercialisation des systmes de propulsion
[BI1].
3. Moteur synchrone aimants permanents et flux axial pour pompe industrielle :
JEUMONT INDUSTRIE / FRAMATOME a contact lquipe COME pour concevoir un
moteur bobinage concentr. Ce moteur existe actuellement avec un bobinage rparti
mais pose problme car lencombrement des ttes de bobines est important. Dans une
premire tude, un dimensionnement pour un moteur bobinage concentr et encoches
fermes a t fait et ses performances ont t juges satisfaisantes mais la construction
nest pas envisage car trop coteuse. Un autre dimensionnement a t ralis pour un
moteur bobinage concentr et bobines faciles insrer. Ce type de moteur tant
nouveau, une dmarche de conception et des outils spcifiques ont t labors. Un
prototype a t ralis et ses performances sont satisfaisantes, lindustrialisation et la
commercialisation ont t assures par la socit AREXIS, cre cette occasion [RI5].
4. Transformateur monophas 10 kHz pour la traction ferroviaire : Cette tude a t
demande par ALSTOM T&D. Elle comprend le dimensionnement et loptimisation pour
rpondre un cahier des charges strict sur lencombrement et la dissipation de chaleur.
5. Etude thermique dun alternateur automobile griffe pour la socit VALEO. Une
approche lments finis 2D est possible par lutilisation des conductivits hybrides, que
nous proposons, et donne des rsultats satisfaisants. Elles vitent de recourir une
modlisation 3D. Un rseau lectrique quivalent a galement t utilis [RI17].
6. Etude thermique dun moteur asynchrone arbre lent pour la socit AUTINOR. Cette
machine comporte des canaux de refroidissement et une ventilation force. Les approches
lments finis et rseau lectrique quivalent ont t suivies.
7. Etude de la motorisation dun kart lectrique voluant sur un terrain a fort dnivel. Cette
tude a t demande par la socit TRICOTAGE DEVOS avec laide de la rgion Nord
Pas de Calais et Electricit de France. Elle a permis de choisir les technologies de la
batterie et de la motorisation. Lintrt conomique de la rcupration dnergie au
freinage en descente a t mis en vidence. Une optimisation globale de la chane de
traction du kart a t faite dans le cadre de la thse de Victor MESTER et a donn lieu
deux communications lors de confrences internationales [CI6], [CI10].
t
e
l
-
0
0
2
6
4
0
4
1
,

v
e
r
s
i
o
n

3

-

2
7

A
p
r

2
0
0
8
27
8. Conception dune bute magntique active pour une motopompe de la socit AREXIS.
Cette bute viendra en remplacement dun ensemble bute hydrodynamique et bute
magntique passive. Un prototype a t ralis et donne la force souhaite. En parallle,
un groupe dlves sest occup des problmes dintgration, de mesure et
dasservissement de lentrefer dans le cadre de lactivit projet de Centrale Lille.

Activits dans la Communaut Scientifique

Participation au GDR M2EMS (matrise de lnergie lectrique du matriau au
systme), GT 4 conception , opration 4 capitalisation . Dans ce cadre, jai
prsent un modle analytique de pr-dimensionnement dun moteur courant continu
sans balai aimant permanent et bobinage concentr [CN1]. Ce modle sera capitalis
et mis disposition de la communaut scientifique et industrielle des concepteurs de
machines lectriques. De plus, il sert de benchmark pour lopration 5
optimisation .
Participation au GDR M2EMS (matrise de lnergie lectrique du matriau au
systme), GT 4 conception , opration 5 optimisation . Pour cette opration,
Mlle Omessad Hajji sest dplace deux semaines dans lquipe Conception et
Diagnostic Intgrs (CDI) du Laboratoire dElectrotechnique de Grenoble (LEG). Elle
a compar des mthodes doptimisation (stochastiques et dterministes) pour deux
benchmarks slectionns dans lopration 4 capitalisation , ce qui a donn lieu
une publication [RI9].
Participation au Centre National de Recherche Technologique (CNRT) sur les rseaux
et machines lectriques du futur. Le projet ARCHIMED (architecture des machines
lectriques et dveloppements nouveaux) a pour objectif lexploration et
loptimisation des architectures de machines lectriques aimants permanents pour les
applications forts couples et basses vitesses, notamment les oliennes. Dans ce
projet, jai encadr la thse de Darius Vizireanu.
Participation au Centre National de Recherche Technologique (CNRT) sur les rseaux
et machines lectriques du futur. Le projet FUTURELEC 3 (Machines Electriques
Faible Impact Environnemental pour les Transports du Futur) a pour objectif la
conception multi-physique et loptimisation multicritre des systmes ferroviaires.
Dans ce projet, jencadre les thses dAurlie Fasquelle et Fouzia Moussouni.
Relations avec les PME/PMI rgionales dans le cadre dINNOVELECT qui offre une
aide linnovation pour une collaboration entre universitaires et industriels.
Participation trois contrats de recherche (1, 2, 7).
Membre du comit de lecture de la confrence Optimization and Inverse Problems
in Electromagnetic (OIPE 2004) et du numro spcial de COMPEL (Vol. 24, No. 3,
2005) comprenant les meilleurs articles de cette confrence, chairman dune session de
cette confrence.
Expert extrieur pour la Fondation Canadienne pour lInnovation (FCI) en 2003.
t
e
l
-
0
0
2
6
4
0
4
1
,

v
e
r
s
i
o
n

3

-

2
7

A
p
r

2
0
0
8
28
Participation au GDR SEEDS (Systmes dEnergie Electrique dans leurs Dimensions
Socitales) dans le socle mthodes et mthodologies et au projet DIMOCODE
(Diffusion Internet des Modles pour la Conception Optimale des Dispositifs
Electriques) cr dans le cadre du Programme Interdisciplinaire Energie du CNRS en
2007.
Secrtaire, membre du comit de lecture et membre du comit dorganisation de la
confrence Linear Drives for Industrial Applications (LDIA2007) qui sest
droule Lille du 16 au 19 septembre 2007.

Activits Administratives

Membre du conseil de laboratoire du L2EP
Membre de la commission des spcialistes de lEcole Centrale de Lille
Responsable des Travaux Pratiques dlectricit industrielle
Responsable des enseignements quipements lectriques de la formation Ingnieur
Manager Entrepreneur (ITEEM)
Responsable de la filire Conception de Produits et Systmes Innovants ,
reprsentant 160 heures lves en dernire anne de lEcole Centrale de Lille.
t
e
l
-
0
0
2
6
4
0
4
1
,

v
e
r
s
i
o
n

3

-

2
7

A
p
r

2
0
0
8
29

LISTE DES
PUBLICATIONS

t
e
l
-
0
0
2
6
4
0
4
1
,

v
e
r
s
i
o
n

3

-

2
7

A
p
r

2
0
0
8
t
e
l
-
0
0
2
6
4
0
4
1
,

v
e
r
s
i
o
n

3

-

2
7

A
p
r

2
0
0
8
31
Ci-dessous sont cites 20 publications dans des revues scientifiques internationales, un
brevet exploit, deux publications nationales, 23 communications dans des confrences
internationales avec comit de lecture et 8 dans des confrences nationales avec comit de
lecture (au 1
er
aot 2007).

0
1
2
3
4
5
1
9
9
4
1
9
9
5
1
9
9
6
1
9
9
7
1
9
9
8
1
9
9
9
2
0
0
0
2
0
0
1
2
0
0
2
2
0
0
3
2
0
0
4
2
0
0
5
2
0
0
6
2
0
0
7
production scientifique
revues
communications

Brevets dinvention
[BI1] Moteur lectrique pour la propulsion des bateaux , N de publication : 2 796 775,
N denregistrement national : 99 09559, inventeurs : DEVOS Gilbert, SION
Franois Xavier, ODOUX Grard, GILLON Frdric, CIMETIERE Xavier,
BROCHET Pascal et BRISSET Stphane, date de mise disposition du public du
brevet dinvention : 17 aot 2001. Exploit par la socit PROPELEC, cre cette
occasion.
Publications dans des Revues Internationales
[RI-] "Design and Optimization of a 9-phase Axial-Flux PM Synchronous Generator with
Concentrated Winding for Direct-Drive Wind Turbine", accepte dans IEEE
Transactions on Industry Applications, Stphane BRISSET, Darius VIZIREANU,
Pascal BROCHET
[RI1] "Study of current and electromotive force waveforms in order to improve the
performance of large PM synchronous wind generator", Recent Developments of
Electrical Drives, pp. 397-411, ISBN 978-1-4020-4534-9, 6-2007, Darius
VIZIREANU, Stphane BRISSET, Pascal BROCHET, Yves MILET, Daniel
LALOY
[RI2] "Combinatorial and Multi-level Optimization of a Safety Isolating Transformer",
International Journal of Applied Electromagnetics and Mechanics (IJAEM), Vol. 3,
No. 26, 4-2007, Tuan Vu TRAN, Stphane BRISSET, Pascal BROCHET
[RI3] "Some results on the design of brushless DC wheel motor using SQP and GA",
International Journal of Applied Electromagnetics and Mechanics (IJAEM), Vol. 3,
No. 26, 4-2007, Fouzia MOUSSOUNI, Stphane BRISSET, Pascal BROCHET
t
e
l
-
0
0
2
6
4
0
4
1
,

v
e
r
s
i
o
n

3

-

2
7

A
p
r

2
0
0
8
32
[RI4] "Investigation on Multi-star Structures for Large Power Direct-drive Wind
Generator", Electric Power Components and Systems, No. 35, pp. 135-152, 2-2007,
Stphane BRISSET, Darius VIZIREANU, Xavier KESTELYN, Pascal BROCHET,
Yves MILET, Daniel LALOY
[RI5] "Conception dune motopompe synchrone flux axial et bobinages concentrs -
Application une pompe tanche", Revue Internationale de Gnie Electrique
(RIGE), Vol. 9, No. 2-3, pp. 185-208, 3-2006, Stphane BRISSET, Frdric
GILLON, Pascal BROCHET, Rmy DHELFT
[RI6] "Investigation on brushless DC machine suitability to direct-drive generator wind
turbine", Electromotion Quarterly Journal, Vol. 12, No. 4, pp. 205-212, 10-2005,
Darius VIZIREANU, Stphane BRISSET, Pascal BROCHET, Yves MILET, Daniel
LALOY
[RI7] "Analytical model for the optimal design of a brushless DC wheel motor",
COMPEL, Vol. 24, No. 3, pp. 829-848, 1-2005, Stphane BRISSET, Pascal
BROCHET
[RI8] "A new Tabu Search Method for continuous parameter optimization: Application to
design problems in electromagnetic", European Transactions on Electrical Power,
Vol. 15, pp. 527-540, 1-2005, Omessaad HAJJI, Stphane BRISSET, Pascal
BROCHET
[RI9] "Comparaison des mthodes stochastiques et dterministes pour loptimisation de
dispositifs lectromagntiques", Revue Internationale de Gnie Electrique, Vol. 8,
No. 2, pp. 241-258, 1-2005, Omessad HAJJI, Stphane BRISSET, Frdric WURTZ,
Pascal BROCHET, Jaime FANDINO
[RI10] "Comparison of stochastic and deterministic methods for the optimal design of
electromagnetic devices", Optimization and Inverse Problem in Electromagnetic, 9-
2004, Omessaad HAJJI, Stphane BRISSET, Frderic WURTZ, Pascal BROCHET,
Jaime FANDINO
[RI11] "Manufacturing cost reduction in brushless DC motors using axial flux and
concentrated winding", ElectroMotion Quarterly Journal, Vol. 11, No. 2, pp. 85-100,
6-2004, Stphane BRISSET, Frdric GILLON, Pascal BROCHET
[RI12] "A new Tabu Search Method for optimization with continuous parameter", IEEE
Trans. Magn.,, Vol. 40, No. 2, pp. 1184-1187, 3-2004, Omessaad HAJJI, Stphane
BRISSET, Pascal BROCHET
[RI13] "Comparing stochastic methods on SMES optimization", Optimization and Inverse
Problem in Electromagnetism, pp. 12, 9-2003, Omessad HAJJI, Stphane BRISSET,
Pascal BROCHET
[RI14] "A Stop Criterion to Accelerate Magnetic Optimization Process using Genetic
Algorithms and Finite Element Analysis", IEEE Trans. Magn, Vol. 39, N. 3, pp.
1297-1300, 5-2003, Omessaad HAJJI, Stphane BRISSET, Pascal BROCHET
[RI15] "Optimization of a Brushless DC Motor for an Electric Vehicle using Genetic
Algorithms", Electromagnetic Fields in Electrical Engineering, Studies in Applied
Electromagnetics and Mechanics, Vol. 22, pp. 415-418, 4-2003, Omessaad HAJJI,
Stphane BRISSET, Pascal BROCHET
[RI16] "Optimization with Experimental Design : an approach using Taguchis
Methodology and Finite Element Simulations", IEEE Trans. Magn., Vol. 37, No. 5,
t
e
l
-
0
0
2
6
4
0
4
1
,

v
e
r
s
i
o
n

3

-

2
7

A
p
r

2
0
0
8
33
pp. 3530-3533, 9-2001, Stphane BRISSET, Frdric GILLON, Stphane VIVIER,
Pascal BROCHET
[RI17] "Thermal modeling of a car alternator with claw poles using 2D finite element
software", COMPEL, Vol. 20, No. 1, pages. 205-215, 8-2001, Stphane BRISSET,
Michel HECQUET, Pascal BROCHET
[RI18] "Shape Optimization of BDC Wheel Motor using Powells Method", COMPEL, Vol.
19, No. 2, pp. 596-601, 7-2000, Stphane BRISSET, Pascal BROCHET
[RI19] "Optimization of Switched Reluctance Motors Using Deterministic Methods with
Static and Dynamic Finite Element Simulations", IEEE Trans. Magn., Vol. 34, No. 5,
pp. 2853-2856, 9-1998, Stphane BRISSET, Pascal BROCHET
Publications dans des Revues Nationales
[RN1] "Gnratrice synchrone polyphase aimants permanents, flux axial et bobinages
concentrs pour olienne de forte puissance attaque directe", Revue de lElectricit
et de lElectronique (REE), No. 1, pages. 29-37, 1-2007, Stphane BRISSET, Darius
VIZIREANU, Yves MILLET, Daniel LALOY
[RN2] "Enseigner la modlisation numrique des machines lectriques statiques avec
Opera-2D", La revue 3EI, No. 22, pages. 43-52, 9-2000, Stphane BRISSET, Pascal
BROCHET
Communications lors de Confrences Internationales
[CI1] "A Benchmark for Combinatorial and Multi-level Optimization of a Safety Isolating
Transformer", COMPUMAG 2007, June 24-28, 2007, Aachen, Germany, 6-2007,
Tuan Vu TRAN, Stphane BRISSET, Pascal BROCHET
[CI2] "Combinatorial Optimization of a Safety Isolating Transformer using Branch-and-
Bound method and Genetic Algorithm ", COMPUMAG 2007, June 24-28, 2007,
Aachen, Germany, 6-2007, Tuan Vu TRAN, Fouzia MOUSSOUNI, Stphane
[CI3] "Optimization of a Safety Isolating Transformer using Space Mapping", SMSMEO-
06, November 9th-11th, 2006, Copenhagen, Denmark, 11-2006, Tuan Vu TRAN,
[CI4] "Design and optimization of a 9-phase axial-flux PM synchronous generator with
concentrated winding for low-speed high-torque direct-drive application", IAS 2006,
10-2006, Darius VIZIREANU, Stphane BRISSET, Pascal BROCHET
[CI5] "Experimental Tests on a 9-phase Direct Drive PM Axial-Flux Synchronous
Generator", ICEM 2006, 9-2006, Darius VIZIREANU, Xavier KESTELYN,
Stphane BRISSET, Pascal BROCHET, Eric SEMAIL
[CI6] "Global Optimal Design of a Wheel Traction Motor by a Systemic Approach of the
Electric Drive Train", IEEE Vehicle Power and Propulsion (VPP) Conference,
Windsor, UK, 9-2006, Victor MESTER, Frdric GILLON, Stphane BRISSET,
Pascal BROCHET
[CI7] "Iron losses distribution in a railway traction induction motor", ICEM2006, CRETE,
9-2006, Aurelie FASQUELLE, Aymeric ANSEL, Stphane BRISSET, Michel
HECQUET, Pascal BROCHET, Andry RANDRIA
t
e
l
-
0
0
2
6
4
0
4
1
,

v
e
r
s
i
o
n

3

-

2
7

A
p
r

2
0
0
8
34
[CI8] "Polyphased PM Synchronous Machine with Concentric Winding for Large Direct-
Drive Wind Generator Applications", Electromotion, 9-2005, Darius VIZIREANU,
Stphane BRISSET, Pascal BROCHET, Milet Y, Laloy D
[CI9] "Polyphased Modular Direct-Drive Wind Turbine Generator", EPE 2005, 9-2005,
Darius VIZIREANU, Xavier KESTELYN, Stphane BRISSET, Pascal BROCHET,
MILET Y, LALOY D.
[CI10] "A Tool for Optimal Design of an Electric Kart Drive Train", EVS21, Monaco, 4-
2005, Victor MESTER, Frdric GILLON, Stphane BRISSET, Pascal BROCHET
[CI11] "Optimization of a die press model using a new Tabu Search Method", Electric and
Magnetic Fields, 9-2003, Omessaad HAJJI, Stphane BRISSET, Pascal BROCHET
[CI12] "Some results on a SMES device optimization problem using stochastic methods",
COMPUMAG, 9-2003, Omessaad HAJJI, Stphane BRISSET, Pascal BROCHET
[CI13] "Comparing stochastic optimization methods used in electrical engineering", IEEE
System Man and Cybernetics Conference, 10-2002, Omessaad HAJJI, Stphane
[CI14] "Brushless DC Wheel Motor for Electric Vehicle", Electric Vehicle Symposium,
pages. 172, 10-2001, Stphane BRISSET, Grard ODOUX, Pascal BROCHET
[CI15] "Design of a brushless DC wheel motor for a Solar vehicle", ElectroMotion, pages.
519-524, 6-2001, Stphane BRISSET, Grard ODOUX, Pascal BROCHET
[CI16] "Numerical Experimental Designs applied to the modeling of Brushless Direct
Current Motors", International Conference on Electric Machines, pages. 1540-1544,
8-2000, Stphane BRISSET, Frdric GILLON, Pascal BROCHET
[CI17] "Comparing Different Optimization Methods on The Design of a Brushless
Permanent Magnet Motor", CESA, Vol. 1, pages. 317, 7-1998, Frdric GILLON,
[CI18] "The experimental design: A tool for electric machine optimization", Electric and
Magnetic Field, pages. 261-266, 5-1998, Stphane BRISSET, Frdric GILLON,
Pascal BROCHET
[CI19] "Design of Electromagnetic Devices using Optimization Methods and Electronic-
Magnetic Coupled Finite Element Simulations", COMPUMAG, Vol. 1, pages. 143-
144, 11-1997, Stphane BRISSET, Pascal BROCHET
[CI20] "Optimization of a Switched Reluctance Motor geometry using a Combination of
Experimental Design and Finite Element Simulations", COMPUMAG, Vol. 1, pages.
151-152, 11-1997, Stphane BRISSET, Pascal BROCHET
[CI21] "Modle numrique pour la simulation du dmarrage dun moteur rluctance
variable", EPE Chapter Symposium on Electric Drive, pages. 413-418, 10-1994,
[CI22] "Numerical simulation of the transients of a switched reluctance motor using an
Electronic-Magnetic-Mechanical coupled Finite Element Model", International
Conference on Electric Machines, Vol. 2, pages. 402-406, 9-1994, Stphane
[CI23] "Finite Element model for an Electronic-Magnetic-Mechanical coupled simulation of
a Switched Reluctance Motor start", Conference on Electromagnetic Field
Computation, pages. 304, 7-1994, Stphane BRISSET, Pascal BROCHET
t
e
l
-
0
0
2
6
4
0
4
1
,

v
e
r
s
i
o
n

3

-

2
7

A
p
r

2
0
0
8
35

Communications lors de Confrences Nationales

[CN1] "Modle de pr-dimensionnement dun moteur courant continu, aimant permanent,
commutation lectronique et bobinage concentr", Electrotechnique du Futur, 11-
2003, Stphane BRISSET, Christophe ESPANET, Pascal BROCHET
[CN2] "Une nouvelle mthode de recherche taboue pour loptimisation de dispositifs
lectromagntiques avec des paramtres continus", Electrotechnique du Futur 2003,
9-2003, Omessaad HAJJI, Stphane BRISSET, Pascal BROCHET
[CN3] "Optimisation de machines lectriques par algorithmes gntiques", Deuximes
journes scientifiques des jeunes chercheurs en gnie lectrique et informatique, GEI
2002, 6-2002, Omessaad HAJJI, Stphane BRISSET, Pascal BROCHET
[CN4] "Optimisation dun moteur roue Brushless DC par des Mthodes Dterministes et
Stochastiques", Electrotechnique du Futur 2001, pages. 355-359, 11-2001, Omessad
HAJJI, Stphane BRISSET, Pascal BROCHET
[CN5] "Conception dun moteur roue brushless DC pour un vhicule solaire",
Electrotechnique du Futur, pages. 319-324, 10-2001, Stphane BRISSET, Grard
ODOUX, Pascal BROCHET
[CN6] "Conception dun moteur roue pour vhicule lectrique", Journe Innovelect, pages.
115-121, 12-1999, Stphane BRISSET, Grard ODOUX
[CN7] "Conception dun moteur roue pour vhicule solaire : utilisation des modles
analytique et lments finis", Electrotechnique du Futur, pages. 242-247, 3-1999,
[CN8] "Conception et optimisation des dispositifs lectromagntiques par la mthode des
lments finis", 1re Journe de la Recherche dans les Ecoles de LADER sur la
Modlisation, 4-1997, Stphane BRISSET, Pascal BROCHET

Rapports de Synthse
[RS1] Modlisation dun moteur asynchrone et comparaison des mthodes de la
magntodynamique complexe et du pas pas dans le temps avec lexprience ,
Stphane BRISSET, DEA de Gnie Electrique, Universit des Sciences et
Technologies de Lille, Septembre 1992.
[RS2] Outil et Mthodologie pour la conception des Moteurs Rluctance Variable
Double Saillance , Stphane BRISSET, Doctorat en Gnie Electrique, Universit
des Sciences et Technologies de Lille, 23 Janvier 1995.
t
e
l
-
0
0
2
6
4
0
4
1
,

v
e
r
s
i
o
n

3

-

2
7

A
p
r

2
0
0
8
t
e
l
-
0
0
2
6
4
0
4
1
,

v
e
r
s
i
o
n

3

-

2
7

A
p
r

2
0
0
8
37

MEMOIRE
SCIENTIFIQUE

t
e
l
-
0
0
2
6
4
0
4
1
,

v
e
r
s
i
o
n

3

-

2
7

A
p
r

2
0
0
8
t
e
l
-
0
0
2
6
4
0
4
1
,

v
e
r
s
i
o
n

3

-

2
7

A
p
r

2
0
0
8

39
I. Introduction

La conception des machines lectriques est en pleine volution. En effet, lintensification
de la concurrence conomique force les entreprises acclrer le renouvellement de leurs
produits et la mise en uvre de technologies innovantes. Les ingnieurs et chercheurs se
trouvent confronts ce nouveau dfi qui consiste faire face une complexit croissante
dans des dlais dtudes toujours plus courts.

Dans le domaine des machines lectriques, les progrs ont t considrables et se
traduisent par une qualit et une quantit de services rendus importantes dans un
encombrement rduit. Les machines lectriques ont encore une marge considrable
damlioration du fait des nouveaux matriaux, de lutilisation croissante de llectronique de
puissance, et de la monte en puissance de la commande en temps rel.

Ces innovations ont t possibles grce aux progrs raliss dans la connaissance des
machines et de leur commande mais aussi grce aux progrs raliss dans la dmarche de
conception. La matrise des savoirs et savoir-faire par les ingnieurs en est la cl de voute.

Linstrumentation scientifique de la dmarche de conception est une activit de recherche
importante. Son objectif principal est de permettre lexploration systmatique de lespace des
solutions envisageables par lemploi doutils et de mthodologies adapts.

Laugmentation de la puissance de calcul des ordinateurs a modifi profondment le
travail des ingnieurs et scientifiques. De nouveaux outils dits de conception assiste par
ordinateur (CAO) ont fait leur apparition et nont cess de samliorer depuis. La
comprhension des phnomnes physiques prsents au sein des machines lectriques sest
donc accrue mais le changement le plus profitable est la capacit danticipation des
ingnieurs. Ainsi, la construction des prototypes a t rduite tout comme le temps dtude.

Cependant, la loi de Moore laquelle tait associe le doublement annuel de la puissance
de calcul des processeurs sest quelque peu mousse au cours du temps puisquen fait elle
prvoie un doublement du nombre de transistors (et donc pas ncessairement de la puissance
de calcul) tous les 18 mois. Certaines prvisions affirment que la puissance par processeur
pourrait stagner et quune paralllisation massive serait le seul moyen de rduire les temps de
calcul
1
.

Ainsi, lide de disposer dun outil de conception capable de prendre en compte
simultanment tous les phnomnes prsents au sein dune machine par une modlisation
dune prcision infinie et fournissant une solution optimale dans un temps infinitsimal
apparat chimrique, du moins pour les dcennies venir.

Lingnieur devra donc composer avec une diversit de modles et dalgorithmes aux
proprits complmentaires et mettre en uvre une mthodologie de conception spcifique

1
C. Bischof, Parallel Computers Everywhere , prsentation invite COMPUMAG 2007, Aachen
t
e
l
-
0
0
2
6
4
0
4
1
,

v
e
r
s
i
o
n

3

-

2
7

A
p
r

2
0
0
8

40
lapplication vise pour aboutir une conception optimale en un temps raisonnable. Il est le
matre duvre distribuant les tches rptitives et laborieuses aux ordinateurs. Les tentatives
dencapsuler ses savoirs et savoir-faire dans des systmes experts font partie de lhistoire
(Gentilhomme, 1991) (Trichon, 1991).

Pour apporter une vision plus synthtique, on note que les activits de conception
intgrant lacteur humain peuvent tre caractrises au moyen de la matrice activits
ressources propose dans (Wurtz, 2005).
Deux types dactivit y sont distingus. Les activits compliques qui manipulent des
informations claires sont automatisables par logiciel. Les activits complexes ne sont pas
compltement automatisables et requirent lintervention dun expert.
Toujours selon (Wurtz, 2005), ces activits utilisent trois types de ressources. Le premier
type de ressources comprend les algorithmes et les modles dfinis mathmatiquement par le
concept de systme formel fini . Le second type de ressources est constitu par les
stratgies de mise en uvre des ressources du premier type. Les stratgies heuristiques telles
que le raisonnement par analogie ou par intuition sont une alternative plus rapide que les
stratgies rationnelles. Le troisime type de ressource est non rationnel et intervient lors des
innovations de rupture.

Ce mmoire scientifique a pour objectif de rendre compte des outils et mthodologies
utiliss pour la conception et loptimisation des machines lectriques par des apports
thoriques et la mise en uvre des mthodologies proposes. Ainsi, les activits compliques
et complexes sont prsentes dans ce document ainsi que les ressources du premier type et
celles du second type de nature rationnelle.

La conception optimale des machines lectriques se situe dans la parfaite adquation
entre quatre lments (fig. I.1) :
- les modles capables dapporter des informations ou critres sur les machines
lectriques,
- les algorithmes doptimisation pouvant maximiser ou minimiser ces critres,
- les formulations mathmatiques dans lesquels peuvent se traduire les problmes de
conception de machine lectrique, et
- les dmarches de rsolution des problmes de conception.

Fig. I.1. Environnement de loptimisation

t
e
l
-
0
0
2
6
4
0
4
1
,

v
e
r
s
i
o
n

3

-

2
7

A
p
r

2
0
0
8

41
Une optimisation russie sera la consquence dune bonne adquation entre ces trois
ensembles dont les intersections sont partielles. Cette vidence souligne quil est incertain de
se lancer dans une optimisation sans un minimum de connaissances dans chacun des
domaines. Un lectrotechnicien pur aura ainsi intrt collaborer au sein dune quipe
pluridisciplinaire.
Puisque le choix des lments de chacun des ensembles nest pertinent que vis--vis des
choix faits pour les autres lments et du problme de conception rsoudre, il est difficile de
procder squentiellement ces choix et des retours en arrire seront ncessaires.

Cette mme difficult se pose pour la rdaction du mmoire scientifique et il nest pas
pleinement satisfaisant de prsenter squentiellement ces lments comme limpose le support
papier. Le choix est fait de les prsenter dans lordre suivant : dmarches, formalismes,
modles puis algorithmes. Ainsi, la premire lecture de ce mmoire pourra sembler frustrante
aux non experts jusqu la fin de la partie VI.

La prochaine section prsente les mthodologies utilises pour la conception des
machines lectriques. Les formalismes mathmatiques associs sont prsents ainsi que les
transformations permettant den changer.
La section III dresse un inventaire des familles de modles utiliss en vue de la
conception des machines lectriques. La section suivante prsente quelques constructions de
modles faites par mes doctorants et moi-mme.
En section V, un inventaire des mthodes doptimisation adaptes la conception des
machines lectriques est prsent. Leurs avantages, inconvnients et complmentarits sont
illustrs dans la section suivante au moyen de quatre benchmarks dont deux sont issus de nos
travaux.
Enfin, la section VII dresse une conclusion et expose les nouveaux enjeux de la
conception. Trois axes de recherche y sont proposs.

t
e
l
-
0
0
2
6
4
0
4
1
,

v
e
r
s
i
o
n

3

-

2
7

A
p
r

2
0
0
8

42
II. Mthodologies en conception de machines lectriques

II.1. Dmarche de conception

La dmarche de conception des machines lectriques semble simple et squentielle
comme illustre en figure II.1. partir dun cahier des charges clairement exprim, le
concepteur a la tche de le traduire dans lun des formalismes mathmatiques que nous
verrons dans la section II.3. Ensuite vient sa rsolution au moyen dun algorithme ou mthode
doptimisation. Pour chaque formulation, il existe une multitude dalgorithmes adapts. Enfin,
lexploitation et lanalyse des rsultats par le concepteur expert permettent de valider la
solution optimale obtenue.

Fig. II.1. Mthodologie de conception squentielle

En pratique, les choses ne sont pas aussi simples. Lors de lanalyse des rsultats, il
apparat bien souvent que la solution obtenue ne peut tre retenue en raison de causes
multiples. La figure II.2 montre les itrations ncessaires pour obtenir une solution
satisfaisante.

Fig. II.2. Itrations possibles lors de la conception

La boucle la plus courte consiste en un retour sur la rsolution du problme. Elle peut tre
motive par un problme de convergence de lalgorithme signal par le fait que les conditions
doptimalits ne sont pas remplies pour la solution trouve ou par un arrt de la procdure
suite un temps de calcul excessif. Il est alors possible de modifier les paramtres de rglage
de lalgorithme lorsquil sagit de mthodes stochastiques ou le point initial pour les mthodes
dterministes qui en font usage. Pour ces dernires, il est fortement conseill de recommencer
la rsolution du problme avec plusieurs points initiaux afin dviter de se faire piger dans un
optimum local. Parfois, il arrive que lalgorithme utilis ne soit pas ou peu adapt au
problme trait et il convient de changer de mthode doptimisation ou de modifier le
problme pour en faciliter la rsolution. Par exemple, un modle comportant des sorties non
t
e
l
-
0
0
2
6
4
0
4
1
,

v
e
r
s
i
o
n

3

-

2
7

A
p
r

2
0
0
8

43
continues (ou dont les drives ne sont pas continues) nest pas bien trait par une mthode
doptimisation de type gradient et peut tre liss pour une meilleure rsolution, mme si cette
dernire demeure approche.
Des connaissances dans les champs disciplinaires des mathmatiques appliques, de la
recherche oprationnelle et de linformatique sont indispensables pour mener bien cette
tape.

La boucle intermdiaire est un retour sur la formulation du problme doptimisation. Ce
retour est ncessaire lorsque la rsolution du problme conduit une solution remplissant le
critre (mathmatique) doptimalit. Dans ce cas, la dmarche permet au concepteur daffiner
son exprience par une srie dessais/erreurs au cours de laquelle il en apprend davantage sur
les limites des modles utiliss et sur la faon de formuler le problme doptimisation pour
obtenir des solutions pertinentes. En effet, les mthodes doptimisation sont sans a priori sur
la solution trouver ou la direction suivre et explorent le domaine de recherche en se
concentrant sur les zones intressantes, fournissant ainsi des indications sur les points faibles
des modles utiliss et ceux amliorer en priorit. Bien videmment, la localisation de ces
zones dpend du contexte de la conception en cours. Il conviendra alors dajouter des
contraintes pour viter les solutions non faisables ou aberrantes ainsi que dautres contraintes
pour empcher lalgorithme doptimisation daller dans les zones dimprcision ou derreur
fatale des modles. Une alternative cette dernire solution est de repousser les limites de
validit des modles, ce qui est particulirement chronophage mais doublement intressant
pour laccroissement des connaissances de lexpert et les gains potentiels sur la conception en
cours.
Pour mener bien cette tape, des connaissances expertes dans la discipline concerne et
lapplication vise sont requises.

La boucle la plus longue consiste revenir sur lanalyse du cahier des charges ou sur le
cahier des charges lui-mme. Il peut se produire que la dmarche de conception aboutisse la
conclusion quil nexiste pas de solution (faisable) au cahier des charges exprim. Dans ce
cas, la dmarche propose peut tre utilise de faon itrative : Le concepteur relaxe des
contraintes pour aboutir une solution faisable en dialoguant avec le client pour arbitrer
parmi les choix possibles.
Il arrive parfois quun critre doptimisation choisi a priori se rvle non pertinent a
posteriori. De mme, lorsque plusieurs objectifs difficilement pondrables sont formuls, il
est intressant dessayer diffrentes formulations afin de cerner lensemble des compromis
optimaux. Le concepteur fournit ainsi au client un outil pour la prise de dcision.
Cette tape est complexe et requiert certainement autant de qualits humaines que de
connaissances scientifiques. Il me semble quelle ne peut aboutir que si le concepteur est
suffisamment confiant en ses outils de modlisation et matrise pleinement la dmarche.

Cet expos succinct de la dmarche de conception souligne bien le rle central de
lexpert. Les modles et les algorithmes ne sont que des outils qui ne peuvent en aucun cas le
remplacer mais qui amliorent sa productivit en le librant des tches fastidieuses et
rptitives. Pour reprendre le vocabulaire introduit dans (Wurtz, 2005), les outils sont des
t
e
l
-
0
0
2
6
4
0
4
1
,

v
e
r
s
i
o
n

3

-

2
7

A
p
r

2
0
0
8

44
systmes formels finis
1
et leur utilisation est une activit complique confie des
ordinateurs alors que lexpert ralise une activit complexe en mettant en uvre des
stratgies
2
ou dmarches.

II.2. Nature des problmes

Il nexiste pas un type unique de problme de conception des machines lectriques. De
mme, il nexiste pas de problme largement diffus linstar de ce qui existe en intelligence
artificielle et en informatique avec des problmes bien connus tels que le voyageur de
commerce, le sac dos, etc. Nanmoins, parmi les problmes de conception des machines
lectriques certaines formulations sont souvent utilises. Ainsi, on remarque que les
problmes comprennent environ une dizaine de paramtres optimiser, une ou plusieurs
dizaines de contraintes non linaires, une ou plusieurs fonctions objectif non linaires. Il est
frquent que les fonctions soient continues et que chaque paramtre de conception soit rel et
born.

Un chantillon reprsentatif des problmes de conception des machines lectriques est
prsent en section II.5. Ceux proposs plus rcemment font intervenir des paramtres
discrets et qualitatifs (Fitan et al., 2004) ou exploitent deux modles de prcisions diffrentes
dun mme dispositif (Echeverria et al., 2005).
Les modles employs sont de trois types :
- modles analytiques comportant quelques dizaines quelques centaines dquations
non linaires dont certaines sont implicites,
- modles constantes localises tels que les rseaux de permances, les modles
thermiques nodaux, et les rseaux de Kirchhoff, et
- les modles lments finis avec les diffrentes formulations possibles (statique,
dynamique, transitoire, couplages lectrique, thermique, cinmatique, mcanique
)
Le temps ncessaire au calcul des fonctions objectifs et contraintes est trs suprieur
celui pris par les algorithmes doptimisation eux-mmes et il en est de mme pour la quantit
de mmoire vive. Ceci conditionne le choix des algorithmes doptimisation et des
formulations mathmatiques associes.

Ainsi, lensemble des formulations mathmatiques qui conviennent aux problmes de
conception des machines lectriques peut tre dcrit exhaustivement dans la partie suivante.

II.3. Formulations mathmatiques

Les formulations utilises pour loptimisation des machines lectriques sont dcrits par
ordre croissant de complexit.

1
Ressources du premier type : algorithmes et modles
2
Ressources du second type : stratgies rationnelles et heuristiques
t
e
l
-
0
0
2
6
4
0
4
1
,

v
e
r
s
i
o
n

3

-

2
7

A
p
r

2
0
0
8

45
II.3.1. Problme sans contraintes

La premire formulation comprend une fonction critre ou objectif f minimiser et des
variables
i
x dont les valeurs optimales sont trouver dans un espace de recherche ou espace
des solutions S :

( )
{ } S x x x X
X f
n
= , , ,
min
2 1
L
(II.1)
Dans le cas dune fonction maximiser, la fonction minimiser correspondante est
loppos de la fonction maximiser.

II.3.2. Variables continues, discrtes et mixtes

Lespace de recherche est souvent dfini par :
n i x x x S
U
i i
L
i
, , 1 : L = (II.2)
Lespace de recherche a ainsi la proprit dtre convexe : Pour tout couple de point
appartenant lespace de recherche, tout point choisi dans lintervalle dfini par ces deux
points appartient galement lespace de recherche.
Il est possible que les variables ne soient pas continues mais ne prennent que des valeurs
discrtes, ainsi lespace de recherche est dfini par :
n i S x S
i i
, , 1 : L = (II.3)
o
i
S est lensemble des valeurs possibles pour la variable
i
x . Notons que ces valeurs ne sont
pas ncessairement classes dans lordre croissant. Il est galement possible que les variables
discrtes ne soient pas ordonnables car qualitatives comme par exemple rotor intrieur ,
rotor extrieur et flux axial qui dsignent la structure dune machine tournante.
Parfois certaines variables discrtes sont lies et leurs valeurs ne peuvent tre prises
indpendamment :

| |
n k i S x
S x x
S
i i
k k
, , 1
, ,
:
1
L
L
+ =

(II.4)
On remarque que lespace de recherche (II.4) est quivalent (II.3) avec 1 + k n
variables doptimisation.
Le cas gnral correspond des variables mixtes, cest--dire dont la nature est continue
pour certaines et discrtes pour les autres. Il est possible que des algorithmes doptimisation
exploitent le fait que des variables discrtes soient classables dans leur processus de
recherche, par exemple pour calculer une direction amliorante. Ainsi, cette distinction est
mise en vidence dans la formulation suivante :
{ }
n k i S x
k j i c b a c b a S x
j i x x x x
S
i i
i i i i i i i i
i
U
i i
L
i
, , 1
, , 1 , , ,
, , 1
:
L
L L L
L
+ =
+ = < < < =
=
(II.5)
t
e
l
-
0
0
2
6
4
0
4
1
,

v
e
r
s
i
o
n

3

-

2
7

A
p
r

2
0
0
8

46
La dfinition dun espace de recherche par lune des formulations prcdentes est
rarement suffisante pour obtenir une solution satisfaisante. Parfois, il est possible de sy
ramener en effectuant un changement de variable comme cela est prsent dans (Poloujadoff
et al., 1994).

II.3.3. Problme avec contraintes

Dans le cas gnral, lobtention dune solution faisable passe par la dfinition de
contraintes galits et ingalits dont les formulations communment utilises sont :

( )
( ) m i X h
l i X g
i
i
, , 1 0
, , 1 0
L
L
= =
=
(II.6)
Lensemble des solutions de lespace de recherche pour lesquelles les relations (II.6) sont
vrifies est appel domaine de faisabilit. La prsence des contraintes galits peut tre
vite par lemploi dun modle dit inverse pour lequel les variables doptimisation
intervenant explicitement dans les contraintes galits sont des grandeurs dentre du modle.
Nous reviendrons sur ce point en section III.2. Dans ce cas, la dimension du problme
doptimisation, i.e. le nombre de variables, est rduite du nombre de contraintes galits qui
sont alors retires de la formulation.
Ainsi, un problme doptimisation objectif unique est formul par :

( )
{ }
( )
( ) m i X h
l i X g
S x x x X
X f
i
i
n
, , 1 0
, , 1 0
: soumis
, , ,
min
2 1
L
L
L
= =
=
=
(II.7)

II.3.4. Problme multi-objectif

Cependant, de nombreux problmes de conception comportent plusieurs objectifs
antagonistes qui ne peuvent pas tre rduits un objectif unique par diffrentes techniques
comme par exemple une pondration des objectifs. Ces techniques seront dtailles la fin de
la section II.4. Un tel problme doptimisation est dit multi-objectif et sexprime sous la
forme suivante :

( )
( )
( )
( )
{ }
( )
( ) m i X h
l i X g
S x x x X
X f
X f
X f
X F
i
i
n
p
, , 1 0
, , 1 0
: soumis
, , ,
min
2 1
2
1
L
L
L
M
= =
=
=
(
(
(
(
=
(II.8)
t
e
l
-
0
0
2
6
4
0
4
1
,

v
e
r
s
i
o
n

3

-

2
7

A
p
r

2
0
0
8

47
o ( ) X F dsigne le vecteur des p objectifs minimiser.

II.4. Changements de formulation

Les changements de formulation des problmes doptimisation sont lis aux difficults de
rsolution de certaines formulations ou la non disponibilit dalgorithmes efficaces pour les
rsoudre. En effet, chaque type de problme doptimisation ncessite des algorithmes
spcifiques pour les traiter et, en leur absence ou pour sviter un effort de programmation, il
est avantageux de changer de formulation.
Cette section prsente donc les transformations possibles en soulignant leurs
inconvnients, savoir une difficult de mise en uvre, un temps de calcul suprieur ou une
perte de la diversit des solutions.

II.4.1. Transformation des contraintes en pnalits

La premire transformation communment utilise est faite pour traiter les contraintes.
Les mthodes de rsolution des problmes doptimisation contraints sans modification, sont
peu utilises dans la conception des machines lectriques. Ce sont les mthodes primales
telles que le changement de variables (Poloujadoff et al., 1994), les directions ralisables, le
gradient projet et les mthodes de linarisation dont une description peut tre trouve dans
(Minoux, 1983).

Dans le cas gnral des contraintes non linaires, une fonction dite de pnalit est ajoute
la fonction objectif lorsque que cette dernire est unique. Cette mthode est dite duale
(Minoux, 1983). Nous verrons un peu plus tard quil existe une transformation propose
rcemment (Cai et al., 2006,) bien adapte aux objectifs multiples.

Il existe principalement deux types de fonction pnalit : Les pnalits extrieures et les
pnalits intrieures (Fiacco et al., 1968). Le premier est le plus simple mettre en uvre et
incrmente la fonction objectif par un terme non nul reprsentant la somme des dpassements
pour les contraintes ingalits et la somme des carts pour les contraintes galits. Ainsi, le
problme doptimisation (II.7) se transforme en une suite de problmes sans contraintes dont
le temps total de rsolution est suprieur :

( ) ( ) | | ( )
{ } S x x x X
X h X g X f
n
m
i
i i
l
i
i i
=
+ +

= =
, , ,
, 0 max min
2 1
1
2
1
2
L

(II.9)
o et sont les coefficients de pnalit et permettent galement de ramener les diffrentes
contraintes au mme ordre de grandeur que celui de la fonction objectif. Initialement, leurs
valeurs sont faibles, ce qui conduit lalgorithme de rsolution vers une solution temporaire ne
respectant pas les contraintes. A chaque itration, i.e. rsolution dune optimisation sans
contrainte, les coefficients de pnalit sont multiplis par une valeur suprieure lunit,
typiquement 10, rendant le terme des pnalits plus grand et forant ainsi lalgorithme
rduire les dpassements et carts des contraintes. Laugmentation progressive des
t
e
l
-
0
0
2
6
4
0
4
1
,

v
e
r
s
i
o
n

3

-

2
7

A
p
r

2
0
0
8

48
coefficients de pnalit assure une convergence chaque itration. La solution du problme
avec contraintes est trouve lorsque le coefficient de pnalit tend vers linfini.
Cette transformation est simple mettre en uvre car les termes de pnalit sont dfinis
et continus sur tout lespace de recherche. De plus, les algorithmes utilisant les drives de la
fonction objectif (dcrits en partie IV) ne sont pas mis en difficult car le terme de pnalit est
continu et drive premire continue si cest le cas des fonctions contraintes.
La figure II.3 illustre la mthode des pnalits extrieures pour ( ) ) cos(x x f = avec
2 0 x et ( ) 1 = x x g .

0
0,5
1
1,5
2
0 0,5 1 1,5 2
x
f
(
x
)
+
a
l
p
h
a
.
m
a
x
[
0
,
g
(
x
)
]
f(x)
=1
=10
=100
=1000

Fig. II.3. Modification de la fonction objectif par ajout de la pnalit extrieure

Le tableau II.1 donne pour chaque itration, la valeur de , le minimum de la fonction
objectif avec ajout de la pnalit extrieure et le dpassement de la contrainte.

Tableau II.1. Minimum de la fonction objectif avec pnalit extrieure chaque itration
itration coefficient de pnalit max [0, g(x)] minimum
1 1 0.4987 1.4987
2 10 0.0432 1.0432
3 100 0.0042 1.0042
4 1000 0.0004 1.0004
0.0 1.0

On constate que la solution optimale est approche par une suite de solutions temporaires
qui ne respectent pas les contraintes. Si une des contraintes est utilise pour se prmunir dune
erreur fatale lors de lutilisation du modle alors loptimisation sera interrompue. Cest pour
viter ce dsagrment que les pnalits intrieures sont utilises. De par son expression, la
pnalit intrieure nest utilise que pour les contraintes ingalits :
t
e
l
-
0
0
2
6
4
0
4
1
,

v
e
r
s
i
o
n

3

-

2
7

A
p
r

2
0
0
8

49

( )
( )
{ } S x x x X
X g
X f
n
l
i
i
i
=
=
, , ,
1
min
2 1
1
L
(II.10)
Elle nest ni continue, ni dfinie sur tout lespace de recherche, ce qui complique sa mise
en uvre. En effet, en se rapprochant de la limit de faisabilit de lespace de recherche, la
pnalit tend vers linfini. La fonction de pnalit nest pas dfinie pour une contrainte active,
i.e. ( ) 0 = X g
i
. De plus, si la contrainte nest pas respecte, la valeur de la fonction contrainte
est positive et la pnalit est ngative, ce qui na pas de sens pour une minimisation. Les
algorithmes doptimisation doivent donc tre immuniss contre ces sources de perturbations,
ce qui requiert un plus grand effort lors de la programmation. En pratique, la pnalit
intrieure nest utilise que pour les contraintes critiques, i.e. servant se prmunir dune
erreur fatale du modle, et en prenant soin de lexprimer explicitement en fonction des
variables doptimisation. Ainsi, une combinaison des pnalits intrieures et extrieures est
utilise.
La figure II.4 illustre la mthode des pnalits intrieures pour ( ) ) cos(x x f = avec
2 0 x et ( ) 1 = x x g . Le coefficient de pnalit est initialement grand pour diminuer
chaque itration en divisant sa valeur par 10. La diminution progressive des coefficients de
pnalit assure une convergence chaque itration. La solution du problme avec contraintes
est trouve lorsque le coefficient de pnalit tend vers zro.

0
0,5
1
1,5
2
0 0,5 1 1,5 2
x
f
(
x
)
-
a
l
p
h
a
/
g
(
x
)
f(x)
=0,1
=0,01
=0,001
=0,0001
=0,00001

Fig. II.4. Modification de la fonction objectif par ajout de la pnalit intrieure

Le tableau II.2 donne pour chaque itration, la valeur de , le minimum de la fonction
objectif avec ajout de la pnalit extrieure et la valeur de la pnalit.

t
e
l
-
0
0
2
6
4
0
4
1
,

v
e
r
s
i
o
n

3

-

2
7

A
p
r

2
0
0
8

50
Tableau II.2. Minimum de la fonction objectif avec pnalit intrieure chaque itration
itration coefficient de pnalit -/g(x) minimum
1 0.1 0.2322 0.5693
2 0.01 0.0880 0.8864
3 0.001 0.0287 0.9651
4 0. 0001 0.0091 0.9891
5 0. 00001 0.0029 0.9966
0 0.0 1.0

On constate que la solution optimale est approche par une suite de solutions temporaires
qui respectent les contraintes.

En conclusion, les mthodes des pnalits offrent lavantage de la simplicit et sont
applicables tout algorithme doptimisation. Les pnalits intrieures, bien que plus dlicates
mettre en uvre, sont complmentaires aux pnalits extrieures pour la prise en compte des
contraintes critiques dont le non respect entranerait un arrt involontaire du processus
doptimisation. Dans les deux cas, la transformation dun problme doptimisation avec
contraintes en une srie de problmes sans contraintes saccompagne dun temps de calcul
accru.
Un point faible des mthodes des pnalits, ce sont les coefficients de pnalit : Ils
voluent tous de manire identique et selon un schma pr-tabli. Une grande prcision sur
une contrainte entranera un temps de calcul prohibitif, obligeant le concepteur se contenter
dune solution approche.

II.4.2. Prise en compte des contraintes par le Lagrangien

Lide des multiplicateurs de Lagrange (Minoux, 1983) est de disposer de coefficients
dont les valeurs sadaptent la situation rencontre lors de loptimisation. A proximit de
loptimum, chaque coefficient appel multiplicateur de Lagrange, est gal au ratio de la
variation de la contrainte considre sur celle de la fonction objectif. Pour bien comprendre ce
qui fait la puissance de cette approche, quelques dveloppements mathmatiques
(Venkataraman, 2002) sont ncessaires.
Pour commencer, considrons un problme doptimisation sans contraintes (II.1) et
variables continues (II.2) et notons * X le minimum unique de la fonction objectif. Pour un
dplacement X quelconque et son oppos, la relation suivante est vrifie :

( ) ( )
( ) ( )
( ) ( ) 0 * *
0 * *
* * ,
> =
> + =
>
+
X f X X f f
X f X X f f
X f X X f X
n
(II.11)
Le dveloppement de Taylor de ( ) X f au premier ordre est :

( ) ( ) ( ) ( )
( ) ( )
( ) ( )
2
2
2
*
*
* * *
X o X X f f
X o X X f f
X o X X f X f X X f
+ =
+ =
+ =
+
(II.12)
t
e
l
-
0
0
2
6
4
0
4
1
,

v
e
r
s
i
o
n

3

-

2
7

A
p
r

2
0
0
8

51
Pour X faible, ( )
2
X o est trs petit et la relation (II.11) ne peut tre vrifie que si le
gradient ( ) * X f est nul au point optimal. Il sagit de la condition doptimalit sans
contrainte du premier ordre. Elle est ncessaire mais non suffisante. La condition suffisante
doptimalit sans contrainte est tablie avec le dveloppement de Taylor au second ordre :

( ) ( ) ( ) ( ) ( )
( ) ( ) 0 *
2
1
*
2
1
* * *
3 2
3 2
> + =
+ + + = +
+
X o X X f X f
X o X X f X X X f X f X X f
t
t
(II.13)
Pour X faible, ( )
3
X o est trs petit et la relation (II.13) ne peut tre vrifie que si le
hessien ( ) *
2
X f est dfini positif au point optimal. Il sagit de la condition doptimalit sans
contrainte du second ordre qui est suffisante mais ne permet pas de trouver * X .
Pour rappel, les expressions du gradient et du hessien sont :

(
(
(
(
(
(
(
(
=
2
2
2
2
1
2
2
2
2
2
2
1 2
2
1
2
2 1
2
2
1
2
2
2
1
2
1
n n n
n
n
n
n
x
f
x x
f
x x
f
x x
f
x
f
x x
f
x x
f
x x
f
x
f
f
x
f
x
f
x
f
f
x
x
x
X
L
M O M M
L
L
M
M
(II.14)
On voit ici apparatre une quivalence entre minimisation et rsolution dun systme
dquations. Dans ce cas, les n quations sont les composantes du gradient de la fonction
objectif et le jacobien J du systme dquations est le hessien de la fonction objectif :
( )
( )
( )
( )
( )
( )
( )
( )
( )
( )
=
=
=
=
=
=
=
0
*
*
0
*
*
0
*
*
0
*
*
*
*
2
2
1
1
2
1
n
n
n
x
X f
X f
x
X f
X f
x
X f
X f
x
X f
x
X f
x
X f
X f
M M
(II.15)
f
x
f
x x
f
x x
f
x x
f
x
f
x x
f
x x
f
x x
f
x
f
x
f
x
f
x
f
x
f
x
f
x
f
x
f
x
f
x
f
J
n n n
n
n
n
n n n
n
n
2
2
2
2
2
1
2
2
2
2
2
2
1 2
2
1
2
2 1
2
2
1
2
2 1
2
2
2
1
2
1
2
1
1
1
=
(
(
(
(
(
(
(
(
=
(
(
(
(
(
(
(
=
L
M O M M
L
L
L
M O M M
L
L
(II.16)
En prsence de contraintes galits, le Lagrangien est obtenu par ajout dune combinaison
linaire des contraintes la fonction objectif. Il ne sagit pas dune technique de substitution
telles que les pnalits mais dun problme doptimisation dit augment puisque de nouvelles
t
e
l
-
0
0
2
6
4
0
4
1
,

v
e
r
s
i
o
n

3

-

2
7

A
p
r

2
0
0
8

52
variables, les coefficients de Lagrange, viennent augmenter le nombre dinconnues. Le
problme doptimisation augment est formul par :

( ) ( ) ( )
( ) m k X h
X h X f X L
k
m
k
k k
, , 1 0 : soumis
, min
1
L = =
+ =

=

(II.17)
La condition doptimalit du premier ordre applique au Lagrangien permet de trouver
une solution aux m n + inconnues qui sont respectivement
*
, , 1 n i
x
L =
et
*
, , 1 m k L =
:

( ) ( ) ( )
( ) ( ) ( )
( )
( )
= = =

= =
= + =
=
=
m k X h
X L
n i
x
X h
x
X f
x
X L
X h X f X L
k
k
m
k i
k
k
i i
m
k
k k
, , 1 0 *
* *,
, , 1 0
* * * *,
0 * * * *,
1
*
1
*
L
L
(II.18)
Il sagit dun systme de m n + quations non linaires m n + inconnues, ce qui permet
de trouver une solution unique.
Dans le cas dun problme comportant uniquement des contraintes ingalits, on se
ramne un problme avec des contraintes galits par lajout dun terme positif ou nul :
( ) ( ) l k z X g X g
k k k
, , 1 0 0
2
K = = + (II.19)
Le problme doptimisation augment est ainsi formul par :

( ) ( ) ( ) | |
( ) l k z X g
z X g X f X L
k k
l
k
k k k
, , 1 0 : soumis
, , min
2
1
2
L = = +
+ + =

=

(II.20)
La condition doptimalit du premier ordre applique au Lagrangien permet de trouver
une solution aux l l n + + inconnues qui sont respectivement
*
, , 1 n i
x
L =
,
*
, , 1 l k L =
et
*
, , 1 l k
z
L =
:

( ) ( ) ( )
( ) ( ) ( )
( )
( )
( )
= = =

= = + =

= =
= + =
=
=
l k z
z
X L
l k z X g
X L
n i
x
X g
x
X f
x
X L
X g X f X L
k k
k
k k
k
l
k i
k
k
i i
l
k
k k
, , 1 0 2
* *, *,
, , 1 0 *
* *, *,
, , 1 0
* * * *, *,
0 * * * *, *,
* *
2 *
1
*
1
*
L
L
L
(II.21)
Les l l + quations peuvent se mettre sous la forme suivante dans laquelle les l
inconnues
*
, , 1 l k
z
L =
disparaissent :
t
e
l
-
0
0
2
6
4
0
4
1
,

v
e
r
s
i
o
n

3

-

2
7

A
p
r

2
0
0
8

53

( ) ( )
( )
=
= +
=
= +
0 *
0
0 *
0 2
0 *
*
2 * *
2 *
* *
2 *
X g
z
z X g
z
z X g
k k
k k
k k
k k
k k

(II.22)
Pour chacune des l quations (II.22), deux cas peuvent se produire :
( )
( )
=
=
=
0 *
0
0 *
*
*
X g
ou
X g
k
k
k k

(II.23)
Dans le deuxime cas, la contrainte ingalit sera dite active et traite comme une
contrainte galit. Ceci explique la grande prcision avec laquelle la contrainte est respecte.
Dans le premier cas, la contrainte est inactive et le coefficient de Lagrange est nul.
Au final, on obtient
l
2 systmes de l n + quations pour lesquels il faudra sassurer que
les l n + solutions trouves vrifient :

( )
( )
> =
< =
0 0 *
0 * 0
*
*
k k
k k
alors X g si
X g alors si
(II.24)
Parmi toutes solutions respectant (II.24), celle dont la valeur de la fonction objectif est la
plus petite est la solution optimale. En prsence de contraintes galits et ingalits, les
l
2
systmes de l m n + + quations permettent de trouver une solution aux l m n + + inconnues
qui sont respectivement
*
, , 1 n i
x
L =
,
*
, , 1 m k L =
et
*
, , 1 l k L =
:

( ) ( ) ( )
( )
( )
( )
> =
< =
= =
= =

= =
l k
alors X g si
X g alors si
m k X h
n i
x
X g
x
X h
x
X f
k k
k k
k
l
k i
k
k
m
k i
k
k
i
, , 1
0 0 *
0 * 0
, , 1 0 *
, , 1 0
* * *
*
*
1
*
1
*
L
L
L

(II.25)

Lquation (II.25) met en vidence la supriorit des multiplicateurs de Lagrange vis--
vis des pnalits. En effet, ds que loptimum se trouve sur la limite de faisabilit alors une ou
plusieurs contraintes sont actives, i.e. ( ) 0 * / , , 1 = X g l k
k
L . Ce cas tant explicitement
pris en compte dans lun des
l
2 systmes de l n + quations, la localisation de loptimum sur
la limite du domaine de faisabilit se fait avec une grande prcision.

La figure II.4 donne une interprtation gomtrique de la premire condition doptimalit
en prsence de contraintes ingalits. Le gradient de la fonction objectif (en orange) est une
direction daugmentation maximale de la fonction objectif dont les lignes isovaleurs sont
dessines sur la figure. Deux contraintes ingalits sont prsentes et actives au point optimal.
Le gradient de chaque contrainte est dessin de la mme couleur que la limite de faisabilit
dfinie par la contrainte. Sa direction est normale la limite de faisabilit et son sens est vers
lextrieur du domaine de faisabilit car la contrainte devant tre ngative, un accroissement
de sa valeur se traduit par une sortie du domaine de faisabilit ds lors que la contrainte est
t
e
l
-
0
0
2
6
4
0
4
1
,

v
e
r
s
i
o
n

3

-

2
7

A
p
r

2
0
0
8

54
active. On voit bien quil est possible de trouver deux coefficients
*
2
*
1
, positifs tels que
( ) ( ) ( ) 0 * * *
2
*
2 1
*
1
= + + X g X g X f .

f
1
g
2
g
0
1
= g
0
2
= g

Fig II.4. Interprtation gomtrique de la premire condition doptimalit en prsence de contraintes ingalits

II.4.3. Optimum de Pareto, dominance et front

Un optimum de Pareto (http://fr.wikipedia.org/wiki/Optimum_de_Pareto) est un tat dans
lequel on ne peut pas amliorer le bien-tre dun individu sans dtriorer celui dun autre.
Vilfredo Pareto (1848-1923) tait philosophe et conomiste, ce qui explique cette dfinition.
Dans le contexte de loptimisation, un optimum de Pareto est une solution pour laquelle il
nest pas possible de diminuer une des fonctions objectifs sans en augmenter une autre. Ainsi,
il ny a pas un optimum de Pareto unique mais une infinit, moins que toutes les variables
soient discrtes. Notons que le point minimisant une des fonctions objectifs sans considrer
les autres est galement un optimum de Pareto bien que ce point ne ralise aucunement un
compromis entre les objectifs.

Une formulation mathmatique traduisant loptimalit de Pareto est propose par
(Baumgartner et al., 2004). La figure II.5 montre une interprtation gomtrique de
loptimum de Pareto dans le cas dune optimisation trois objectifs et sans contraintes. Les
lignes isovaleurs de chaque fonction objectif sont traces avec une couleur diffrente et il en
est de mme pour le gradient. Dans le cas dune solution non Pareto optimale, note X , il
nest pas possible de trouver deux coefficients
2 1
, p p positifs avec 1
2 1
< + p p tels que
( ) ( ) ( ) | | ( ) 0 1
3 2 1 2 2 1 1
= + + + X f p p X f p X f p alors que cest possible au point * X
qui est un optimum de Pareto.

Si aucune information sur les drives des fonctions objectifs nest disponible, il nest pas
possible de vrifier la condition doptimalit de Pareto. Nanmoins, il est possible de
comparer deux solutions entre-elles et par extension un ensemble fini de solutions.
La dominance au sens de Pareto permet de comparer les solutions deux deux pour
tablir, le cas chant, si une solution est meilleure que lautre. Soient
1
X et
2
X deux
solutions faisables dans lespace de recherche, on dit que
1
X domine
2
X si et seulement si :
{ } ( ) ( ) { } ( ) ( )
2 1 2 1
/ , , 1 , , 1 X f X f p j et X f X f p i
j j i i
< L L (II.26)
t
e
l
-
0
0
2
6
4
0
4
1
,

v
e
r
s
i
o
n

3

-

2
7

A
p
r

2
0
0
8

55
1
f
2
f
3
f
X
* X
1
f
2
f
3
f

Fig II.5. Interprtation gomtrique de loptimum de Pareto

En se plaant dans lespace des objectifs de dimension p , dans lequel les coordonnes
dune solution sont les valeurs des fonctions objectifs, il est ais de dterminer lespace des
solutions domines par une solution ou dominant cette mme solution. Le reste de lespace de
recherche correspond des solutions sans relation de domination (fig. II.6), dites non
domines.

solution
dominant
solution
domine par
X
X
X
1
f
2
f

solution non
domine par X
solution non
domine par X

Fig II.6. Dominance au sens de Pareto dans lespace des objectifs

Lensemble des solutions non domines, dites Pareto optimales, constitue le front de
Pareto. Ce front est de dimension 1 p et chacune de ses extrmits correspond une
solution minimisant un objectif unique sans raliser de compromis avec les autres objectifs
(fig. II.7).

t
e
l
-
0
0
2
6
4
0
4
1
,

v
e
r
s
i
o
n

3

-

2
7

A
p
r

2
0
0
8

56
1
f

2
f

Fig II.7. Front de Pareto dans lespace des objectifs

II.4.4. Rduction des objectifs

Les algorithmes capables de rsoudre des problmes objectifs multiples ne sont apparus
que rcemment et certains se refusent les utiliser, notamment en raison de leur nature
stochastique. Les techniques de rduction des objectifs proposent de transformer un problme
doptimisation multi-objectif en un problme ou un ensemble de problmes mono-objectifs.

Lorsquun gros travail amont est fourni pour analyser les diffrents objectifs et modliser
le processus de dcision afin daboutir lexpression dune fonction objectif unique, on parle
de mthode doptimisation a priori car les lments permettant de rduire les objectifs sont
dcids avant loptimisation (Colette et al., 2002) (Roudenko, 2004). Il se peut que, suite
lanalyse des rsultats obtenus, une nouvelle expression de la fonction objectif unique soit
formule et teste. Si le nombre de formulations testes est faible et dtermin avant de lancer
loptimisation, on reste dans le cas des mthodes dites a priori. Par contre, si le but de
loptimisation multi-objectif est de fournir un ensemble de solutions ayant la meilleure
rpartition possible et dcrivant la totalit du front de Pareto, alors on dira que la mthode
doptimisation multi-objectif est a posteriori. Ces dernires seront prsentes en section IV.

Une premire technique (Zadeh, 1963) est de minimiser une somme pondre des
objectifs. Ainsi, le problme (II.8) devient :

( ) ( ) ( ) ( )
{ }
( )
( ) m i X h
l i X g
S x x x X
X f p X f p X f p X f
i
i
n
p
p
i
i p p
, , 1 0
, , 1 0
: soumis
, , ,
1 min
2 1
1
1
1 1 1 1
L
L
L
L
= =
=
=
|
|
.
|
\
|
+ + + =

=

(II.27)
Le choix des coefficients de pondration 0
1 , , 1

= p i
p
L
avec 1
1
1

=
p
i
i
p est gnralement
dlicat et subjectif. Parfois, le choix est facilit par lusage dune unit commune aux
diffrents objectifs. Par exemple, pour un quipement lectrique le prix de fabrication et
lefficacit nergtique sont antagonistes. Lutilisation du cot de possession comme objectif
t
e
l
-
0
0
2
6
4
0
4
1
,

v
e
r
s
i
o
n

3

-

2
7

A
p
r

2
0
0
8

57
unique permet de pondrer les deux objectifs avec le prix du kWh. Cette approche est vite
limite car, dans un contexte commercial, il est rare quun client sache ou communique le
poids quil attribue aux diffrents objectifs.

Le choix de la notation de ces coefficients nest pas fortuit et souligne la similitude avec
la formulation mathmatique traduisant loptimalit de Pareto. A chaque valeur des
coefficients de pondration correspondra un optimum de Pareto et il est alors possible
dobtenir autant de solutions optimales que dsires. La figure II.8 illustre la construction du
front de Pareto par la technique de pondration des objectifs, les coefficients de pondration
variant pour dcrire un ensemble de solutions Pareto optimales suffisamment diffrentes.
Lorsque 1
1
= p , la fonction objectif
1
f est minimise et le point en haut gauche est obtenu
(fig. II.8). Pour 0
1
= p , la fonction objectif
2
f est minimise et le point en bas droite est
trouv (fig. II.8). Pour une valeur intermdiaire 1 0
1
< < p , le point obtenu correspond
lintersection de la tangente de pente ( ) 1
1 1
p p avec le front de Pareto (fig. II.8). Ainsi, il
apparat que seul un front de Pareto convexe peut tre dcouvert dans son intgralit par cette
technique comme cela est souvent mentionn (Jin et al., 2001) (Kim et al., 2005). De plus, la
rpartition des points sur le front de Pareto ne sera pas uniforme mais dpendante de la forme
du front.

Une seconde technique (Marglin, 1967) consiste transformer tous les objectifs sauf un,
par exemple le dernier, en contraintes. Le but de loptimisation est alors de minimiser un
objectif en particulier tout en maintenant les autres objectifs en dessous des valeurs
maximales autorises. Le concepteur aura la tche de fixer les 1 p valeurs maximales
autorises
max
1 , , 1 = p i
f
L
, ce qui pourrait tre plus facile ou plus physique que de fixer les 1 p
coefficients de pondration de (II.27). Ainsi, le problme (II.8) devient :

( )
{ }
( )
( ) ( )
( ) m i X h
p i f X f X g
p l i X g
S x x x X
X f
i
i i i l
i
n
p
, , 1 0
1 , , 1
1 , , 1 0
: soumis
, , ,
min
max
2 1
L
L
L
L
= =
= =
+ =
=
+
(II.28)

1
f

2
f

1
1
= p

0
1
= p

0
1
1
1
1
2
p
p
f
f

Fig II.8. Dcouverte du front de Pareto par pondration variable des objectifs
t
e
l
-
0
0
2
6
4
0
4
1
,

v
e
r
s
i
o
n

3

-

2
7

A
p
r

2
0
0
8

58

La figure II.9 illustre la dcouverte du front de Pareto par transformation des objectifs en
contraintes valeur variable. Le nombre dobjectif tant gal deux, cest le premier objectif
qui est transform en contrainte. Lextrmit droite du front de Pareto correspond une non
variation de la solution trouve alors que la valeur de la contrainte augmente. Celle de gauche
correspond la dernire solution faisable trouve en diminuant la valeur de
max
1
f .

1
f

2
f

max
1
f

Fig II.9. Dcouverte du front de Pareto par contrainte valeur variable

Dautres variantes sont possibles comme la minimisation par une formulation en
moindres carrs de lcart (II.29) entre chaque objectif et sa valeur cible ou encore la
minimisation du maximum des carts (II.30) (Liuzzi et al., 2003) (Colette et al., 2002)
(Roudenko, 2004) :
( ) ( ) | |
=
=
p
i
obj
p p
f X f X f
1
2
min (II.29)
( ) ( )
obj
p p
p i
f X f X f =
= , , 1
max min
L
(II.30)
Les valeurs cibles des objectifs peuvent tre les coordonnes du point idal, dfinies dans
lespace des objectifs par les valeurs atteintes lors doptimisation avec un seul des objectifs
la fois (fig. II.10). La figure II.10 montre les points obtenus par les deux formulations. Pour
(II.29), le point obtenu est lintersection entre le front de Pareto et le cercle tangent au front
ayant comme centre le point objectif et un rayon minimal. Pour (II.30), le cercle est remplac
par un carr et le point obtenu sera diffrent.

Pour contourner la difficult du choix des valeurs cibles, (Liuzzi et al., 2003) proposent
de modifier dynamiquement la valeur cible de chaque fonction objectif en la remplaant par
son minimum connu ou trouv litration prcdente. Il est galement possible dutiliser une
somme pondre des objectifs o chaque poids serait linverse du minimum de lobjectif
concern, ractualis dynamiquement.

Plus rcemment, une technique capable, dune part, dobtenir une rpartition uniforme
des points trouvs sur le front de Pareto et, dautre part, de trouver un front de Pareto concave
a t propose (Kim et al., 2005). Elle combine les deux techniques, pondration et contrainte,
t
e
l
-
0
0
2
6
4
0
4
1
,

v
e
r
s
i
o
n

3

-

2
7

A
p
r

2
0
0
8

59
dans un algorithme adaptatif mesurant la distance euclidienne entre les points voisins du front
de Pareto. Cette mthode doptimisation multi-objectif est dite hybride tout comme la
mthode de Corley (Colette et al., 2002) qui utilise des contraintes pour limiter lespace dans
lequel la mthode des pondrations vient tangenter le front de Pareto.

1
f

2
f

min
1
f

min
2
f

point idal
point objectif
obj
f
1

obj
f
2

( ) | |
=

p
i
obj
p p
f X f
1
2
min

( )
obj
p p
p i
f X f
= , , 1
max min
L

Fig II.10. Points trouvs par les autres formulations et point idal

Une autre mthode, dite du but atteindre (goal attainment), consiste trouver le point
du front de Pareto le plus proche dun point objectif selon une direction donne par un vecteur
p (fig. II.11) (Colette et al., 2002). La formulation est la suivante :

{ }
( )
( ) ( )
( ) m i X h
p i f p X f X g
p l i X g
S x x x X
i
obj
i
i i i l
i
n
, , 1 0
, , 1
, , 1 0
: soumis
, , ,
min
2 1
L
L
L
L
= =
= =
+ =
=
+

(II.31)
1
f

2
f

point objectif
obj
f
1

obj
f
2

2
p

1
p

Fig II.11. Point trouv par la mthode du but atteindre
t
e
l
-
0
0
2
6
4
0
4
1
,

v
e
r
s
i
o
n

3

-

2
7

A
p
r

2
0
0
8

60

En choisissant le point idal comme point objectif et une direction de recherche dont les
valeurs sont positives ou nulles, on a la certitude de trouver un point du front de Pareto, mme
sil se trouve sur une partie non convexe. Cependant, la rpartition des points sur le front ne
sera pas uniforme et peut prsenter des discontinuits dans certains cas extrmes (Colette et
al., 2002).

II.4.5. Transformation des pnalits en objectif

Au cours de la dernire dcennie, des algorithmes capables de rsoudre efficacement des
problmes doptimisation avec des objectifs multiples sont apparus et se diffusent rapidement
dans les champs applicatifs, notamment ceux de llectromagntique. Ceci ouvre des voies
alternatives au traitement des contraintes. Une de celles-ci (Cai et al., 2006) propose de traiter
la fonction pnalit extrieure comme un objectif supplmentaire minimiser au problme
(II.8). Ainsi, le problme multi-objectif rsultant comportera 1 + p objectifs et aucune
contrainte :

( )
( )
( )
( ) ( ) | | ( )
{ }
S X
x x x X
X h X g X C
X f
X f
X F
n
m
i
i i
l
i
i i
p
=
(
(
(
(
(
(
+ =
=

= =
, , ,
, 0 max
min
2 1
1
2
1
2
1
L
M

(II.32)
La figure II.12 illustre cette approche pour une fonction objectif unique. Le front de
Pareto est trac dans le graphe avec la fonction objectif en ordonne et la fonction pnalit en
abscisse. Les solutions Pareto optimales faisables sont donc sur la partie verticale du front.

C
f

0

Fig II.12. Front de Pareto avec une fonction objectif et une fonction pnalit

Dans ce cas, le front de Pareto nest pas convexe et seuls certains des algorithmes
doptimisation qui seront prsents en section IV sont capables de dcouvrir la totalit de sa
partie verticale.

t
e
l
-
0
0
2
6
4
0
4
1
,

v
e
r
s
i
o
n

3

-

2
7

A
p
r

2
0
0
8

61
II.4.6. Rcapitulatif des transformations

La figure II.13 dresse un rcapitulatif des formulations et des transformations permettant
den changer. Gardons lesprit que les transformations sont faites pour pallier au manque
dalgorithme pour rsoudre certaines formulations.

Il existe un nombre important de mthodes doptimisation capables de rsoudre les
problmes doptimisation mono-objectif avec des contraintes en utilisant les multiplieurs de
Lagrange. Cest le cas de nombreuses mthodes reposant sur des bases mathmatiques mais
galement de mthodes volutionnistes comme, par exemple, lalgorithme gntique prsent
dans Matlab
1
. Ainsi, lusage des pnalits est en rgression tout comme lensemble des
transformations permettant de supprimer les contraintes, c'est--dire les flches orientes vers
la gauche sur la figure II.13.

mono-objectif
sans contraintes
mono-objectif
avec contraintes
multi-objectif
sans contraintes
multi-objectif
avec contraintes
p
o
n
d
r
a
t
i
o
n

v
a
l
e
u
r
s

c
i
b
l
e
s

e
t

m
i
n
-
m
a
x

pnalit
m
a
r
g
l
i
n
o
b
j
e
c
t
i
f
pnalit
marglin
p
o
n
d
r
a
t
i
o
n

v
a
l
e
u
r
s

c
i
b
l
e
s

e
t

m
i
n
-
m
a
x

pnalit
objectif
pnalit

Fig II.13. Formulations et transformations

Les problmes doptimisation multi-objectif sont plus rcents et peu dalgorithmes sont
disponibles pour les rsoudre, comme nous le verrons en section V. On remarque ainsi, sur la
figure II.13, quil existe de nombreuses transformations pour passer dun problme multi-
objectif un problme mono-objectif, c'est--dire des flches vers le bas. Leurs performances
semblent assez similaires ainsi le choix se fait en fonction des informations mise disposition
du concepteur.
Illustrons notre propos sur le cas de loptimisation dun moteur avec les objectifs de
minimiser la masse et de maximiser le rendement, c'est--dire minimiser les pertes :
- Si le client est capable dexprimer laccroissement de masse auquel il consent par
point de rendement gagn alors une transformation par pondration convient.
- Si le client peut donner les valeurs souhaites pour le rendement et la masse alors
les transformations par valeurs cibles et par min-max permettent de trouver des
solutions proches dans lespace des objectifs.

1
Genetic Algorithm and Direct Search Toolbox , versions 2 et suivantes
t
e
l
-
0
0
2
6
4
0
4
1
,

v
e
r
s
i
o
n

3

-

2
7

A
p
r

2
0
0
8

62
- Si le client indique que son objectif prioritaire est de rduire la masse mais quil
doit garantir un rendement suprieur ou gal 93% alors la transformation de
Marglin est approprie.
- En labsence dinformation, une pondration avec des poids variables ou une
transformation de Marglin avec des valeurs maximales admissibles variables
permet de trouver le front de Pareto.
- Sil apparat que le front de Pareto est en partie concave, une combinaison des deux
transformations cites prcdemment donne lintgralit du front de Pareto et une
construction progressive de ce dernier permet dobtenir une rpartition uniforme de
ses points.

Enfin, la transformation des contraintes en objectif pnalit est bien adapte pour
lutilisation des mthodes stochastiques doptimisation multi-objectif avec contraintes. Dune
part, la transformation par pnalit entrane des problmes de mise lchelle car le mme
terme pnalit est ajout toutes les fonctions objectifs, dont les ordres de grandeur sont
diffrents. Dautre part, une mthode stochastique nest pas gne par le fait que le front de
Pareto obtenu avec lobjectif pnalit soit non convexe.

t
e
l
-
0
0
2
6
4
0
4
1
,

v
e
r
s
i
o
n

3

-

2
7

A
p
r

2
0
0
8

63
III. Modles utiliss en conception de machines lectriques

Lorientation des modles des machines lectriques a une grande influence sur leur
capacit rsoudre le problme inverse de conception. Ces aspects, ainsi que les diffrents
types de modle sont prsents dans cette section.

III.1. Orientation des modles

Les modles se distinguent suivant leur orientation et donc leur facilit tre utiliss pour
rsoudre des problmes inverse ou direct (Fitan et al., 2004) (Mester, 2007). On qualifie un
modle de direct, sil fournit les performances du dispositif partir de la connaissance de sa
structure, de ses dimensions et de ses matriaux constitutifs (fig. III.1).

structure,
matriaux et
dimensions
modle
direct

performances

Fig III.1. Modle direct

Ainsi, un modle direct est un outil de simulation qui permet de travailler sur un
prototype virtuel, ce qui rduit le temps ncessaire lobtention des caractristiques. Les
outils de CAO tels que les modles lments finis en font partie. La premire lettre de
lacronyme correspond alors davantage au mot calcul que conception.

Dun point de vue mathmatique, le modle direct est caractris par sa capacit fournir
un rsultat unique. Pour cela, le nombre dquations et le nombre dinconnues (variables)
intervenant dans le modle doivent tre identiques.
Pour chaque entre dun modle, une quation de type variable = valeur est ajoute. En
gnral, le nombre de variables dcrivant la structure, les matriaux et les dimensions dune
machine lectrique est bien suprieur au nombre de variables dcrivant les performances.
Ainsi, pour un modle direct, un grand nombre dquations est ajout et la construction du
modle est complte par autant dquations quil reste de variables indtermines
1
.

A contrario, un modle est dit inverse sil est capable de fournir la structure, les
dimensions et les matriaux constitutifs du dispositif partir de la seule connaissance du
cahier des charges constitu des caractristiques ou performances souhaites (fig. III.2).

structure,
matriaux et
dimensions
modle
inverse

performances

Fig III.2. Modle inverse

1
Afin de ne pas perdre la gnralit de ce propos, le nombre de variables indtermines est en fait le
nombre total de variables moins le nombre dquations.
t
e
l
-
0
0
2
6
4
0
4
1
,

v
e
r
s
i
o
n

3

-

2
7

A
p
r

2
0
0
8

64
On remarque donc quun modle inverse oprant avec les mmes variables et le mme
nombre dquations que le modle direct est sous dtermin car le nombre dquations de
type variable = valeur est infrieur celui du modle direct. Sa rsolution est donc
impossible dans ltat.

III.2. Problme inverse

Dans le contexte dune conception, les performances souhaites sont prcises dans le
cahier des charges (CdC) alors que la structure, les matriaux et les dimensions sont
dterminer. On parle alors dun problme inverse.
Aucun des deux modles prsents prcdemment ne peut tre employ sans adaptation
pour la rsolution dun problme inverse. En effet, le modle direct nest pas convenablement
orient et le modle inverse na pas de solution unique.

Pour rsoudre un problme inverse avec un modle direct, la dmarche itrative dcrite
dans le synoptique de la figure III.3 est employe. Un expert ou un algorithme doptimisation
soumet une structure, des matriaux et des dimensions au modle direct, analyse les
performances obtenues et en dduit une nouvelle solution jusqu temps que les performances
calcules par le modle direct convergent vers celles souhaites.

structure,
matriaux et
dimensions
modle
direct

performances
+
-
expert ou
algorithme
performances
souhaites
(CdC)

Fig III.3. Rsolution dun problme inverse avec un modle direct

Pour rsoudre un problme inverse avec un modle inverse sous dtermin, trois
stratgies sont possibles. La premire stratgie consiste analyser davantage les phnomnes
physiques au sein du dispositif lectrotechnique pour faire merger autant dquations quil
reste de variables indtermines. Par agrgation du modle inverse sous dtermin et des
nouvelles quations, un modle inverse compltement dtermin est obtenu et conduit une
solution unique du problme inverse (fig. III.4).

Lorsque la dmarche prcdente nest pas possible ou trop difficile, il est possible de
complter le modle inverse sous dtermin avec un ensemble dquations de type variable =
valeur (fig. III.5). Dans ce cas, la structure, les matriaux et les dimensions dpendent des
valeurs donnes, ce qui ne conduit pas une solution unique au problme inverse.

t
e
l
-
0
0
2
6
4
0
4
1
,

v
e
r
s
i
o
n

3

-

2
7

A
p
r

2
0
0
8

65

structure,
matriaux et
dimensions
modle inverse

performances
modle inverse
sous dtermin
nouvelles
quations

Fig III.4. Rsolution dun problme inverse avec un modle inverse sous dtermin et de nouvelles quations

structure,
matriaux et
dimensions
modle inverse

performances
modle inverse
sous dtermin
variable = valeur
valeurs
a priori

Fig III.5. Rsolution dun problme inverse avec un modle inverse sous dtermin et des valeurs a priori

Pour sassurer de lunicit de la solution, il est possible de dfinir un critre doptimalit
et demployer une mthode doptimisation comme illustr en figure III.6. Lalgorithme
doptimisation est encapsul avec le modle inverse sous dtermin pour former un modle
inverse. La rsolution du problme inverse est itrative, contrairement la stratgie de la
figure III.4.

structure,
matriaux et
dimensions
modle inverse
performances
modle inverse
sous dtermin
variable = valeur
valeurs
critre
algorithme
doptimisation

Fig III.6. Rsolution dun problme inverse avec un modle inverse sous dtermin encapsul avec un
algorithme doptimisation

Ainsi, les algorithmes doptimisation sont utiles pour les deux orientations.

Dans les pages suivantes, les types de modles utiliss pour la conception et
loptimisation des machines lectriques sont prsents par difficult de mise en uvre
croissante.

III.3. Les modles analytiques

Les modles analytiques sont caractriss par leur facilit de mise en uvre, leur
mallabilit et la rapidit avec laquelle ils fournissent des rsultats. Ils ont trs souvent utiliss
t
e
l
-
0
0
2
6
4
0
4
1
,

v
e
r
s
i
o
n

3

-

2
7

A
p
r

2
0
0
8

66
lors des premires tapes du dimensionnement pour fournir une gomtrie prliminaire ou
comparer les performances respectives de diffrentes structures et technologies de machines.

De nombreux exemples se trouvent dans la littrature pour les transformateurs (Notelet et
al., 1998), les machines courant continu (Notelet et al., 1996), les alternateurs ples
saillants (Notelet et al., 1995), les machines rluctance variable (Lee, 2000), les machines
asynchrones alimentes par onduleur (Zhao et al., 2000), etc. Dautres articles traitent en
profondeur un phnomne et tablissent des relations simplifies qui pourront tre intgres
dans des modles complets (Foggia, TI) (Brauer et al., 2000) (Ertan et al., 2000) (Fujinami et
al., 2000) (Koh et al., 2003) (Gieras et al., 2002). Certains auteurs proposent une approche
unifie du dimensionnement et mettent en vidence les quations similaires entre les
diffrentes technologies de machines lectriques (Multon, 1996) (Nogarede, 2004). La
tendance actuelle est au dveloppement de modles multi-physiques (Ragot et al., 2006)
(Biedinger et al., 1998).

Les modles pour la conception des machines lectriques sont souvent construits par une
dmarche rationnelle qui se propose de dcrire chaque phnomne (lectrique, magntique,
thermique, mcanique, etc.) par des quations spcifiques. Parfois, des modles ou quations
empiriques sont utiliss l o la physique est trop complexe dcrire comme cest le cas des
pertes fer (Elleuch et al., 2003) ou des changes thermiques par convection (Glises, TI).
On voit ici quun modle analytique offre lavantage dtre facilement multi-physique et
multidisciplinaire pourvu que les quations qui le composent traduisent des phnomnes
dorigines diverses.

Si les modles analytiques fournissent trs rapidement un rsultat, leur construction est a
contrario trs longue. Dune part, il faut une connaissance experte de la machine tudie ainsi
que de son application. Dautre part, un recalage des modles passe par la construction de
prototypes et des exprimentations dont la ralisation est longue. Le nombre de prototype
construire peut tre rduit par lutilisation de modles plus fins comme ceux que nous
dcrirons par la suite.
La construction dun modle analytique dont les quations sont dduites des phnomnes
physiques prsents dans le dispositif lectrotechnique et son recalage au moyen de prototypes
prsentent nanmoins lintrt de plonger le concepteur dans un cercle vertueux lui permettant
datteindre lexcellence. Il en est de mme des techniques doptimisation qui peuvent pousser
un modle au-del de ses limites de validit, ces dernires tant non explicites, et fournir des
solutions inattendues dont lanalyse enrichira les connaissances du concepteur.

Pour rduire les cots et dlais dune nouvelle conception, il semble judicieux dutiliser
un modle analytique existant en ladaptant lapplication et la topologie du nouveau
dispositif.
Malheureusement, certains freins sopposent une telle dmarche tels que :
- lopacit de certaines quations empiriques dont il nest pas prcis les hypothses
dapplication ni le moyen de les adapter une autre application
1
,

1
Par exemple la relation liant la section dun transformateur la puissance apparente et la frquence
( frquence apparente puissance constante section = ) ou celle entre la puissance dune machine tournante
t
e
l
-
0
0
2
6
4
0
4
1
,

v
e
r
s
i
o
n

3

-

2
7

A
p
r

2
0
0
8

67
- lemploi de modles empiriques pour prendre en compte des phnomnes lis un
autre champ disciplinaire alors quune approche multi-physique serait possible
1
,
- la concatnation et la simplification dquations dans le but den rduire le nombre,
masquant ainsi les lois physiques associes
2
,
- le manque de documentation dcrivant les lois associes chaque quation, les
hypothses utilises et les limites demploi
3
.
Ces choix ne sont pas dlibrs mais rsultent souvent des contraintes lies au support de
diffusion du modle ou la technique employe pour rsoudre le systme dquation. Dans de
nombreux cas, la finalit des articles comportant ces modles nest pas den permettre la
modification mais davantage leur utilisation rapide pour la conception et loptimisation.
On constate un manque de supports appropris pour capitaliser et rendre accessibles les
modles existants en vue de leur utilisation dans un contexte diffrent, quil sagisse dune
structure de machine diffrente ou dune nouvelle application. Les travaux mens en ce sens
par les acteurs du projet DIMOCODE (Diffusion Internet des Modles pour la Conception
Optimale des Dispositifs Electriques) sont ambitieux et sont abords dans les perspectives de
ce mmoire.

Une autre raison pour laquelle des quations empiriques sont ajoutes au systme
dquations utilis pour le dimensionnement est dordre mathmatique. En effet, un systme
dquations na de solution unique que si le nombre dquations est gal au nombre
dinconnues. Or, il est frquent que le nombre dinconnues soit suprieur et quil faille alors
ajouter des quations, comme cela a t expliqu en figure III.4.

Une difficult supplmentaire peut tre rencontre lors de la rsolution dun systme
dquations non linaires, comme cest le cas pour les machines lectriques. La rsolution est
alors itrative et requiert une solution initiale pour chaque inconnue. Plus le systme comporte
dquations, plus sa rsolution sera sensible aux valeurs initiales. Il y a donc un intrt
analyser sa structure en vue dune rsolution robuste.
Un modle analytique est un ensemble dquations permettant de calculer des paramtres
de sortie connaissant la valeur des paramtres dentre. Parmi les paramtres dentre,
certains ont des valeurs connues. Ce sont par exemple les proprits des matriaux ou encore
les donnes du cahier des charges. Dautres ne sont pas connus a priori et leur valeur sera
fixe par le concepteur, nous les appellerons paramtres de conception. Le choix des
paramtres de conception nest pas unique. Il est dfini par les phnomnes physiques pris en
considration et reflte les intentions du concepteur. Ladquation entre lordonnancement des
quations dimensionnantes et le choix des paramtres de conception peut tre vrifie avec la
matrice dincidence. Chaque ligne est associe une quation et chaque colonne un

et le volume du rotor (puissance = constante.volume_rotor) et pour lesquelles la constante dpend de
nombreux paramtres dont la nature du fluide/liquide de refroidissement.
1
Par exemple, lutilisation de la notion de charge (de courant) priphrique ou linique (A/m) vite la
construction dun modle thermique mais, dune part, les hypothses associes sont discutables, dautre part,
sa valeur dpend non explicitement de nombreux paramtres.
2
Il existe des modles pour la conception de machine lectrique comportant moins de 10 quations.
3
A lexception des livres traitant du sujet en plusieurs centaines de pages.
t
e
l
-
0
0
2
6
4
0
4
1
,

v
e
r
s
i
o
n

3

-

2
7

A
p
r

2
0
0
8

68
paramtre. Le coefficient
j i
a
,
de la matrice vaut un si le paramtre
j
x intervient dans
lquation ( )
n i
x x g , ,
1
L et zro sinon
1
.
Comme voqu prcdemment, suivant la structure de la matrice, la rsolution du
systme dquations sera plus ou moins facile. Dans le cas dune matrice triangulaire
infrieure, la rsolution peut se faire squentiellement. Ainsi, chaque inconnue se dduit
partir de celles dj calcules et dune quation unique. Pour obtenir une matrice triangulaire
infrieure, il faut changer l'ordre d'apparition des paramtres et des quations, ce qui revient
permuter des colonnes ou des lignes. Il nest pas toujours possible davoir une matrice
triangulaire infrieure mais il faut tenter de sen approcher pour faciliter la rsolution des
blocs non triangulariss.
Des algorithmes permettent de trouver les permutations qui conduisent la matrice la
plus simple rsoudre (Allain, 2003) (Duff et al., 1978) (Tarjan, 1972). La figure III.7 montre
une matrice dincidence avant (gauche) et aprs (droite) ordonnancement dun systme de 134
quations non linaires. Chaque point correspond au chiffre un. Les points dpassant de la
diagonale correspondent au bloc des 10 quations rsoudre simultanment.

Fig. III.7. a) Matrice dincidence initiale. b) Matrice dincidence finale

Cet outil
2
rend le modle analytique de dimensionnement particulirement mallable
puisquil est possible de changer les paramtres dentre et de sortie pour sadapter un
nouveau cahier des charges. Lalgorithme dordonnancement permet alors de vrifier la
faisabilit de la re-contextualisation du modle et de trouver lordre de rsolution des
quations. Il est donc possible de changer un modle (direct) de simulation en un modle
(inverse) de dimensionnement. Cette proprit est spcifique aux modles analytiques
statiques tels que ceux utiliss pour le dimensionnement. Pour les autres modles de

1
La matrice dincidence peut tre vue comme un Jacobien monochrome du systme dquations pour lequel
chaque drive partielle non nulle est remplace par un.
2
Loutil tant constitu par la matrice dincidence et son algorithme dordonnancement.
t
e
l
-
0
0
2
6
4
0
4
1
,

v
e
r
s
i
o
n

3

-

2
7

A
p
r

2
0
0
8

69
simulation, linversion, cest--dire lutilisation dans un contexte de dimensionnement, se fera
par des algorithmes itratifs dont la convergence nest pas assure.

Pour loptimisation, la capacit dun modle fournir les drives exactes des fonctions
objectifs et contraintes est dterminante sur la vitesse de convergence des algorithmes. Le
nombre dquations implicites du modle tant rduit, il est facile dobtenir une drivation
formelle et donc exacte. Enfin, il existe un logiciel ddi loptimisation avec des modles
analytiques et qui automatise le calcul des drives ainsi que lanalyse et la rsolution du
systme dquations (Pro@design, www.designprocessing.com).

Un modle analytique peut, suivant la manire dont il est construit, tre un modle direct
ou un modle inverse.
Sil est crit comme un modle direct, le nombre dinconnues est gal au nombre
dquations et il est invers par des techniques doptimisation itratives comme dcrit en
figure III.3.
Sil est crit comme un modle inverse alors il faut considrer deux cas. Premirement,
les nombres dquations et dinconnues sont gaux et le modle fourni une solution unique
comme dcrit en figure III.4. En pratique, ce cas est peu rencontr surtout si les donnes
dentre du modle comprennent des paramtres dcrivant la structure et les matriaux
constitutifs. Dans le cas o le nombre dinconnues est suprieur celui des quations alors il
existe une infinit de solutions et seule la formulation dun problme doptimisation conduit
une solution unique.
La stratgie dcrite en figure III.6 est applicable mais une autre alternative est possible
lorsque le modle est analytique. En effet, chaque quation du modle analytique est alors
insre dans le problme doptimisation sous la forme dune contrainte galit. Il en rsulte un
problme doptimisation comprenant de nombreuses variables dterminer car chaque
contrainte traite par les multiplicateurs de Lagrange ajoute une variable qui est le
multiplicateur de Lagrange. Sa rsolution est alors difficile et sensible la valeur initiale de
chaque variable doptimisation quil est trs difficile dterminer.
Ainsi, il est frquent quun modle analytique, possdant de nombreuses quations et
dont la finalit est la rsolution du modle inverse, ne soit pas totalement inverse. Certaines
donnes dcrivant la structure, les matriaux constitutifs et le niveau dutilisation des
matriaux actifs (cuivre et fer) peuvent tre laisses en entre et leurs valeurs trouves par un
algorithme doptimisation comme indiqu en figure III.6. Lavantage est de rduire le nombre
de variables pour en faciliter la rsolution.

III.4. Les modles lments finis

Les modles lments finis sont mallables, prcis et permettent la prise en compte de
phnomnes physiques diffrents et fortement coupls (thermique, lectrique, magntique,
vibratoire, mcanique). Plus la modlisation sera fine et prendra en compte un nombre de
phnomnes croissant, plus le temps de simulation sera important. Les modles lments finis
sont des modles directs.

Le champ lectromagntique est calcul avec la rsolution des quations de Maxwell des
tats quasi-stationnaires. Ces quations qui lient le champ lectrique E, le champ magntique
t
e
l
-
0
0
2
6
4
0
4
1
,

v
e
r
s
i
o
n

3

-

2
7

A
p
r

2
0
0
8

70
H, l'induction lectrique D et l'induction magntique B, rgissent tout systme
lectromagntique.
t B E rot
r r
- =
0 = B div
r

j H rot
r r
= (III.1)
= D div
r

avec j la densit de courant et la densit de charge lectrique. La conservation du courant
implique :
0 = j div
r
(III.2)
Les relations constitutives des matriaux isotropes fournissent trois nouvelles relations
entre les grandeurs utilises prcdemment :

r r
j E =

r r
H B = (III.3)

r r
D E =
o est la conductivit lectrique, linverse de la permabilit magntique et la
permittivit lectrique. Puisque la relation (III.1) affirme que la divergence de l'induction
magntique est nulle, c'est donc qu'elle drive d'un potentiel vecteur A :
rot A B
r r
= (III.4)
Dans bon nombre de machines lectriques, on peut ramener un problme trois
dimensions un problme bidimensionnel. Ce sont les systmes invariants par translation ou
par rotation. Dans ces deux cas, il est possible d'tudier la machine dans un plan de coupe. Le
potentiel vecteur et les courants sont alors perpendiculaires au plan de coupe. Ceci permet de
rduire considrablement les temps de calcul et les difficults de modlisation. Dans un
systme d'axes orthogonaux (x,y,z) o la section transversale se situe dans le plan (x,y),
l'invariance suivant l'axe Oz permet d'crire :
| | A A 0 0 =
r

r
j j = 0 0 (III.5)
Pour la mise en quation dans un plan de coupe, on se place dans un domaine invariant
par translation suivant l'axe longitudinal et o les conducteurs sont tous connects l'infini.
Quelque soit le matriau, lquation gnrale donnant le potentiel vecteur est :
0 = +
|
|
.
|
\
|
+
|
|
.
|
\
|
+
|
|
.
|
\
|
t
A
j
y
H
x
H
y
A
y x
A
x
cx cy
(III.6)
avec
cx
H et
cy
H les champs coercitifs des aimants permanents. Lquation (III.6) est obtenue
partir de (III.1- III.5). Les deux premiers termes correspondent lquation du potentiel
vecteur dans un milieu magntique de conductivit nulle, le terme suivant est ajout si il y a
t
e
l
-
0
0
2
6
4
0
4
1
,

v
e
r
s
i
o
n

3

-

2
7

A
p
r

2
0
0
8

71
des aimants permanents, j est la densit de courant dans les conducteurs fins et le dernier
terme reprsente les courants induits dans les conducteurs massifs.

Un circuit lectrique peut tre intgr en ajoutant des quations liant la densit de courant
et le potentiel vecteur. En effet, le flux dans une phase sexprime partir du potentiel vecteur
dans ses encoches, ce qui permet de calculer les tensions induites ou forces lectromotrices.

Il est ncessaire de prciser les conditions aux limites du domaine d'tude qui peuvent
tre de trois types :
- Condition de Dirichlet homogne : La valeur du potentiel vecteur est impose
zro sur le contour spcifi, 0 =
A ( 0 =
n
B ). Le trajet du flux est tangent au
contour sur lequel est impose cette condition.
- Condition de Neumann homogne : La drive du potentiel par rapport la normale
du contour spcifi est impose zro, 0 =

A
( 0 =
t
B ). Le trajet du flux est
perpendiculaire au contour. On peut imposer cette condition sil y a une symtrie
miroir gomtrique et lectrique.
- Condition de priodicit : Seule une partie du systme est reprsente, le reste se
dduit par translation et/ou rotation
2 1
= A A .

La mthode des lments finis permet de ne calculer le potentiel vecteur quen un nombre
rduit de points du domaine. Entre ces points, des fonctions dinterpolation sont utilises pour
estimer sa valeur :
( )

=
i
i i
A X N X A ) ( (III.7)
o i prend autant de valeurs quil y a de nuds dans llment,
i
N est une fonction
dinterpolation dont les coefficients dpendent de la position
i
X et
i
A est la valeur du
potentiel vecteur en
i
X (fig. III.8). Les lments linaires ont 3 nuds, la variation du
potentiel vecteur est linaire donc linduction magntique est constante dans un lment. Les
lments quadratiques ont 6 nuds, le potentiel vecteur varie de faon quadratique et
linduction magntique linairement.

Fig. III.8. Elment linaire (3 nuds) et lment quadratique (6 nuds)

Avec la mthode des lments finis, lquation (III.6) se met sous forme matricielle
1
:

1
Les notations sont { } pour un vecteur et [ ] pour une matrice.
t
e
l
-
0
0
2
6
4
0
4
1
,

v
e
r
s
i
o
n

3

-

2
7

A
p
r

2
0
0
8

72
( ) | |{ } | | { } { } P G
t
A
N A A M =
)
`
(III.8)
La matrice ) ( A M comprend les permabilits qui dpendent du vecteur potentiel si le
matriau magntique est non linaire, N comprend les conductivits, G les densits de
courant en chaque nud du maillage et P les champs coercitifs.

Suivant que le systme est aliment en courant continu, en courant sinusodal ou avec un
courant de forme quelconque, lquation (III.8) est modifie :
- En courant continu, on a { } 0 =
)
`
t
A
et il nest pas possible de calculer les

courants et tensions induites. Ainsi, il ne peut y avoir de couplage circuit et les
densits de courants sont imposes (Opera2D-ST, Flux2D-magntostatique).
- En courant sinusodal, on a { } A j
t
A
=
)
`
. Lhypothse faite est que les

grandeurs magntiques et lectriques sont purement sinusodales. Il est alors
possible de calculer les courants induits et de dfinir un circuit lectrique
comportant des sources de tension ou de courant, des rsistances, des
inductances et des condensateurs (Opera2D-AC, Flux2D-magntodynamique).
- En rgime transitoire, le courant est quelconque et la rsolution est faite en pas
pas en posant
{ } { }
t
A A
t
A
t t t

=
)
`
. Il est alors possible de calculer les

courants induits et de dfinir un circuit comportant des lments passifs et des
interrupteurs (Opera2D-TR, Flux2D-magnto-volutif). t est le pas de temps
et doit tre choisi suffisamment petit pour obtenir une bonne prcision.

Dans de nombreux cas, tel que les machines aimants permanents, des simulations
transitoires avec mouvement sont indispensables. La technique utilise dans les logiciels
Flux2D et Opera2D est celle de la bande de mouvement (Ren, 1985). Elle consiste en un
maillage de lentrefer qui nest pas ncessairement rgulier et permet un pas de dplacement
quelconque. A chaque pas de temps, un remaillage est ncessaire et peut entraner des erreurs
numriques, notamment lors du calcul du couple par la mthode du tenseur de Maxwell. Pour
rduire lerreur, il est possible dimposer un maillage de lentrefer rgulier dont la taille des
lments est gale au pas de dplacement.

Pour certains dispositifs lectrotechniques, une modlisation tridimensionnelle est
ncessaire aussi bien pour des raisons magntiques que thermiques. Ainsi, mme si la
puissance des ordinateurs est en croissance rgulire, la demande galement croissante en
qualit de modlisation conduit des temps de calculs qui ne se rduisent pas.

Enfin, la prcision des modles lments finis est grande mais pas infinie. Ainsi, une
mme simulation ne fournira pas les mmes rsultats si :
- un autre logiciel lments finis est utilis,
- une autre formulation est choisie dans le mme logiciel,
t
e
l
-
0
0
2
6
4
0
4
1
,

v
e
r
s
i
o
n

3

-

2
7

A
p
r

2
0
0
8

73
- un maillage diffrent est ralis (Brisset et al., 2001), etc.
Il en rsulte une dispersion des rsultats quantifiable bien que trs infrieure celle
obtenue exprimentalement.

Un point remarquable pour lutilisation des modles lments finis dans le contexte dune
optimisation est leur difficult obtenir les drives des fonctions objectifs et contraintes. Du
fait de la dispersion des rsultats voque prcdemment, lutilisation dune technique de type
diffrence finie est dangereuse. En effet, il est difficile de savoir si leffet observ sur une
sortie du modle lments finis lors de la variation dune donne gomtrique dentre est li
la donne elle-mme ou la modification du maillage qui en rsulte.
Cest pour viter le recours la technique des diffrences finies que des techniques ont
t proposes. Il sagit du calcul des drives dordre lev
1
(Coulomb et al., 1997), du calcul
de la sensibilit aux paramtres gomtriques (Ioan et al., 1998) (Okamoto et al., 2005) et de
la diffrentiation de code (Fischer, 2005). Malheureusement, leur mise en uvre est lourde et
on ne trouve pas encore de logiciel commercialis qui propose de telles fonctionnalits.

Dun point de vue informatique, le prprocesseur qui soccupe du maillage et des
matriaux doit tre entirement paramtrable et intgrer un langage de programmation
permettant de faire des boucles et des sauts conditionnels. Il est prfrable que le
prprocesseur, le code et le post-processeur puissent tre excuts sans affichage par une ligne
de commande. On constate que la philosophie retenue par les dveloppeurs de code est
davantage une intgration des algorithmes doptimisation dans le code
2
que la mise
disposition dun composant autonome apportant plus de souplesse.

III.5. Les modles semi-numriques

Les modles semi-numriques sont analytiques et non linaires. Ils sont qualifis de cette
manire car leur rsolution se fait numriquement en raison de la non-linarit.

Ils ont une position intermdiaire entre les modles analytiques et les modles lments
finis pour :
- le temps de rsolution,
- la prcision de la modlisation, et
- la capacit fournir les drives.

Parmi ces modles, on peut citer :
- les rseaux de permances
3
,
- le calcul du champ magntique dans une machine synchrone aimants permanents
en surface
4
,
- les modles thermiques nodaux
5
,
- les schmas lectriques quivalents
1
, etc.

1
Cette fonctionnalit tait prsente en bta-version dans le logiciel Flux sous le nom FLUX-PARAM
2
Cest le cas dOpera2D version 12 et de Flux Global Optimization Tool (Coulomb), non commercialis
3
(Qu et al., 2004) (Tsai et al., 1999) (Hecquet, 2006)
4
(Zhu et al., 2002) (Rasmussen et al., 2000) (Zarko et al., 2006) (Dubas et al., 2007)
5
(Boglietti et al., 2005) (Mellor et al., 1991) (Labraga, 1992)
t
e
l
-
0
0
2
6
4
0
4
1
,

v
e
r
s
i
o
n

3

-

2
7

A
p
r

2
0
0
8

74

Du fait de leur reprsentation, ils sont trs populaires et permettent de coupler de
nombreux phnomnes physiques.

A la diffrence des modles analytiques vus prcdemment, ils ne peuvent pas tre
inverss pour fournir les dimensions du dispositif directement partir des performances
exprimes dans le cahier des charges. Ce sont des modles directs en raison du grand nombre
dquations qui les compose.

Il existe des solutions pour automatiser le calcul des rponses des modles et leurs
drives en vue de loptimisation (Delale et al., 2004)
2
et certaines sont commercialises
(Pro@design, www.designprocessing.com).

III.4. Positionnement et complmentarit

Quelques types de modle sont reprsents en fig. III.9 pour une bobine noyau de fer.
Tous ces modles sont des modles directs fournissant les performances ou caractristiques
du dispositif partir de ses dimensions et matriaux constitutifs.

Fig. III.9. Une bobine noyau de fer et sa reprsentation avec diffrents modles.

Le modle analytique fourni uniquement des grandeurs lectriques, le rseau de
permances donne galement des grandeurs magntiques globales mais le modle lments
finis apporte une vision locale dtaill comme en tmoigne lpanouissement des lignes de
champ dans lentrefer. Il est possible dintroduire ce phnomne dans la permance dentrefer
au moyen dun coefficient empirique.

Comme illustr en fig. III.10, les diffrents modles utiliss pour la conception des
machines lectriques sont autant de compromis optimaux entre lerreur de modlisation (axe
horizontal) et le temps de calcul (axe vertical). Les modles lments finis se situent alors en
haut gauche, les modles analytiques en bas droite et les modles semi-numriques au
centre. Pour ces derniers, chaque catgorie de modle est place arbitrairement car le temps
de calcul et la prcision sont variables dun modle lautre. A contrario, les catgories de

1
(Gieras et al., 2002) (Hendershot et al., 1994)
2
Un outil dnomm reluctool permet de construire, rsoudre et optimiser un rseau de rluctances
t
e
l
-
0
0
2
6
4
0
4
1
,

v
e
r
s
i
o
n

3

-

2
7

A
p
r

2
0
0
8

75
modles analytiques et lments finis sont places dans leur cadre respectif avec une place
reprsentative du temps de calcul et de lerreur de prcision de chacun.

On voit bien sur la figure quil y a une complmentarit entre les modles et quaucun ne
simpose comme tant la fois plus rapide et plus prcis que les autres. Ce sera donc au
concepteur que reviendra la tche de mettre en place une mthodologie adapte lapplication
vise pour aboutir au plus vite et avec la meilleure prcision possible un rsultat. Plus le
concepteur aura de modles disposition, plus il sera mme de mettre en uvre une
dmarche conduisant un rsultat prcis en un temps raisonnable.

modles analytiques
modle de
dimensionnement
modle de
simulation
erreur de modlisation
t
e
m
p
s

d
e

c
a
l
c
u
l

modles semi-numriques
modle thermique nodal
rseau de
permances
circuit
quivalent
modles lments finis

2D
statique
3D statique
2D transitoire
3D
transitoire
calcul champ magntique

Fig III.10. Front de Pareto des modles utiliss pour la conception des machines lectriques

t
e
l
-
0
0
2
6
4
0
4
1
,

v
e
r
s
i
o
n

3

-

2
7

A
p
r

2
0
0
8

76
IV. Construction de modles

Cette section dtaille la construction de modles tels que ceux prsents prcdemment
au travers de quelques conceptions de machines lectriques.

IV.1. Moteur roue

En proposant ce modle et lapplication associe, mes objectifs sont multiples :
- Premirement, il sagit de proposer un modle de pr-dimensionnement,
intervenant dans les premires tapes de la conception. Il concerne un moteur
courant continu, aimant permanent, bobinage concentr et commutation
lectronique pour la propulsion en comptition dun vhicule solaire. Du fait de
loriginalit de cette structure et de son application, il nexiste pas de modle de
dimensionnement multi-physique dans la littrature quil serait possible dexploiter
en partie ou totalit.
- Deuximement, une dmarche rationnelle et gnrale de construction dun modle
de pr-dimensionnement est prsente. Les phnomnes physiques de diffrentes
natures sont lists et mis en quations en soulignant les hypothses simplificatrices
utilises et dventuelles prcautions demploi. Lordre de rsolution des quations
est dtermin au moyen de la matrice dincidence et dalgorithmes spcifiques. Le
modle ainsi obtenu peut tre capitalis et re-contextualis en modifiant certaines
quations pour une autre structure (par exemple rotor intrieur
1
) ou un autre
cahier des charges, pour lequel dautres donnes seraient fournies.
- Troisimement, des formulations mono-objectifs et multi-objectifs sont proposes
afin de comparer les performances des algorithmes. Lintention est de mettre en
vidence les mthodes doptimisation qui rsolvent efficacement les modles
analytiques linstar de ce qui a t fait avec les ateliers TEAM numros 22 et 25
pour les modles lments finis.

Cahier des charges

Le moteur concevoir est un moteur roue qui propulse un vhicule solaire lors dune
comptition (World Solar Challenge, www.wsc.org.au). Le contexte dutilisation conditionne
les choix technologiques et structurels. En effet, le prix des matriaux et de la fabrication nest
pas primordial alors que le rendement et lencombrement axial sont des critres essentiels.
Le modle a galement t utilis pour concevoir un moteur hub pour la course de
vlo lectrique organise par lENS Cachan (www.association-meet.ens-cachan.fr) en 2007.

Pour le moteur du vhicule solaire, le moteur doit produire un couple permanent de 20
Nm du dmarrage jusqu la vitesse nominale, i.e. 700 tr/min. La vitesse du moteur peut
dpasser 1000 tr/min. La puissance fournie par les panneaux solaires dpendant de
lensoleillement, le rendement doit tre lev pour des vitesses comprises entre 500 tr/min et

1
Une re-contextualisation du modle pour une structure rotor extrieur peut tre
trouve dans (Makni, 2006).
t
e
l
-
0
0
2
6
4
0
4
1
,

v
e
r
s
i
o
n

3

-

2
7

A
p
r

2
0
0
8

77
700 tr/min. La puissance utile nominale du moteur est 1500 W, ce qui est suprieur la
puissance fournie par les panneaux solaires car les batteries sont charges avant chaque dpart
et apportent un surplus temporaire de puissance.

Pour faciliter le montage et la maintenance du moteur et de la jante, le moteur roue sera
fix sur un bras oscillant et non une fourche. Lencombrement axial du moteur doit donc tre
rduit. Le diamtre extrieur du moteur doit galement tre limit pour que le moteur puisse
se glisser dans la jante de la roue.

Finalement, le moteur opre dans un environnement hostile pendant la course. Il est
proche de la route et subit des chocs ainsi que le poids du vhicule. Il est galement ncessaire
de le protger contre les poussires. Proche du sol, la temprature extrieure est environ 50C.
Toute la course se droule sur un terrain plat except une dizaine de kilomtres avec une
pente de 7 %. Durant les freinages, lnergie cintique du vhicule est renvoye aux batteries.

Le choix dun couplage direct entre le moteur et la roue est motiv par laugmentation du
rendement global de la chane de traction. Cependant, labsence de boite de vitesse impose un
rendement lev sur une large gamme de vitesse.

Choix technologiques

Un moteur courant continu, aimants terre-rares monts en surface, bobinages
concentrs, flux radial, rotor extrieur et commutation lectronique convient le mieux aux
exigences du cahier des charges et facilite la construction.

Un moteur courant continu est cart car son collecteur augmente lencombrement axial
du moteur et est sensible aux chocs ainsi quaux poussires.
Le moteur asynchrone est rejet car sa puissance massique est infrieure pour des petites
puissances et faibles vitesses. Il en est de mme pour le moteur rluctance variable.
Le moteur synchrone aimant pose le problme du capteur de position. Lorsque la forme
du courant est rectangulaire, des capteurs effet Hall de trs petite taille suffisent. Ils sont
colls sur le stator du moteur et leur montage est ais. On dsigne souvent les moteurs
synchrones aimants permanents et courant rectangle par le terme anglo-saxon brushless
DC .
Par contre, pour un courant sinusodal, un capteur de prcision est ncessaire, i.e. codeur
incrmental, codeur absolu ou rsolveur. Ce capteur tant encombrant et sensible, le moteur
synchrone est donc rejet.
Le choix du moteur tant fortement li celui du capteur de position ncessaire au
convertisseur, il pourrait tre diffrent en utilisant une commande sensorless , i.e. sans
capteur. Celle-ci doit tre suffisamment robuste pour que le moteur fournisse son couple
nominal vitesse nulle. Cette option na pas t envisage car il est difficile de trouver un tel
convertisseur.

Deux structures sont possibles : flux radial ou flux axial. Un moteur avec un flux radial
est choisi car la force dattraction rsultante entre le rotor et stator est nulle. Le circuit
magntique est aussi facile construire en empilant des feuilles de tles pralablement
t
e
l
-
0
0
2
6
4
0
4
1
,

v
e
r
s
i
o
n

3

-

2
7

A
p
r

2
0
0
8

78
dcoupes. A loppos, la construction dun stator flux axial et encoches fermes est
difficile. Une premire solution consiste enrouler la tle puis usiner les encoches. Une
autre solution consiste percer les encoches avant denrouler la tle. Cette dernire solution
semble intressante mais prsente des difficults de mise en uvre.
En dehors des considrations lies la fabrication ou la tenue mcanique, il est possible
de choisir entre les structures rotor intrieur, rotor extrieur et flux axial. Pour la conception
du moteur de vlo, des modles analytiques simplifis ont t construits pour chacune des
trois structures. Contre toute attente, la structure flux axial ntait pas la plus intressante
malgr les contraintes dintgration dans la roue du cycle et cest bien la structure rotor
extrieur qui simposait.
Un autre avantage du rotor extrieur est de faciliter le support des aimants permanents. La
jante de la roue est directement fixe sur le rotor. Les aimants permanents sont des terres rares
de nuance SmCo ou NdFeB cintrs qui sont colls sur la priphrie intrieure du rotor.

Comme le diamtre extrieur du moteur vaut environ cinq fois la largeur du paquet de
tles, un bobinage concentr est choisi pour augmenter le ratio du volume de cuivre utile, i.e.
dans les encoches, sur le volume total de cuivre. Ainsi, les ttes de bobines sont rduites et ne
se chevauchent pas. Lencombrement axial du moteur est donc faible.

Le convertisseur est un onduleur triphas bidirectionnel. Les courants sont rguls par
hystrsis pour assurer un meilleur rendement et un couple constant sur une large gamme de
vitesse. Trois capteurs effet Hall fournissent linformation de position ncessaire au
convertisseur.

Modlisation du moteur

Pour la conception du moteur roue, un modle analytique de dimensionnement est
construit. Le prototype est montr en fig. IV.1 et une partie de sa gomtrie est dtaille. Bien
que toutes les variables dfinissant la gomtrie napparaissent pas sur la figure du plan de
coupe, on sent bien que leur nombre est grand et quil est prfrable dorienter le modle au
maximum dans le sens inverse afin de rduire le nombre des paramtres de conception.

Fig. IV.1. Prototype du moteur roue et gomtrie dtaille du plan de coupe.

Les quations analytiques constituant le modle dcrivent les phnomnes physiques en
sont sein. Des simulations lments finis bidirectionnelles statiques (fig. IV.2) permettent de
t
e
l
-
0
0
2
6
4
0
4
1
,

v
e
r
s
i
o
n

3

-

2
7

A
p
r

2
0
0
8

79
bien comprendre les phnomnes et de vrifier les valeurs numriques obtenues par les
quations. Une simulation dynamique en charge du moteur avec son convertisseur et la
commande des transistors et prsente en fig. IV.3. Le couple de denture et les perturbations
sur le courant et le couple lectrodynamique lors des commutations entre phases y sont
visibles.

Fig. IV.2. Simulations statiques du moteur : flux vide, induction vide et raction magntique dinduit

-30
-20
-10
0
10
20
30
0.003 0.005 0.007 0.009 0.011 0.013 0.015 0.017 0.019
temps (s)
I1 (A)
I2 (A)
I3 (A)
couple (N.m)

Fig. IV.3. Simulation du moteur en charge avec son convertisseur et sa commande

Un modle thermique nodal est construit pour calculer les tempratures moyenne et
maximale du cuivre ainsi que la temprature moyenne des autres parties : aimants, culasse
rotor, tles (fig. IV. 4). Le calcul formel permet dexprimer la temprature moyenne sans
passer par la dtermination de la temprature chaque nud du rseau, ce qui rduit le
nombre dquations.

R
email 2R
email 2R
email
2R
email

4N
e
R
air
R
isol
T
isol
T
ext

T
a

1
2
P
j
/2N
e
2n
c
+1
P
f
+P
m
f
0
f
1 f
nc-1
f
nc
4N
e
T
0 T
1
T
nc

T
nc-1

P
j
/2N
e
2n
c
+1
P
j
/2N
e
2n
c
+1
P
j
/2N
e
2n
c
+1

Fig. IV.4. Modle thermique nodal du moteur

Equations dimensionnantes

Une premire version du modle de dimensionnement a t prsente la confrence
Optimization and Inverse Problem in Electromagnetic en 2004 et publie dans (Brisset et al.,
2005). La seconde version est en cours de soumission.
t
e
l
-
0
0
2
6
4
0
4
1
,

v
e
r
s
i
o
n

3

-

2
7

A
p
r

2
0
0
8

80

Modle 78 quations

Le modle analytique comporte 78 quations :
- 25 pour les phnomnes lectriques et magntiques,
- 3 pour la thermique,
- 15 pour les relations gomtriques,
- 21 pour les proprits des matriaux et la configuration retenue.
- 3 pour le cahier des charges, et
- 11 pour les paramtres ou variables doptimisation.

Ces 11 dernires quations de type variable = valeur ont t ajoutes pour que le nombre
dquations et le nombre de variables soient gaux. Le modle ainsi obtenu est excutable car
pleinement dtermin. Les 11 valeurs sont des degrs de libert du modle inverse et sont
trouves avec la stratgie prsente en figure III.6.
Parmi les 78 variables prsentes, les 11 variables associes aux degrs de libert sont
choisies car elles ont un sens physique fort pour le concepteur, leur intervalle de variation est
facile fixer et il est ais de fournir une valeur initiale. Ces variables sont :
- la densit de courant dans les bobines,
- linduction magntique dans les dents, les deux culasses et lentrefer,
- le diamtre du stator, la longueur fer et celle des aimants,
- lpaisseur dentrefer, la tension du bus continu et le nombre daimants.

Ce modle ne comporte pas dquation pour dimensionner les parties mcaniques et les
roulements. De mme, le modle thermique est rduit sa plus simple expression puisque
seule la temprature moyenne est calcule en supposant le coefficient de convection constant
pour toutes les surfaces en contact avec lair.
Nanmoins, il reprsente une amlioration par rapport certaines pratiques puisque la
rsistivit des conducteurs et linduction rmanente des aimants dpendent explicitement de la
temprature. Le calcul du modle passe donc par la rsolution dun systme implicite
dquations non linaires. Les techniques dordonnancement visant triangulariser la matrice
dincidence ont conduit un systme implicite minimal de 7 quations dont la rsolution ne
requiert pas une solution initiale pertinente.
Les quations sont dtailles dans (Brisset et al., 2005) (Moussouni, http://l2ep.univ-
lille1.fr/come/benchmark-wheel-motor.htm) et la plupart dentre-elles peuvent tre retrouves
dans la littrature (Miller et al., 1994) (Cros, 1992).

Le prototype prsent en figure IV.1 a t ralis suite une optimisation avec 6 des 11
paramtres :
- la densit de courant dans les bobines,
- linduction magntique dans les dents, la culasse statorique et lentrefer,
- le diamtre extrieur du stator, et
- le nombre daimants.
Il apparat un faible accroissement du rendement quand le nombre daimants augmente
mais une machine creuse qui ncessite une jante et dont le bobinage est long raliser avec
t
e
l
-
0
0
2
6
4
0
4
1
,

v
e
r
s
i
o
n

3

-

2
7

A
p
r

2
0
0
8

81
beaucoup de petites encoches. Ainsi, le nombre daimants est choisi gal 12. Les 5 autres
paramtres sont fixs arbitrairement ou par lapplication :
- tension de bus continu de 120V,
- longueur fer de 45 mm, longueur daimant 10% suprieure,
- entrefer de 0.8 mm, et
- induction magntique dans la culasse rotor de 1.2 T.
Les essais raliss sur le prototype ont montr une bonne corrlation avec les
performances attendues dans lensemble. Cependant, lestimation des pertes fer et de
linductance de phase est amliorer.

Modle 134 quations

La seconde version du modle de pr-dimensionnement amliore la prcdente par :
- la prise en compte des Ampre-tours consomms dans le circuit magntique non
linaire alors que prcdemment seuls les aimants et lentrefer taient considrs,
- une meilleure estimation du risque de dmagntisation,
- le calcul des roulements, de larbre du rotor et de larbre creux du stator,
- un modle thermique nodal pour calculer la temprature maximale du cuivre, sa
temprature moyenne et celle de laimant, et
- des expressions des coefficients de convection obtenues par corrlation.

Cette seconde version comporte 130 quations :
- 29 pour les phnomnes lectriques et magntiques,
- 8 pour la thermique,
- 20 pour la mcanique,
- 15 pour les relations gomtriques,
- 3 pour le cahier des charges,
- 47 pour les proprits des matriaux et la configuration retenue, et
- 12 pour les paramtres ou variables doptimisation.

Ces 12 dernires quations sont de type variable = valeur. Les 12 valeurs sont des degrs
de libert du modle inverse et sont trouves avec la stratgie prsente en figure III.6.

Modle dynamique moyenn

Le modle analytique a pour objectif de dimensionner le moteur pour un rgime
permanent dit nominal. Dans le cas dun moteur de traction pour un vhicule lectrique
fonctionnant en cycle intra-urbain, il est difficile de dfinir un tel rgime. Une premire
approche peut tre de trouver le pire des cas et de dimensionner le moteur pour ce rgime.
Cette approche revient considrer que le pire des cas est permanent alors quil sagit bien
souvent dun transitoire pouvant durer moins dune minute. Il en rsulte un
surdimensionnement du moteur et par consquence des autres composants de la chane de
traction.

Une autre approche est propose dans (Mester et al., 2006). Elle consiste en une
modlisation nergtique de la chane de traction dont la dynamique est moyenne sur une
t
e
l
-
0
0
2
6
4
0
4
1
,

v
e
r
s
i
o
n

3

-

2
7

A
p
r

2
0
0
8

82
priode lectrique. Dans ce contexte, un modle dynamique moyenn est dvelopp partir
du modle analytique de dimensionnement. Le modle thermique nodal statique (fig. IV.4)
devient dynamique par lajout de la capacit calorifique des matriaux. Ainsi, les pertes fer et
Joule qui sont proportionnelles respectivement la vitesse et au carr du couple du moteur
sont introduites dans lquation diffrentielle pour le calcul de la temprature moyenne sur
une priode lectrique. Du fait de linertie thermique importante du moteur, cette
simplification est largement justifie. Le calcul du temps de monte du courant pour chaque
point de fonctionnement sert sassurer que le rgime tudi est viable.

Les modles de dimensionnement et le modle dynamique moyenn ont t utiliss pour
loptimisation du moteur dun kart lectrique voluant sur un terrain fort dnivel. Ainsi, le
modle de dimensionnement fourni les valeurs des lments du modle dynamique moyenn
qui est utilis conjointement avec le modle nergtique pour simuler le trajet quotidien du
kart constitu de 32 cycles. Une optimisation permet de trouver le cahier des charges du
moteur (couple et vitesse nominaux) et ses dimensions cls (diamtre dalsage et longueur du
paquet de tles) pour minimiser le poids total du kart, batteries comprises. Le synoptique de
loptimisation du kart est prsent en fig. IV.5.

couple nominal
vitesse nominale
diamtre alsage
longueur fer
modle inverse de
dimensionnement
(analytique)
modle
thermique nodal
+
-
algorithme
doptimisation
temprature (t)
temps monte (t)
poids total
modle
nergtique
max(temprature) < 120C
max(temps monte) < priode/30
minimiser poids total

Fig. IV.5. Synoptique de loptimisation du kart

La figure IV.6 montre les volutions de la temprature du moteur sur 32 cycles et du
temps de monte du courant sur un cycle. Suite loptimisation, on constate que les
contraintes sur leur valeur maximale sont actives pour une minimisation de la masse du
moteur mais seule la contrainte sur le temps de monte du courant est active pour une
minimisation de la masse totale du kart. Dans ce dernier cas, le rendement du moteur est
meilleur afin de rduire le poids des batteries. Le couple nominal et la vitesse nominale
trouvs par cette approche ne correspondent aucun point de fonctionnement rencontr lors
du trajet. Le moteur a t dimensionn pour un couple nettement plus faible que le couple
maximum atteint lors du trajet, ce qui permet den rduire grandement le poids. En pratique,
le moteur se trouve parfois en surrgime mais linertie thermique du moteur permet de
traverser ces courtes priodes. Il en rsulte une oscillation de la temprature de quelques
Celsius au cours dun cycle, une fois la monte initiale passe.

t
e
l
-
0
0
2
6
4
0
4
1
,

v
e
r
s
i
o
n

3

-

2
7

A
p
r

2
0
0
8

83

Fig. IV.6. Evolutions de la temprature sur 32 cycles et du ratio du temps de monte du courant sur la priode
lectrique pendant un cycle (Mester, 2007)

Pour conclure sur ce moteur, les apports des modles dvelopps sont multiples :
- Premirement, ils ont t utiliss pour la conception dun moteur roue pour un
vhicule solaire, un moteur hub de vlo lectrique et une motopompe flux axial
aprs adaptation.
- Les prototypes construits ont permis un retour dexprience aussi bien sur les
modles que leurs donnes dentre comme par exemple le taux de remplissage
dune encoche.
- Les modles sont suffisamment dtaills pour tre adapts une nouvelle
gomtrie. Cela a t fait pour un rotor intrieur et un flux axial.
- La matrice dincidence permet de re-contextualiser le modle lorsque les donnes
dentre et de sortie changent.
- Un benchmark comprenant le modle 78 quations et un problme doptimisation
contraint 5 variables a t propos et permet de comparer les algorithmes. Des
rsultats sont donns en partie VI.

IV.2. Gnratrice synchrone polyphase

Les travaux mens lors de la thse de Darius Vizireanu en partenariat avec Jeumont
Industrie avaient pour but la conception dune olienne de 5 MW attaque directe (Vizireanu,
2007). La qualit de lnergie fournie au rseau et du couple prlev sur larbre de lolienne
sont les deux principaux critres de diffrenciation parmi les solutions possibles. Une machine
synchrone aimants permanents en surface alimente par un onduleur tait larchitecture
impose par le partenaire mais il restait des degrs de libert investiguer :
- la forme donde du courant (sinus ou rectangle),
- le nombre de phases (multiple de trois), et
- le dcalage entre les toiles.

Pour comparer les diffrentes solutions, des modles spcifiques ont t construits. Le
principal est un modle circuit dynamique capable de quantifier les deux critres de qualit. Il
comporte une source de tension qui est la force lectromotrice de chaque phase, une rsistance
et une inductance propre par phase et autant dinductances mutuelles quil y a dautres phases
(fig. IV.7). Le convertisseur est modlis sous Simulink avec les composants de la
SimPowerSystems toolbox pour les transistors alors que la commande est ralise au moyen
du concept des systmes multi-machines et multi-convertisseurs (Vizireanu, 2007). Le modle
t
e
l
-
0
0
2
6
4
0
4
1
,

v
e
r
s
i
o
n

3

-

2
7

A
p
r

2
0
0
8

84
est dlimit droite par le bus continu dont la tension est maintenue constante par
lasservissement de londuleur de connexion avec le rseau. Ainsi, le courant total du bas
continu est limage de la puissance transmise au rseau. Le couple lectrodynamique prlev
sur larbre est calcul par la somme des produits entre la force lectromotrice vide et le
courant de charge. La limite gauche du modle est donc fixe par les forces lectromotrices.

Fig. IV.7. Modle circuit dynamique de larbre jusquau bus continu (9 phases)

Pour fonctionner, ce modle doit tre renseign avec la forme donde de la force
lectromotrice ainsi que les inductances propres et mutuelles. Elles sont fournies par un
modle lments finis magntostatique bidimensionnel tout comme le couple de dtente. Ce
dernier sera ajout au couple lectrodynamique pour calculer le couple lectromagntique
prlev larbre. La construction des modles et les passages dinformation sont dcrits dans
le synoptique en figure IV.8.

Un modle lments finis thermique statique (fig. IV.10 gauche) permet de calculer la
temprature du cuivre partir des pertes Joule dtermines par le modle dynamique. Cette
information sert valuer la rsistivit du cuivre et donc mettre jour les rsistances de
phase prsentes dans le modle circuit dynamique.

Un modle lments finis magnto-volutif bidimensionnel dans lequel sont injects les
fondamentaux des courants calculs par le modle dynamique permet de calculer le couple
lectromagntique en prenant en compte la saturation. Il sagit dune validation partielle du
modle dynamique par un modle numrique dune plus grande prcision.

Un prototype de petite puissance (fig. IV.9) a permis de valider lensemble des modles.
Les mesures vide fournissent le couple de denture, les forces lectromotrices, les
inductances et les mutuelles qui sont compars aux rsultats du modle lments finis
magntostatique bidimensionnel. Lorsque la gnratrice est connecte au convertisseur et
fonctionne au rgime nominal, les mesures des courants de phase, du courant total du bus
continu et du couple permettent de valider compltement le modle dynamique.

t
e
l
-
0
0
2
6
4
0
4
1
,

v
e
r
s
i
o
n

3

-

2
7

A
p
r

2
0
0
8

85
modle circuit
dynamique
(semi-numrique)
modle lments finis
magntostatique 2D
(numrique)
L, M
ij
e
i
()
C
d
()
+ +
C
em
(t)
C
ed
(t)
i
DC
(t)
modle lments finis
magnto-volutif 2D
(numrique)
i
i
(t)
C
em
(t)
validation
numrique
validation
mesure
modle lments finis
thermique statique 2D
(numrique)
P
J

essais vide
(prototype)
essais en charge
avec convertisseur
(prototype)
L, M
ij
e
i
() C
d
()
validation
mesure
i
DC
(t) C
em
(t)

Fig. IV.8. Synoptique pour la construction et la validation des modles

Fig. IV.9. Prototype lors des essais vide (gauche) et en charge avec le convertisseur (droite)

Lexploitation du modle circuit dynamique a mis en vidence que les machines
polyphases avec une forme donde de courant sinusodale, un nombre dtoile impair et des
phases espaces uniformment (fig. IV.10) correspondaient le mieux aux critres de qualit.
Lutilisation de bobinages concentrs sans chevauchement des ttes de bobines a rendu leur
ralisation simple et peu coteuse. En effet, la masse de cuivre et le prix de la main duvre
pour linsertion des bobines dans les encoches en sont rduits.
Plusieurs configurations avec des nombre daimants et dencoches proches sont possibles.
Une tude prliminaire avec le modle lments finis magntostatique bidimensionnel a
permis de retenir trois configurations prsentant un couple de dtente trs faible et une force
lectromotrice plus importante pour un mme stator.

t
e
l
-
0
0
2
6
4
0
4
1
,

v
e
r
s
i
o
n

3

-

2
7

A
p
r

2
0
0
8

86

Fig. IV.10. Phases uniformment espaces (gauche) et diagramme vectoriel dune phase (droite)

Les modles dfinis en figure IV.8 sont directs et ncessitent de connatre la gomtrie et
les matriaux de la gnratrice. De plus, leur temps de calcul nest pas compatible avec
lobtention dun ensemble de courbes de Pareto, une pour chaque configuration possible. En
effet, une courbe de Pareto prcise ncessite plusieurs milliers dvaluations. Le trac des
courbes de Pareto est justifi par la prsence de deux objectifs contradictoires et non
pondrables qui sont la masse des parties actives de la machine et le facteur de puissance de la
gnratrice.
Pour trouver la meilleure configuration par optimisation multi-objectif, un modle rapide
est ncessaire. Sa construction a t faite au moyen de deux apports originaux. Le premier
consiste en la construction dun schma monophas quivalent valable pour des courants
quilibrs en phase avec les forces lectromotrices vide. Il permet de calculer le facteur de
puissance qui est rvlateur du prix du convertisseur (fig. IV.10). Le second est un modle
thermique nodal construit suite aux simulations lments finis thermiques bidimensionnelles.
Ces dernires ont montr que la temprature des conducteurs est invariante selon la direction
axiale (fig. IV.11). Un modle thermique nodal avec un nud par couche de conducteur est
donc construit puis valid par comparaison avec le modle lments finis. La diffrence
maximale de temprature est infrieure 2%.

Fig. IV.11. Simulation thermique lments finis 2D (gauche) et modle thermique nodal (droite)

Cet exemple illustre bien la dmarche du concepteur qui doit tirer profit des diffrents
modles disponibles et en crer dautres afin datteindre son objectif de conception de
manire rationnelle et dans un temps limit. Bien que des modles lments finis
tridimensionnels avec un couplage circuit et la prise en compte du mouvement existent, leur
temps de rsolution nest pas compatible avec lemploi dalgorithmes doptimisation. Ils sont
en revanche bien adapts pour la validation finale avant la construction du prototype ou pour
lanalyse des carts entre les performances attendues et celles mesures.
t
e
l
-
0
0
2
6
4
0
4
1
,

v
e
r
s
i
o
n

3

-

2
7

A
p
r

2
0
0
8

87

IV.3. Transformateur de scurit

La conception de machines lectriques est souvent formalise en termes de problmes
paramtres continus, rarement paramtres discrets. Les problmes ainsi formaliss se situent
cependant dans la deuxime partie du processus de conception et se limitent souvent la
dtermination fine de quelques paramtres correspondants la structure retenue (working
structure).

Cependant, on constate un manque doutils de dcision pour la premire partie du
processus de conception dans laquelle le choix de la structure et des matriaux est fait
(embodiment design). A ce stade de la conception, les paramtres sont majoritairement
discrets et non classables. De mme, les productions unitaires ou en trs petites sries
pratiques par certaines PME doivent ncessairement sappuyer sur des standards. Il sagit
donc de choisir parmi un nombre fini de solutions plutt que doptimiser finement une
gomtrie.

Le thse de Tuan-Vu Tran a pour objectif dinvestiguer les mthodes doptimisation les
mieux mme de traiter les problmes de conception de machines lectriques comportant des
variables discrtes. Pour mener bien cette tude, un cas test (benchmark) a t construit. Le
choix du dispositif sest port sur un transformateur de scurit en raison de la large diffusion
de ce dispositif et de la proximit gographique avec une PME les fabriquant en trs petite
srie ou lunit.

Un autre objectif de la thse est dtudier les techniques dites de space-mapping (SM)
dont lide est daligner un modle dit grossier avec un modle qualifi de fin. Le modle
grossier est gnralement un modle analytique ou un modle semi-numrique dont le temps
de calcul est faible. Le modle fin est un modle lments finis prcis mais lourd en temps de
calcul. Une optimisation avec un modle lments finis est gnralement rdhibitoire car elle
requiert entre une centaine et plusieurs milliers de simulations. Lors de lutilisation du SM,
loptimisation est faite avec le modle grossier. A chaque solution trouve, une validation
avec le modle fin est faite. Si lcart est trop grand, une correction du modle grossier est
calcule et loptimisation est relance jusqu ce que lcart entre les rponses des deux
modles au point optimal soit faible.

Ainsi, plusieurs modles du transformateur ont t raliss :
- modle magntothermique analytique avec hypothse de Kapp,
- modle magntothermique analytique sans hypothse de Kapp,
- modle lments finis magntodynamique complexe bidimensionnel et couplage
faible avec un modle lments finis thermique statique bidimensionnel,
- modle lments finis magntodynamique complexe tridimensionnel et couplage
faible avec un modle lments finis thermique statique tridimensionnel (fig.
IV.12).

t
e
l
-
0
0
2
6
4
0
4
1
,

v
e
r
s
i
o
n

3

-

2
7

A
p
r

2
0
0
8

88

Fig. IV.12. Modle magntique lments finis 3D (gauche) et couplage faible avec la thermique (droite)

Les modles analytiques sont constitus du schma lectrique quivalent ainsi que dun
modle thermique nodal avec trois nuds (fer, cuivre, air). Pour les modles lments finis,
lvolution des grandeurs lectriques et magntiques est suppose sinusodale alors que la
temprature est suppose constante car la constante de temps thermique est trs suprieure
20 ms.

Lanalyse des rsultats a montr que le modle lments finis bidimensionnel est moins
prcis que les modles analytiques.
Les rsultats du modle sans lhypothse de Kapp sont plus proches de ceux du modle
lments finis tridimensionnel. Cependant, la moiti des quations du modle tant implicites,
la rsolution est difficile et ncessite lutilisation du modle avec lhypothse de Kapp pour
fournir des valeurs initiales pertinentes.
Pour le modle avec lhypothse de Kapp, lutilisation des techniques de triangularisation
a permis de rduire la taille du systme implicite dont les quations sont rsolues
simultanment (fig. IV.13). Ces quations font intervenir la temprature du cuivre et la chute
de tension du transformateur. Les autres quations sont rsolues squentiellement.

Fig. IV.13. Matrice dincidence du systme dquations avant (gauche) et aprs (droite) lordonnancement

Systme implicite
de 8 quations
t
e
l
-
0
0
2
6
4
0
4
1
,

v
e
r
s
i
o
n

3

-

2
7

A
p
r

2
0
0
8

89
Les carts les plus importants entre le modle lments finis tridimensionnel (EF3D) et le
modle analytique avec hypothse de Kapp sont les inductances de fuite et les tempratures.
Dans le modle analytique, les tempratures sont supposes uniformes dans le fer et le cuivre
alors que le modle lments finis montre un gradient de temprature significatif dans les
bobines.

t
e
l
-
0
0
2
6
4
0
4
1
,

v
e
r
s
i
o
n

3

-

2
7

A
p
r

2
0
0
8

90
V. Les algorithmes doptimisation

Lobjectif de cette section est de prsenter les algorithmes doptimisation frquemment
utiliss pour la conception des machines lectriques. Le prochain chapitre permet de souligner
le besoin dune diversit dalgorithmes ayant des caractristiques complmentaires. Quelques
mthodes doptimisation sont ensuite dcrites et cette section se termine par la mise en
vidence de leurs complmentarits.

V.1. Le beurre et largent du beurre

Cette expression franaise peut tre considre comme lquivalent de lexpression
anglaise no free lunch . Ainsi, le no free lunch theorem , nonc depuis longtemps en
intelligence artificielle et rappel rcemment dans (Spall, 2003), peut se comprendre de
plusieurs faons.

La signification la plus courante est quil nexiste pas de mthode doptimisation qui
puisse tre efficace, cest dire prcise et rapide, et sappliquer une large varit de
problmes. On distingue ainsi les heuristiques des mta-heuristiques.
Une heuristique est une mthode doptimisation spcialise pour un type de problme
donn. Elles sont souvent utilises dans les jeux et sont bases sur lexprience dont sont
issues des recettes gagnantes . Ces mthodes sappliquent ainsi aux problmes pour
lesquels il est trop difficile ou impossible de dvelopper des connaissances thoriques qui
pourraient tre utiles pour guider loptimisation. Elles sont trs rapides mais trs spcialises
et peu robustes.
Une mta-heuristique est quant--elle une mthode gnrique pouvant optimiser une
large gamme de problmes diffrents sans ncessiter de changement profond dans le
fonctionnement de lalgorithme. Ce terme est parfois employ pour dsigner une mthode
combinant plusieurs heuristiques mais le terme hybride est prfrable dans ce cas. Une mta-
heuristique dsigne davantage une mthode doptimisation gnrique de nature stochastique.

Une consquence de ce thorme, prsente en introduction de lintervention (Alotto et
al., 2006), est que les mthodes doptimisation ne peuvent continuellement samliorer tout
comme il ne peut apparatre indfiniment des mthodes meilleures que les prcdentes. Les
auteurs en dduisent donc que lavenir des mthodes doptimisation passe ncessairement par
une hybridation des algorithmes, confirmant ainsi une tendance amorce depuis plus de dix
ans dans notre domaine (Vasconcelos et al., 1997).

Puisque une mthode ne simposera jamais comme universellement meilleure et quil
faudra trouver des complmentarits au travers de lhybridation, il convient donc de bien
comprendre le principe de fonctionnement de chaque classe dalgorithme. Les chercheurs et
ingnieurs ont matriser une varit de mthodes en constante volution. Ils ne peuvent se
contenter de connatre une seule mthode sans se condamner traiter toujours le mme type
de problme doptimisation.

t
e
l
-
0
0
2
6
4
0
4
1
,

v
e
r
s
i
o
n

3

-

2
7

A
p
r

2
0
0
8

91
Dans son ouvrage (Spall, 2003), lauteur illustre son propos par lexemple de laiguille
dans la botte de foin. Il prcise quaucune mthode de recherche laveugle nest
meilleure quune autre. Lorsque je soumets ce problme aux lves de lcole Centrale Lille
ou ceux du Master nergie lectrique et dveloppement durable de luniversit des
sciences et technologies de Lille, beaucoup supposent que laiguille est mtallique et
proposent dutiliser un dtecteur pour obtenir une direction de recherche. Par contre, aucun ne
me questionne sur la faon dont laiguille a t dispose. Si elle avait t simplement jete sur
la botte, une recherche commenant par la surface extrieure de la botte serait plus efficace.
Ainsi, plus une mthode exploite dinformations, plus elle sera efficace dans sa recherche
dune solution. Elle sera galement plus sensible avec un risque de non convergence si
linformation ncessaire la mthode doptimisation est fournie de faon approximative ou
bruite par le modle. Ceci souligne nouveau la ncessaire adquation entre le type de
modle et la classe de lalgorithme.

V.2. Caractristiques des algorithmes

On peut distinguer les algorithmes suivant les caractristiques ci-dessous :
- la sensibilit ou la robustesse,
- les oprateurs de recherche fondamentaux,
- le mode de recherche, et
- lordre de la mthode doptimisation.

La sensibilit dune mthode doptimisation mesure linfluence des conditions initiales
ou des paramtres de contrle de lalgorithme sur loptimum trouv (fig. V.1). Les conditions
initiales sont par exemple le point initial fourni lalgorithme. Les paramtres de contrle de
lalgorithme sont souvent utiliss pour adapter les mthodes doptimisation stochastiques au
problme trait. Dans le cas dun algorithme gntique, les paramtres de contrle sont le type
de codage, le type de croisement, la probabilit de mutation, la probabilit de croissement, la
fraction dlitisme, le nombre dindividus dans une population, etc.
Une mthode est dite robuste si la solution obtenue ne dpend pas ou peu des conditions
initiales et des paramtres de contrle. Dans le cas contraire, la mthode est dite sensible.

Fig. V.1. Sensibilit ou robustesse dune mthode doptimisation

Les oprateurs de recherche fondamentaux sont lintensification et la diversification.
Lintensification ou exploitation permet une localisation prcise de loptimum. Elle
consiste exploiter les informations issues des meilleures solutions litration courante et
ventuellement dans lhistorique de la recherche pour trouver une solution amliorante proche
des bonnes solutions.
t
e
l
-
0
0
2
6
4
0
4
1
,

v
e
r
s
i
o
n

3

-

2
7

A
p
r

2
0
0
8

92
La diversification ou exploration a pour objectif de trouver loptimum global. Elle permet
une bonne exploration de lespace de recherche en sintressant aux zones non explores dans
lesquelles il ny a pas de bonne solution a priori. Cet oprateur est fortement consommateur
de temps de calcul.
La diffrence entre ces deux oprateurs est illustre en fig. V.2. Les oprateurs sont
appliqus un ensemble de solutions initiales au centre de la figure. A droite, lintensification
fournit un ensemble de solutions concentres sur le minimum connu. A gauche, lexploration
gnre des solutions trs diffrentes et permet de dcouvrir un autre minimum.
Il est admis quune mthode doptimisation est efficace si elle trouve un bon compromis
entre ces deux oprateurs. Comme nous le verrons dans le chapitre suivant, de nombreuses
mthodes nexploitent quun seul des deux oprateurs.

diversification /
exploration
intensification /
exploitation

Fig. V.2. Diversification (gauche) et intensification (droite) partir des solutions initiales (centre)

Il existe deux modes de recherche : dterministe et stochastique.
Un mode de recherche dterministe trouvera toujours le mme optimum si les conditions
initiales et les paramtres de contrle de lalgorithme sont identiques. Les mthodes
doptimisation utilisant ce mode de recherche possdent gnralement des fondements
thoriques solides issus des mathmatiques appliques et ne font appel qu des oprateurs
dintensification. La plupart de ces mthodes sont locales mais il existe aussi quelques
mthodes globales.
Un mode de recherche stochastique utilise des mcanismes de transition probabilistes qui
conduisent des rsultats diffrents pour des conditions initiales et des paramtres de contrle
identiques. Presque toutes les mthodes bases sur un mode de recherche stochastique sont
globales et font appel aux deux oprateurs de recherche fondamentaux : diversification et
exploitation.

Lordre des mthodes doptimisation dsigne le niveau dinformation ncessaire
lalgorithme.
Une mthode dordre zro est galement appele mthode directe et ne fait appel qu la
valeur de la fonction objectif et des contraintes.
Une mthode dordre un ncessite en plus le gradient de la fonction objectif et le jacobien
des contraintes.
Une mthode dordre deux requiert le hessien de la fonction objectif et de chacune des
contraintes. Dans la pratique, les mthodes dordre deux ne sont pas utilises parce que le
t
e
l
-
0
0
2
6
4
0
4
1
,

v
e
r
s
i
o
n

3

-

2
7

A
p
r

2
0
0
8

93
hessien est trop long calculer ou trop bruit. Les mthodes dites dordre suprieur un sont
prfres. Elles utilisent une approximation du hessien qui est mise jour chaque itration
partir du gradient avec la formule de Broyden
1
(Minoux, 1983).

V.3. Diversit des algorithmes

Ce chapitre na pas vocation prsenter exhaustivement toute la diversit des algorithmes
utiliss pour loptimisation des machines lectriques. Seules les mthodes les plus efficaces et
les plus frquemment rencontres sont prsentes par ordre croissant de complexit.

V.3.1. Recherche linaire

Les problmes doptimisation une variable ne sont pas intressant en soit, tout comme
ceux avec deux variables car loptimum est facile trouver simplement en traant un graphe
bidimensionnel ou tridimensionnel. Cependant, de nombreuses mthodes doptimisation
multidimensionnelle utilisent des recherches linaires, ce qui justifie lintrt dexposer leur
principe de fonctionnement.

La figure V.3 est construite en gardant lesprit le thorme du beurre et de largent du
beurre
2
et le principe selon lequel une mthode est dautant plus efficace quelle exploite un
nombre important dinformations pour construire un modle approch de la fonction objectif.
Les mthodes de recherche linaire sont en bas de la figure et les hypothses associes
chaque algorithme sont au dessus.

Ainsi, la mthode de Newton est la plus rapide dans le cas dune fonction objectif deux
fois drivable et avec un minimum unique (fig. V.4). Si la drive seconde nest pas
accessible, bruite ou trop longue calculer, la mthode de la scante sera plus adapte (fig.
V.4).
En continuant sur la droite, le nombre dhypothses associes au modle exploit par la
mthode doptimisation diminue. Si la drive premire nest pas accessible mais que la
fonction est continue, elle sera remplace par une parabole qui convergera vers la fonction
objectif mesure que lintervalle de recherche se rduira et que lalgorithme de recherche
quadratique convergera vers le minimum (fig V.5). Il est galement possible dutiliser une
fonction cubique la place de la parabole.

1
Egalement connue sous lacronyme BFGS (Broyden, Fletcher, Goldfarb, Shanno).
2
Traduction libre du no free lunch theorem
t
e
l
-
0
0
2
6
4
0
4
1
,

v
e
r
s
i
o
n

3

-

2
7

A
p
r

2
0
0
8

94

Fig. V.3. Mthodes doptimisation unidimensionnelle

Fig. V.4. Mthodes de recherche linaire de newton (gauche) et de la scante (droite)

Enfin, les mthodes de rduction dintervalle utilisent comme seule lhypothse lunicit
du minimum sur lintervalle de recherche et sont donc plus lentes mais aussi plus robustes si
la fonction objectif et ses drives sont bruites. La mthode du nombre dor est la plus
rpandue car elle est bien plus efficace que la dichotomie (fig. V.5).

Fig. V.5. Mthodes de recherche linaire quadratique (gauche) et du nombre dor (droite)

V.3.2. Mthodes dterministes locales

Les mthodes doptimisation dterministes locales supposent que la fonction objectif et le
domaine de recherche soient convexes. Ainsi, il y a un minimum unique qui est trouv par
amlioration dune solution initiale.

t
e
l
-
0
0
2
6
4
0
4
1
,

v
e
r
s
i
o
n

3

-

2
7

A
p
r

2
0
0
8

95
La figure V.6 prsente quatre mthodes locales utilises pour les problmes objectif
unique et sans contraintes.

Les deux mthodes droite nutilisent pas de drive. Le simplexe de Nelder-Mead
(Lagarias et al., 1998) est une mthode qui utilise 1 + n points. A chaque itration, le point le
plus mauvais est limin et le centre de gravit des autres points est calcul. Quelques points
sont tests dans la direction de recherche allant du point limin au centre de gravit et le
meilleur remplace le point limin. Lalgorithme sarrte lorsque la taille du simplexe est
suffisamment petite (fig. V.7).

La mthode des directions conjugues de Powell (Minoux, 1983) effectue une recherche
linaire suivant des directions orthogonales (fig. V.7). Ces directions sont initialement les
axes des variables doptimisation mais un test est ralis chaque itration pour dterminer
sil est judicieux den changer.

Fig. V.6. Mthodes doptimisation multidimensionnelle dterministes et locales

Parmi les mthodes utilisant la drive premire, celles du gradient conjugu et quasi-
Newton sont frquemment utilises. Pour ces mthodes, une recherche linaire est effectue
chaque itration. Ce qui diffre est la faon de calculer la direction de recherche. La mthode
de la plus grande pente a le dfaut bien connu de converger lentement car ses directions de
recherche sont loppos du gradient et donc orthogonales dune itration la suivante. La
figure V.7 montre en gris le trajet suivi par la mthode de la plus grande pente. En
comparaison, la mthode du gradient conjugu pondre loppos du gradient avec la direction
de recherche litration prcdente pour converger plus rapidement. La premire itration
est identique celle de la plus grande pente mais les suivantes diffrent comme montr en
orange sur la figure V.7.

Fig. V.7. Mthodes du simplexe (gauche), des directions conjugues (milieu) et du gradient conjugu (droite)
t
e
l
-
0
0
2
6
4
0
4
1
,

v
e
r
s
i
o
n

3

-

2
7

A
p
r

2
0
0
8

96

Les mthodes quasi-Newton
1
utilisent le dveloppement de Taylor de la fonction objectif
au second ordre en
k
X :
) ( ) (
2
1
) ( ) ( ) (
3 2
X o X X f X X X f X f X X f
k
t
k k k
+ + + = + (V.1)
On cherche un dplacement X tel que la condition doptimalit du premier ordre en
X X
k
+ soit satisfaite :
0 ) ( ) ( ) ( ) (
2 2
= + + = + X o X X f X f X X f
k k k
(V.2)
Le dplacement X vaut donc :
| | ) ( ) (
1
2
k k
X f X f X =

(V.3)
Il reste vrifier les deux conditions doptimalit en X X X
k k
+ =
+1
:
- Si la condition doptimalit du second ordre nest pas vrifie alors la matrice du
Hessien est modifie jusqu ce quelle soit dfinie positive et X est recalcul,
- Si la condition doptimalit du premier ordre nest pas vrifie et que
) ( ) (
1 k k
X f X f >
+
alors une recherche linaire est faite dans la direction X , et
- Si la condition doptimalit du premier ordre nest pas vrifie mais que
) ( ) (
1 k k
X f X f <
+
alors
1 + k
X est conserv.

Cette mthode converge en une itration si la fonction objectif est quadratique. Dans le
cas contraire, il faut plusieurs itrations.

Le Hessien est une matrice de dimension n n . Son calcul est souvent coteux et parfois
impossible. Une approximation est amliore chaque itration par la mthode de Broyden :
| | | |
| | | |
| | f f f
f f f f
f X
X X
f f
k
t
k
t
k
t
t
k k

+ =

+
1
2
1
2
1
2
1
2
1
1
2
(V.4)
Toutes les mthodes prsentes sont faites pour des problmes sans contrainte et avec un
objectif unique minimiser. Elles peuvent sappliquer aux problmes avec contraintes et/ou
plusieurs objectifs en employant les techniques de transformation vues en section II.

La mthode de programmation quadratique squentielle (sequential quadratic
programming, SQP) correspond une mthode quasi-Newton pour laquelle la fonction
objectif est replace par le lagrangien pour prendre en compte les contraintes. Elle est rpute
comme tant une des plus efficaces pour les problmes variables continues de petite et
moyenne dimensions.

V.3.3. Mthodes dterministes globales

1
Ces mthodes sont galement dnommes mtrique variable
t
e
l
-
0
0
2
6
4
0
4
1
,

v
e
r
s
i
o
n

3

-

2
7

A
p
r

2
0
0
8

97
Lusage des mthodes dterministes globales est moins rpandu principalement en raison
du nombre important dvaluations des fonctions objectif et contraintes.

Parmi ces mthodes, certaines divisent lespace de recherche en se concentrant sur les
zones pouvant potentiellement contenir loptimum global. La mthode des plans treillis
propose dans (Vivier, 2002) utilise la technique des plans dexpriences pour construire une
surface de rponse. Son utilisation pour la maximisation dune fonction comportant deux
maximums de valeurs proches est prsente en figure V.8. Cette mthode nutilise pas les
drives, ce qui la rend bien adapte aux modles de type boite noire et/ou bruits.

La mthode DIRECT
1
(Perttunen et al., 1993) est galement faite pour les modles de
type boite noire et se contente dun point par hyper-rectangle. Le modle utilis est
lipchitzien, ce qui revient considrer que la fonction objectif est minore par une fonction
linaire par partie. La figure V.8 montre les subdivisions ralises par lalgorithme DIRECT.

Fig. V.8. Mthode des plans treillis (Vivier, 2002) (gauche) et algorithme DIRECT (Finkel, 2003) (droite)

De manire plus gnrale, loptimisation globale peut tre traite en deux tapes. La
premire consiste crer une surface de rponse progressivement en affinant les zones o la
prcision est insuffisante. Loptimum global est trouv en seconde tape au moyen
dalgorithmes coteux. Ainsi (Costa et al., 2002) construisent une surface de rponse avec des
lments diffus ou des hyper-rectangles puis procdent loptimisation par un algorithme
gntique. Dautres techniques sont utilises pour construire une approximation de la fonction
objectif : (Lebensztajn et al., 2004) emploient le Kriging
2
et ses variantes, (Vieira et al., 2005)
(Rashid et al., 2001) (Fanni et al., 2003) prfrent un rseau de neurones alors que (Kobetski
et al., 2003) utilisent des fonctions radiales de base
3
. Un des avantages des fonctions
dapproximation est de fournir un gradient sans cot supplmentaire.

Dans (Pahner et al., 2000), les auteurs proposent une utilisation alterne entre le modle
de calcul de la fonction objectif et un modle obtenu par une approximation multi-

1
Le nom DIRECT vient de labrviation de la phrase anglaise DIviding RECTangles .
2
En rfrence aux travaux de Daniel Gerhardus Krige formaliss par Georges Matheron
3
Traduction de Radial Basis Function (RBF)
t
e
l
-
0
0
2
6
4
0
4
1
,

v
e
r
s
i
o
n

3

-

2
7

A
p
r

2
0
0
8

98
quadratique
1
. Loptimisation est faite par un algorithme volution diffrentielle et sa
premire phase est faite avec la fonction objectif. A chaque itration, une approximation
multi-quadratique est construite avec les points proximit du meilleur. Si pour les nouveaux
points gnrs, la valeur calcule par lapproximation est trs proche de celle par la fonction
objectif alors une seconde phase commence. Elle consiste en loptimisation avec
lapproximation et sa dure est dautant plus grande que lapproximation est bonne.
Lalgorithme enchane ces deux phases jusqu convergence.

La mthode appele efficient global optimization (EGO) (Jones et al., 1998) construit
une surface de rponse progressivement tout en minimisant la fonction objectif.
Lintensification est utilise pour exploiter les meilleures solutions connues alors que la
diversification permet dexplorer les zones de lespace de recherche dans lesquelles lerreur
dapproximation de la fonction objectif est la plus importante.

Enfin, (Messine, 1997) propose un algorithme de type sparations et valuations
2

spcifique pour loptimisation globale avec des modles analytiques. Larithmtique des
intervalles permet de calculer lintervalle de variation dune fonction explicite connaissant les
intervalles de variation des variables qui la composent. Il est alors possible de comparer les
sous-ensembles de lespace de recherche pour liminer ceux qui ne peuvent pas contenir
loptimum global et affiner les autres.

V.3.4. Mthodes stochastiques mono-objectifs

Les mthodes doptimisation stochastiques sappuient sur des mcanismes de transition
probabilistes et alatoires. Cette caractristique indique que plusieurs excutions successives
de ces mthodes peuvent conduire des rsultats diffrents pour une mme configuration
initiale dun problme doptimisation. Ces mthodes ont une grande capacit trouver
loptimum global du problme. Contrairement la plupart des mthodes dterministes, elles
ne ncessitent ni point de dpart, ni connaissance du gradient de la fonction objectif pour
atteindre la solution optimale. Cependant, elles demandent un nombre important dvaluations
de la fonction objectif.

Les mthodes stochastiques les plus employes dans notre domaine sont les algorithmes
gntiques et ses variantes, le recuit simul, la recherche taboue, les essaims particulaires et
les colonies de fourmis.

Les algorithmes gntiques reposent sur une analogie avec la thorie de lvolution
naturelle de Darwin qui postule que les individus dune population les mieux adapts leur
environnement ont une plus grande probabilit de survivre et de se reproduire, en donnant des
descendants encore mieux adapts (Holland, 1975). Comme dans les mcanismes naturels, les
principaux oprateurs qui affectent la constitution dun chromosome (qui peut tre reprsent

1
( )

=
+ =
N
j
j j
s x x c x f
1
2
o N est le nombre de points utiliss pour la construction
2
Plus connus sous le nom anglais : branch and bound algorithms
t
e
l
-
0
0
2
6
4
0
4
1
,

v
e
r
s
i
o
n

3

-

2
7

A
p
r

2
0
0
8

99
comme une chane des caractres ou une suite relle) sont le croisement et la mutation. La
slection des individus pour la reproduction se fait de diffrentes manires favorisant toujours
ceux qui ont les meilleures valeurs pour la fonction objectif. Un mcanisme dlitisme
conserve les meilleurs individus dune gnration la suivante pour assurer la convergence de
lalgorithme (Sareni et al., 2000) (Gallardo et al., 2000) (Chen et al., 2001).
Notre contribution cette mthode se situe dans ltude de sensibilit des paramtres de
contrle de lalgorithme et la mise au point dun nouveau critre darrt bas sur les plans
dexpriences (Hajji et al., 2003).

La stratgie dvolution (Horri et al., 2000) est assez similaire aux algorithmes
gntiques. Sa variante la plus populaire consiste produire un enfant par mutation
gaussienne dun parent.

Les systmes immunitaires artificiels (Canova et al., 2005) et les algorithmes de slection
et clonage (Campelo et al., 2005) utilisent des oprateurs similaires ceux des deux familles
dalgorithme prcdentes.

Le recuit simul a t propos en 1983 par Kirkpatrick pour la rsolution d'un problme
de placement en VLSI
1
(Kirkpatrick et al., 1983). La mthode est issue dune analogie avec le
phnomne physique de refroidissement lent dun corps en fusion, qui le conduit un tat
solide, de basse nergie. Dans le contexte de loptimisation, la fonction objectif minimiser
est lnergie qui doit tre la plus basse possible, ce qui correspond une structure cristalline.
La temprature est un facteur de contrle de lalgorithme qui agit sur la probabilit de
Boltzmann. A haute temprature, tout lespace de recherche est explor et une configuration
avec une nergie plus leve a une probabilit importante dtre accepte. Ceci vite
lalgorithme dtre pig dans un optimum local. A basse temprature, la probabilit de
Boltzmann est faible et seules les solutions amliorantes sont retenues alors que lespace de
recherche se rduit (Yang et al., 2000) (Shu et al., 2004).

La recherche taboue est une mthode de recherche originalement dveloppe par Glover
en 1986 (Glover, 1986) spcifiquement pour des problmes doptimisation combinatoire. Elle
est base sur lutilisation dune mmoire flexible qui joue un rle essentiel dans le processus
de recherche et permet dexploiter son histoire en vitant de se faire piger dans des optimums
locaux et de revenir des solutions dj visites (Glover, 1993). Une liste dite taboue sert
stocker lhistorique de la recherche. Sa structure a donc une grande importance pour les
performances de lalgorithme (Leonard et al., 2000) (Ho et al., 2001) (Chen et al., 2002).
Nous avons dvelopp une nouvelle mthode de recherche taboue base sur lutilisation
de zones dexclusion de taille variable dans le temps et lespace (Hajji et al., 2004).

Loptimisation par essaim particulaire a t dveloppe par Kennedy et Eberhat
(Kennedy et al., 1995), en sinspirant du comportement social des individus qui ont tendance
imiter les comportements russis quils observent dans leur entourage tout en y apportant
leurs variations personnelles, ce qui offre un caractre adaptatif la mthode. De ce fait, cette
technique est fonde sur la notion de coopration entre des agents qui peuvent tre vus comme

1
Very Large Scale Integration , intgration trs grande chelle
t
e
l
-
0
0
2
6
4
0
4
1
,

v
e
r
s
i
o
n

3

-

2
7

A
p
r

2
0
0
8

100
des animaux peu intelligents ayant peu de mmoire et de facults de raisonnement. Lchange
dinformations entre ces agents rudimentaires leur permet nanmoins dacqurir un
comportement globalement astucieux et de rsoudre des problmes difficiles (Baumgartner et
al., 2004) (Clerc, 2005).

La mthode doptimisation par colonie de fourmis est propose par Dorigo dans les
annes 90 en sinspirant du comportement collectif des fourmis (Dorigo, 1992). Bien que les
fourmis aient individuellement des capacits cognitives trs rduites, elles sont capables
collectivement de rsoudre le problme de la dcouverte du plus court chemin allant de leur
colonie vers une source de nourriture. Pour ce faire, les fourmis utilisent l'environnement
comme support de communication : elles changent indirectement de l'information en
dposant des phromones. Lapplication de cette mthode pour loptimisation des dispositifs
lectrotechniques est trs rcente (Lo et al., 2005).

Ces diffrents algorithmes ntant pas construits sur des bases mathmatiques, il est
difficile de les comparer a priori. Dans la section suivante, nous feront une comparaison a
posteriori suite aux rsultats donns sur des cas test doptimisation.

V.3.5. Mthodes stochastiques multi-objectifs

Le dveloppement dalgorithmes doptimisation se focalise actuellement sur les
problmes multi-objectifs. Les algorithmes volutionnaires sont trs bien adapts au
traitement de ces problmes comme en tmoigne le nombre important darticles publis. Dans
ce chapitre, un descriptif des diffrents algorithmes volutionnaires multi-objectifs est donn
en rappelant leurs points forts et leurs points faibles. De plus amples informations peuvent
tre trouves dans (Colette et al., 2002) et (Roudenko, 2004).

La mthode VEGA (Vector Evaluated Genetic Algorithm) propose par Schaffer en
1985, est le premier algorithme volutionnaire qui traite les problmes multi-objectifs
(Schaffer, 1985). Lalgorithme est facile mettre en uvre : seuls quelques changements
minimaux doivent tre apports un algorithme gntique mono-objectif. De plus, cela
nimplique aucun cot de calcul supplmentaire. Le danger de cette mthode est de converger
vers une population constitue dindividus moyens dans tous les objectifs, ce qui donne une
reprsentation incomplte du front de Pareto. De plus, cette mthode ne permet pas de trouver
des solutions se trouvant dans une concavit du front de Pareto.

Lalgorithme MOGA (Multiple Objective Genetic Algorithm) a t propos par Fonseca
et Fleming. Cest le premier algorithme utiliser la notion de dominance directement pour
valuer la performance des individus (Fonseca et al., 1993). Cependant, la mthode MOGA
ne permet pas, dans certains cas, dobtenir une reprsentation complte du front de Pareto.

Le concept de classement (ranking) par dominance dans les algorithmes gntiques a t
mis en uvre par Srinvas et Deb en 1994 dans leur mthode NSGA (Non-dominated Sorting
Genetic Algorithm) (Srinvas et al., 1994). Le ranking permet de classer les individus selon le
rang du front auquel ils appartiennent, ce qui est moins pnalisant pour les individus domins.
Cette valeur est dgrade si trop dindividus sont proches. Elle prsente cependant
t
e
l
-
0
0
2
6
4
0
4
1
,

v
e
r
s
i
o
n

3

-

2
7

A
p
r

2
0
0
8

101
linconvnient dtre sensible au choix du paramtre de partage permettant de prserver la
diversit. La mthode NPGA (Niched Pareto Genetic Algorithm) (Horn et al., 1993) est trs
similaire NSGA mais utilise un processus de slection diffrent.

Par analogie avec loptimisation volutionnaire mono-objectif, lintroduction de
llitisme est bnfique pour les algorithmes volutionnaires multi-objectifs. Lalgorithme
SPEA (Strength Pareto Evolutionary Algorithm) est propos par Zitzler et Thiele en 1998
(Zitzler et al., 1998). La mthode range les solutions non domines dans une population
externe appele archive et spare de la population courante. Cependant, SPEA est sensible
lquilibre entre la taille de larchive et celle de la population courante. Ainsi, lalgorithme a
tendance ne pas prserver les individus qui se trouvent sur les extrmits de larchive, chose
qui peut tre importante pour la bonne reprsentation du front de Pareto. Pour tous ces
inconvnients, SPEA a t corrig par ses auteurs pour donner naissance un nouvel
algorithme SPEA2 (Zitzler et al., 2001) qui diffre de son prdcesseur par une taille de
larchive fixe et un calcul de la performance des individus plus raffin. De plus, seuls les
individus de larchive participent au processus de reproduction.

De mme, NSGA est corrige par Deb en 2002 pour donner naissance la mthode
NSGA-II (Deb et al., 2002) dans laquelle les parents et enfants sont classs selon le rang de
dominance. Lorsque plus de la moiti des parents et enfants confondus sont dominants, une
mesure de la densit des solutions est utilise. Contrairement son prdcesseur, NSGA-II ne
dpend daucun paramtre. Cependant, des solutions Pareto-optimales situes dans une rgion
trs peuple peuvent tre limines en laissant la place des solutions non-domines dans la
population courante mais qui ne sont pas Pareto-optimales.

Les travaux comparant les algorithmes volutionnaires multi-objectifs montrent que
lintroduction de llitisme a men des performances nettement suprieures. Par contre, il est
difficile de dire si la mthode SPEA2 est meilleure que NSGA-II ou inversement (Roudenko,
2004).

Enfin, il existe dautres mthodes stochastiques multi-objectifs telle que la recherche
taboue (Yang et al., 2004) mais elles sont peu utilises.

V.4. Positionnement et complmentarit

Les mthodes doptimisation exposes prcdemment se distinguent premire vue par
leurs cibles. Il y a celles capables de traiter les problmes multi-objectifs, celles qui trouvent
loptimum global, et celles qui traitent les contraintes. Cependant, la matrise des techniques
de transformation des problmes doptimisation dtailles en section II casse ces dlimitations
trop restrictives.
Prenons, par exemple, le cas dun problme doptimisation multi-objectif avec
contraintes et dun modle incapable de fournir les drives de la fonction objectif et des
contraintes. Lemploi de lalgorithme du gradient conjugu semble a priori mal indiqu mais
il est tout de mme capable de trouver le front de Pareto en transformant le problme
doptimisation multi-objectif avec contrainte en une suite de problmes doptimisation mono-
objectifs sans contraintes. De mme, le gradient peut tre estim par diffrentes techniques
t
e
l
-
0
0
2
6
4
0
4
1
,

v
e
r
s
i
o
n

3

-

2
7

A
p
r

2
0
0
8

102
dont les diffrences finies et le problme de convergence vers un optimum local peut tre
contourn en recommenant loptimisation avec dautres points initiaux. Toujours a priori, les
algorithmes NSGA-II et SPEA2 semblent mieux convenir ce problme.
Dans la section suivante, nous resterons pragmatiques en comparant a posteriori les
rsultats des diffrentes approches pour trouver celles qui conviennent le mieux la
conception des machines optimales.

La diversit des mthodes prsentes met galement en exergue la complmentarit de
leurs caractristiques. Ainsi une mthode globale peu prcise et convergence lente pourra
bnficier de lusage dun algorithme de recherche locale prcis et rapide. Cette hybridation
des mthodes est une ncessit constat par de nombreux acteurs et illustre parfaitement le
thorme du beurre et de largent du beurre.
La figure V.9 propose une classification de quelques mthodes doptimisation suivant
leurs caractristiques. Les axes sont la prcision de la solution, la rapidit, la capacit grer
les contraintes, la robustesse vis--vis du bruit de la fonction objectif, la capacit trouver
loptimum global et la capacit traiter un problme avec des objectifs multiples.
Du fait des techniques de transformation, aucune mthode na un score nul suivant lun
des axes. Les mthodes ayant la plus grande surface sont les plus intressantes. Lhybridation
de deux mthodes revient faire lunion des deux aires et la figure V.9 met bien en vidence
les associations intressantes.

prcision
rapidit
contrainte
bruit
global
multi-objectif
SQP
AG
NSGA-II
Simplexe
DIRECT

Fig. V.9. Classification des mthodes doptimisation suivant leurs caractristiques

V.5. Mthodes pour variables mixtes

Ces mthodes sont prsentes sparment car il nest pas possible, dans le cas dun
problme variables discrtes ou mixtes, de se ramener un problme variables continues
par une transformation telles que celles prsentes en section II. En effet, nous avons pu
t
e
l
-
0
0
2
6
4
0
4
1
,

v
e
r
s
i
o
n

3

-

2
7

A
p
r

2
0
0
8

103
constater que la solution dun problme variables discrtes nest pas larrondi au plus proche
de la solution du problme variables continues quivalent. De plus, certaines variables
discrtes telles que celles dcrivant les matriaux ne sont pas classables et une transformation
naurait alors aucun intrt.

Les algorithmes gntiques ont la capacit de traiter les problmes variables mixtes en
employant une structure particulire pour le codage. Le gnome est alors une concatnation
de chromosomes codant des variables continues et de chromosomes codant des variables
discrtes. Les oprateurs de croisement et de mutation existent dj pour chaque type de
chromosome et leur adaptation un gnome mixte est alors immdiate. Dautres mthodes
stochastiques telles que le recuit simul et la recherche taboue existent pour des variables
discrtes et peuvent facilement tre adaptes aux problmes variables mixtes.

Parmi les algorithmes dterministes capables de traiter les variables discrtes, on
remarque surtout les mthodes branch and bound qui construisent un arbre des solutions
et lexplorent de diverses faons. Larbre est un graphe orient sans boucle compos de nuds
et de branches. Un nud terminal est appel une feuille et ne peut tre atteint que par un
chemin unique. Pour viter lexplosion combinatoire que reprsente lvaluation exhaustive
de lensemble des solutions ou feuilles, un modle simplifi est utilis. En plus dtre rapide,
ce modle a la proprit de sous-estimer la fonction objectif et permet chaque nuds de
couper les branches dont on a la certitude quelles ne peuvent pas conduire des solutions
optimales.

Une variante de cet algorithme (Venkataraman, 2002) est prsent en figure V.10. Le
nud initial ou racine se trouve en haut de la figure. En ce nud, situ au niveau zro, une
optimisation est faite en permettant aux k n variables discrtes
1
de prendre des valeurs
continues. La solution trouve minore forcment la solution optimale dans lespace des
variables mixtes. A partir de ce nud, autant de branches sont dveloppes quil y a de
valeurs possibles pour la premire variable discrte. Au bout de chaque branche, se trouve un
nud auquel est faite une optimisation o les 1 k n variables discrtes restantes peuvent
prendre des valeurs continues. A ce niveau un, un classement des solutions trouves met en
vidence les nuds potentiellement les plus intressants dvelopper. Si un seul nud est
dvelopp alors lalgorithme atteint rapidement une feuille au niveau k n sans garantir que
cette solution soit optimale. Dans la figure V.10, cette solution correspond au nud numro
411 du niveau 4 et la fonction objectif vaut 2.6142. Ainsi, larbre peut tre nouveau explor
en partant de la racine et cette fois, tous les nuds ayant une valeur minore de la fonction
objectif suprieure 2.6142 peuvent tre supprims. Il est ainsi possible dobtenir loptimum
global avec certitude et dans un temps raisonnable.

La comparaison entre les algorithmes branch and bound et les mthodes stochastiques
pour les variables mixtes est faite en section VI sur un problme pour lequel la solution exacte
a galement t trouve par numration exhaustive des solutions.

1
Les notations sont celles de lquation (II.5)
t
e
l
-
0
0
2
6
4
0
4
1
,

v
e
r
s
i
o
n

3

-

2
7

A
p
r

2
0
0
8

104
V.6. Mthodes pour modles de diffrentes prcisions

La technique du space-mapping a t introduite par Bandler en 1994 pour des
applications dans les micro-ondes (Bandler et al., 1994). Une des premires applications dans
le domaine de la conception des dispositifs lectrotechniques a t prsente par Echeverria
lors de la confrence Optimization and Inverse Problems in Electromagnetic (OIPE) en
2004 et publi dans (Echeverria et al., 2005).

Level 0: Root node with
[a, b, c, d, S
1
, S
2
, n
1
]
M
*
0
=2.3112
M
11
1
= infeasible
M
*
1
=M
36
1
=2.5885
.
M
37
1
=3.1928
M
14
2
=2.6402
M
*
2
=M
19
2
=2.5886
M
20
2
=2.5902
M
26
2
=2.6428
.
Level 3: 63 nodes with
{a, b, c, d}
36
, {S
1
}
19
,

{S
2
} and [n
1
]
.
M
46
3
=2.6511 M
48
3
=2.7416
Level 4: 1000 nodes
with {a, b, c, d}
36
,
{S
1
}
19
,

{S
2
}
45
and

{n
1
}
M
*
tot
=M
411
4
=2.6142
.
M
431
4
=2.6345 M
452
4
=2.6559
{a, b, c, d} and [S
1
, S
2
, n
1
]
M
*
3
=M
45
3
=2.6133
M
53
1
=5.3320
{a, b, c, d}
36
, {S
1
}
and

[S
2
, n
1
]
M
45
2
= infeasible
M
63
3
= infeasible
0
36
19
45
411

Fig. V.10. Algorithme branch and bound partiel

Le principe du space-mapping est daligner un modle qualifi de grossier avec un
modle dit fin dans le but dacclrer le processus doptimisation et de trouver une solution
aussi prcise que si elle avait t trouve uniquement avec le modle fin.
Dans le domaine de llectrotechnique, le modle fin est gnralement un modle
lments finis bidimensionnel ou tridimensionnel avec un couple circuit et/ou un couplage
thermique. Le temps de calcul est alors rdhibitoire pour une optimisation et le bruit du
modle rend dlicat lemploi des algorithmes les plus rapides utilisant les drives.
Il existe plusieurs types de modles grossiers. Ils peuvent tre construits partir dun
chantillon de rponses du modle fin, de faon squentielle ou alterne. Cette technique est
qualifie de surrogate modeling et certaines mthodes doptimisation prsente
prcdemment dans cette section lutilisent sans employer ce terme.
Lapproche qui est certainement la plus intressante est dutiliser un modle de
connaissance bas sur la description des phnomnes physiques intervenants au sein du
dispositif (lectrique, magntique, thermique, etc.) et qui sont exprims au moyen dquations
t
e
l
-
0
0
2
6
4
0
4
1
,

v
e
r
s
i
o
n

3

-

2
7

A
p
r

2
0
0
8

105
analytiques ou dun circuit lectrique quivalent. Ainsi, les complmentarits entre les
modles prsents en section III peuvent tre exploites.

La technique du space-mapping consiste trouver une fonction de mapping :
( ) ( ) ( ) x f z c x p
z
= min arg (V.5)
o ( ) z c dsigne le modle grossier et ( ) x f le modle fin. Ainsi, ( ) x p renvoie la valeur de z
pour laquelle les rponses du modle grossier et du modle fin sont les plus proches,
idalement identiques.
Lalgorithme aggressive space-mapping (Bandler et al., 1994) commence par trouver
une valeur optimale
*
z obtenue avec le modle grossier. Pour cette valeur, le modle fin est
valu et donne ( ) x f avec
*
z x = . Lextraction des paramtres consiste trouver la valeur
( ) x p qui vrifie (V.5) et construire une approximation du premier ordre de la fonction de
mapping . Le modle fin peut alors tre remplac par le modle approch ( ) | | x p c pour
trouver une solution optimale. A chaque itration, lapproximation de la fonction de
mapping est mise jour jusqu convergence entre ( ) x f et ( ) | | x p c .

Dans les modles employs pour la conception des machines lectriques, il ny a pas de
distinction entre lespace x des solutions values par le modle fin ( ) x f et lespace z des
solutions values avec le modle grossier ( ) z c . Seules les rponses des modles diffrent et
nous les notons ( ) x f et ( ) x c . Ainsi, la fonction de mapping entre les deux espaces na
pas dintrt et se trouve remplace par une fonction de correction ( ) x k telle que :
( ) ( ) ( ) ( ) x f x c diag x k =
min arg (V.6)

o diag transforme un vecteur en matrice diagonale. Le droulement de cet algorithme
appel output-mapping (Tran et al., 2007a) est similaire au prcdent et continu jusqu
convergence entre ( ) x f et ( ) ( ) x c diag .

t
e
l
-
0
0
2
6
4
0
4
1
,

v
e
r
s
i
o
n

3

-

2
7

A
p
r

2
0
0
8

106
VI. Optimisation des machines lectriques

Quelques exemples reprsentatifs doptimisation de dispositifs lectrotechniques sont
dtaills dans cette section. Les premiers prsents sont bass sur des modles lments finis
bidimensionnels pour lesquels les algorithmes sont stochastiques. Les exemples suivants sont
des modles analytiques et les mthodes stochastiques pourront tre compares aux mthodes
dterministes aussi bien pour des problmes mono-objectifs avec contraintes que des
problmes multi-objectifs.

VI.1. COMPUMAG TEAM workshop n22 et 25

Les deux problmes doptimisation dtaills ci-dessous sont connus des participants de la
confrence COMPUMAG comme tant les problmes numro 22 et 25 des ateliers TEAM
(Testing Electromagnetic Analysis Methods). Ces problmes doptimisation sont
rgulirement utiliss pour comparer les performances des mthodes doptimisation pour la
rsolution des problmes de conception en lectromagntique. Cet usage tend en faire des
applications centrales, voire de rfrence pour le test de nouvelles procdures, notamment
dans le domaine dtude des systmes lectromagntiques.
Le problme 22 est un dispositif de stockage dnergie magntique par anneaux
supraconducteurs et le problme 25 est une presse aimants. Ces deux dispositifs peuvent tre
calculs par des modles lments finis bidimensionnels et statiques. Le premier offre
lavantage dtre linaire. Dans les deux cas, le temps dune simulation est de quelques
minutes, ce qui permet de faire une optimisation en moins dune semaine.

VI.1.1 Bobines supraconductrices pour le stockage dnergie

Le premier systme considr (fig. VI.1) est un dispositif de stockage dnergie
magntique par anneaux supraconducteurs (Alotto et al., 1996) (Baumgartner, 2006). Par la
suite, on y fera rfrence par le sigle SMES (Superconducting Magnetic Energy Storage). Il
est compos d'un enroulement supraconducteur qui permet davoir une rsistance lectrique
nulle moyennant de trs basses tempratures.

Le champ magntique cr par le courant parcourant les bobines permet de conserver
directement de lnergie sous forme magntique sans aucune conversion. Dans les annes 80,
le SMES tait constitu de bobines de plusieurs centaines de mtres de diamtre, mais
aujourdhui, les recherches sont plutt axes sur des SMES de dimensions raisonnables et
avec un champ magntique rduit. Une rduction du champ distance du dispositif peut tre
ralise si une deuxime bobine est place lextrieur de la premire, et parcourue par un
courant de mme amplitude mais dans la direction oppose. Le dispositif est axisymtrique.
Une conception correcte du systme devrait alors coupler la bonne valeur de l'nergie
stocker avec un champ parasite minimal. La partie droite de la vue en coupe est reprsente
dans la figure VI.1.

t
e
l
-
0
0
2
6
4
0
4
1
,

v
e
r
s
i
o
n

3

-

2
7

A
p
r

2
0
0
8

107
10
10
r
a
x
e

d
e

r
o
t
a
t
i
o
n
2
R
22
h
2
d
mesure de Points
| |
1
R
| |
1
d
| |
21
h
| |
1
J | |
2
J

Fig. VI.1. Vue en coupe de la partie droite dun SMES

Pour conserver le caractre supraconducteur des bobines, il est ncessaire que la densit
de courant, la temprature et linduction soient infrieures certaines valeurs critiques.
Celles-ci sont lies entre-elles et forment une surface critique dans lespace induction,
temprature et densit de courant. Ainsi, dans le processus doptimisation cette condition
appele quench condition se traduira par une contrainte liant la densit de courant et la
valeur maximale de linduction lintrieur de la bobine. Cette courbe critique est en gnral
approxime par une droite au dessus de laquelle le matriau perd ses proprits
supraconductrices. Cette dpendance a t simplifie et crite sous la forme linaire suivante :
( )
2
/ 0 . 54 4 . 6 mm A B J + = (VI.1)
La configuration du SMES doit tre optimise avec les objectifs suivants :
- Lnergie stocke vaut MJ 180 ,
- le champ magntique valu en plusieurs points de mesures, une distance de 10
mtres du dispositif, doit tre le plus faible possible, et
- le champ magntique doit toujours respecter la condition physique garantissant
ltat de supraconductivit (quench condition).

Les grandeurs calcules avec un modle lment finis bidimensionnel capable dimposer
une condition daxisymtrie sont :
- Lnergie stocke par le dispositif ) (J E ,
- linduction magntique en 22 points de rfrence ) (
,
T B
i fuites
22 , , 1 L = i , et
- lamplitude maximale de linduction magntique dans les bobines ) (
max
T B .

t
e
l
-
0
0
2
6
4
0
4
1
,

v
e
r
s
i
o
n

3

-

2
7

A
p
r

2
0
0
8

108
On dfinit
2
fuites
B comme la moyenne des amplitudes au carr de linduction magntique
i fuites
B
,
en chaque point de mesure (fig. VI.1) :

=
=
22
1
2
,
2
22
1
i
i fuites fuites
B B (VI.2)
La fonction objectif qui a t retenue est une pondration fixe entre lobjectif de champ
distant nul et celui dune nergie donne :
( )
ref
ref
norm
fuites
E
E E
B
B
X f

+ =
2
2
(VI.3)
avec les valeurs de rfrence J B
ref
6
10 . 180 = et T B
norm
3
10 3

= .

Deux formulations de ce problme sont proposes, suivant le nombre de variables
considres et leurs types. La premire prend en compte trois variables discrtes alors que la
seconde en considre huit de type continu.
Du fait de lintrt croissant pour les problmes multi-objectifs, il existe galement des
formulations comportant deux fonctions objectifs, ce qui vite lagrgation des objectifs faite
en (VI.3).

Cas trois variables doptimisation

Les paramtres doptimisation sont le rayon moyen de lanneau extrieur
2
R , sa hauteur
22
h et sa largeur
2
d . Les intervalles de variation des paramtres de conception et les
paramtres fixs sont prsents dans le tableau VI.1.

Tableau VI.1. Paramtres et domaine dtude 3 paramtres
Paramtre R
1
R
2
h
12
h
22
d
1
d
2
J
1
J
2

Unit m m m m m m A/mm A/mm
Min - 2.6 - 0.204 - 0.1 - -
Max - 3.4 - 1.1 - 0.4 - -
Fix 2.0 0.8 0.27 22.5 -22.5

Pour la contrainte qui maintient la supraconductivit, la densit de courant dans les
bobines tant fixe
2
/ 5 . 22 mm A J = , la contrainte (VI.1) est simplifie par :
T B 92 . 4
max
(VI.4)
Pour ce problme, plusieurs mthodes doptimisation sont testes : un algorithme
gntique avec 6 critres darrt diffrents, deux mthodes de recuit simul qui diffrent dans
la manire de calculer les pas de dplacement et trois mthodes de recherche taboue (Hajji,
2003).
Parmi les critres darrt des algorithmes gntiques, les mesures de performance en ligne
et hors ligne donnent de bons rsultats ainsi que celui bas sur les plans dexpriences (Hajji
et al., 2003).
t
e
l
-
0
0
2
6
4
0
4
1
,

v
e
r
s
i
o
n

3

-

2
7

A
p
r

2
0
0
8

109
Le recuit simul avec un pas adaptatif est meilleur que celui avec un pas tabul qui est
classiquement utilis. La mthode de recherche taboue propose par (Hajji et al., 2004) donne
des bons rsultats et se classe juste aprs les algorithmes gntiques.

Cas huit variables doptimisation

Les paramtres de conception sont prsents dans le tableau VI.2.

Tableau VI.2. Paramtres et domaine dtude 8 paramtres
Paramtre R
1
R
2
h
12
h
22
d
1
d
2
J
1
J
2

Unit m m m m m m A/mm A/mm
Min 1.0 1.8 0.1 0.1 0.1 0.1 10 -30
Max 4.0 5.0 1.8 1.8 0.8 0.8 30 -10

Pour ce cas, il faut ajouter une condition qui assure que les deux bobines ne se
chevaucheront pas :

2 2
1
1
2
2
d
R
d
R + > (VI.5)
Les contraintes de supraconductivit sur les bobines peuvent tre approximes par les
deux ingalits :

2
2 max, 2
2
1 max, 1
/ ) 54 4 . 6 (
/ ) 54 4 . 6 (
mm A B J
mm A B J
+
+
(VI.6)
o
i
B
max,
dsigne la valeur maximale de linduction magntique dans la bobine i .

Laugmentation du nombre de variable doptimisation a pos un problme. Pour parvenir
une bonne solution, les mthodes doptimisation ont t appliques en trois passages. Au
premier passage, la totalit de lespace de recherche est accessible et une solution approche
est obtenue. Au passage suivant, le domaine de recherche est resserr
1
autour de la solution
approche, ce qui fournit une meilleure solution. Seul le troisime passage donne une solution
satisfaisante.
Les mthodes doptimisation ayant donn les meilleurs rsultats avec le problme trois
paramtres ont t testes et cest la recherche taboue propose par (Hajji et al., 2004) qui a
donn le meilleur rsultat avec le nombre dvaluation le plus faible. La figure VI.2 montre (
droite) la structure optimale trouve par cette mthode. On remarque que la forme diffre
beaucoup de celle ( gauche) trouve en faisant varier uniquement trois paramtres.

1
Chaque intervalle est rduit de moiti, ce qui fait une rduction de lespace de recherche de 128 2
8
= .
t
e
l
-
0
0
2
6
4
0
4
1
,

v
e
r
s
i
o
n

3

-

2
7

A
p
r

2
0
0
8

110

Fig. VI.2. Densit de flux (BMOD) et lignes de champ pour la forme optimise de la structure avec 3 paramtres
(gauche) et 8 paramtres (droite)

VI.1.2. Presse aimants

La figure VI.3 montre une presse avec lectro-aimant pour lorientation de la poudre
magntique (Takahashi et al., 1996). Elle est employe pour produire des aimants permanents
anisotropes. La presse et llectro-aimant sont faits dacier. Les moules de matrice sont placs
pour former une distribution radiale de flux. La poudre magntique est insre dans la cavit.
Le modle peut tre considr comme bidimensionnel.

(a) vue entire (b) vue en coupe de droite

Fig. VI.3. Modle de la presse aimants

Le dispositif est aliment par deux bobines inductrices, dont chaque enroulement porte
4253 ampre-tours, tandis que son armature est constitue par un matriau magntique non
linaire.

Lanalyse prliminaire a montr quune distribution radiale du flux peut tre quasiment
obtenue en paramtrant la forme de la matrice extrieure par la combinaison dune ligne
droite, dun cercle et dune ellipse (fig. VI.3). La forme du moule intrieur de la matrice est
un cercle.

Les paramtres dfinissant la gomtrie des mords (fig. VI.3) sont :
t
e
l
-
0
0
2
6
4
0
4
1
,

v
e
r
s
i
o
n

3

-

2
7

A
p
r

2
0
0
8

111
- Le rayon
1
R de la matrice intrieure,
- les axes long et court
2
L et
3
L de lellipse, et
- la dimension
4
L .

Les limites de variation des paramtres du problme sont donnes dans le tableau VI.3.

Tableau VI.3. Limites de variation des paramtres
Paramtres Valeur minimale (mm) Valeur maximale (mm)
R
1
5.0 9.4
L
2
12.6 18.0
L
3
14.0 45.0
L
4
4.0 19.0

Lobjectif recherch est de disposer le long de la courbe f e , dune induction
magntique B radiale et valant 0.35T comme prcis par la relation (VI.7) :
{ }
{ }
10 1 i
i 5 . 4 , 75 . 11 R B B
i 5 . 4 , 75 . 11 R B B
T i 5 4 35 0 B
T i 5 4 35 0 B
y y,i
x x,i
y
x
, ,
] [ ) . sin( .
] [ ) . ( cos .
*
*
L =
= = =
= = =
=
=
(VI.7)
Le problme peut tre dcrit alors par la minimisation de la fonction objectif reprsentant
lerreur entre linduction mesure et la valeur de rfrence :
( )
2 *
, ,
10
1
2 *
, ,
) ( ) (
i y i y
i
i x i x
B B B B X f + =
=
(VI.8)
Une formulation multi-objectif de ce problme a t propose dans (Lebensztajn et al.,
2004). Sur la figure III.4, il apparat quune contrainte gomtrique doit tre ajoute pour que
la distance
j k
d
,
entre les points k et j soit positive. Ainsi 0 d
j k

,
se traduit par la contrainte
suivante :
0
5 . 10
1
20
2
3 2
4

|
|
.
|
\
|

L L
L
(VI.9)
Le calcul de linduction magntique est fait par la mthode des lments finis en utilisant
une formulation magntostatique bidimensionnelle non linaire.

Pour ce problme, plusieurs mthodes doptimisation sont testes : un algorithme
gntique, une mthode de recuit simul et trois mthodes de recherche taboue.
Les mthodes de recherche taboue donnent les meilleurs rsultats (Hajji, 2003). La figure
VI.4 montre la structure initiale et la meilleure trouve.

t
e
l
-
0
0
2
6
4
0
4
1
,

v
e
r
s
i
o
n

3

-

2
7

A
p
r

2
0
0
8

112

Fig. VI.4. Densit de flux et les lignes quipotentielles pour la structure initiale (gauche) et optimale (droite)

En conclusion de ces trois optimisations faites avec des mthodes stochastiques et des
modle lments finis, on retiendra que ce nest pas toujours la mme mthode qui se
distingue. Toutefois, la mthode taboue propose dans (Hajji et al., 2004) est souvent bien
classe. Lalgorithme gntique employ utilise un codage binaire, ce qui semble avoir t
prjudiciable ses mcanismes dintensification et a conduit des performances variables.

VI.2. Moteur roue

Il sagit du moteur roue prsent en section IV. Le modle utilis est celui avec 78
quations. Les valeurs de cinq variables de conception sont trouver : le diamtre extrieur
du stator
s
D , la densit de courant dans les bobines , linduction magntique dans lentrefer
e
B , dans les dents
d
B et la culasse du stator
cs
B .
Lobjectif est dobtenir un moteur avec le meilleur rendement tout en rpondant des
contraintes techniques. Premirement, la masse totale des parties actives
tot
M ne doit pas
excder 15 kg. Le diamtre extrieur
ext
D doit tre infrieur 340 mm et le diamtre
intrieur
int
D doit tre suprieur 76 mm. Enfin, les aimants doivent supporter un courant
dans les phases
max
I de 125 A sans risque de dsaimantation, soit cinq fois le courant
nominal. Les limites de variation des paramtres du problme sont donnes dans le tableau
VI.4.

Tableau VI.4. Variables doptimisation et limites de variation
variable unit valeur minimale valeur maximale
D
s
mm 150 330
A/mm 2 5
B
d
T 0.9 1.8
B
e
T 0.5 0.76
B
cs
T 0.6 1.6

Le problme de conception est transform en un problme doptimisation :
t
e
l
-
0
0
2
6
4
0
4
1
,

v
e
r
s
i
o
n

3

-

2
7

A
p
r

2
0
0
8

113

0 ) , , , (
76
340
125
15
: s contrainte les avec
1 minimiser
e d s
int
ext
max
tot
B B D discr
mm D
mm D
A I
kg M
(VI.1)
o ,
tot
M ,
ext
D ,
int
D ,
max
I sont des rsultats du programme de dimensionnement et
) , , , (
e d s
B B D discr est le discriminant utilis pour le calcul de la hauteur dencoche. Ainsi,
la dernire contrainte doit imprativement tre vrifie avant lexcution du programme de
dimensionnement.

Les travaux mens dans (Hajji et al., 2005) dans le cadre du GdR M2EMS
1
et en
partenariat avec le G2ELab ont montr que :
- En prsence dun modle bruit par larrondi du nombre total de conducteurs
deux fois le nombre dencoches, les mthodes stochastiques sont meilleures. Les
mthodes stochastiques testes sont un algorithme gntique, un recuit simul et de
trois mthodes de recherche taboue.
- Les mthodes dterministes du premier ordre pour lequel le gradient est calcul par
diffrence finie pas fixe sont peu prcises. Ces mthodes sont la plus grande
pente, le gradient conjugu et la mthode quasi-Newton BFGS.
- La mthode dterministe dordre zro des directions conjugues de Powell donne
des rsultats moins bons que les mthodes stochastiques et dpendantes du point
initial.
- En retirant larrondi et en calculant le gradient de faon prcise par son expression
formelle, les rsultats donns par la mthode SQP sont meilleurs pour certains
points initiaux.

Une premire constatation est quil faut une adaptation du modle la mthode
doptimisation. Dans le cas contraire, les algorithmes stochastiques sont les mieux mme
daboutir une solution approche.
La supriorit de la mthode SQP sur ce problme doptimisation sexplique
principalement par le traitement des contraintes au moyen des multiplicateurs de Lagrange.
Pour toutes les autres mthodes, les pnalits ont t utilises ce qui a conduit une
convergence moins prcise et plus lente.
Lutilisation de points initiaux multiples est indispensable pour aider la convergence
vers un optimum global. Comme pour les mthodes stochastiques, il ny a pas de certitude sur
ce point mais une probabilit qui augmente avec le nombre de points initiaux ou dindividus
dans une population.
Lhybridation entre une mthode stochastique et une mthode dterministe locale permet
de fournir un algorithme globalement convergeant vers une solution respectant prcisment
les contraintes. Une recherche taboue est utilise pour trouver un bon point initial partir
duquel dbute la mthode SQP.

1
Groupement de Recherche Matrise de lEnergie Electrique du Matriau au Systme
t
e
l
-
0
0
2
6
4
0
4
1
,

v
e
r
s
i
o
n

3

-

2
7

A
p
r

2
0
0
8

114
Les algorithmes des essaims particulaires (PSO) et des colonies de fourmis (ACO) sont
rcents et moins connus. Ainsi, il a t ncessaire de faire une analyse de sensibilit des
rsultats de loptimisation en fonction des paramtres de contrle des algorithmes. Les
rsultats sont la distance euclidienne entre le point trouv et loptimum connu, et le nombre
dvaluations ncessaire (Moussouni et al., 2007b). Les paramtres de contrle des
algorithmes PSO et ACO sont trouvs par une optimisation multi-objectif avec NSGA-II
visant minimiser la distance euclidienne et le nombre dvaluations. Une reprsentation dans
lespace des rsultats montre les fronts de Pareto (fig. VI.5).
Pour PSO et ACO, les contraintes sont prises en compte par la mthode des pnalits.
Une comparaison est faite avec les algorithmes gntiques (GA) de Matlab Optimization
Toolbox pour un codage rel et une prise en compte des contraintes par les multiplicateurs de
Lagrange. Une tude de sensibilit des autres paramtres de contrle des algorithmes
gntiques a galement t faite (Moussouni et al., 2007a) et leurs valeurs optimales trouves
par NSGA-II. Lalgorithme NSGA-II a t modifi pour permettre davoir des variables
mixtes. En effet, certains paramtres de contrle des algorithmes gntiques sont continus et
borns mais dautres, comme le type de slection ou de croisement, sont discrets et non
classables.

0 0.05 0.1 0.15
0
0.5
1
1.5
2
x 10
4
Euclidean distance
N
u
m
b
e
r

o
f

e
v
a
l
u
a
t
i
o
n
s

GA
ACO
PSO

Fig. VI.5. Analyse de sensibilit des paramtres de contrle des algorithmes

Il apparat que les essaims particulaires sont moins bons que les algorithmes gntiques.
Lalgorithme des colonies de fournis peut sembler excellent sur la figure VI.5 car il trouve
loptimum connu en moins de 1000 valuations. Il faut cependant prciser que cet algorithme
procde des recherches de voisinage pour lesquelles la mthode SQP est employe. Il sagit
donc dun algorithme hybride, ce qui explique que les performances soient meilleures. La
robustesse est trs grande comme en tmoigne le faible talement des points du front de
Pareto sur la figure VI.5.

Une partie des travaux prsents dans (Moussouni et al., 2007a) a port sur deux points
concernant la mthode SQP :
- le calcul des drives de la fonction objectif et des contraintes, et
- la rsolution du systme implicite de 7 quations non linaires.
t
e
l
-
0
0
2
6
4
0
4
1
,

v
e
r
s
i
o
n

3

-

2
7

A
p
r

2
0
0
8

115

Rappelons que la prsence dun systme implicite est lie la dpendance de la
rsistance de phase la temprature alors que cette premire est la principale source
dchauffement. Pour la rsolution du systme implicite, plusieurs approches sont testes :
- La technique du point fixe consiste rinjecter la temprature calcule par le
modle thermique dans lexpression de la rsistivit du cuivre jusqu convergence
de la temprature. Seules les 7 quations sont recalcules, ce qui est simple mettre
en uvre.
- La mthode de Levenberg-Marquardt permet de trouver les 7 inconnues intervenant
dans les 7 quations. Il sagit dune mthode itrative qui requiert des valeurs
initiales. Ici, le nombre dinconnues est faible et les valeurs initiales peuvent tre
quelconques. Il est possible dacclrer la rsolution en fournissant le jacobien.
- La troisime mthode est originale puisquil sagit de ne pas rsoudre le systme
dquations mais dajouter une variable et une contrainte galit au problme
doptimisation. La variable est la temprature suppose du cuivre alors que la
contrainte impose que la temprature calcule par le modle soit gale la
temprature suppose. Ainsi, les calculs seront dautant plus justes que
loptimisation sera proche de la convergence.

Les deux premires approches ont donn des taux de succs assez proches avec 21 24%
des optimisations convergeant vers loptimum connu. La technique du point fixe est
cependant bien plus rapide. La troisime mthode converge vers loptimum connu avec un
taux de succs de 50% et un temps moyen infrieur celui de la technique du point fixe.
On voit ici quil est prfrable de sortir la rsolution du systme implicite du modle pour
lintgrer dans le problme doptimisation.

Pour le calcul de la drive ncessaire la mthode SQP, trois approches sont menes :
- la premire est un calcul formel tel que ralis par le logiciel Pro@Design, Maple
ou Matlab Symbolic Math Toolbox,
- la seconde est un calcul par la technique des diffrences finies avec un pas fixe, et
- la troisime est un calcul par la technique des diffrences finies avec un pas auto-
adaptatif comme implment dans Matlab Optimization Toolbox.

On constate que pour une convergence une distance euclidienne de la solution connue
infrieure 10
-4
, le taux de convergence du pas fixe est nul alors que ceux du pas auto-
adaptatif et du calcul formel sont proches de 40%. Au vu de la complexit du calcul formel, il
est prfrable dutiliser un pas auto-adaptatif.

Les deux points traits montrent que des techniques assez simples sont efficaces et que le
temps accord au dveloppement du modle peut tre rduit car il nest pas ncessaire de
fournir les drives des sorties en fonction des entres ni de faire une rsolution exacte du
systme implicite.

Un troisime point trait dans (Moussouni et al., 2007a) est loptimisation multi-objectif
du moteur roue. A cet effet, le problme mono-objectif est transform en un problme deux
objectifs. La masse totale nest plus contrainte mais devient un nouvel objectif minimiser.
t
e
l
-
0
0
2
6
4
0
4
1
,

v
e
r
s
i
o
n

3

-

2
7

A
p
r

2
0
0
8

116
Loptimisation multi-objectif est ralise par trois mthodes :
- NSGA-II,
- SPEA2, et
- SQP avec une somme pondration variable des objectifs.

Les fronts de Pareto obtenus avec les trois mthodes doptimisation sont dessins dans la
figure VI.6. Il apparat que le front de Pareto trac par SQP avec une somme pondration
variable est le meilleur. Il est constitu de 100 points. Pour chaque point, 10 optimisations
sont faites et la meilleure est garde. Il aura donc fallu 1000 optimisations avec SQP pour
tracer le front. Les deux autres fronts sont assez similaires avec une lgre domination de
NSGA-II sur SPEA2.

Fig. VI.6. Fronts de Pareto obtenus avec les trois mthodes doptimisation

VI.3. Transformateur de scurit

Le problme doptimisation contient 7 variables discrtes de conception. Il y a trois
paramtres {a, b, c} pour les tles E-I, un {d} pour le support S, deux {S1, S2} pour les
sections des fils F primaire et secondaire et un {n1} pour le nombre de spires primaires (fig.
VI.7). Il y a 24 types de tle pris dans le catalogue r.bourgois (http://www.rbourgeois.com),
62 types de support pris dans le catalogue isolectra-martin (http://www.isolectra-
martin.com), et 63 types de fils maills pris dans le catalogue invex (http://www.invex.it).
Le nombre de spires primaires n1 est entier mais seulement 1000 valeurs sont permises. Ceci
mne 246 078 000 combinaisons. Toutes ces valeurs sont donnes dans (Tran,
http://l2ep.univ-lille1.fr/come/benchmark-transformer.htm).

Ce problme est propos en tant que benchmark pour comparer les mthodes
doptimisation combinatoires, multi-objectifs et multi-niveaux (Tran et al., 2007b). Pour
faciliter sa diffusion, un site internet a t cr o toutes les donnes et les modles peuvent
tre tlchargs. Il est galement possible aux autres chercheurs de publier leurs rsultats sur
ce site (Tran, http://l2ep.univ-lille1.fr/come/benchmark-transformer.htm).

t
e
l
-
0
0
2
6
4
0
4
1
,

v
e
r
s
i
o
n

3

-

2
7

A
p
r

2
0
0
8

117
Il y a 7 contraintes dingalit pour ce problme. Les tempratures du cuivre
cu
T et du fer
fe
T doivent tre respectivement plus petites que 120C et 100C. Le rendement doit tre
suprieur 80%. Le courant magntisant
1
I I
et la chute de tension
2 2
V V doivent tre
infrieurs 10%. Enfin, les facteurs de remplissage des deux bobinages doivent tre infrieurs
0.5. Lobjectif est de minimiser la masse totale
tot
M des matriaux cuivre et fer.

Le problme doptimisation combinatoire peut donc sexprimer sous la forme :

( )
{ } { } { } { }
1 . 0 1 . 0
5 . 0 5 . 0
100 120
8 . 0 soumis
1200 200 , , ,
, , , , , , min
2
2
1
2 1
1 2 1
1 2 1
<
<
< <
< <
>

V
V
I
I
f f
C T C T
n F S S S d EI c b a
n S S d c b a M
fe cu
tot
L (VI.2)

Fig. VI.7. Structure et problme doptimisation combinatoire dun transformateur de scurit

Pour cette optimisation, quelques mthodes combinatoires sont dveloppes et appliques
avec le modle analytique prsent en section IV. Le tableau VI.5 prsente leurs rsultats avec
toutes les contraintes satisfaites. La mthode dnumration exhaustive (EE) exploite Matlab
Distributed Computing Toolbox (fig. VI.8) pour le calcul distribu et donne la solution
globale avec un temps de calcul trs lev (23 jours avec 8 ordinateurs). La mthode
heuristique du logiciel Pro@Design (http://www.designprocessing.com), base sur la
rduction des espaces des variables discrtes, prend un faible temps de rsolution mais la
solution obtenue est mauvaise. La mthode branch and bound (BB) et un algorithme
gntique (GA) avec un codage spcifique obtiennent des rsultats intressants (Tran et al.,
2007c).

La mthode BB donne une solution qui est trs proche de loptimum global obtenu par
EE. En outre, le temps de calcul de BB est trs rapide. Cet algorithme sarrte la premire
feuille trouve mais pourrait poursuivre son exploration de larbre afin de trouver la solution
optimale.

t
e
l
-
0
0
2
6
4
0
4
1
,

v
e
r
s
i
o
n

3

-

2
7

A
p
r

2
0
0
8

118

Fig. VI.8. Architecture du calcul distribu avec Matlab Distributed Computing Toolbox

Tableau VI.5. Rsultats de loptimisation combinatoire avec les mthodes EE, BB et GA
M
tot
temps {a; b; c; d} {S
1
} {S
2
} {n
1
}
mthodes
kg s mm mm mm -
Pro@Design 2.840 38 {18; 54; 18; 33.5} 0.3318 2.835 722
EE 2.594 1.8.10
6
{18; 54; 18; 33.5} 0.2827 2.270 610
GA 2.633 3.10
3
{18; 54; 18; 33.5} 0.2376 2.835 614
BB 2.614 816 {18; 54; 18; 33.5} 0.2642 2.545 611

Pour cette optimisation, les mthodes NSGA-II et SQP avec une somme des objectifs
pondration variable sont utilises. Comme pour lexemple du moteur roue, SQP donne le
meilleur front de Pareto (fig. VI.9).

Fig. VI.9. Fronts de Pareto obtenus par NSGA-II et SQP avec une pondration variable

Diffrentes techniques de space-mapping telles que aggressive space-mapping
(ASM), output-mapping (OM) et manifold-mapping (MM) ont t appliques cette
optimisation multi-niveau comprenant un modle analytique et un modle lments finis
(Tran et al., 2007a).
t
e
l
-
0
0
2
6
4
0
4
1
,

v
e
r
s
i
o
n

3

-

2
7

A
p
r

2
0
0
8

119
ASM et MM rduisent une contrainte maximale de 99,54% et 100.09% respectivement
aprs seulement trois simulations lments finis. La prcision souhaite tant fixe 10
-4
, ces
solutions sont acceptables mais moins bonnes que celle trouve par OM avec 6 simulations
lments finis.
La dernire optimisation est faite avec la mthode SQP directement applique au modle
lments finis et donne une solution en utilisant 44 valuations, soit 6 jours de calcul, mais
cette solution ne satisfait pas toutes les contraintes (Tran et al., 2007a).

Tableau VI.6. Rsultats de loptimisation multi-niveau avec les diffrentes techniques
mthodes M
tot
(kg) valuations
contrainte
maximale (%)
ASM 2.410 3 99.54
OM 2.301 6 100.00
MM 2.306 3 100.09
SQP 2.294 44 100.90

Les techniques de space-mapping appeles output-mapping et manifold-
mapping conduisent aux meilleurs rsultats dans un temps trs court, environ le dixime de
celui dune optimisation avec un seul niveau.

t
e
l
-
0
0
2
6
4
0
4
1
,

v
e
r
s
i
o
n

3

-

2
7

A
p
r

2
0
0
8

120
VII. Conclusions et perspectives

Dans la concurrence accrue qui caractrise la socit actuelle, la matrise des dlais
dtude et de la qualit passe par une instrumentation de la dmarche de conception.
Lacclration du renouvellement des produits et de la mise en uvre des technologies
innovantes, lintroduction de nouvelles contraintes lies au dveloppement durable et la
dfinition des objectifs de conception non plus au niveau des actionneurs mais davantage au
niveau du systme remettent en cause les anciennes stratgies heuristiques de conception.
Face la complexit des nouvelles conceptions, une instrumentation de la dmarche est
faite par lemploi des techniques doptimisation et doutils de modlisation au sein de
stratgies rationnelles.

La conception optimale des machines lectriques se situe dans la parfaite adquation
entre quatre lments (fig. I.1) :
- les modles capables dapporter des informations ou critres sur les machines
lectriques,
- les algorithmes doptimisation pouvant maximiser ou minimiser ces critres,
- les formulations mathmatiques dans lesquels peuvent se traduire les problmes de
conception de machine lectrique, et
- les dmarches de rsolution des problmes de conception.

Fig. I.1. Environnement de loptimisation

Fig. II.1. Mthodologie de conception

Ces ensembles ont t dtaills respectivement dans les sections III, V, et II.

En section II, les diffrentes formulations dans lesquelles peuvent tre traduits les
problmes de conception ont t prsentes. Elles sont multiples et il revient au concepteur de
choisir celle qui convient son application.
t
e
l
-
0
0
2
6
4
0
4
1
,

v
e
r
s
i
o
n

3

-

2
7

A
p
r

2
0
0
8

121
Des transformations permettent de passer dune formulation une autre et apportent une
plus grande souplesse dans la dmarche de conception. La figure II.13 dresse un rcapitulatif
des formulations et des transformations permettant den changer. On remarque quil existe de
nombreuses transformations pour passer dun problme multi-objectif un problme mono-
objectif du fait de labsence de mthodes doptimisation multi-objectifs dterministes et du
faible nombre des mthodes multi-objectifs stochastiques.

mono-objectif
sans contraintes
mono-objectif
avec contraintes
multi-objectif
sans contraintes
multi-objectif
avec contraintes
p
o
n
d
r
a
t
i
o
n

v
a
l
e
u
r
s

c
i
b
l
e
s

e
t

m
i
n
-
m
a
x

pnalit
m
a
r
g
l
i
n
o
b
j
e
c
t
i
f
pnalit
marglin
p
o
n
d
r
a
t
i
o
n

v
a
l
e
u
r
s

c
i
b
l
e
s

e
t

m
i
n
-
m
a
x

pnalit
objectif
pnalit

Fig II.13. Formulations et transformations

La section III est consacre la description des modles les plus utiliss pour la
conception des dispositifs lectrotechniques. Ils sont classs en trois catgories : les modles
analytiques, les modles lments finis, et les modles semi-numriques. Leurs proprits
sont complmentaires comme illustr sur la figure III.5 o chaque catgorie est positionne
suivant lerreur de modlisation et le temps de calcul. Cette reprsentation en front de Pareto
met en vidence quaucune catgorie ne domine une autre mais que chacune ralise un
compromis optimal.

Dans le contexte dune optimisation, les modles analytiques offrent les avantages :
- de fournir un calcul formel des drives des sorties en fonction des entres, et
- de permuter les entres et sorties au moyen de techniques dordonnancement, ce
qui revient inverser un modle.
Le calcul des drives est galement possible avec des modles semi-numriques et
lments finis mais il est rare car il requiert beaucoup defforts.

La construction de trois modles est dtaille en section IV. Le premier modle est
analytique et permet le dimensionnement dun moteur roue courant continu et commutation
lectronique. Il sagit dun modle multi-physique construit partir des quations dcrivant
les phnomnes associs et pouvant servir mettre en vidence les mthodes doptimisation
bien adaptes ce genre de modle.
La conception dune gnratrice polyphase est ensuite dcrite. La dmarche employe
sappuie sur des modles de chacune des trois catgories ainsi que des validations
exprimentales. Les complmentarits des modles sont pleinement exploites. En vue de la
t
e
l
-
0
0
2
6
4
0
4
1
,

v
e
r
s
i
o
n

3

-

2
7

A
p
r

2
0
0
8

122
conception optimale, un modle de dimensionnement a t construit et valid par des
simulations lments finis et des mesures sur prototype.

modles analytiques
modle de
dimensionnement
modle de
simulation
erreur de modlisation
t
e
m
p
s

d
e

c
a
l
c
u
l

modles semi-numriques
modle thermique nodal
rseau de
permances
circuit
quivalent
modles lments finis

2D
statique
3D statique
2D transitoire
3D
transitoire
calcul champ magntique

Fig III.5. Front de Pareto des modles utiliss pour la conception des machines lectriques

Enfin, deux modles dun transformateur de scurit sont prsents. Le modle
analytique est qualifi de grossier alors que le modle lments finis est dit fin. Ils sont
construits pour exploiter les techniques de space-mapping et rduire considrablement le
temps doptimisation.

La section V propose des interprtations du no-free lunch theorem et dtaille les
caractristiques des algorithmes doptimisation. Une prsentation non-exhaustive des
algorithmes adapts loptimisation des machines lectriques a t faite. On peut les
regrouper dans plusieurs catgories suivant leurs mcanismes de recherche et les problmes
quils sont capables de rsoudre :
- les mthodes dterministes locales,
- les mthodes dterministes globales ou exhaustives,
- les mthodes stochastiques mono-objectifs, et
- les mthodes stochastiques multi-objectifs.
Il apparat alors que certains algorithmes ncessitent les drives et sont mieux adapts
aux modles analytiques et aux modles non-bruits si ces dernires sont calcules par
diffrence finie. Pour les algorithmes qualifis de locaux, plusieurs excutions sont
ncessaires pour rduire les risques de convergence vers un optimum local. Chaque
algorithme est ddi une formulation unique mais lemploi des transformations permet
dtendre son champ dapplication. Enfin, les caractristiques des classes dalgorithmes sont
souvent complmentaires et lhybridation est une solution efficace pour rduire le temps
doptimisation et augmenter la prcision.
t
e
l
-
0
0
2
6
4
0
4
1
,

v
e
r
s
i
o
n

3

-

2
7

A
p
r

2
0
0
8

123
La figure V.9 propose une classification de quelques mthodes doptimisation suivant
leurs caractristiques. Les axes sont la prcision de la solution, la rapidit, la capacit grer
les contraintes, la robustesse vis--vis du bruit de la fonction objectif, la capacit trouver
loptimum global et la capacit traiter un problme avec des objectifs multiples. Du fait des
techniques de transformation, aucune mthode na un score nul suivant lun des axes. Les
mthodes ayant la plus grande surface sont les plus intressantes. Lhybridation de deux
mthodes revient faire lunion des deux aires et la figure V.9 met bien en vidence les
associations intressantes.

prcision
rapidit
contrainte
bruit
global
multi-objectif
SQP
AG
NSGA-II
Simplexe
DIRECT

Fig. V.9. Classification des mthodes doptimisation suivant leurs caractristiques

Dautres algorithmes spcifiques sont bien adapts :
- loptimisation avec des variables mixtes comme lalgorithme dterministe et global
branch and bound , et
- loptimisation avec des modles fin et grossier au moyen des mthodes de space-
mapping .
Encore peu employs actuellement, ils devraient prendre une place importante dans la
conception des machines lectriques.

Enfin, la section VI rend compte des optimisations menes avec :
- des modles lments finis,
- des modles analytiques, et
- conjointement un modle analytique et un modle lments finis.
Il apparat que les mthodes stochastiques sont bien adaptes aux modles lments finis
car ils sont bruits. Les mthodes donnant les meilleurs rsultats sont les recherches taboues et
les algorithmes gntiques. Il faut toutefois prendre garde au type de codage employ et rgler
les paramtres de contrle pour obtenir des bons rsultats avec ces derniers.
t
e
l
-
0
0
2
6
4
0
4
1
,

v
e
r
s
i
o
n

3

-

2
7

A
p
r

2
0
0
8

124
Ds que le modle employ est analytique ou non-bruit, la mthode dterministe SQP se
distingue malgr ses points faibles structurels : recherche locale et mono-objectif. Par
lemploi de points initiaux multiples et des techniques de rduction des objectifs, cet
algorithme sest montr suprieur aux mthodes stochastiques NSGA-II et SPEA2.
Enfin, lutilisation conjointe dun modle grossier et dun modle fin sest montre
particulirement efficace pour loptimisation des dispositifs lectrotechniques
tridimensionnels. Par rapport une mthode nemployant quun seul modle, le temps dune
optimisation avec une technique de space-mapping est dix fois infrieur.
Pour la rsolution des problmes variables mixtes, c'est--dire comportant des variables
continues et des variables discrtes parfois non-classables, la mthode branch and bound
est une alternative aux algorithmes gntiques avec un codage mixte. Les rsultats obtenus
par cette premire mthode sur le cas du transformateur de scurit sont suprieurs ceux des
algorithmes gntiques avec un temps infrieur. De plus, cette mthode procde par
limination et peut ainsi trouver loptimum global si on lui en laisse le temps.

Les optimisations menes confirment les fortes interactions qui existent entre les choix
dun modle, dun algorithme et dune formulation. Au-del des caractristiques intrinsques
des algorithmes, leur mise en uvre pour loptimisation des dispositifs lectrotechniques reste
lpreuve de vrit et apporte quelques surprises. La matrise dune diversit de modles,
dalgorithmes et de formulations garantit au concepteur darriver de faon rationnelle un
dispositif optimal.

VII.1. Algorithmes dterministes et exhaustifs pour le multi-objectif

Une perspective de recherche court terme est lamlioration et la mise au point de
nouveaux algorithmes doptimisation. On constate un manque dans les catgories prsentes
dans ce mmoire : Il nest pas fait mention de mthodes doptimisation multi-objectif
dterministes. Ces mthodes existent mais nont pas encore t appliques loptimisation
des dispositifs lectrotechniques. Il semble trs intressant de disposer de mthodes
doptimisation multi-objectif a posteriori et dterministes puis de comparer leurs
performances celles des mthodes volutionnaires.

De mme, une mthode multi-objectif exhaustive, c'est--dire apportant avec certitude
loptimum global, me semble avantageuse. Elle pourrait exploiter le calcul distribu et
apporter un gain directement proportionnel au nombre de processeurs. En effet, il serait
possible demployer une segmentation de lespace de recherche par des mthodes de
dcomposition et limination pour laquelle il ny a pas dinteraction entre tches et donc peu
de pertes de temps lors des changes dinformations.

Lquipe COSME a longuement travaill sur les plans dexpriences et plus rcemment
sur le Kriging. Ces techniques permettent de construire des surfaces de rponse dont le cot
ne dpend pas ou peu du nombre dobjectifs et de contraintes. Ces modles approchs ou
surrogate models peuvent tre exploits pour dterminer si la fraction de lespace de
recherche doit tre limine ou davantage dcompose. Dans (Wang et al., 2006), les auteurs
utilisent plusieurs modles approchs (fonctions radiales, Kriging, surface de rponse) et des
techniques pour mesurer leur prcision sans cot supplmentaire. Ainsi, une approximation
t
e
l
-
0
0
2
6
4
0
4
1
,

v
e
r
s
i
o
n

3

-

2
7

A
p
r

2
0
0
8

125
sur la totalit de lespace de recherche est construite par assemblage de modles locaux dont
la formulation est choisie localement pour apporter le plus de prcision.

VII.2. Choix structurels et matriaux

Les problmes doptimisation prsents en section VI se situent dans la deuxime partie
du processus de conception et se limitent souvent la dtermination fine de quelques
variables continues correspondant la structure retenue appele working structure .
Pour loptimisation du transformateur de scurit, les variables taient discrtes et parfois
non-classables pour sappuyer sur loffre des constructeurs de circuits magntiques, fils
maills et carcasses. Notons, que cette contrainte est impose pour les petites sries avec des
contraintes de cot mais quil est possible de sen affranchir et de traiter un problme
doptimisation relax o les variables sont continues.

Comme nous lavons montr en section IV pour le moteur roue, les choix de la structure
et des matriaux sont faits au cours de la premire partie du processus de conception appele
embodiment design . A ce stade de la conception, les paramtres sont majoritairement
discrets et non classables. Lexprience du concepteur et son intuition guident ces choix mais
il reste une partie subjective quil est souhaitable de rduire pour rendre la conception
davantage rationnelle. Dans cette approche, la conception se fait en deux parties conscutives
qui ne garantissent pas de trouver la solution optimale moins daffronter lexplosion
combinatoire lie aux variables discrtes.

Une perspective est de mlanger les variables discrtes lies la structure et aux
matriaux avec les variables continues utilises pour les grandeurs gomtriques. Ainsi, les
deux tapes de la conception sont fusionnes en un problme variables mixtes linstar de
ce qui a t fait dans (Fitan et al., 2004). Les auteurs ont utilis cinq variables boolennes
pour dcrire la structure et les matriaux. Le systme dquations du modle analytique est
unique et certaines quations intgrent ces variables.

Cette approche semble difficile avec des modles analytiques comportant plus de 100
quations et dans lesquels la description de la gomtrie est plus fine. Pour intgrer des choix
de structure tels que rotor intrieur, rotor extrieur, flux axial, bobinage concentr ou rparti,
il est possible dassocier un ensemble dquations chaque structure alors que dautres
seraient communes. Une difficult est de disposer densembles dcrivant les phnomnes
physiques avec un mme niveau de prcision afin de ne pas crer un biais favorisant une
structure. Lutilisation de modles provenant de sources diffrentes ne peut se faire que si les
hypothses associes chaque modle et les limites de validit sont suffisamment dcrites.

Le projet DIMOCODE (Diffusion Internet des Modles pour la Conception Optimale des
Dispositifs Electriques) cr dans le cadre du Programme Interdisciplinaire Energie du CNRS
en 2007 pourrait travailler dfinir des standards de description pour la capitalisation. Ils
permettraient de reprer les modles compatibles pour une optimisation de la structure et des
matriaux. Ce projet mane des concepteurs et optimiseurs de machines lectriques suite aux
GDR M2EMS (Matrise de lEnergie Electrique du Matriau au Systme) puis SEEDS
(Systmes dEnergie Electrique dans leur Dimension Socitale). DIMOCODE fait suite au
t
e
l
-
0
0
2
6
4
0
4
1
,

v
e
r
s
i
o
n

3

-

2
7

A
p
r

2
0
0
8

126
constat dun manque de supports appropris pour capitaliser et rendre accessibles les modles
existants en vue de leur utilisation dans un contexte diffrent, quil sagisse dune structure de
machine diffrente ou dune nouvelle application. Le projet permettra de squiper dune
plate-forme Internet pour atteindre deux objectifs oprationnels :
- la capitalisation et lchange des modles entre les acteurs de la communaut,
- la diffusion des modles vers lenseignement, la R&D et lindustrie, et ceci la fois
au niveau national et international.
Ceci doit favoriser une diffusion efficace et rapide du meilleur des modles pour la
conception et loptimisation des dispositifs lectriques, et induire un impact significatif vers
une conception nergtiquement efficace de ces derniers. Les bnficiaires dune telle plate-
forme seront les utilisateurs qui seront plus productifs pour de nouvelles conceptions mais
galement les constructeurs des modles grce aux retours des utilisateurs.

Une autre difficult est dordre algorithmique. Lalgorithme branch and bound
prsent en section V a montr de trs bons rsultats sur loptimisation combinatoire du
transformateur de scurit. Cet algorithme sapplique sans modification loptimisation avec
des variables mixtes car il procde par relaxation : Certaines variables discrtes sont rendues
continues afin de fournir une borne infrieure la fonction objectif. Dans le cas dune
variable discrte non-classable ou boolenne, la relaxation pose problme : Dune part, la
variation de la fonction objectif selon cette variable est a priori chaotique, ce qui rend
loptimisation difficile. Dautre part, il est fort possible que la fonction objectif ne soit pas
dfinie entre deux valeurs possibles.

Ainsi, loptimisation structurelle des machines lectriques est un axe de recherche
difficile pour lequel beaucoup de travail reste faire tant en dveloppement de modles
compatibles avec des changements structurels ou de matriaux quen mise au point
dalgorithmes spcifiques.

VII.3. Optimisation systmique multi-niveau et multi-chelle

Les machines lectriques sont de plus en plus utilises pour des applications embarques
dans lesquelles les organes de transmission mcanique sont supprims, notamment pour des
raisons de fiabilit et dentretien. Cest le cas pour la traction ferroviaire, la propulsion des
vhicules, la production dnergie par des oliennes et bien dautres applications. Ainsi, il
nexiste pas de boite de vitesse pour rduire la plage de variation de vitesse subie par le
moteur et les points de fonctionnement de la machine lectrique sont nombreux.

La conception dune machine lectrique se fait traditionnellement sur un point de
fonctionnement, dit nominal, et en vrifiant le fonctionnement pour dautres conditions telles
que le dmarrage, le court-circuit, etc. Il apparat donc un changement radical dans la manire
de concevoir une machine lectrique car il faut dornavant intgrer la totalit des modes de
fonctionnement caractrisant le trajet du vhicule propuls par un moteur-roue ou la variation
journalire et annuelle du vent pour une gnratrice olienne. Ce changement amne de
nouveaux besoins pour la conception et loptimisation des machines lectriques.

t
e
l
-
0
0
2
6
4
0
4
1
,

v
e
r
s
i
o
n

3

-

2
7

A
p
r

2
0
0
8

127
Prenons lexemple de loptimisation dun moteur pour un kart dvale-pente qui a t
abord en section IV. En supposant la masse du moteur connue, une modlisation dynamique
du systme donne lensemble des points de fonctionnement (couple et vitesse) du moteur et le
pourcentage de temps associ. Cependant, le modle de dimensionnement utilis ne prend en
entre quun seul point de fonctionnement, qualifi de nominal. Une solution pourrait tre de
considrer le pire des cas en prenant comme couple nominal le plus fort couple et la plus
grande vitesse comme vitesse nominale. Dans ce cas, le moteur est surdimensionn avec une
rtroaction positive sur le poids et un rendement moyen mauvais car le moteur sera souvent en
sous-rgime. Sur cet exemple, on voit lavantage de retirer les quations thermiques statiques
du modle inverse de dimensionnement et dutiliser un modle direct de simulation pour
vrifier que le moteur ne dpasse pas la temprature maximale autorise. Plutt que davoir
un gros moteur capable de tenir le pire des cas de faon permanente, un petit moteur pourra
fonctionner quelques temps en surrgime grce son inertie thermique. Ainsi, la dfinition
dun point nominal est abstraite car le couple et la vitesse nominaux trouvs par loptimisation
ne correspondent aucun des points de fonctionnement rencontrs par le moteur lors du cycle.
Il faut donc procder avec une approche systmique.

Lanalyse systmique envisage les lments dune conformation complexe non pas
isolment mais globalement, en tant que parties intgrantes dun ensemble dont les diffrents
composants sont dans une relation de dpendance rciproque
1
. On remarque que cette
dfinition correspond bien la nouvelle manire de concevoir les machines lectriques car :
- pour concevoir la machine lectrique, il faut intgrer tous les services quelle rend
au systme, c'est--dire lensemble des points de fonctionnement, et
- la machine lectrique fait partie du systme et toute modification de sa structure a
des consquences sur le systme.

La dpendance qui apparat conduit au besoin dune modlisation du systme complet. Le
modle peut tre obtenu par agrgation des modles des composants constitutifs tout comme
un modle de composant peut tre obtenu par agrgation des modles ou quations
reprsentant chaque phnomne physique prendre en compte.

La validation des modles passe par la mise en uvre dune plateforme dessai multi-
physique. Cette plateforme sera ddie aux chanes de traction lectrique et offrira la
possibilit de mesurer les grandeurs lectriques, magntiques, cinmatiques, acoustiques,
arauliques et thermiques. Ce projet est support par le L2EP et le Laboratoire de Mcanique
et dEnergtique (LME) de Valenciennes avec lequel nous collaborons pour les aspects
thermiques et arauliques au sein des moteurs de traction en partenariat avec la socit
Alstom Transport. Les acteurs du projet sont Pascal Brochet, Souad Harmand, Michel
Hecquet, Frdric Gillon et moi-mme. Ce projet est financ dans le cadre du Contrat Plan
Etat Rgion (CPER) MEDEE (Matrise de la demande dEnergie Des Entranements
Electriques) de 2007 2013 hauteur de 1.5 M.

La dmarche souvent employe pour simuler un systme complexe est de simplifier la
modlisation de chaque composant pour le ramener une reprsentation homogne. Le pas de

1
Dfinition prise dans Le Petit Larousse illustr, 1993.
t
e
l
-
0
0
2
6
4
0
4
1
,

v
e
r
s
i
o
n

3

-

2
7

A
p
r

2
0
0
8

128
temps utilis pour la simulation est dtermin par la plus petite constante de temps, ce qui
conduit un temps de simulation significatif. Cette approche requiert galement un temps
important pour la construction des modles et reprsente une grande difficult dans le cas
doptimisation pluridisciplinaire. Ainsi, (Kroo, 2004) dresse un inventaire des approches
alternatives telles que la conception multidisciplinaire distribue et loptimisation
collaborative. Une des ides est dassurer la cohrence des modles non pas au moyen dun
couplage fort mais par lutilisation de techniques doptimisation. Nous avons pu vrifier la
pertinence dune telle approche sur le moteur roue en retirant le couplage fort liant les
quations thermiques aux autres et en le remplaant par une contrainte galit sur les
tempratures dentre et de sortie des modles. Le fait que les constantes de temps lectriques,
mcaniques et thermiques ne soient pas du mme ordre de grandeur peut ainsi tre exploit
pour gagner en temps de simulation.

Un processus multi-niveau est galement utilis en aronautique pour la conception dun
systme. Le principe est expos en figure VII.1. La dmarche est descendante ( top to
bottom ) et commence par une optimisation globale au niveau systme. Cette tape est
qualifie de dimensionnement rapide. Les objectifs (valeurs cibles) et contraintes sont ensuite
rpercuts au niveau infrieur pour loptimisation multidisciplinaire des composants du
systme. Enfin, des optimisations locales sont faites sur chaque sous-assemblage et matriau
au niveau le plus bas. Au niveau systme, un modle global imprcis est employ alors quil
existe plusieurs modles prcis au niveau composant. Cette approche est parfaitement adapte
aux systmes lectriques tels que les chanes de traction ferroviaire ou automobile.

systme
composant
sous-assemblage / matriau
optimisation globale
optimisation multidisciplinaire
optimisation locale

Fig. VII.1. Processus multi-niveau

Dans ce processus multi-niveau, le passage des objectifs et contraintes dun niveau
lautre est un sujet ouvert et plusieurs approches sont possibles. Pour laronautique et
lautomobile, le target cascading (Kim et al., 2003) donne de bons rsultats. Les
techniques de space-mapping pourraient galement tre utilises pour aligner les modles
grossiers des composants utiliss au niveau systme avec ceux plus fins du niveau composant.

Pour mettre en uvre et tester rapidement les diffrentes approches de formulation et de
rsolution des problmes doptimisation multi-niveau, une plateforme informatique est en
cours de dveloppement au moyen dun travail postdoctoral dun an. La plateforme doit
faciliter lintgration de tout nouvel algorithme doptimisation ou modle. Sa vocation est de
devenir le nouvel outil de capitalisation de lquipe COSME pour succder SOPHEMIS
t
e
l
-
0
0
2
6
4
0
4
1
,

v
e
r
s
i
o
n

3

-

2
7

A
p
r

2
0
0
8

129
dont la finalit est loptimisation mono-niveau. La description des algorithmes et des modles
doit tre uniformise afin de permettre une grande interoprabilit. Une interface graphique
est dvelopper pour dcrire le processus multi-niveau avec les modles mis en jeu, les
algorithmes associs et les variables de liaison entre niveaux.

Ainsi, le processus multi-niveau pose de nombreuses questions tant au niveau de la
modlisation de chaque niveau que des algorithmes et dmarches pour synchroniser les
niveaux entre eux. La mise en vidence des mthodes de modlisation et doptimisation qui
donnent les meilleurs rsultats pour la conception des systmes lectriques constitue une
perspective long terme.

t
e
l
-
0
0
2
6
4
0
4
1
,

v
e
r
s
i
o
n

3

-

2
7

A
p
r

2
0
0
8

130
VI. Rfrences du mmoire scientifique

Allain L., Capitalisation et traitement des modles pour la conception en gnie lectrique ,
thse de doctorat en gnie lectrique, INPG, Grenoble, 30 septembre 2003.
Alotto P., Kuntsevitch A.V., Magele C., Molinari G., Paul C., Preis K., Repetto M., and
Richter K.R., Multiobjective optimization in magnetostatics: a proposal for
benchmark problems , IEEE Transactions on Magnetics, Vol. 32, No. 3, Part 1, May
1996, pp. 12381241.
Alotto P., and dos Santos Coelho L., Electromagnetic Device Optimization by Hybrid
Evolution Strategy Approaches , OIPE 2006 conference, CD-ROM.
Bandler W., Cheng Q.S., Dakroury S.A., Mohamed A.S., Bakr M.H., Madsen K., and
Sondergaard J., Space mapping: The state of the art , IEEE Transactions on
Microwave Theory and Techniques, vol. 52, no. 1, pp. 337361, January 2004.
Baumgartner U., Magele Ch., and Renhart, W., Pareto Optimality and Particle Swarm
Optimization , IEEE Transactions on Magnetics, Vol. 40, No. 2, March 2004, pp.
1172-1175.
Baumgartner U., SMES Optimization Benchmark , 1996 redesigned 2006,
http://www.igte.tu-graz.ac.at/archive/team_new/description.php
Biedinger J.M., Vilain, J.P., Dimensionnement des actionneurs lectriques aliments
frquence variable sous faible tension : I. Analyse du problme coupl magntique,
thermique, lectrique , Eur. Phys. J. AP 3, pp. 101-118 (1998).
Boglietti A., Cavagnino A., and Staton D.A., TEFC Induction Motors Thermal Models: A
parameter Sensitivity Analysis , IEEE Transactions on Industry Applications, Vol. 41,
No. 3, May/June 2005, pp. 756-763.
Brisset S., Gillon F., Vivier S., and Brochet P., Optimization with Experimental Design: an
approach using Taguchis Methodology and Finite Element Simulations , IEEE
Transactions on Magnetics, Vol. 37, No. 5, pp. 3530-3533, September 2001.
Brisset S., and Brochet P., Analytical model for the optimal design of a brushless DC wheel
motor , COMPEL, Vol. 24, No. 3, pp. 829-848, 1-2005
Cai Z., and Wang Y., A Multiobjective Optimization-Based Evolutionary Algorithm for
Constrained Optimization , IEEE Transactions on Evolutionary Computation, Vol. 10,
No. 6, December 2006, pp. 658-675.
Campelo F., Guimaraes F.G., Igarashi H., and Ramirez J.A., A Clonal Selection Algorithm
for Optimization in Electromagnetics , IEEE Transactions on Magnetics, Vol. 41, No.
5, May 2005, pp. 1736-1739.
Canova A., Freschi F., and Repetto M., Hybrid method coupling AIS and zeroth order
deterministic search , COMPEL, Vol. 24, No. 2, pp. 784-795, 2005.
Chen X., Qian J., Ni G., Yang S., and Zhang M., An Improved Genetic Algorithm for
Global Optimization of Electromagnetic Problems , IEEE Transactions on Magnetics,
Vol. 37, No. 5, September 2001, pp. 3579-3583.
Chen X., Ni G., and Yang S., An Improved Tabu Algorithm Applied to Global
Optimizations of Inverse Problems in Electromagnetics , IEEE Transactions on
Magnetics, Vol. 38, No. 2, March 2002, pp. 1069-1072.
t
e
l
-
0
0
2
6
4
0
4
1
,

v
e
r
s
i
o
n

3

-

2
7

A
p
r

2
0
0
8

131
Clerc M., Loptimisation par essaims particulaires , ditions Lavoisier, 2005.
Colette Y., Siarry P., Optimisation multiobjectif , ditions Eyrolles, 2002.
Costa M.C., Coulomb J.L., Marchal Y., Dietrich A.B., and Nabeta S.I., Diffuse-Element
Method and Quadtrees : Two Ingredients for an Adaptive Response Surface , IEEE
Transactions on Magnetics, Vol. 38, No. 2, pp. 1085-1088, March 2002.
Coulomb J.L., Petin P., Saludjian L., Nguyen Thank N., Pacaut R., Sensitivity Analysis
using High Order Derivatives , ACES, Vol. 12, No. 2, pp. 20-25, July 1997.
Cros J., Dfinition dun actionneur aimants permanents et lectronique intgre pour
lautomobile , Thse de doctorat de lInstitut National Polytechnique de Toulouse,
1992.
Deb K., Pratap A., Agarwal S., and T. Meyarivan T., A Fast and Elitist Multiobjective
Genetic Algorithm: NSGA-II , IEEE Transactions on Evolutionary Computation, Vol.
6, No 2, pp. 182197, 2002.
Delale A., Albert L., Gerbaud L., and Wurtz F., Automatic Generation of Sizing Models for
the Optimization of Electromagnetic Devices Using Reluctance Networks , IEEE
Transactions on Magnetics, Vol. 40, No. 2, March 2004, pp. 830-833.
Dorigo M., Optimization, Learning and Natural Algorithms , PhD thesis, Politecnico di
Milano, Italy, 1992.
Dubas F., Espanet C., and Miraoui A., An original analytical expression of the maximum
magnet thickness in surface mounted permanent magnet motors , The European
Physical Journal Applied Physics, Volume 38, Issue 2, May 2007, pp.169-176.
Duff I.S., and Reid J.K., An implementation of Tarjans Algorithm for the Block
Triangularization of a Matrix , ACM Trans. Math. Soft., Vol. 4, No. 2, June 1978, pp.
137-147.
Echeverria D., Lahaye D., Encica L., and Hemker P.W., Optimization in electromagnetic
with the space-mapping technique , COMPEL, Vol. 24, No. 3, 2005, pp. 952-966.
Elleuch M., and Poloujadoff M., Analytical Model of Iron Losses in Power Transformers ,
IEEE Transactions on Magnetics, Vol. 39, No. 2, March 2003, pp. 973-980.
Ertan H.B., Leblebicioglu K., and Demirel O., An approach to design and optimization of
HV high frequency resonant power transformers , ICEM2000, August 2000, pp. 183-
187.
Fanni A., and Montisci A., A Neural Inverse Problem Approach for Optimal Design ,
IEEE Transactions on Magnetics, Vol. 39, No. 3, pp. 1305-1308, May 2003.
Fiacco A.V., and McCornick G.P., Non linear programming: Sequential unconstrained
minimization techniques , John Wiley Ed., New York, 1968
Finkel D.E., DIRECT Optimization Algorithm User Guide , March 2, 2003,
http://www4.ncsu.edu/~ctk/Finkel_Direct/DirectUserGuide_pdf.pdf
Fischer V., Gerbaud L., and Wurtz F., Using Automatic Code Differentiation for
Optimization , IEEE Transactions on Magnetics, Vol. 41, No. 5, May 2005, pp. 1812-
1815.
Fitan E., Messine F., and Nogarde B., The Electromagnetic Actuator Design Problem: A
General and Rational Approach , IEEE Transactions on Magnetics, Vol. 40, No. 3,
May 2004, pp. 1579-1590.
t
e
l
-
0
0
2
6
4
0
4
1
,

v
e
r
s
i
o
n

3

-

2
7

A
p
r

2
0
0
8

132
Foggia A., Mthodes de calcul des inductances de fuites , Techniques de lIngnieur, D
3 440, 20 pages.
Fonseca C.M., and Fleming P.J., Genetic Algorithms for multiobjective optimization:
Formulation, discussion and generalization , In Genetic Algorithms: Proceeding of the
5
th
International Conference, pp. 416-423, Morgan Kaufmann, 1993.
Fujinami Y., Noguchi S., Yamashita H., and Cingoski V., Thermal analysis of a
synchronous generator taking into account the rotating high-frequency magnetic field
harmonics , ICEM2000, August 2000, pp. 353-357.
Gallardo A., and Lowther D.A., Some Aspects of Niching Genetic Algorithms Applied to
Electromagnetic Device Optimization , IEEE Transactions on Magnetics, Vol. 36, No.
4, pp. 1076-1079, July 2000.
Gentilhomme A., C.O.C.A.S.E. Un systme expert daide la conception dappareillages
lectriques , thse de doctorat de lInstitut National Polytechnique de Grenoble
soutenue le 3 mai 1991.
Gieras J.F., and Marler M.E., Analytical Prediction of Torque Ripple in Permanent Magnet
Brushless Motors , International Conference on Electrical Machines, 2002, CD-ROM.
Gieras J.F., and Wing M., Permanent Magnet Motor Technology: Design and
Applications, 2
nd
Edition, Revised and Expanded, Taylor & Francis Ltd - New York,
2002.
Glises R., Machines lectriques tournantes. Simulation du comportement thermique ,
Techniques de lIngnieur, D 3 760, 8 pages.
Glover F., Future paths for integer programming and links to artificial intelligence ,
Computers & Operations Research 13, pp. 533-549, 1986.
Glover F., and Laguna M., Tabu Search , Colin R. Reeves (ed.), Modern Heuristic
Techniques for combinatorial Problems, Blackwell Scientific Publications, Oxford, pp.
70-150, 1993.
Hajji O., Contribution au dveloppement de mthodes doptimisation stochastiques.
Application la conception des dispositifs lectrotechniques , thse de doctorat en
gnie lectrique, soutenue le 3 dcembre 2003 lUniversit des Sciences et
Technologies de Lille.
Hajji O., Brisset S., and Brochet P., A Stop Criterion to Accelerate Magnetic Optimization
Process using Genetic Algorithms and Finite Element Simulations , IEEE Transactions
on Magnetics, Vol. 39, No. 3, pp. 1297-1300, May 2003.
Hajji O., Brisset S., and Brochet P., A new Tabu Search Method for optimization with
continuous parameter , IEEE Transactions on Magnetics, Vol. 40, No. 2, pp. 1184-
1187, March 2004.
Hajji O., Brisset S., Wurtz F., Brochet P., Fandino J., Comparaison des mthodes
stochastiques et dterministes pour loptimisation de dispositifs lectromagntiques ,
Revue Internationale de Gnie Electrique, Vol. 8, No. 2, pp. 241-258, Janvier 2005.
Hecquet M., Contribution linstrumentation de la dmarche de conception des machines
lectriques , Habilitation Diriger des Recherches, Universit des Sciences et
Technologies de Lille, dcembre 2006.
Hendershot J.R. Jr., Miller T.J.E., Design of permanent-magnet motors , Magna physics
publishing and Clarendon press, Oxford, 1994.
t
e
l
-
0
0
2
6
4
0
4
1
,

v
e
r
s
i
o
n

3

-

2
7

A
p
r

2
0
0
8

133
Ho S.L., Yang S., Ni G. and Wong H.C., An Improved Tabu Search for the Global
Optimizations of electromagnetic Devices , IEEE Transactions on Magnetics, Vol. 37,
No. 5, September 2001, pp. 3570-3574.
Holland J.H., Adaptation in natural and artificial systems , University of Michigan Press,
Ann Arbor, 1975.
Horii M., Takahashi N., and Narita T., Investigation of Evolution Strategy and Optimization
of Induction Heating Model , IEEE Transactions on Magnetics, Vol. 36, No. 4, July
2000, pp. 1054-1088.
Horn J., Nafploitis N., Goldberg D.E., "Multiobjective optimization using the niched Pareto
genetic algorithm", Rapport technique, IlliGA1 Report 93005, university of Illinois,
Urbana, Illinois, 1993.
Ioan D., Munteanu I., and Ciuprina G., Adjoint Field Technique Applied in Optimal Design
of a Nonlinear Inductor , IEEE Transactions on Magnetics, Vol. 34, No. 5, September
1998, pp. 2849-2852.
Jin, Y., Olhofer M., and Sendhoff B., Dynamic Weighted Aggregation for Evolutionary
Multi-Objective Optimization: Why Does It Work and How? , Proceedings of the
Genetic and Evolutionary Computation Conference, pp. 1042-1049, Morgan Kaufmann
Ed., 2001.
Jones D.R., Schonlau M., and Welch W., Efficient Global Optimization of Expensive
Black-Box Functions , Journal of Global Optimization, Vol. 13, No. 4, pp. 455-492,
December 1998.
J. Kennedy, and R. C. Eberhat, Particle swarm optimization , Proceedings of the IEEE
Conference on Neural Network, Vol. 4, pp. 1942-1948, Piscataway, NJ, 1995.
Kim H.M., Rideout D.G., Papamambros P.Y., Stein J.L., Analytical Target Cascading in
Automotive Vehicle Design ,Journal of Mechanical Design, Vol. 125, September
2003, pp. 1-9.
Kim I.Y., and De Weck O.L., Adaptive weighted-sum method for bi-objective optimization:
Pareto front generation , Struct. Multidisc. Optim., Vol. 29, pp. 149-158, 2005.
Kirkpatrick S., Gelatt C.D., and Vecchi Jr. M.P., Optimization by Simulated Annealing ,
Science, Vol. 220, No. 4598, pp. 671-680, 1983.
Kobetski A., Coulomb J.L., Costa M.C., Marchal Y., and Jnsson U., Comparison of
Radial Basis Function Approximation Techniques , COMPEL, Vol. 22, No. 3, pp. 616-
629, 2003.
Koh C.S., and Seol J.S., New Cogging Torque Reduction Method for Brushless Permanent-
Magnet Motors , IEEE Transactions on Magnetics, Vol. 39, No. 6, November 2003.
Kroo I., Distributed multidisciplinary design and collaborative optimization ,VKI lecture
series on Optimization Methods & Tools for Multicriteria/Multidisciplinary Design,
November 15-19, 2004
Labraga M., Contribution la conception dactionneurs aimants permanents et
commutation lectronique fonctionnant basse vitesse , thse de lINPT soutenue le
1
er
avril 1992.
Lagarias J.C., Reeds J.A., Wright M.H., and Wright P.E., Convergence properties of the
Nelder-Mead Simplex method in low dimensions , SIAL J. Optim., Vol. 9, No. 1, pp.
112-147, 1998.
t
e
l
-
0
0
2
6
4
0
4
1
,

v
e
r
s
i
o
n

3

-

2
7

A
p
r

2
0
0
8

134
Lebensztajn L., Marretto C.A.R., Costa M.C., and Coulomb J.L., Kriging: A Useful Tool
for Electromagnetic Device Optimization , IEEE Transactions on Magnetics, Vol. 40,
No. 2, March 2004, pp. 1196-1199.
Lebensztajn L., and Coulomb J.L., TEAM Workshop Problem 25: A Multiobjective
Analysis , IEEE Transactions on Magnetics, Vol. 40, No. 2, March 2004, pp. 1402-
1405.
Lee B.S., Bae H.K., Vijayraghavan P., and Krishnan R., Design of Linear Switched
Reluctance Machine , IEEE Transactions on Industry Applications, Vol. 36, No. 6, pp.
1571-1580, November/December 2000.
Leonard P.J., and Connor A.M., Pole Shape Optimization using Tabu Search Scheme ,
IEEE Transactions on Magnetics, Vol. 36, No. 4, pp. 1115-1118, July 2000.
Lo S.L., Yang S., Wong H.C., Cheng K.W.E., and Ni G., An Improved Ant Colony
Optimization Algorithm and Its Application to Electromagnetic Devices Designs ,
IEEE Transactions on Magnetics, Vol. 41, No. 5, pp. 1764-1767, May 2005.
Makni Z., Contribution au dveloppement dun outil danalyse multi-physique pour la
conception et loptimisation dactionneurs lectromagntiques , thse de doctorat
spcialit physique soutenue le 12 dcembre 2006 lUniversit Paris-Sud Orsay
Marglin S., Public Investment Criteria , Cambridge, Ma: MIT Press.
Mellor P.H., Roberts D., and Turner, D.R., Lumped parameter thermal model for electrical
machines of TEFC design , IEE Proceedings-B, Vol. 138, No. 5, September 1991, pp.
205-218.
Messine F., Mthodes d'Optimisation Globale bases sur l'Analyse d'intervalle pour la
Rsolution des Problmes avec Contraintes , Thse de doctorat, Institut National
Polytechnique de Toulouse, septembre 1997.
Mester V., Gillon F., Brisset S., and Brochet P., Global Optimal Design of a Wheel Traction
Motor by a Systemic Approach of the Electric Drive Train , IEEE Vehicle Power and
Propulsion (VPP) Conference, Windsor, UK, 9-2006.
Mester V., Conception optimale systmique des composants des chanes de traction
lectriques , thse de doctorat spcialit gnie lectrique soutenue le 22 mai 2007
lEcole Centrale de Lille.
Miller T.J.E., and Hendershot J.R. Jr., Design of Brushless Permanent-Magnet Motors ,
Magna physics publishing and Clarendon press, Oxford, 1994.
Minoux M., Programmation Mathmatique, thorie et algorithmes, tome 1 , Dunod
Edition, 1983.
Moussouni F., Brisset S., and Brochet P., Some results on the design of brushless DC wheel
motor using SQP and GA , International Journal of Applied Electromagnetics and
Mechanics (IJAEM), Vol. 3, No. 26, April 2007 (a).
Moussouni F., Brisset S., and Brochet P., Comparison of two multi-agent algorithms: ACO
and PSO , prsent la confrence ISEF 2007 (b).
Multon B., Hirsinger L., Problme de la motorisation dun vhicule lectrique , Revue 3EI,
No. 4, pp. 53-64, dcembre 1995, No. 5, pp. 55-64, mars 1996.
Nogarede B., Electrodynamique applique : Fondements et principes physiques de
l'lectrotechnique , dition DUNOD, 2004.
t
e
l
-
0
0
2
6
4
0
4
1
,

v
e
r
s
i
o
n

3

-

2
7

A
p
r

2
0
0
8

135
Notelet F., Brudny J.F., Calcul des machines lectriques : Calcul dun transformateur ,
Revue 3EI, pp. 13-21, No. 11, dcembre 1997, No. 12, pp. 2-8, mars 1998.
Notelet F., Brudny J.F., Calcul des machines lectriques : Calcul dune machine courant
continu , Revue 3EI, pp. 4-13, No. 7, dcembre 1996.
Notelet F., Brudny J.F., Calcul des machines lectriques : Calcul dun alternateur triphas
ples saillants , Revue 3EI, pp. 9-20, No. 3, juin 1995.
Okamoto Y., Ohtake M., and Takahashi N., Magnetic Shield Design of Perpendicular
Magnetic Recording Head by Using Topology Optimization Technique , IEEE
Transactions on Magnetics, Vol. 41, No. 5, May 2005, pp. 1788-1791.
Pahner U., and Hameyer K., Adaptive Coupling of Differential Evolution and
Multiquadratics Approximation for the Tuning of the Optimization Process , IEEE
Transactions on Magnetics, Vol. 36, No. 4, July 2000, pp. 1047-1051.
Perttunen C.D., Jones D.R., and Stuckman B.E., Lipschitzian optimization without the
lipschitz constant , Journal of Optimization Theory and Application, Vol. 79, No. 1,
pp. 157-181, October 1993.
Poloujadoff M., and Es-Sbai Z.A., A state variables method for the optimization of
electrical machines. Application to the acceleration of an inertia , J. Phys. III, Vol. 4,
March 1994, pp. 531-541.
Qu R., Lipo T.A., Analysis and Modeling of Air-Gap and Zigzag Leakage Fluxes in a
Surface-Mounted Permanent-Magnet Machine , IEEE Transactions on Industry
Applications, Vol. 40, No. 1, January/February 2004, pp. 121-127.
Ragot P., Markovic M., and Pierrard Y., Optimization of Electric Motor for a Solar Airplane
Application , IEEE Transactions on Industry Applications, Vol. 42, No. 4, July/August
2006, pp. 1053-1061.
Rasmussen K.F., Davies J.H., Miller T.J.E., McGilp M.I., and Olaru M., Analytical and
Numerical Computation of Air-Gap Fields in Brushless Motors with Surface Permanent
Magnets , IEEE Transactions on Industry Applications, Vol. 36, No. 6,
November/December 2000, pp. 1547-1554.
Rashid K., Ramirez J.A., and Freeman E.M., Optimization of Electromagnetic Devices
using Sensitivity Information from Clustered Neuro-Fuzzy Models , IEEE
Transactions on Magnetics, Vol. 37, No. 5, pp. 3575-3578, September 2001.
Ren Z., Contribution la modlisation des machines lectriques par rsolution simultane
des quations du champ et des quations du circuit d'alimentation , Thse soutenue le
16 dcembre 1985, ENSEEIHT, Toulouse
Roudenko O., Application des algorithmes volutionnaires aux problmes doptimisation
multi-objectif avec contraintes , thse en mathmatiques appliques de lcole
Polytechnique, soutenue le 5 mars 2004.
Sareni B., Krhenbhl L., and Nicolas A., Efficient Genetic Algorithms for Solving Hard
Constrained Optimization Problems , IEEE Transactions on Magnetics, Vol. 36, No. 4,
pp. 1027-1030, July 2000.
Schaffer J. D., Multiple objective optimization with vector evaluated genetic algorithms ,
In J. J. Grefenstette, editor, Proceedings of the 1st International Conference on Genetic
Algorithms, pp. 93-100, Laurence Erlbaum Associates, 1985.
t
e
l
-
0
0
2
6
4
0
4
1
,

v
e
r
s
i
o
n

3

-

2
7

A
p
r

2
0
0
8

136
Shu L.S., Ho S.Y., and Ho S.J., A Novel Orthogonal Simulated Annealing Algorithm for
Optimization of Electromagnetic Problems , IEEE Transactions on Magnetics, Vol. 40,
No. 7, pp. 1791-1795, July 2004.
Spall J.C., Introduction to Stochastic Search and Optimization: Estimation, Simulation, and
Control , ISBN: 978-0-471-33052-3, Wiley-Interscience, John Wiley & Sons Inc.,
New York, April 2003.
Srinvas N., and Deb K., "Multi-objective function optimization using non-dominated sorting
genetic algorithms", Evolutionary Computation, 2(3): 221-248, 1994.
Takahashi N., Ebihara K., Yoshida K., Nakata T., Ohashi K., and Miyata K., Investigation
of simulated annealing method and its application to optimal design of die mold for
orientation of magnetic powder , IEEE Transactions on Magnetics, Vol. 32, No. 3, pp.
1210-1213, 1996, http://www.compumag.co.uk/problems/problem25.pdf
Tarjan R., Depth-first search and linear graph algorithms , SIAM Comput., Vol. 1, No. 2,
June 1972, pp. 146-160.
Tran T.V., Brisset S., Echeverria D., Lahaye D., and Brochet P., Space-mapping techniques
applied to the optimization of a safety isolating transformer , prsent ISEF 2007 (a).
Tran T.V., Brisset S., and Brochet P., A Benchmark for Combinatorial and Multi-level
Optimization of a Safety Isolating Transformer , prsent COMPUMAG 2007 (b).
Tran T.V., Moussouni F., Brisset S., and Brochet P., Combinatorial Optimization of a
Safety Isolating Transformer using Branch-and-Bound method and Genetic Algorithm
, prsent COMPUMAG 2007 (c).
Trichon F., Modlisation du processus de conception des machines lectriques Le systme
expert DAMOCLES , thse de doctorat de lInstitut National Polytechnique de
Grenoble soutenue le 12 mars 1991.
Tsai W.B., and Chang T.Y., Analysis of Flux Leakage in a Brushless Permanent-Magnet
Motor with Embedded Magnets , IEEE Transactions on Magnetics, Vol. 35, No. 1,
January 1999, pp. 543-547.
Vasconcelos J.A., Saldanha R.R., Krhenbhl L., and Nicolas A., Genetic Algorithm
Coupled with a Deterministic Method for Optimization in Electromagnetics , IEEE
Transactions on Magnetics, Vol. 33, No. 2, pp. 1860-1863, March. 1997.
Venkataraman P., Applied Optimization with Matlab Programming , a Wiley- Interscience
publication, John Wiley & Sons, Inc., New York, 2002.
Vieira D.G., Vieira D.A.G., Caminhas, W.M., and Vasconcelos J.A., A Hybrid Approach
Combining Genetic Algorithm and Sensitivity Information Extracted from a Parallel
Layer Percepton , IEEE, Transactions on Magnetics, Vol. 41, No. 5, pp. 1740-1743,
May 2005.
Vivier S., Stratgies doptimisation par la mthode des plans dexpriences. Application aux
dispositifs lectrotechniques modliss par lments finis , thse de doctorat spcialit
gnie lectrique soutenue le 11 juillet 2002 lUniversit des Sciences et Technologies
de Lille.
Vizireanu D., Conception optimale dune gnratrice synchrone flux axial et aimants
permanents pour une olienne de 5 MW en attaque directe , thse de doctorat spcialit
gnie lectrique soutenue le 9 juillet 2007 lEcole Centrale de Lille.
t
e
l
-
0
0
2
6
4
0
4
1
,

v
e
r
s
i
o
n

3

-

2
7

A
p
r

2
0
0
8

137
Wang L., Lowther D.A., Selection of Approximation Models for Electromagnetic Device
Optimization , IEEE Transactions on Magnetics, Vol. 42, No. 4, April 2006, pp. 1227-
1230.
Wurtz F., Statut et nature des processus de conception que nous utilisons en
lectrotechnique et possible rationalisation et automatisation , Electrotechnique du
Futur 2005.
Yang S., Machado J.M., Ni G., Ho S.L., and Zhou P., A Self-Learning Simulated Annealing
Algorithm for Global Optimizations of Electromagnetic Devices , IEEE Transactions
on Magnetics, Vol. 36, No. 4, pp. 100-1008, July 2000.
Yang S., Cardoso J.R., Ho S.L., Ni P.H.., Machado J.M., and Lo E.W.C., An Improved
Tabu-Based Vector Optimal Algorithm for Design Optimizations of Electromagnetic
Devices , IEEE Transactions on Magnetics, Vol. 40, No. 2, pp. 1140-1143, March
2004.
Zadeh L., Optimality and Non-Scalar-Valued Performance Criteria , IEEE Transactions on
Automatic Control, Vol. 8, No. 1, pp. 59-60, January 1963.
Zarko D., Ban D., and Lipo T.A., Analytical Calculation of Magnetic Field Distribution in
the Slotted Air Gap of a Surface Permanent-Magnet Motor Using Complex Relative
Air-Gap Permeance , IEEE Transactions on Magnetics, Vol. 42, No. 7, July 2006, pp.
1828-1837.
Zhao Z.M., Meng S., Chan C.C., and Lo E.W.C., A Novel Induction Machine Design
Suitable for Inverter-Driven Variable Speed Systems , IEEE Transactions on Energy
Conversion, Vol. 15, No. 4, December 2000.
Zhu Z.Q., Howe D., and Chan C.C., Improved Analytical Model for Predicting the
Magnetic Field Distribution in Brushless Permanent-Magnet Machines , IEEE
Transactions on Magnetics, Vol. 38, No. 1, January 2002, pp. 229-238.
Zitzler E., and Thiele L., Tournament selection, niching and the preservation of diversity ,
Technical report 43, Computer Engineering and Networks Laboratory, ETH, Zurich,
Switzerland, 1998.
Zitzler E., Laumanns M., and Thiele L., SPEA2: Improving the Strength Pareto
Evolutionary Algorithm , Technical Report TIK-Report 103, Swiss Federal Institute of
Technology ETH, 2001.

t
e
l
-
0
0
2
6
4
0
4
1
,

v
e
r
s
i
o
n

3

-

2
7

A
p
r

2
0
0
8

Rsum - Dans la concurrence accrue qui caractrise la socit actuelle, la matrise des dlais dtude et de la
qualit passe par une instrumentation de la dmarche de conception. Lacclration du renouvellement des
produits et de la mise en uvre des technologies innovantes, lintroduction de nouvelles contraintes lies au
dveloppement durable et la dfinition des objectifs de conception non plus au niveau des actionneurs mais
davantage au niveau du systme remettent en cause les anciennes stratgies heuristiques de conception. Face la
complexit des nouvelles conceptions, une instrumentation de la dmarche est faite par lemploi des techniques
doptimisation et doutils de modlisation au sein de stratgies rationnelles.
Une conception optimale rsulte ainsi de la bonne adquation entre les modles, les algorithmes
doptimisation, les formulations mathmatiques et les dmarches de conception les mettant en uvre. Ce
mmoire prsente chacun de ces lments et met en exergue leurs interactions. Les formulations sont multiples et
il revient au concepteur de choisir celle qui convient son application. Des transformations permettent de passer
dun formalisme un autre et apportent une plus grande souplesse dans la dmarche de conception. Les modles
les plus utiliss pour la conception des dispositifs lectrotechniques sont classs en trois catgories : les modles
analytiques, les modles lments finis, et les modles semi-numriques. Leurs proprits sont complmentaires
et aucune catgorie ne domine une autre mais chacune ralise un compromis optimal entre la prcision et le
temps de calcul. Enfin, les caractristiques des algorithmes sont souvent complmentaires et lhybridation est
une solution efficace pour rduire le temps doptimisation et augmenter la prcision.
Des optimisations menes avec plusieurs algorithmes et modles confirment les fortes interactions qui
existent entre les choix dun modle, dun algorithme et dune formulation. Au-del des caractristiques
intrinsques des algorithmes, leur mise en uvre pour loptimisation des dispositifs lectrotechniques reste
lpreuve de vrit et apporte quelques surprises. La matrise dune diversit de modles, dalgorithmes et de
formulations garantit au concepteur darriver de faon rationnelle un dispositif optimal.
Les perspectives de recherche moyen terme concernent les algorithmes doptimisation dterministes
globaux variables mixtes et les modles et algorithmes capables de faire des choix structurels et de matriaux.
Les perspectives long terme portent sur loptimisation systmique multi-niveau et multi-chelle.

Mots cls : optimisation, conception, machines lectriques, multi-physique, multi-objectif, variables mixtes

Abstract - In the increased competition that characterizes today's society, the mastery of time of study and
quality is going through a process of instrumentation of the design process. The acceleration of product renewal
and implementation of innovative technology, the introduction of new constraints related to sustainable
development and definition of design objectives at the system level challenge old strategies for design process.
Faced with the complexity of new concepts, instrumentation of the design process is done through the use of
optimization techniques and modeling tools within rational strategies.
An optimal design is a result of a good fit between the models, optimization algorithms, the mathematical
formulations and the design approaches. This dissertation presents each of these elements and highlights their
interactions. The formulations are many and the designer has to choose the one that suits its application. The
transformations can switch from one to another and provide greater flexibility in the design process. The models
most commonly used for the design of electrical devices are classified into three categories: analytical models,
finite element models, and the semi-numerical models. Their properties are complementary and no class
dominates another, but each is an optimal compromise between accuracy and calculation time. Finally, the
characteristics of the algorithms are often complementary and hybridization is an effective solution to reduce the
time and increase the accuracy.
Optimization runs with several algorithms and models confirm the strong interactions between the choice
of a model, an algorithm and a formulation. Beyond the intrinsic characteristics of algorithms, implementation
for the optimization of electrical devices remains a litmus test and brings a few surprises. Proficiency in a variety
of models, algorithms and formulas guarantee the designer in order to arrive at an optimal device.
The outlook for medium-term research is related to deterministic global optimization algorithms with
mixed variable such as models and algorithms able of making choices in structural and materials. Long-term
prospects focused on systemic multi-level and multi-scale optimization.

Keywords - optimization, design, electrical machine, multi-physics, multi-objective, mixed variables
t
e
l
-
0
0
2
6
4
0
4
1
,

v
e
r
s
i
o
n

3

-

2
7

A
p
r

2
0
0
8

Opti

Загружено:

Сведения о документе

Авторское право

Доступные форматы

Поделиться этим документом

Поделиться или встроить документ

Параметры публикации

Этот документ был вам полезен?

Это неприемлемый материал?

Авторское право:

Доступные форматы

Opti

Загружено:

Авторское право:

Доступные форматы

N dordre : H599 ED 72 SPI

et il nest pas possible de calculer les

. Lhypothse faite est que les

. Il est alors possible de calculer les

min arg (V.6)

Вам также может понравиться