Le projet s'inscrit dans l'allègement et l'optimisation des flèches télescopiques d'engins de manutention, des structures complexes soumises à de fortes contraintes mécaniques, géométriques et industrielles. L'optimisation topologique (TO) classique est coûteuse et peu adaptée aux itérations rapides requises en phase amont de conception, particulièrement pour les structures minces assemblées (coques/tôles).
Pour lever ces verrous, cette thèse CIFRE propose de développer un cadre numérique avancé couplant l'optimisation topologique et l'intelligence artificielle (IA). L'objectif est de générer rapidement des topologies optimales, admissibles mécaniquement et fabricables, tout en offrant une diversité de solutions pour faciliter l'exploration du "design space".
La méthodologie reposera sur :
- La constitution d'une base de données d'apprentissage via des plans d'expériences (DOE) résolus par éléments finis et TO de référence.
- Le développement de modèles génératifs conditionnels (ex: VAE, modèles de diffusion) pour apprendre une représentation continue des topologies optimales.
- L'intégration de filtres d'admissibilité (connectivité, épaisseur, géométrie) et de courtes projections physiques pour garantir la viabilité mécanique sans recourir systématiquement à des calculs lourds.
In fine, ce projet fournira une chaîne numérique complète et transférable pour la conception industrielle, assurant un gain de temps majeur et une innovation accrue.
En cours
DIPPE - Durabilité, Ingénierie des Procédés et Physique des Ecoulements
