• Langue : Français
• Discipline : Génie électrique
• Identifiant : Inconnu
• Type de thèse : Doctorat
• Date de soutenance : 01/01/2003

Résumé en langue originale

Les travaux présentés dans ce mémoire sont une contribution au développement de méthodes d'optimisation stochastiques et à leur application à la conception des dispositifs électrotechniques. Les problèmes d'optimisation en électrotechnique présentent plusieurs difficultés liées aux besoins de l'utilisateur (recherche d'une solution globale, fiabilité et précision de la solution, diversité des problèmes traités, temps de calculs raisonnable, ...), aux caractéristiques du problème d'optimisation (non linéarité, dérivées difficilement accessibles, ...) et aux temps de calculs importants. La résolution de telles difficultés a fait l'objet de nombreux travaux en utilisant diverses méthodes d'optimisation. Les méthodes déterministes s'appuient sur le calcul d'une direction de recherche généralement liée à la dérivée des résultats par rapport aux paramètres de conception du dispositif. Elles ne sont réellement utilisables que dans le cas restreint où la solution cherchée est réputée proche d'une solution connue, point de départ de cette recherche. C'est pour lever cette difficulté que nous avons choisi de nous intéresser au développement des méthodes stochastiques et d'étudier leur application aux problèmes de conception rencontrés en électrotechnique. Les méthodes d'optimisation stochastiques s'appuient sur des mécanismes de transition probabilistes et aléatoires. Cette caractéristique indique que plusieurs exécutions successives de ces méthodes peuvent conduire à des résultats différents pour une même configuration initiale d'un problème d'optimisation. Les trois méthodes stochastiques les plus prometteuses : algorithmes génétiques, recuit simulé et recherche taboue ont été implantées et testées. Ces méthodes ont une grande capacité à trouver l'optimum global du problème. Contrairement à la plupart des méthodes déterministes, elles ne nécessitent ni point de départ, ni à la connaissance du gradient de la fonction objectif pour atteindre la solution optimale. Cependant, elles demandent un nombre important d'évaluations de la fonction objectif. Pour résoudre ce problème, quelques contributions originales ont été apportées. Un nouveau critère d'arrêt pour les algorithmes génétiques, basé sur la méthodologie des surfaces de réponse, deux améliorations au niveau de prédétermination de vecteur pas et une nouvelle méthode de recherche taboue avec un mécanisme d'exploration radicalement différent ont été proposés. Plusieurs applications en électrotechnique sont proposées afin de servir de cas test. Deux problèmes modélisés analytiquement, tels que la maximisation du rendement d'un moteur à courant continu sans balai et la minimisation du coût d'un transformateur triphasé à colonnes et deux problèmes utilisant la méthode des éléments finis. Il s'agit d'une bobine supraconductrice pour le stockage d'énergie et d'une presse à aimants.