Year: 2025
Type: dissertation
Abstract: La complexité croissante des produits dans l'industrie augmente le besoin de comprendre et de prédire le comportement des systèmes en tenant compte de la complexité interne. Un problème complexe à grande échelle peut être étudié en combinant les connaissances approfondies de divers experts par le biais d'une collaboration interdisciplinaire. Nous présentons un outil d'étude des systèmes complexes qui utilise la collaboration interdisciplinaire pour capturer les mécanismes essentiels du système et simuler un comportement similaire, appelé co-simulation. Le résultat du processus de co-simulation est un modèle complexe qui peut être combiné à l'optimisation pour offrir une vue d'ensemble du système. Grâce aux concepts de co-simulation et d'optimisation, nous pouvons améliorer les performances du système avant qu'il ne soit déployé en conditions réelles. Cette combinaison de méthodologies est connue sous le nom d'optimisation basée sur la co-simulation et est déjà présente dans la littérature, comme le montrent les 96 articles trouvés dans la revue de la littérature effectuée. L'analyse de la littérature a produit des résultats tels qu'une nouvelle classification de l'application de la co-simulation, où nous avons identifié que la façon dont une co-simulation est développée peut suivre un processus de modélisation par raisonnement inductif (approche ascendante), en partant de petits modèles pour construire un modèle complexe, ou un processus de modélisation par raisonnement déductif (approche descendante), qui part d'un système complexe et construit les composants comme des modèles plus petits connectés. Un autre résultat de la révision est un paysage large et hétérogène de méthodes d'optimisation et de domaines inclus dans la co-simulation, nous avons trouvé plus de 25 algorithmes et 14 disciplines combinées de différentes manières au sein des co-simulations. Nous nous appuyons sur les résultats de la revue pour proposer un nouveau cadre général qui puisse être réutilisé pour une mise en œuvre plus rapide et simple de l'optimisation basée sur la co-simulation pour l'étude et l'amélioration des systèmes complexes. Nous utilisons les modèles architecturaux trouvés dans la littérature pour proposer un cadre général d'optimisation par co-simulation visant à fournir une structure flexible en termes d'algorithmes d'optimisation et de domaines de simulation. Cela a conduit à la principale contribution de cette thèse, un cadre modulaire, flexible et extensible pour l'optimisation basée sur la co-simulation. Nous réalisons une mise en œuvre sous la forme d'un cadre logiciel déployé dans un environnement Java en suivant les directives du cadre conceptuel et, enfin, nous étudions trois systèmes complexes hétérogènes (études de cas) qui mettent en évidence la fonctionnalité du cadre. Nous analysons les résultats de l'optimisation des études de cas pour montrer les améliorations obtenues sur les systèmes complexes étudiés. Pour l'étude de cas 1, nous avons optimisé la climatisation afin d'améliorer le confort des occupants d'une maison. Dans l'étude de cas 2, nous avons trouvé la capacité optimale du système du stockage d'un réseau de 4 maisons autonomes pour assurer une perte d'énergie minimale. Dans l'étude de cas 3, nous avons développé l'optimisation basée sur la co-simulation pour la conception d'un véhicule hybride à hydrogène (projet Hy2Car). Le résultat est la co-simulation du véhicule et les idées d'optimisation qui ont contribué à la proposition optimale de la configuration du véhicule. Nous évaluons la contribution globale de la thèse, qui est la pertinence de l'architecture proposée pour travailler avec différents systèmes complexes étudiés dans le même environnement. L'architecture proposée a permis d'optimiser trois algorithmes différents pour les trois études de cas avec la configuration de moins de 10 lignes de code pour lancer chaque test, simplifiant ainsi l'étude et l'amélioration des systèmes complexes ciblés.
Source: theses.fr (ABES)
Author: Vega, Diego Alejandro
Language: English
Subfield: Computational Theory and Mathematics
Field: Computer Science
Domain: Physical Sciences
Open Access status: green
OpenAlex ID: W7142579913
Cites:
Cited by:
Related to: