Choose an application

• Reference Manager
• EndNote
• RefWorks (Direct export to RefWorks)

Nowadays, increasingly concerning environmental problems, energy economy
and raw resource scarcity urge automotive manufacturers to rethink the design
of chassis and body components in such a way that the material is used to its
full potential.
With this mindset, Topology Optimization proved its usefulness as an efficient
design tool for sustainable and lightweight designs of chassis components,
achieving better fuel economy through mass reduction. However, the initial
design provided by the topology optimization algorithm is most frequently relatively
complex, requiring additional manual post-processing by manufacturing
experts. In the pursuit of ready-to-manufacture, lightweight parts for mass
production, this study focuses on the development of a flexible and large-scale
Python code for topology optimization with integrated casting constraints.
The proposed method uses the open-source FEniCS Project as finite element
software, allowing the usage of PETSc as linear algebra back-end for better
efficiency.
The introduction of casting constraints such as directional molding, splitdrawing,
minimum hole and pocket size, minimum member size and draft
angle were considered, allowing the generation of ready-to-cast optimized parts.
The benefit of such as algorithm is the significant reduction of time spent
in post-processing, leading to faster development times of lightweight and
innovative designs. De nos jours, les problèmes environnementaux de plus en plus préoccupants,
l’économie d’énergie et la rareté des matières premières poussent les constructeurs
automobiles à repenser la conception des composants de châssis et de
carrosserie de manière à utiliser le matériau à son plein potentiel.
Dans cet état d’esprit, l’optimisation topologique a prouvé son utilité en tant
qu’outil de conception efficace pour la conception de composants de châssis
durables et légèrs, permettant une meilleure économie de carburant grâce à
la réduction de la masse. Cependant, la conception initiale fournie par l’algorithme
d’optimisation topologique est le plus souvent relativement complexe,
ce qui nécessite un post-traitement manuel supplémentaire par les experts en
fabrication. Dans la recherche de pièces légères prêtes à être fabriquées pour
la production de masse, cette étude se concentre sur le développement d’un
code Python flexible pour l’optimisation topologique de grande échelle avec
des contraintes de moulage intégrées. La méthode proposée utilise le projet
open-source FEniCS comme logiciel d’éléments finis, permettant l’utilisation
de PETSc comme back-end d’algèbre linéaire pour une meilleure efficacité.
L’introduction de contraintes de coulée telles que le moulage directionnel,
l’emboutissage fractionné, la taille minimale des trous et des poches, la taille
minimale des éléments et l’angle de dépouille a été prise en compte, permettant
la génération de pièces optimisées prêtes à couler. L’avantage d’un tel algorithme
est la réduction significative du temps passé en post-traitement, ce qui
permet d’accélérer le développement de conceptions légères et innovantes.

topology optimization --- manufacturing --- casting --- molding --- automotive --- lightweight --- mass reduction --- sustainability --- chassis components --- optimisation topologique --- fabrication --- coulée --- moulage --- automobile --- légèreté --- réduction de la masse --- durabilité --- composants de châssis --- Ingénierie, informatique & technologie > Ingénierie civile

Choose an application

• Reference Manager
• EndNote
• RefWorks (Direct export to RefWorks)

Le mémoire porte sur l'amélioration d'un solveur d'optimisation topologique en mettant en place des stratégies visant à garantir la connectivité du résultat. Cette mission revêt d'une grande importance, car elle permettra d'optimiser les conceptions tout en assurant leur faisabilité pratique.

Le solveur d'optimisation topologique permet aux concepteurs de générer des concepts à partir de spécifications structurales de base. Cependant, dans des cas extrêmes, les résultats obtenus peuvent manquer de connectivité, ce qui nécessite le développement de stratégies spécifiques pour résoudre ce problème. Ce travail consiste donc à concevoir et évaluer des approches destinées à garantir la connectivité des conceptions optimisées. Il a été effectué, en collaboration étroite avec l'équipe d'ingénieurs expérimentés de chez Siemens, qui ont apporté conseils et soutien tout au long du stage.

Pour chacune des stratégies envisagée, seront développés des algorithmes, en MATLAB, visant à garantir que les conceptions optimisées restent connectées et peuvent être fabriquées sans difficulté. De plus, seront conduites des simulations pour valider l'efficacité des stratégies de connectivité mises en place.

Les deux stratégies principales qui ont été exploré, classées par ordre de complexité, sont :

1. Ajout d'un problème statique thermique auxiliaire : Cette approche consiste à imposer une contrainte de température qui assure la propagation adéquate de la chaleur depuis les points d'application de forces vers les zones avec des conditions aux limites mécaniques (ou vice versa). Cette méthode s'inspire de la contrainte évitant les cavités fermées, telle que décrite par Li en 2016.

2. Formulation d'une contrainte alternative basée sur les valeurs propres de la matrice de conductivité thermique : Cette stratégie vise à éliminer le choix arbitraire de la température limite en utilisant les valeurs propres de la matrice de conductivité thermique, qui est significativement plus petite que la matrice de raideur structurelle. Comme décrit par Donoso en 2023.

Optimisation Topologique --- Contraintes de connectivités --- Connectivité structurale --- Ingénierie, informatique & technologie > Ingénierie civile