Multi-scale optimisation of thin-walled composite structures integrating a global-local modelling strategy - Archive ouverte HAL Access content directly
Theses Year : 2021

Multi-scale optimisation of thin-walled composite structures integrating a global-local modelling strategy

Optimisation multi-échelle de structures composites à parois minces intégrant une stratégie de modélisation global-local

(1)
1

Abstract

This thesis deals with the problem of the optimal design of lightweight thin-walled composite structures through the development of multi-scale procedures and numerical tools for their effective and efficient design. Two types of structures are considered: large-scale constant-stiffness composite structures, typical of the aeronautical field, and variable-stiffness composite structural components, characterised by a point wise variation of the macroscopic mechanical properties over the laminate surface. Concerning the formers, their preliminary design involves requirements related to responses at different scales of the structure and a huge number of design variables. To perform this operation the Global-Local Multi-Scale Two-Level Optimisation Strategy (GL-MS2LOS) has been developed, which combines the accuracy in responses evaluation and the proper handling of the scale transition of Global-Local approaches, with the efficient definition of the design variables of the MS2LOS. Regarding variable-stiffness composites, to foster their optimal design, on the one hand, the MS2LOS has been enhanced by the formulation of requirements on mass, strength, buckling and manufacturability, and, on the other hand, dedicated numerical tools have been developed. The application of the developed procedures to the structural design of the PrandtlPlane aircraft, presented in the H2020 project PARSIFAL, and experimental activities on optimised structural components complete the thesis work.
Cette thèse porte sur le développement de procédures d’optimisation multi-échelle pour la conception de structures composites à parois minces. Deux types de structures composites sont analysées : les structures composites de grande taille à rigidité constante, typiques du domaine aéronautique, et les composants structuraux composites à rigidité variable, caractérisés par une variation ponctuelle des propriétés mécaniques macroscopiques du stratifié. Concernant les premières, leur conception préliminaire implique des phénomènes intervenants à différentes échelles de la structure et un grand nombre de variables de conception. Pour concevoir ce type de structures, la procédure d’optimisation GL-MS2LOS (de l’anglais global-local multi-scale two-level optimisation strategy) a été développée : cette procédure combine la précision dans l’évaluation des réponses physiques et la gestion de bonne qualité de la transition d’échelle d’une approche Global-Local, à la définition efficace des variables de conception de la stratégie MS2LOS. Concernant les composites à rigidité variable, pour favoriser leur conception optimale, d'une part, la stratégie MS2LOS a été enrichie par la formulation de critères de conception liés à la masse, à la résistance, au flambage et à la fabricabilité de la structure, et, d’autre part, des outils numériques spécifiques ont été développés. Le travail de thèse est complété par l’application de la procédure GL-MS2LOS à la conception structurelle de l’aéronef PrandtlPlane présenté dans le projet H2020 PARSIFAL, et également par des activités de validation expérimentale sur des composants structuraux optimisés.
Fichier principal
Vignette du fichier
izzi.pdf (27.48 Mo) Télécharger le fichier
Origin : Version validated by the jury (STAR)

Dates and versions

tel-03675259 , version 1 (23-05-2022)

Identifiers

  • HAL Id : tel-03675259 , version 1

Cite

Michele Iacopo Izzi. Optimisation multi-échelle de structures composites à parois minces intégrant une stratégie de modélisation global-local. Matériaux composites et construction. HESAM Université, 2021. Français. ⟨NNT : 2021HESAE017⟩. ⟨tel-03675259⟩
66 View
25 Download

Share

Gmail Facebook Twitter LinkedIn More