Dialogue essais-simulation et identification de lois de comportement ...

Partie B – Chapitre 8 : Identification sur des essais complexes - comparaison et discussion
(logiciel Vic-2D). Les déplacements imposés sont les moyennes des valeurs mesurées, ils sont
considérés constants sur chaque frontière (Meraghni et al. 2011).
Set d’éléments
pastel-00910076, version 1 - 27 Nov 2013
a) b)
Figure ‎8-1 : Eprouvette Meuwissen, a) géométrie choisie pour l’identification des
paramètres, b) zone d’intérêt choisie (set élément).
Algorithme utilisé
La procédure d’identification utilise un algorithme original d’optimisation hybride génétique
– gradient. Chaque jeu de paramètres est considéré comme un « individu », qui pourra servir
de point de départ pour un algorithme de gradient ou servir de « parent » pour la partie
génétique de l’algorithme. Afin d’optimiser le temps d’identification, la solution logicielle
d’identification est parallélisée, permettant de déterminer la réponse correspondant à plusieurs
individus en parallèle. L’algorithme hybride se décompose en plusieurs séquences :
1. Génération initiale composée de individus aux paramètres déterminés de façon
aléatoire dans un intervalle prédéfini, intégrant des contraintes inter-paramètres (par
exemple ). Simulation numérique pour chaque jeu de paramètres,
détermination d’une fonction coût en fonction de chaque jeu de paramètres (individu).
2. Sélection des meilleurs individus ( ) en terme de valeur de la fonction coût.
Ces individus constituent la génération ( ). Ils serviront à déterminer la génération
suivante par brassage génétique.
3. Sélection d’une classe exceptionnelle d’individus ( ) qui seront « dopés »
(voir point 5 ci-dessous) en utilisant un algorithme de gradient (Levenberg-
Marquardt).
206