Méthode de conception d'optimisation efficace utilisant le modèle de Kriging

L'algorithme génétique basé sur le Kriging est appliqué aux problèmes de conception aérodynamique. Le modèle de Kriging, l'un des modèles de surface de réponse, représente une relation entre la fonction objective (sortie) et les variables de conception (entrée) en utilisant un processus stochastique. Le modèle de Kriging réduit considérablement le temps de calcul requis pour l'évaluation de la fonction objective dans le processus d'optimisation (recherche d'optimum). 'L'amélioration attendue (EI)' est utilisée comme critère pour sélectionner des points d'échantillonnage supplémentaires. Cela permet non seulement d'améliorer la précision de la surface de réponse mais aussi d'explorer efficacement l'optimum global. L'analyse fonctionnelle de la variance (ANOVA) est réalisée pour évaluer l'influence de chaque variable de conception et leurs interactions sur la fonction objective. Sur la base du résultat de l'ANOVA fonctionnelle, les concepteurs peuvent réduire le nombre de variables de conception en éliminant celles qui ont un faible effet sur la fonction objective. Dans cet article, la méthode présentée est appliquée à un design d'aile bidimensionnelle et à la prédiction de la position du volet dans une aile à plusieurs éléments, où le rapport portance/traînée (L/D) est maximisé.