Cette thèse porte sur le développement d’une démarche d’optimisation multiobjectif, économe en nombre de simulations, pour la conception électromagnétique d’un moteur synchrone à aimants permanents (MSAP) destiné à une transmission mid-drive de vélo à assistance électrique (VAE). Dans ce contexte, le groupe motopropulseur doit concilier compacité, rendement élevé et qualité du couple, puisque l’ondulation de couple influence directement le confort de pédalage, le bruit/vibration et la contrôlabilité. L’évaluation précise de ces compromis repose généralement sur la méthode des éléments finis (MEF), mais l’optimisation (MEF dans la boucle) demeure coûteuse en temps de calcul et limite l’exploration du domaine de conception.
Pour répondre à cette contrainte, un environnement modulaire d’évaluation automatique est mis en place en couplant MATLAB et ANSYS Maxwell afin d’exécuter des campagnes de simulation reproductibles. Le moteur étudié est un MSAP intérieur 48 V, de configuration 48 encoches / 8 pôles, avec une topologie d’aimants enterrés en forme de Δ. La géométrie est paramétrée par des variables géométriques clés des encoches statoriques et par des variables décrivant les dimension des aimants. Le problème est formulé en trois objectifs : maximiser le couple moyen, maximiser le rendement et minimiser l’ondulation de couple.
L’approche proposée combine une optimisation bayésienne (OB) basée sur un processus gaussien et l’enrichit par un grand modèle de langage (GML) ancré par récupération, utilisé comme agent doté de mémoire. En s’appuyant sur une base interne de résultats MEF et des résumés de tendances, le GML propose des candidats et intègre des règles qualitatives en langage naturel pour orienter l’exploration sans réglages manuels répétés des pondérations. Des comparaisons avec une métaheuristique multiobjectif de référence montrent que l’OB guidée par GML atteint une région de Pareto comparable tout en diminuant le nombre d’évaluations MEF coûteuses. Les résultats confirment l’intérêt d’un guidage GML ancré par données pour améliorer l’efficacité et l’interprétabilité de l’optimisation MEF des MSAP dédiés à la mobilité légère.
| Date | 2 avr. 2026 |
|---|
| langue originale | Anglais américain |
|---|
| Établissement diplômant | - École de technologie supérieure
|
|---|
| Superviseur | Qingsong Wang (Directeur(-trice)) |
|---|
- moteur synchrone à aimants permanents
- méthode des éléments finis
- optimisation multiobjectif
- optimisation bayésienne
- grand modèle de langage
- génération augmentée par récupération
- vélo à assistance électrique
Guesmia, M. A. (Auteur(e)),
Wang (Directeur(-trice)),
2 avr. 2026Thèses et mémoires: Mémoire de maîtrise › Maîtrise en ingénierie: Génie électrique