PEPITO - Plan d’Expériences Pour l’Industrie du Transport et l’Optimisation

Most recent articles

• Creation of a source code repository dedicated to kriging/cokriging-based optimization

  31 janvier 2019, par Ecole Centrale de Lyon

  A source code repository dedicated to kriging or co-kriging optimization has been created on SourceSup.
  It brings together all the codes developed by the ICJ, IMT, LTDS and LMFA during the ANR PEPITO program.
  The purpose of this deposit is :
  * make reliable, improve and make the available codes as generic as possible,
  * facilitate the use of the available codes,
  * facilitate the coupling with any sample evaluation tool (aero 1D, CFD, structural calculations, etc ...)
  The different (...)

• Création d’un dépôt de codes sources dédié à l’optimisation basée sur du krigeage ou du co-krigeage

  31 janvier 2019, par Ecole Centrale de Lyon

  Un dépôt de codes sources dédié à l’optimisation basée sur du krigeage ou du co-krigeage a été créé sur SourceSup.
  Il regroupe l’ensemble des codes développés par l’ICJ, l’IMT, le LTDS et le LMFA au cours du programme ANR PEPITO.
  Le but de ce dépôt est de : fiabiliser, améliorer et rendre le plus générique possible les différents codes, faciliter l’utilisation des différents codes, faciliter le couplage avec tout outil d’évaluation des échantillons (aéro 1D, CFD, calculs structures, etc...)
  Les différentes (...)

• Reference Pareto sets with TurboConcept V0.4

  15 janvier 2019, par Ecole Centrale de Lyon

  TurboConcept V0.4 has been integrated into direct optimization processes without using a metamodel. The calculation time of such a process remains acceptable (of the order of a few hours on a conventional workstation) since the TurboConcept evaluations are very fast (of the order of the second if only criteria are requested or of the minute if the criteria derivatives are also requested).
  The Pareto fronts from these processes (made of the best optimal solutions achievable with the (...)

• Obtention de fronts de Pareto de référence avec TurboConcept V0.4

  15 janvier 2019, par Ecole Centrale de Lyon

  TurboConcept V0.4 a été intégré dans des processus d’optimisation directe sans recours à un métamodèle. Le temps de calcul d’un tel processus reste acceptable (de l’ordre de quelques heures sur une station de travail classique) puisque les évaluations TurboConcept sont très rapides (de l’ordre de la seconde si les critères sont uniquement calculés ou de la minute si les dérivées des critères sont aussi demandées).
  Les fronts de Pareto issus de ces processus (constituées des meilleures solutions optimales (...)

• Coupling NSGA2-NSGA3 to the COCO toolbox

  9 mars 2018, par Ecole Centrale de Lyon

  In PEPITO, the objective space dimension of the optimization problems to be solved can be much greater than 3 or 4, especially when robustness criteria are taken into account.
  In order to prove the superiority of NSGA3 over NSGA2 for this type of problem, these two genetic algorithms were coupled to the toolbox COCO developed by the team RandOpt of INRIA in order to compare their performances on a set of optimization test problems.
  For the time being, these results are only available in (...)

• Couplage NSGA2-NSGA3 avec la toolbox COCO

  9 mars 2018, par Ecole Centrale de Lyon

  Dans PEPITO, la dimension de l’espace des objectifs des problèmes d’optimisation à résoudre peut être largement supérieure à 3 ou 4 notamment lorsque des critères de robustesse sont pris en compte.
  Afin de prouver la supériorité de NSGA3 par rapport à NSGA2 pour ce type de problèmes, ces deux algorithmes génétiques ont été couplés à la toolbox COCO développée par l’équipe RandOptde l’INRIA afin de comparer leurs performances sur un ensemble de problèmes d’optimisation tests.
  A l’heure actuelle, ces résultats (...)

• TurboConcept V0.4 delivered to ICJ !!!

  16 October 2017, by Ecole Centrale de Lyon

  LMFA has delivered TurboConcept V0.4 today to ICJ.
  This version features a new computation mode “Analyse + derivatives” which enables to get not only the fan performance criteria (delta of static pressure, torque, static efficiency) but also their derivatives (1st and 2nd order mono-parametric derivatives and 2nd order bi-parametric derivatives) with respect to geometric parameters such as chord, stagger, and maximum camber.
  ICJ can now use a low-fidelity turbomachinery analysing tool to (...)

• TurboConcept V0.4 livré à l’ICJ !!!

  16 octobre 2017, par Ecole Centrale de Lyon

  Le LMFA livre aujourd’hui à l’ICJ TurboConcept V0.4, version caractérisée par un mode “Analyse + derivatives” permettant l’obtention non seulement des critères de performances (delta de pression statique, couple résistif, et rendement statique) à partir de caractéristiques géométriques d’une configuration de ventilateur mais aussi des dérivées des critères de performance (mono-paramétriques d’ordre 1 et 2 et bi-paramétriques d’ordre 2) par rapport à des paramètres géométriques de corde, de calage et de (...)

• Programme de la réunion d’avancement PEPITO du 22/05/2017 à Ecully, site ECL

  18 May 2017, by Ecole Centrale de Lyon

  09h00 - 09h30: Acceuil 09h30 - 10h00: Presentation (InMedelia) 10h00 - 10h30: Presentation (INTES) 10h30 - 10h45: Pause 10h45 - 11h45: Robustness criterion for the optimization scheme based on derivative kriging metamodel (ICJ / LTDS) 12h00 - 13h30: Déjeuner 13h30 - 14h30: Optimisation sur le code 1D TurboConcept (IMT / ICJ / LTDS) 14h30 - 15h00: TurboConcept V0.3 (LMFA) 15h00 - 15h30: Presentation (VALEO) 15h30 - 15h45: Pause 15h45 - 16h15: Point avancement / Futures actions à mener 16h15 - (...)

• ICJ / IMT collaboration: 3 different Kriging-based optimization strategies using low-fidelity responses from TurboConcept

  26 March 2017, by Ecole Centrale de Lyon

  ICJ and IMT are currently comparing results from 3 different Kriging-based optimization strategies: a traditional method: build a Kriging metamodel exploit the latter metamodel through an Evolutionary Algorithm (EA) a "stepwise" method based on Kriging metamodel and on Expected Improvement (EI) criteria a "stepwise" method based on a Kriging metamodel and on Upper Confidence Bound (UCB) (Kriging prediction quantile)
  For these 3 optimization strategies, responses (delta of static (...)

previous page | next page