Car body design in crash: a new optimization challenge Marc

Abstract ESI Global Forum 2014
Car body design in crash: a new optimization challenge
Marc Pariente, Thuy Vuong, Yves TOURBIER
RENAULT SAS; IRT SYSTEM X
The conference will focus on the results of a PRACE HPC project initiated in 2013 and completed
in March 2014. The purpose of the project is the optimal design of a vehicle body to reach the
safety objective, with representative means and targets that the automakers will use in the next
3-5 years. The project consists of two complementary phases:
-
-
The development of a crash numerical model integrating a more precise
representation of the physics than the current models (about 20 MFE, calculated with
1024 cores within 24hrs );
The use of this model in a design study by optimization techniques in large dimension
(about 100 parameters) , and representative of the combinatorial aspects of the
industrial issues, such as the reuse of existing parts up to design a new vehicle.
An application of the model reduction techniques in crash will help to conclude on the prospects
for large-scale optimization problems with heavy numerical simulations.
La conférence portera sur les résultats d’un projet HPC PRACE initié en 2013 et terminé en mars 2014.
L’objet du projet est la conception optimale d’une caisse de véhicule pour la prestation crash frontal, avec
des moyens et des objectifs représentatifs de ce que les constructeurs automobiles utiliseront dans 3 à 5
ans. Le projet comprend deux phases complémentaires :
-
-
La mise au point d’un modèle de crash de intégrant une représentation de la physique
plus fine que les modèles actuels (environ 20 MEF, calculé avec plus de 1024 cœurs en
24h) ;
L’utilisation de ce modèle dans une étude de conception par optimisation en grande
dimension (environ 100 paramètres), et avec des aspects combinatoires représentatifs
de questions industrielles, comme la réutilisation d’un maximum de pièces existantes
pour concevoir un nouveau véhicule.
Une application des techniques de réduction de modèle en crash permettra de conclure sur les
perspectives de l’optimisation en grande dimension.