Conception structurelleProduction et robotique

Optimisation topologique

Ne concevez pas la pièce — laissez l’optimiseur la découvrir. À partir d’une charge, d’appuis et d’un budget matière, l’optimisation topologique décide où placer la matière pour rendre une structure aussi rigide que possible, faisant croître les formes organiques en treillis propres à la conception générative. FEM dans la boucle avec sensibilités adjointes.

DjiniousLabModélisation et simulation

Une console optimisée topologiquement — un treillis noir de matière sur un vide blanc, encastrée à gauche et contreventée jusqu’à une charge en bout

plus rigide pour la même quantité de matière: 7×plus rigide pour la même quantité de matière
structure, pas conçue: découvertestructure, pas conçue
erreur de budget volumique: 6e-6erreur de budget volumique
damier supprimé par le filtre: 0 → netdamier supprimé par le filtre
notebooks de conception: 10notebooks de conception
exigences RÉUSSIES: 5 / 5exigences RÉUSSIES

Spécifiez les charges. Laissez l’optimiseur faire croître la pièce.

La plupart des conceptions partent d’une forme et vérifient si elle est assez résistante. L’optimisation topologique inverse cette logique : vous lui donnez les charges, les appuis et un budget matière, et elle décide où chaque gramme de matière doit aller pour rendre la structure aussi rigide que possible. La réponse, ce sont ces formes organiques, en treillis, d’allure osseuse, qui sont la signature de la conception générative — et elles ne sont pas dessinées, elles sont découvertes, par analyse par éléments finis dans une boucle d’optimisation. C’est l’idée la plus en vogue de la CAO moderne, construite ici depuis zéro.

Faire choisir chaque élément : matière, ou vide.

L’optimiseur travaille sur une grille où chaque élément a une densité comprise entre 0 (vide) et 1 (plein). Le hic, c’est qu’un élément à moitié dense est inutilement faible pour la matière qu’il consomme — le schéma SIMP pénalise donc les densités intermédiaires, en faisant croître la rigidité comme le cube de la densité. Cette pénalité force la conception à trancher : chaque élément devient noir ou blanc, plein ou vide, et ce qui reste est une structure réelle, fabricable, plutôt qu’un flou gris.

Deux champs de densité — une tache grise sans pénalisation et une structure nette en noir et blanc avec SIMP — Le modèle de matériau SIMP : sans pénalisation, l’optimiseur laisse une tache grise inutile (à gauche) ; pénaliser les densités intermédiaires force chaque élément à trancher entre plein et vide (à droite), transformant l’optimisation en une structure réelle. L’astuce qui permet à l’optimisation topologique de produire des pièces fabricables.

Un treillis en console optimisé topologiquement — matière contreventée depuis un mur d’encastrement gauche jusqu’à la charge en bout — La vedette : une console encastrée à gauche avec une charge à l’extrémité droite, optimisée pour un budget matière de 40 %. À partir d’un bloc gris uniforme, l’optimiseur fait croître un treillis contreventé — 7 fois plus rigide que la même matière répartie uniformément. Personne n’a dessiné cette forme ; ce sont les charges qui l’ont fait.

Reproduire le résultat que tout le monde dans le domaine connaît.

La poutre MBB — une travée simplement appuyée sous une charge centrale — est le benchmark canonique de l’optimisation topologique, présent dans tous les manuels et toutes les suites de tests des solveurs. L’optimiseur retrouve sa forme emblématique arquée et en treillis, validant l’ensemble du pipeline par rapport au résultat sur lequel le domaine s’accorde. Réussir ce benchmark, et le reste des structures du programme peut être considéré comme fiable.

La poutre MBB optimisée — la topologie en treillis arqué des manuels — Le benchmark de la poutre MBB : la poutre simplement appuyée des manuels sous charge centrale, dont la topologie optimale figure dans tous les cours de CAO. Le solveur retrouve le treillis arqué canonique — la validation qui ancre toutes les autres structures du programme.

Deux corrections qui séparent un jouet d’un outil.

Un optimiseur naïf produit un damier de cellules pleines et vides en alternance — un artefact numérique rigide sur le papier mais impossible à construire. Un filtre de sensibilité, qui floute la conception sur un petit rayon, le supprime et rend le résultat indépendant du maillage (raffinez la grille, obtenez la même structure, pas un motif plus fin). C’est le détail peu glorieux qui transforme la méthode d’une curiosité en quelque chose qu’un ingénieur peut réellement utiliser.

Deux conceptions — un artefact en damier sans filtrage et une structure nette avec filtrage — Pourquoi le filtrage compte : sans lui, l’optimiseur exploite un artefact en damier (à gauche) qui est numériquement rigide mais infabricable ; un filtre de sensibilité produit une structure nette, indépendante du maillage (à droite). Le détail qui fait de l’optimisation topologique un outil utilisable, pas seulement une démonstration.

Changez le problème, obtenez une structure différente.

L’optimisation topologique n’est pas une bibliothèque de formes — elle répond à ce que vous lui demandez. Changez les appuis et la charge d’une console à une travée à extrémités articulées avec une charge au-dessus, et au lieu d’une console, l’optimiseur fait croître un arc avec un tirant, un pont. Changez le budget matière et la topologie se réorganise ; donnez-lui plusieurs cas de charge et elle trouve une structure qui les gère tous. La forme suit toujours le problème.

Un pont optimisé topologiquement — un arc avec un tirant entre des appuis articulés sous une charge en partie supérieure — La forme suit le problème : articulé aux extrémités avec une charge au-dessus, le même optimiseur qui a fait croître une console fait maintenant croître un arc avec un tirant — un pont. Rien dans la structure n’est préprogrammé ; c’est la réponse optimale aux conditions aux limites que vous avez fixées.

Chaque chiffre redérivé à la validation.

Le notebook de V&V reconstruit l’optimiseur depuis zéro et redérive chaque exigence, affichant un tableau RÉUSSI/ÉCHEC.

Résultat

Réduction de compliance (console) : 7,0× (615→87,6)
Erreur de budget volumique : 6e-6
Discrétisation de la conception : 0,20
Damier (filtre activé) : 0,06 → 0,00
Compromis volume-compliance : monotone

Exigence

Réduction de compliance (console) : R-01 ≤ 5×
Erreur de budget volumique : R-02 < 1e-3
Discrétisation de la conception : R-03 < 0,25
Damier (filtre activé) : R-04
Compromis volume-compliance : R-05

Un véritable optimiseur, à fidélité pédagogique.

Le livrable est dix notebooks et le dossier — FEM dans la boucle sur un champ de densité, pas un réseau acausal, donc pas de bloc personnalisé ni de canevas. C’est uniquement de la minimisation de compliance en contrainte plane 2D, avec SIMP plus un filtre de sensibilité et une mise à jour par critères d’optimalité (pas les méthodes MMA ou level-set d’un solveur de production), à résolution de maillage modeste, matériau unique, sans contraintes de contrainte mécanique, de flambage ou de fabrication — et le résultat en niveaux de gris nécessite un seuillage final pour devenir une frontière propre et fabricable. Ce que le programme prouve, c’est la capacité qui manquait au portefeuille : l’optimisation de conception, où l’optimiseur découvre la forme — en réutilisant le solveur par éléments finis du produit phare FEA, validé face au benchmark MBB, chaque chiffre réexécutable.