Contraintes DSI pour la construction de surfaces de r´eponse

Pour l’interpolation d’une surface de r´eponse deux contraintes sont n´ecessaires : la contrainte floue de point de contrˆole (ou “fuzzy control point”) permettant d’imposer le respect lˆache de points de donn´ees et la contrainte de rugosit´e assurant la continuit´e du r´esultat. Ces contraintes sont d´ecrites dans la section suivante. Par la suite, d’autres contraintes comme celles de gradient ou de d´eriv´ee seconde qui ont ´et´e d´evelopp´ees durant ces travaux seront d´etaill´ees le cas ´ech´eant.

Fig. 2.5 – Interpolation barycentrique dans une cellule r´eguli`ere en deux dimensions

Contrainte de “fuzzy control point”

Interpolation barycentrique Le mod`ele consid´er´e comme support de la l’interpolation est une grille discr`ete structur´ee r´eguli`ere. La fonction interpol´ee ϕ n’est donc connue qu’aux nœuds de la grille. Pour ´evaluer la valeur de la fonction en un point quelconque diff´erents des nœuds de la grille, une interpolation barycentrique est envisag´ee. Tout d’abord, consid´erons une cellule de dimension quelconque (ou n-cellule) et notons les coordonn´ees de ses sommets a_i1...in avec i₁. . . i_n valant 0 ou 1 (figure (2.5)). L’interpolation barycentrique de ϕ en un point quelconque xsitu´e dans la n-cellule s’´ecrit alors :

ϕ(x) = 1 X i1=0 . . . 1 X in=0

wai1...in(x)· ϕ(ai1...in) (2.23)

Les termes wai1...in(x) sont les coefficients d’interpolation li´es au sommet a_i1...in d´efinis ´egaux `a :

wai1...in(x) = b_i1(u(x₁))× . . . × bin(u(x_n)) (2.24) o`u les u(x<sub>1</sub>), . . . , u(x<sub>n</sub>) repr´esentent la transformation de la cellule consid´er´ee de l’espace “r´eel” vers un hypercube unit´e et o`u b_i(u) est un coefficient ´egal `a :

b_i(u) =      1− u si i = 0 u si i = 1 ^(2.25)

Cette interpolation barycentrique permet donc de relier la valeur d’une fonction en un point quelconque du domaine ´etudi´e aux valeurs connues exclusivement aux nœuds. Cette proc´edure peut ˆetre envisag´ee dans deux cas : tout d’abord lors de l’´evaluation des valeurs de r´eponse durant des analyses mais aussi lors de l’interpolation des surfaces comme base aux contraintes DSI pour imposer le respect de points de donn´ees.

Expression des coefficients La contrainte de “ fuzzy control point” cherche `a imposer le respect des valeurs connues de la fonction au niveau des points de donn´ees lors de l’interpolation.

C’est une contrainte de type flou qui s’´ecrit suivant le formalisme DSI sous la forme : ∀j ∈ J1, ndK, z(pˆ _j) ≃ z(pj) ⇔ ^X

β∈Ω

A_c(β)ϕ(β) = b_c (2.26)

avec comme coefficients de contrainte :       

Ac(β) = w_β(p_j) si β est un sommet de la n-cellule contenant p_j

A_c(β) = 0 sinon

b_c = z(p_j)

(2.27)

et o`u le terme w<sub>β</sub>(p<sub>j</sub>) correspond au coefficient d’interpolation barycentrique `a la position p_j et relatif au nœud β∈ Ω comme d´efini pr´ec´edemment (´equation (2.24)).

Contrainte de rugosit´e

L’objectif du terme de rugosit´e est d’obtenir une certaine r´egularit´e dans le r´esultat interpol´e mais aussi d’assurer l’existence d’une solution aux nœuds o`u aucune contrainte n’a ´et´e mise en place. En pratique, la contrainte de rugosit´e la plus couramment r´epandue est la contrainte `a pond´eration harmonique [Mallet, 2002]. L’id´ee g´en´erale consiste, pour un nœud, donn´e, `a attribuer un poids identique `a tous ses voisins. Cependant, cette contrainte est biais´ee si les nœuds voisins ne sont pas ´equidistants et souffre d’effets de bord qui r´eduisent les capacit´es d’extrapolation de la m´ethode.

Afin de palier ces d´efauts, nous avons implant´e sur la structure de donn´ee HyperCube une contrainte dite de gradient constant. Le but est d’imposer la continu´ee du gradient de la fonction interpol´ee d’un nœud `a l’autre du maillage discret. Dans le cas d’une grille structur´ee r´eguli`ere de dimension quelconque, il est tout d’abord n´ecessaire de traiter toutes les directions de fa¸con ind´ependante en imposant la relation :

 ∂ϕ(α) ∂x_i − = ∂ϕ(α) ∂x_i + , ∀i ∈ J1, nK (2.28)

o`u les signes “−” et “+” indiquent respectivement les d´eriv´ees `a gauche et `a droite du nœud α dans la direction i consid´er´ee. Ces d´eriv´ees sont ensuite discr´etis´ees `a l’aide de sch´emas d´ecentr´es. Il vient alors : 1 |∆⁻_i | ^{ϕ(α)− ϕ(α} −)
= ¹ |∆⁺_i | ^ϕ(α +)− ϕ(α)
, ∀i ∈ J1, nK (2.29)

o`u, dans la direction i consid´er´ee, α⁻et α⁺ sont les nœuds voisins de α tandis que|∆⁻_i | et |∆⁺_i | repr´esentent la taille des cellules du maillage discret. Ici ces deux valeurs sont identiques. Ainsi, suivant le formalisme de l’´equation 2.16, les poids v(α, β) valent :

v(α, β) = (

−2 si β = α

1 si β = α+ ou α− (2.30)

(a) φ = 1 (b) φ = 0.1

(c) φ = 0.01 (d) φ = 0.001

Fig. 2.6 – Effet du facteur d’ajustement φ sur la forme des surface de r´eponse : `a φ = 1, les donn´ees ont autant de poids que la rugosit´e et inversement `a φ = 0.001, la rugosit´e est le facteur pr´epond´erant. Les donn´ees proviennent du mod`ele IC-Fault pr´esent´e dans la section (2.6.2).

de gradient constant n’est impos´ee dans la direction orthogonale au bord. A l’oppos´e, dans le cas d’une pond´eration harmonique, un gradient nul est implicitement impos´e. En outre, la formulation d´ecrite ci dessus est plus g´en´erale car elle permet de prendre en compte des mailles de taille diff´erente.

2.4.4 Remarques finales

En conclusion, l’interpolation d’une fonction quelconque par la m´ethode DSI est semblable `a la r´esolution d’un syst`eme de moindres carr´es et se r´esume `a un probl`eme d’optimisation lin´eaire. L’objectif est de minimiser une fonction quadratique `a deux termes : l’un repr´esente un ensemble de contraintes que la fonction doit respecter (par exemple des donn´ees) et l’autre s’assure d’une

certaine r´egularit´e dans la solution. Les avantages attendus de cette approche dans le cadre de la construction de surfaces de r´eponse sont :

– l’extension facile de la m´ethode `a des probl`emes de dimension quelconque, en effet, `a aucun moment il n’est n´ecessaire de le sp´ecifier ;

– l’absence de tout mod`ele de r´egression pr´e-d´efini combin´ee avec l’utilisation d’un mod`ele sous-jacent discret permettant d’approcher des ph´enom`enes non-lin´eaires ;

– l’utilisation de la formulation matricielle permettant d’acc´el´erer la r´esolution et la conver-gence du syst`eme lin´eaire (´equation 2.21) ;

– le formalisme math´ematique unique combin´e `a un code informatique g´en´erique pour l’´ecri-ture des contraintes. Il permet de prendre en compte toute donn´ee ou information qui peut s’´ecrire sous forme d’une contrainte, c’est-`a-dire sous la forme d’une relation lin´eaire entre les valeurs de la fonction `a interpoler aux nœuds du domaine. Le d´eveloppement de nouvelles contraintes et applications s’en trouve naturellement facilit´e.