L’utilisation de simulations pour remplacer les tests physiques est devenue essentielle pour accélérer l’analyse et réduire les coûts de recherche et de conception. Cependant, les résultats de la simulation peuvent être différents de la réalité et il est essentiel d’utiliser l’étalonnage statistique et la validation du modèle pour tirer le meilleur parti des données de test limitées.

Qu’est-ce que l’étalonnage statistique ?

L’étalonnage statistique est le processus d’ajustement des paramètres d’étalonnage du modèle afin que le modèle soit en meilleur accord avec un ensemble de résultats expérimentaux. Sans un étalonnage approprié, les résultats du modèle pourraient être dénués de sens ou même fournir des informations erronées par rapport au modèle réel. Ainsi, l’étalonnage précis du modèle est une étape clé dans l’établissement d’un modèle de simulation ayant une fiabilité adéquate et il est souvent nécessaire d’étalonner un modèle avant que toute autre étude ou analyse puisse être effectuée.

Les étapes de l’étalonnage statistique sont illustrées dans la figure ci-dessus. Les paramètres d’étalonnage ne sont généralement pas mesurés directement dans les tests physiques. Ces paramètres peuvent être des propriétés physiques, telles que les propriétés de matériaux ou du sol, les dimensions de fabrication et les points de fonctionnement d’un moteur, qui sont difficiles à mesurer, ou des propriétés entièrement non physiques du modèle.

Dans les modèles thermiques de systèmes tels que les satellites, il est souvent nécessaire d’étalonner une variété de paramètres d’entrée tels que les propriétés des matériaux, la capacité thermique d’un composant, les propriétés du réfrigérant, les coefficients de transfert de chaleur par convection et les performances de l’équipement ou du système. Les résultats correspondants peuvent inclure les températures, la consommation d’énergie, la dilatation thermique, les taux de chauffage, les niveaux de confort et les prévisions de défaillance de l’équipement. Avec autant de possibilités, il est facile de comprendre pourquoi un outil d’étalonnage simple, facile à utiliser et efficace est nécessaire.

La dernière génération des outils de simulation comprend une physique très détaillée, une plus grande complexité et davantage de paramètres. Les tests physiques produisent également des ensembles de données de plus en plus complexes. La télémétrie détaillée des instruments est courante et sa manipulation est devenue une question d’analyse de données volumineuses. Les différences entre les résultats de la simulation et des tests sont un élément important dans l’analyse de la quantification de l’incertitude et ces tendances vers des modèles plus complexes et de grands ensembles de données de test physique présentent de nouveaux défis et opportunités dans la quantification de l’incertitude et l’étalonnage statistique.

Avantages de l’étalonnage statistique

L’étalonnage statistique présente plusieurs avantages importants. Cette méthode permet de prendre en compte l’incertitude dans tous les aspects du modèle, y compris l’incertitude dans les paramètres d’étalonnage ajustés. L’étalonnage statistique détermine également l’écart entre le modèle et les données observées pour les paramètres d’étalonnage optimisés. La détermination de cet écart est utile pour mettre en évidence les insuffisances des modèles et nécessaire pour la validation du modèle. Le graphique ci-dessous affiche la prévision de la discrépance entre un modèle de simulation étalonné et un ensemble de données physiques.

L’étalonnage statistique dans SmartUQ

La fonction d’étalonnage statistique de SmartUQ peut améliorer rapidement et avec précision les modèles. Son interface facile à utiliser permet de calibrer presque tous les modèles, y compris les modèles de petite ou de grande dimension avec des sorties univariées ou multivariées et des entrées de grande dimension. Les puissants algorithmes de SmartUQ déterminent simultanément l’écart entre les données physiques et de simulation et calculent avec précision les paramètres d’étalonnage. Mieux encore, toutes les exécutions de simulation nécessaires pour calibrer le modèle peuvent être exécutées en parallèle, ce qui réduit considérablement le temps de calcul.

La précision de l’étalonnage statistique est liée aux ensembles de données physiques et simulées utilisés. SmartUQ fournit un certain nombre d’outils de génération de plans d’expériences conçus pour maximiser l’efficacité et la précision de l’étalonnage statistique.