Aircraft wing design is a complex multidisciplinary task which requires a close collaboration between multiple engineering groups. A main actor of aircraft design is the team of design and analysis of the structure. Engineers have come to rely on many structural optimization tools, and more recently topology optimization has seen an increase usage. Topology optimization has shown to be an effective tool to significantly reduce the weight of simple structural components.

This doctoral project is part of the multidisciplinary optimization project MuFox, which is a large partnership with the Canadian aeronautic industry and academic partners. The objective of MuFox was to develop a multidisciplinary optimization framework for the design of aircraft wing box. It is in this context that we developed our work of wing box topology optimization for aircraft design, and more specifically for stiffened panel design. There exists several publications in academia and industry for stiffened panel topology optimization but current results show no significant reduction of weight with respect to conventional designs, as well as they are unable to demonstrate either time reduction or simplification of the design process.

In our work, we have identified multiple limitations in the design process based on topology optimization for aircraft structural component. This is why we propose to use a generative design framework to categorize topology optimization as a generative system and improve its capabilities within this framework. Generative design can be summarized as the automation of conceptual design via the use of a generative system. Generative systems have three key properties:​ generation, representation and exploration.

We note that these properties are not balanced for topology optimization when used for the design of aircraft structures, which is mainly driven by buckling instabilities prevention. Buckling analysis amplifies the unbalance of the implicit generation used in topology optimization when trying to use high-fidelity models. This is put forward in two articles of this thesis which concern two algorithms:​ the density-based approach and the ground-structure approach. In both cases, the importance of validation with high-fidelity models is put forward to ensure performance is conserved when the topologies are interpreted and designed. The results have shown that validation and interpretation is made more difficult by the complexity of material distributions. Another challenging aspect is the enormous size of the design space of topology optimization, which requires many evaluations to understand. Exploration with these algorithms is minimal.

To automate validation and exploration of this large design space, we propose a tool based on computer vision. The algorithm we have developed allows the computer to automatically translate the implicit model used in continuous topology optimization towards an explicit model that can be used directly for high-fidelity validation modeling.

Finally, with the identified unbalance of topology optimization as a generative system, we propose a new algorithm for aircraft structural optimization. This new algorithm takes into account the complexity and size of the design and solution space to help designers navigate and reach optimal solutions. We have named the algorithm “Complexity-Driven Conceptual Exploration for Aircraft Structures” (CD-CEAS). The main development driver was to build an explicit generation method that can easily consider high-fidelity models and an exploration algorithm that is focused on diversity rather than intensification. Consequently, CD-CEAS is focused on design first and optimization second, whereas topology optimization is focused on optimization first and design second.

CD-CEAS includes many engineering methods, as in axiomatic design, performance-based generative systems, graph-grammars and stochastic search. Results from two case studies have shown a clear advantage of CD-CEAS with respect to current topology optimization approaches in terms of speed of execution (including all aspects of generation, representation, and exploration) and in terms of solution diversification. We have found that by adapting the balance of generation, representation and exploration to the specific problem of stiffened panel design, we can obtain a better tool for supporting the design process. For example, in the case of the pressurized bulkhead, CD-CEAS showed a compromise of about 1% of weight, with a reduction of 70% of complexity. Furthermore, in the case the compressed stiffened panel CD-CEAS generated and sized 500 feasible layouts in only 6 hours. An equivalent exploration had taken multiple days with a commercial software.

La conception des ailes d’avion est un projet pluridisciplinaire complexe qui demande une collaboration importante entre tous les groupes de développement. Un des membres principaux de cette équipe pluridisciplinaire est l’équipe de conception structurelle. Depuis quelques années, l’optimisation topologique est de plus en plus utilisée par les ingénieurs structuraux puisque c’est un outil qui leur permet de diminuer significativement la masse des composantes structurelles.

Ce projet de doctorat s’inscrit dans le cadre du projet de grande envergure MuFox, qui regroupe plusieurs partenaires académiques et industriels du domaine aéronautique canadien. L’objectif de MuFox est de développer un cadre d’optimisation multidisciplinaire pour les caissons de voilure d’avions commerciaux. C’est dans ce contexte que ce projet cherche à développer des méthodes et des outils pour intégrer l’optimisation topologique dans le processus de conception des caissons de voilure et plus spécifiquement des panneaux raidis. En effet, plusieurs tentatives dans la littérature et dans l’industrie ont démontré que l’utilisation actuelle de l’optimisation topologique sur les panneaux raidis ne permet aucun gain de masse significatif et que son utilisation dans le processus de conception reste laborieux.

Dans cette thèse, nous avons identifié plusieurs limitations au niveau du processus de conception basé sur l’optimisation topologique pour l’optimisation de structures aéronautiques. C’est pourquoi nous proposons un cadre de conception générative (generative design), afin de mieux étudier l’effet de l’optimisation topologique, qui est alors considéré comme un système génératif (generative system). La conception générative peut être décrite comme l’automatisation du design conceptuel par des règles implémentées sur ordinateur. Les systèmes génératifs ont trois propriétés clefs, soit la génération, la représentation et l’exploration.

Nous notons un déséquilibre de ces trois propriétés pour l’optimisation topologique appliquée aux structures aéronautiques, principalement lors de la prise en compte de l’instabilité liée au flambement. L’inclusion du flambement amplifie ce déséquilibre relié à l’utilisation de la génération implicite qui rend l’implémentation d’analyses de plus haute fidélité très difficile. C’est ce que nous mettons de l’avant dans deux articles qui discutent des méthodes basées sur la densité et sur le « Ground-Structure ». Dans les deux cas, il apparaît primordial d’inclure un processus de validation pour être capable d’évaluer la performance réelle des solutions que l’optimisation topologique génère. Les résultats de ces études montrent aussi que la complexité des solutions proposées rend la validation difficile. Nous avons aussi mis de l’avant la taille impressionnante de l’espace de conception lors de l’optimisation topologique. Afin de faciliter le processus d’interprétation et de validation de la performance au travers de ce large espace de conception, nous proposons un algorithme basé sur la vision par ordinateur qui peut automatiquement reconnaître une structure explicite, donc d’identifier le graphe de connexions, à partir de la distribution de matière implicite.

Finalement, pour parer les déséquilibres des algorithmes d’optimisation topologique actuels, nous proposons un nouvel algorithme qui tient en compte la complexité des solutions et la taille de l’espace de conception. Le développement de cet algorithme a pour but de développer une manière efficace d’utiliser une génération explicite et une exploration axées sur la diversité. Nous avons nommé cet algorithme « Complexity-Driven Conceptual Exploration for Aircraft Structures » (CD-CEAS). C’est donc un algorithme qui vise d’abord l’aide à la conception puis l’optimisation, contrairement à l’optimisation topologique classique qui vise un résultat "optimal", avec des contraintes de conception. CD-CEAS est basé sur plusieurs disciplines de l’ingénierie, incluant le design axiomatique pour évaluer la complexité fonctionnelle, les systèmes génératifs axés sur la performance, la grammaire basée sur les graphes et la recherche stochastique. Les résultats de deux études de cas sont présentés et montrent un avantage marqué par rapport à l’optimisation topologique autant au niveau de la vitesse d’exécution que de l’exploration. Par exemple, dans un cas de design de panneau de type « bulkhead », on peut faire apparaître un compromis de 1% de masse, pour une réduction de 70% de complexité. Pour la génération de panneau compressé avec contrainte de flambement, 500 solutions ont été créés et dimensionnées en seulement 6 heures. Pour l’équivalent avec l’optimisation topologique par densité, le temps de calcul est plutôt de 3 à 4 jours.