Pré-dimensionnement de structures aéronautiques : une nouvelle perspective grâce à la combinaison de la réduction de modèles et de l'apprentissage profond sur graphes
Abstract
Ce travail présente une preuve de concept combinant la réduction de modèles et l’apprentissage profond basé sur les graphes (Graph Neural Networks) pour le pré-dimensionnement des structures aéronautiques. Notre approche utilise des données industrielles limitées pour l’entraînement des modèles d’apprentissage profond et intègre des méthodes éprouvées par l’industrie pour garantir la pertinence de la solution. L’étude se concentre sur la conception de sièges d’avions lors de simulations de crash, sans paramétrage préalable, permettant une large variété de géométries.
| Origin | Files produced by the author(s) |
|---|