{"id":{"repo_id":"sherbrooke","oai_identifier":"oai:usherbrooke.scholaris.ca:11143/22379"},"canonical_url":"https://search.dev.ndltd.org/etd/sherbrooke/oai:usherbrooke.scholaris.ca:11143/22379","repository":{"repo_id":"sherbrooke","name":"Université de Sherbrooke","base_url":"https://usherbrooke.scholaris.ca/server/oai/request"},"display":{"title":"Optimization of an industrial centrifugal blower using gradient-free and gradient-based (adjoint) approaches","abstract":"Les progrès réalisés dans la conception des turbomachines aérodynamiques ont suscité un intérêt croissant en raison de la demande pour un avenir plus durable. Bien que les méthodes d’optimisation sans gradient soient couramment utilisées pour optimiser la forme aérodynamique des turbomachines, leur coût de calcul reste généralement élevé, notamment lorsqu’un grand nombre de variables de conception est impliqué. En revanche, la méthode adjointe, qui repose sur une approche basée sur le gradient, présente un intérêt particulier pour l’optimisation des turbomachines, car elle permet de calculer les dérivées de la fonction objective par rapport aux variables de conception de manière rentable, indépendamment du nombre de ces variables. Cette thèse s’efforce de répondre à la question suivante : Comment peut-on développer un cadre d’optimisation automatique multi-objectifs basé sur la méthode adjointe pour optimiser Un ventilateur centrifuge (CB) en termes d’efficacité ? L’objectif principal de cette étude est donc de développer un tel cadre pour l’optimisation de différents ventilateurs et soufflantes. Dans un premier temps, une revue détaillée des études majeures portant sur l’optimisation aérodynamique des turbomachines à l’aide de la méthode adjointe est présentée. Un CB est d’abord conçu en utilisant un cadre d’optimisation automatique basé sur des méthodes sans gradient, avec pour objectif d’améliorer l’efficacité totale. Les équations de Navier-Stokes en moyenne de Reynolds sont fermées par le modèle SST k − ω pour simuler tous les écoulements turbulents considérés dans cette thèse. La méthode du processus gaussien (GP) conçoit le CB le plus efficace avec ϵtot = 59.1%. Dans un second temps, l’utilisation de la méthode adjointe pour l’optimisation de la forme hydrodynamique est explorée. Ainsi, deux véhicules sous-marins autonomes différents sont optimisés à l’aide d’un solveur adjoint continu à turbulence totale, adjointOptimisationFoam, disponible dans OF v2206. Dans le cadre de l’optimisation sans contrainte, la force de traînée est choisie comme fonction objective, tandis que, dans l’optimisation sous contrainte, la force de traînée et le volume partiel sont respectivement considérés comme la fonction objective et la contrainte. Dans les optimisations sans contraintes, les coques du premier et du second AUV indiquent une réduction de la force de traînée de 4.17% et 3.66%, respectivement. Dans les optimisations sous contraintes des premières et deuxièmes coques de l’AUV, la force de traînée est réduite de 3.25% et 2.63%, respectivement. Enfin, le CB, conçu avec le modèle GP, est optimisé à l’aide d’un cadre d’optimisation multi-objectifs automatique basé sur la méthode adjointe. L’outil automatisé, qui comprend Salome (génération de la géométrie et du maillage), OF v2206 et des scripts Python pour le post-traitement, est relié par plusieurs scripts Python. Deux nouvelles fonctions objectives, comprenant les puissances hydraulique et mécanique, sont implémentées dans le solveur adjoint. L’efficacité totale a augmenté de 1.5% grâce à une réduction de 0.71% de la puissance mécanique et à une augmentation de 0.73% de la puissance hydraulique.","abstract_html":"Les progrès réalisés dans la conception des turbomachines aérodynamiques ont suscité un intérêt croissant en raison de la demande pour un avenir plus durable. Bien que les méthodes d’optimisation sans gradient soient couramment utilisées pour optimiser la forme aérodynamique des turbomachines, leur coût de calcul reste généralement élevé, notamment lorsqu’un grand nombre de variables de conception est impliqué. En revanche, la méthode adjointe, qui repose sur une approche basée sur le gradient, présente un intérêt particulier pour l’optimisation des turbomachines, car elle permet de calculer les dérivées de la fonction objective par rapport aux variables de conception de manière rentable, indépendamment du nombre de ces variables. Cette thèse s’efforce de répondre à la question suivante : Comment peut-on développer un cadre d’optimisation automatique multi-objectifs basé sur la méthode adjointe pour optimiser Un ventilateur centrifuge (CB) en termes d’efficacité ? L’objectif principal de cette étude est donc de développer un tel cadre pour l’optimisation de différents ventilateurs et soufflantes. Dans un premier temps, une revue détaillée des études majeures portant sur l’optimisation aérodynamique des turbomachines à l’aide de la méthode adjointe est présentée. Un CB est d’abord conçu en utilisant un cadre d’optimisation automatique basé sur des méthodes sans gradient, avec pour objectif d’améliorer l’efficacité totale. Les équations de Navier-Stokes en moyenne de Reynolds sont fermées par le modèle SST k − ω pour simuler tous les écoulements turbulents considérés dans cette thèse. La méthode du processus gaussien (GP) conçoit le CB le plus efficace avec ϵtot = 59.1%. Dans un second temps, l’utilisation de la méthode adjointe pour l’optimisation de la forme hydrodynamique est explorée. Ainsi, deux véhicules sous-marins autonomes différents sont optimisés à l’aide d’un solveur adjoint continu à turbulence totale, adjointOptimisationFoam, disponible dans OF v2206. Dans le cadre de l’optimisation sans contrainte, la force de traînée est choisie comme fonction objective, tandis que, dans l’optimisation sous contrainte, la force de traînée et le volume partiel sont respectivement considérés comme la fonction objective et la contrainte. Dans les optimisations sans contraintes, les coques du premier et du second AUV indiquent une réduction de la force de traînée de 4.17% et 3.66%, respectivement. Dans les optimisations sous contraintes des premières et deuxièmes coques de l’AUV, la force de traînée est réduite de 3.25% et 2.63%, respectivement. Enfin, le CB, conçu avec le modèle GP, est optimisé à l’aide d’un cadre d’optimisation multi-objectifs automatique basé sur la méthode adjointe. L’outil automatisé, qui comprend Salome (génération de la géométrie et du maillage), OF v2206 et des scripts Python pour le post-traitement, est relié par plusieurs scripts Python. Deux nouvelles fonctions objectives, comprenant les puissances hydraulique et mécanique, sont implémentées dans le solveur adjoint. L’efficacité totale a augmenté de 1.5% grâce à une réduction de 0.71% de la puissance mécanique et à une augmentation de 0.73% de la puissance hydraulique.","abstract_has_math":false,"creators":["Lavimi, Roham"],"institution":"Université de Sherbrooke","degree_name":"Ph. D.","degree_level":"Doctorat","degree_discipline":"Génie mécanique","degree_department":null,"school":null,"contributors":[],"advisors":["Poncet, Sébastien","Marcos, Bernard"],"committee_chairs":[],"committee_members":[],"year":2024,"date_issued":"2024","date_published":"2024","updated_at":"2026-07-27T21:07:30Z","subjects":["Adjoint method","Turbomachinery optimization","Total efficiency","Autonomous underwater vehicle","Drag force","Centrifugal blower","Méthode adjointe","Optimisation des turbomachines","Rendement total","Véhicule sous-marin autonome","Force de traînée","Ventilateur centrifuge"],"languages":["fr","en"],"rights":[],"rights_urls":[],"identifier_entries":[]},"links":{"outbound_url":"http://hdl.handle.net/11143/22379","outbound_label":"Handle","outbound_source":"dc:identifier.uri"},"metadata_groups":[{"id":"people","label":"People","entries":[{"key":"dc:contributor.advisor","label":"Advisor","values":["Poncet, Sébastien","Marcos, Bernard"]},{"key":"dc:creator","label":"Author","values":["Lavimi, Roham"]}]},{"id":"academic_context","label":"Academic Context","entries":[{"key":"dc:date.accessioned","label":"Dc Date Accessioned","values":["2025-01-30T17:52:48Z"]},{"key":"dc:date.available","label":"Dc Date Available","values":["2025-01-30T17:52:48Z"]},{"key":"dc:date.issued","label":"Date","values":["2024"]},{"key":"dc:publisher","label":"Institution","values":["Université de Sherbrooke"]},{"key":"dc:type","label":"Dc Type","values":["Thèse de doctorat"]},{"key":"thesis:degree_discipline","label":"Discipline","values":["Génie mécanique"]},{"key":"thesis:degree_level","label":"Degree Level","values":["Doctorat"]},{"key":"thesis:degree_name","label":"Degree Name","values":["Ph. D."]},{"key":"thesis:institution_name","label":"Thesis Institution Name","values":["Université de Sherbrooke"]}]},{"id":"subjects_keywords","label":"Subjects and Keywords","entries":[{"key":"dc:subject","label":"Dc Subject","values":["Adjoint method","Turbomachinery optimization","Total efficiency","Autonomous underwater vehicle","Drag force","Centrifugal blower","Méthode adjointe","Optimisation des turbomachines","Rendement total","Véhicule sous-marin autonome","Force de traînée","Ventilateur centrifuge"]}]},{"id":"language_rights","label":"Language and Rights","entries":[{"key":"dc:language.iso","label":"Language (ISO)","values":["fr","en"]}]},{"id":"identifiers","label":"Identifiers","entries":[{"key":"dc:identifier.uri","label":"Identifier URI","values":["http://hdl.handle.net/11143/22379"]}]},{"id":"additional","label":"Additional Metadata","entries":[{"key":"dc:description.abstract","label":"Abstract","values":["Les progrès réalisés dans la conception des turbomachines aérodynamiques ont suscité un intérêt croissant en raison de la demande pour un avenir plus durable. Bien que les méthodes d’optimisation sans gradient soient couramment utilisées pour optimiser la forme aérodynamique des turbomachines, leur coût de calcul reste généralement élevé, notamment lorsqu’un grand nombre de variables de conception est impliqué. En revanche, la méthode adjointe, qui repose sur une approche basée sur le gradient, présente un intérêt particulier pour l’optimisation des turbomachines, car elle permet de calculer les dérivées de la fonction objective par rapport aux variables de conception de manière rentable, indépendamment du nombre de ces variables. Cette thèse s’efforce de répondre à la question suivante : Comment peut-on développer un cadre d’optimisation automatique multi-objectifs basé sur la méthode adjointe pour optimiser Un ventilateur centrifuge (CB) en termes d’efficacité ? L’objectif principal de cette étude est donc de développer un tel cadre pour l’optimisation de différents ventilateurs et soufflantes. Dans un premier temps, une revue détaillée des études majeures portant sur l’optimisation aérodynamique des turbomachines à l’aide de la méthode adjointe est présentée. Un CB est d’abord conçu en utilisant un cadre d’optimisation automatique basé sur des méthodes sans gradient, avec pour objectif d’améliorer l’efficacité totale. Les équations de Navier-Stokes en moyenne de Reynolds sont fermées par le modèle SST k − ω pour simuler tous les écoulements turbulents considérés dans cette thèse. La méthode du processus gaussien (GP) conçoit le CB le plus efficace avec ϵtot = 59.1%. Dans un second temps, l’utilisation de la méthode adjointe pour l’optimisation de la forme hydrodynamique est explorée. Ainsi, deux véhicules sous-marins autonomes différents sont optimisés à l’aide d’un solveur adjoint continu à turbulence totale, adjointOptimisationFoam, disponible dans OF v2206. Dans le cadre de l’optimisation sans contrainte, la force de traînée est choisie comme fonction objective, tandis que, dans l’optimisation sous contrainte, la force de traînée et le volume partiel sont respectivement considérés comme la fonction objective et la contrainte. Dans les optimisations sans contraintes, les coques du premier et du second AUV indiquent une réduction de la force de traînée de 4.17% et 3.66%, respectivement. Dans les optimisations sous contraintes des premières et deuxièmes coques de l’AUV, la force de traînée est réduite de 3.25% et 2.63%, respectivement. Enfin, le CB, conçu avec le modèle GP, est optimisé à l’aide d’un cadre d’optimisation multi-objectifs automatique basé sur la méthode adjointe. L’outil automatisé, qui comprend Salome (génération de la géométrie et du maillage), OF v2206 et des scripts Python pour le post-traitement, est relié par plusieurs scripts Python. Deux nouvelles fonctions objectives, comprenant les puissances hydraulique et mécanique, sont implémentées dans le solveur adjoint. L’efficacité totale a augmenté de 1.5% grâce à une réduction de 0.71% de la puissance mécanique et à une augmentation de 0.73% de la puissance hydraulique.","Improvements in aerodynamic turbomachinery design have gained attraction due to the increased demand for a more sustainable future. Although gradient-free optimization approaches have been extensively employed for aerodynamic shape optimization in the field of turbomachinery, their computational costs are typically high, especially when multiple design variables are involved. However, the adjoint method, a gradient-based optimization method, is garnering interest for turbomachinery optimization because it provides a cost-effective approach to calculating derivatives of an objective function to design variables, regardless of the number of design variables involved. This thesis seeks to address the question: How can an automatic multi-objective optimization framework based on the adjoint method be developed to optimize a Centrifugal Blower (CB) in terms of efficiency? To achieve this, the primary goal is to develop such a framework for optimizing various fans and blowers. First, a comprehensive review of all significant studies on aerodynamic optimization of turbomachinery using the adjoint method is presented. A CB is first designed using an automated optimization framework based on gradient-free approaches in terms of total efficiency. The Reynolds-Averaged Navier-Stokes equations closed by the k-ω SST model are employed to simulate the turbulent flow in all sections of the thesis. The Gaussian Process (GP) model designs the most efficient CB with ϵtot=59.1%. In the second part, the capability of the adjoint method for hydrodynamic shape optimization is proposed. Therefore, two different autonomous underwater vehicles are optimized using a full turbulent continuous adjoint solver, adjointOptimisationFoam in OpenFOAM (OF v2206). In the unconstrained optimization, the drag force is chosen as an objective function, whereas in the constrained optimization, drag force and partial volume are chosen as an objective function and a constraint, respectively. In the unconstrained optimization, the first and second AUV hulls indicate a 4.17% and 3.66% reduction in the drag force, respectively. In the constrained optimization of the first and second AUV hulls, the drag force is reduced by 3.25% and 2.63%, respectively. Finally, the CB, designed with GP model, is optimized using an automatic multi-objective optimization framework based on the adjoint method. The automatic framework, which includes Salome (CAD and mesh generators), OF v2206, and Python scripts for post-processing, is linked by several Python scripts. Two new objective functions, including aeraulic and mechanical powers, are implemented in the adjoint solver. The total efficiency increases by 1.5% as a result of a 0.71% drop in mechanical power and a 0.73% increase in aeraulic power."]},{"key":"dc:title","label":"Title","values":["Optimization of an industrial centrifugal blower using gradient-free and gradient-based (adjoint) approaches"]}]}],"canonical_facts":{"dc:contributor.advisor":["Poncet, Sébastien","Marcos, Bernard"],"dc:creator":["Lavimi, Roham"],"dc:date.accessioned":["2025-01-30T17:52:48Z"],"dc:date.available":["2025-01-30T17:52:48Z"],"dc:date.issued":["2024"],"dc:description.abstract":["Les progrès réalisés dans la conception des turbomachines aérodynamiques ont suscité un intérêt croissant en raison de la demande pour un avenir plus durable. Bien que les méthodes d’optimisation sans gradient soient couramment utilisées pour optimiser la forme aérodynamique des turbomachines, leur coût de calcul reste généralement élevé, notamment lorsqu’un grand nombre de variables de conception est impliqué. En revanche, la méthode adjointe, qui repose sur une approche basée sur le gradient, présente un intérêt particulier pour l’optimisation des turbomachines, car elle permet de calculer les dérivées de la fonction objective par rapport aux variables de conception de manière rentable, indépendamment du nombre de ces variables. Cette thèse s’efforce de répondre à la question suivante : Comment peut-on développer un cadre d’optimisation automatique multi-objectifs basé sur la méthode adjointe pour optimiser Un ventilateur centrifuge (CB) en termes d’efficacité ? L’objectif principal de cette étude est donc de développer un tel cadre pour l’optimisation de différents ventilateurs et soufflantes. Dans un premier temps, une revue détaillée des études majeures portant sur l’optimisation aérodynamique des turbomachines à l’aide de la méthode adjointe est présentée. Un CB est d’abord conçu en utilisant un cadre d’optimisation automatique basé sur des méthodes sans gradient, avec pour objectif d’améliorer l’efficacité totale. Les équations de Navier-Stokes en moyenne de Reynolds sont fermées par le modèle SST k − ω pour simuler tous les écoulements turbulents considérés dans cette thèse. La méthode du processus gaussien (GP) conçoit le CB le plus efficace avec ϵtot = 59.1%. Dans un second temps, l’utilisation de la méthode adjointe pour l’optimisation de la forme hydrodynamique est explorée. Ainsi, deux véhicules sous-marins autonomes différents sont optimisés à l’aide d’un solveur adjoint continu à turbulence totale, adjointOptimisationFoam, disponible dans OF v2206. Dans le cadre de l’optimisation sans contrainte, la force de traînée est choisie comme fonction objective, tandis que, dans l’optimisation sous contrainte, la force de traînée et le volume partiel sont respectivement considérés comme la fonction objective et la contrainte. Dans les optimisations sans contraintes, les coques du premier et du second AUV indiquent une réduction de la force de traînée de 4.17% et 3.66%, respectivement. Dans les optimisations sous contraintes des premières et deuxièmes coques de l’AUV, la force de traînée est réduite de 3.25% et 2.63%, respectivement. Enfin, le CB, conçu avec le modèle GP, est optimisé à l’aide d’un cadre d’optimisation multi-objectifs automatique basé sur la méthode adjointe. L’outil automatisé, qui comprend Salome (génération de la géométrie et du maillage), OF v2206 et des scripts Python pour le post-traitement, est relié par plusieurs scripts Python. Deux nouvelles fonctions objectives, comprenant les puissances hydraulique et mécanique, sont implémentées dans le solveur adjoint. L’efficacité totale a augmenté de 1.5% grâce à une réduction de 0.71% de la puissance mécanique et à une augmentation de 0.73% de la puissance hydraulique.","Improvements in aerodynamic turbomachinery design have gained attraction due to the increased demand for a more sustainable future. Although gradient-free optimization approaches have been extensively employed for aerodynamic shape optimization in the field of turbomachinery, their computational costs are typically high, especially when multiple design variables are involved. However, the adjoint method, a gradient-based optimization method, is garnering interest for turbomachinery optimization because it provides a cost-effective approach to calculating derivatives of an objective function to design variables, regardless of the number of design variables involved. This thesis seeks to address the question: How can an automatic multi-objective optimization framework based on the adjoint method be developed to optimize a Centrifugal Blower (CB) in terms of efficiency? To achieve this, the primary goal is to develop such a framework for optimizing various fans and blowers. First, a comprehensive review of all significant studies on aerodynamic optimization of turbomachinery using the adjoint method is presented. A CB is first designed using an automated optimization framework based on gradient-free approaches in terms of total efficiency. The Reynolds-Averaged Navier-Stokes equations closed by the k-ω SST model are employed to simulate the turbulent flow in all sections of the thesis. The Gaussian Process (GP) model designs the most efficient CB with ϵtot=59.1%. In the second part, the capability of the adjoint method for hydrodynamic shape optimization is proposed. Therefore, two different autonomous underwater vehicles are optimized using a full turbulent continuous adjoint solver, adjointOptimisationFoam in OpenFOAM (OF v2206). In the unconstrained optimization, the drag force is chosen as an objective function, whereas in the constrained optimization, drag force and partial volume are chosen as an objective function and a constraint, respectively. In the unconstrained optimization, the first and second AUV hulls indicate a 4.17% and 3.66% reduction in the drag force, respectively. In the constrained optimization of the first and second AUV hulls, the drag force is reduced by 3.25% and 2.63%, respectively. Finally, the CB, designed with GP model, is optimized using an automatic multi-objective optimization framework based on the adjoint method. The automatic framework, which includes Salome (CAD and mesh generators), OF v2206, and Python scripts for post-processing, is linked by several Python scripts. Two new objective functions, including aeraulic and mechanical powers, are implemented in the adjoint solver. The total efficiency increases by 1.5% as a result of a 0.71% drop in mechanical power and a 0.73% increase in aeraulic power."],"dc:identifier.uri":["http://hdl.handle.net/11143/22379"],"dc:language.iso":["fr","en"],"dc:publisher":["Université de Sherbrooke"],"dc:subject":["Adjoint method","Turbomachinery optimization","Total efficiency","Autonomous underwater vehicle","Drag force","Centrifugal blower","Méthode adjointe","Optimisation des turbomachines","Rendement total","Véhicule sous-marin autonome","Force de traînée","Ventilateur centrifuge"],"dc:title":["Optimization of an industrial centrifugal blower using gradient-free and gradient-based (adjoint) approaches"],"dc:type":["Thèse de doctorat"],"thesis:degree_discipline":["Génie mécanique"],"thesis:degree_level":["Doctorat"],"thesis:degree_name":["Ph. D."],"thesis:institution_name":["Université de Sherbrooke"]},"updated_at":"2026-07-27T21:07:30Z"}