L’obtention de pièces structurales en fonderie sable aluminium de haute techniciténécessite un processus de parachèvement conséquent comprenant la découpe du système decoulée, suivie d’un ponçage quasi global des surfaces. Les exigences industrielles entermes de sécurité et de rentabilité remettent fortement en cause la réalisation manuellede ces opérations. Cet article présente le développement d’une nouvelle cellule robotiséepour ce parachèvement, mené en collaboration avec La Société des Fonderies d’Ussel (SFU)du groupe ALCAN. La première partie est consacrée à la caractérisation des contraintesliées aux spécifications fonctionnelles attendues sur la pièce et aux procédés d’usinageet de ponçage. Ceci a abouti à la définition d’une cellule redondante 8 axes pour répondreau critère d’espace de travail et intégrant un robot à structure hybride (Tricept) pourses capacités à réaliser les opérations d’usinage en conditions UGV et de ponçage. Ladeuxième partie porte sur la définition de critères pour une gestion optimisée desredondances en vue d’améliorer le comportement global de la cellule et répondre auxexigences de précision et de capacité cinématique. La dernière partie présentel’optimisation mise en œuvre et les résultats validés sur un ensemble de pièces.

Pour appliquer les algorithmes d’optimisation multi-objectifs à des problèmes de mise enforme des métaux très coûteux en temps de calcul, nous étudions le couplage del’algorithme génétique NSGA-II proposé par Deb à un métamodèle inspiré de la méthode desdifférences finies sans maillage de Liszka et Orkisz. Nous soulignons l’importanced’améliorer itérativement le métamodèle au cours des itérations d’optimisation, et lapossibilité de déterminer avec précision des fronts optimaux de Pareto des problèmesmulti-objectifs étudiés en moins d’une centaine de calculs.

Dans ce travail, une optimisation multi-objectifs est appliquée afin de trouver les valeurs optimales des paramètres de construction (paramètres d'inertie, de suspension et géométriques) d'un véhicule ferroviaire. Ces valeurs permettent d'avoir une bonne stabilité transversale lors de la circulation du véhicule en alignement et un bon comportement en courbe. Au début, on commence l'étude par une optimisation de la stabilité transversale du véhicule, ensuite, une optimisation de son comportement en courbe est faite. Les résultats ont montré qu'il y a incompatibilité entre une bonne stabilité transversale et un bon comportement en courbe. La méthode d'optimisation utilisée est la méthode des algorithmes génétiques qui est implémentée sous MATLAB.