Ask any question about EPFL courses, lectures, exercises, research, news, etc. or try the example questions below.
DISCLAIMER: The Graph Chatbot is not programmed to provide explicit or categorical answers to your questions. Rather, it transforms your questions into API requests that are distributed across the various IT services officially administered by EPFL. Its purpose is solely to collect and recommend relevant references to content that you can explore to help you answer your questions.
Des méthodes de planification expérimentale statistique réduisent le temps de calcul pour l’optimisation par la méthode des éléments finis. Les moteurs piézoélectriques à ultrasons sont supérieurs aux petits moteurs électromagnétiques étant donné que leur rendement reste théoriquement constant malgré la miniaturisation. Cette technologie étant relativement nouvelle, il existe encore un potentiel d’optimisation considérable. L’analyse numérique structurelle à l’aide de la méthode des éléments finis (MEF) est un moyen courant de dimensionnement des moteurs piézoélectriques. Elle requiert donc des procédés d’optimisation efficaces et à la mesure de l’analyse MEF. Une approche combinant la planification expérimentale statistique et les méthodes numériques d’optimisation donne des résultats intéressants.