pyVPLM (Variable Power-Law regression Models)
pyVPLM est une librairie développé pour aider les scientifiques, les ingénieurs, etc., à construire des modèles de loi de puissance et/ou de régression polynomiale sur différents types de données comme les résultats de simulation par éléments finis, les fiches techniques des fabricants... Il intègre diverses fonctionnalités telles que :
- Réduction des paramètres du modèle basée sur l'analyse dimensionnelle du théorème de Buckingham et l'ensemble Pint avec fonctions dérivées.
- Analyse de sensibilité et de dépendance sur des paramètres sans dimension et des expériences limitées pour simplifier d'autres expressions du modèle.
- Construction d'un plan expérimental optimisé sur des variables physiques réalisables menant à un plan factoriel complet dans un espace sans dimension. Ces DOE sont les entrées des modèles paramétrés par éléments finis.
- Construction de modèles de régression de plus en plus complexes (termes triés en fonction de leur impact) et validation basée sur une analyse de répartition relative des erreurs.
Téléchargement: https://github.com/SizingLab/pyvplm
Documentation : https://pyvplm.readthedocs.io
FAST-OAD (Future Aircraft Sizing Tool - Overall Aircraft Design)
FAST-OAD est un cadre pour effectuer une conception globale rapide des aéronefs. Il propose une analyse et une optimisation multidisciplinaire en s'appuyant sur le framework OpenMDAO. FAST-OAD permet de basculer facilement entre les modèles pour une même discipline, et également d'ajouter / supprimer des disciplines pour répondre aux besoins de votre étude. Actuellement, FAST-OAD est fourni avec des modèles d'avions de transport commercial des années 1990-2000. D'autres modèles viendront, et vous pouvez créer vos propres modèles et les utiliser à la place de ceux fournis.
Téléchargement : https://github.com/fast-aircraft-design/FAST-OAD
Documentation : https://fast-oad.readthedocs.io/en/v1.0.5/
SMT (Surrogate Modeling Toolbox)
SMT est un package Python qui contient une collection de méthodes de modélisation de substitution, de techniques d'échantillonnage et de fonctions d'analyse comparative. Ce package fournit une bibliothèque de modèles de substitution simple à utiliser et facilite la mise en œuvre de méthodes supplémentaires. SMT est différent des bibliothèques de modélisation de substitution existantes en raison de l'accent mis sur les dérivés, y compris les dérivés d'apprentissage utilisés pour la modélisation améliorée par gradient, les dérivés de prédiction et les dérivés par rapport aux données d'apprentissage. Il comprend également de nouveaux modèles de substitution qui ne sont pas disponibles ailleurs : le krigeage par réduction des moindres carrés partiels et l'interpolation spline minimisant l'énergie. SMT est documenté à l'aide d'outils personnalisés pour intégrer du code testé automatiquement et des tracés générés dynamiquement afin de produire des guides d'utilisation de haute qualité avec un minimum d'effort de la part des contributeurs.