Optimisation de trajectoires d’avions pour la gestion du vol

Slides:



Advertisements
Présentations similaires
ITER : Les enjeux techniques et économiques pour les industriels
Advertisements

Résolution Graphique d'un Programme Linéaire
Application aux constellations de satellites
Cours 5-a Problèmes scalaires instationnaires d’ordre 1 en temps
10ème Journée Thématique AFIS: Pratiques d’Ingénierie Système dans les grands projets 14 Décembre 2010 Toulouse Michel Galinier Chargé de mission Journées.
Le Manuel de vol et son utilisation pratique
Gestion de portefeuille
OPTIMISATION DE LA COMMANDE D’UN MOTEUR SYNCHRONE
Gestion de portefeuille
Résolution de problèmes et logiciel de calcul symbolique
Simplification Out-of-Core des modèles polygonales complexes
Cours 3-a Méthode des éléments finis 1D
Un exemple de système EDA d'index supérieur distillation réactive avec réactions chimiques instantanément équilibrées Dr. Karim Alloula (ingénieur informatique.
Évaluation des performances aérodynamiques et du bilan propulsif généralisé dun avion par une méthode dextraction numérique en champ lointain Aurélien.
C1 Bio-statistiques F. KOHLER
1 MONDER2006 – 11/01/ Etudes de sensibilité pour la prospective électrique française à laide du modèle MARKAL Edi Assoumou.
Equations différentielles
MODULE - METHODES POTENTIELLES I. Introduction Générale – J.B. Edel II. Champs de potentiel (gravimétrique, magnétique, …) – P. Sailhac III. Sources (densité
A Pyramid Approach to Subpixel Registration Based on Intensity
1 Intégration numérique garantie de systèmes décrits par des équations différentielles non-linéaires Application à l'estimation garantie d'état et de paramètres.
Equations différentielles ordinaires
Méthodes d‘optimisation en finance
Le filtrage au cours des âges Du filtre de Kalman au filtrage particulaire André Monin.
Guy Gauthier, ing., Ph.D. Session été 2013.
Les LEDs dans l’éclairage et la signalisation automobile
This document is the property of EADS CCR. It may not be communicated to any third parties and/or reproduced without the prior written consent of EADS.
Travaux Initiative Personnels Encadrés
le profil UML en temps réel MARTE
L’objectif est de passer
RELATION PUISSANCE - VITESSE - INCIDENCE
MODULE - METHODES POTENTIELLES
Plan d’expérience dynamique pour la maximisation
Avion convertible à décollage et atterrissage vertical
Luce Brotcorne Maître de Conférences LAMIH/ROI
Modèle mathématique d’un vélo
Courbes de Bézier.
Optimisation de formes dans l’industrie: méthodes de résolution et exemples Laurent Dumas (Maître de Conférences au Laboratoire Jacques-Louis Lions) Modélisation.
1 Evaluer le risque en situation de changement climatique : mission impossible ? SAMA, 19 Janvier 2007 Eric Parent 1, Jacques Bernier 1 et Vincent Fortin.
Partie 2 : programmation stochastique
Programmation linéaire en nombres entiers : les méthodes de troncature
MAXIMISER les RESULTATS
Présentation de la méthode des Eléments Finis
Soutenance de stage 16 Mai au 5 Août 2011
Direction générale de l’Aviation civile direction de la Technique et de l’Innovation sous-direction Etudes et Recherche appliquée direction des services.
Institut de Recherche en Communications et Cybernétique de Nantes 1 Implémentation en précision finie modélisation et recherche de réalisations optimales.
Vers un nouvel empirisme: l’ancien et le nouvel empirisme John Goldsmith Université de Chicago CNRS MoDyCo.
SM C Ce document est la propriété d’Aerospatiale Matra Missiles. Il ne peut être communiqué à des tiers et /ou reproduit sans l’autorisation préalable.
Automatisation du vol de “ La Drenalyn ”
Avion convertible à décollage et atterrissage vertical
Juillet 2009 BLLQA1 Le métier Inspecteur Qualité.
GESTION DE PRODUCTION ET OPERATIONS – GPO-
Mohamed Amine CHABCHOUB
Calcul parallèle => partitionner les données en sous-groupes associés aux processeurs. P0 P2 P1.
Guy Gauthier, ing., Ph.D. 6 janvier 2015
Approche probabiliste pour la commande orientée
1 Méthode de “Fast Marching” générique pour “Shape From Shading” E. Prados & S. Soatto RFIA 2006 janvier 2006, Tours.
Couche limite atmosphérique
Trajectory Tree [1] Patrick Cinq-Mars. © Name – Month YEAR2 / TOTAL PAGES TTree: Tree-Based State Generalization with Temporally Abstract Actions William.
1/16 Chapitre 3: Représentation des systèmes par la notion de variables d’état Contenu du chapitre 3.1. Introduction 3.2. Les variables d’état d’un système.
Avion convertible à décollage et atterrissage vertical
Méthode des moindres carrés (1)
0 Engineering - Janvier 2009 Pierre Connault Sélection de modèles en fatigue des matériaux Pierre Connault 9 janvier 2009 Sélection de variables explicatives.
Stratégies optimales pour le déploiement des variétés résistantes Modélisation analytique de la durabilité des résistances Pietravalle S. van den Bosch.
Commande optimale linéaire quadratique de Lunar Lander
Résolution des équations différentielles
Planification de missions multi-satellites par système multi-agent coopératif  Jonathan Bonnet a,b Marie-Pierre Gleizes a Elsy Kaddoum a Serge Rainjonneau.
0 / Ce document et les informations qu’il contient sont la propriété de Safran. Ils ne doivent pas être copiés ni communiqués à un tiers sans l’autorisation.
Déploiement AIRSUPPLY chez THALES Avionnics
Gestion de portefeuille Chapitre 5: Portefeuille efficient au sens de Markovitz.
THALES GROUP INTERNAL Ce document est la propriété de Thales Group et il ne peut être reproduit ou communiqué sans autorisation écrite.
Transcription de la présentation:

Optimisation de trajectoires d’avions pour la gestion du vol Mathieu Le Merrer 2° année Thales Avionics Onera/DCSD/Conduite de Décision Directeur de thèse : Jean-Loup Farges (Onera/DCSD) Co-directeur de thèse : Cédric Seren (Onera/DCSD) Responsable scientifique entreprise : Patrick Delpy (Thales Avionics) Bourse CIFRE

Besoin de répondre aux nouvelles exigences Introduction Avions actuels équipés d’un Flight Management System (FMS) Rôle essentiel : assurer la navigation Deux catégories de fonctions : fonctions cycliques et gestion de mission Gestion de mission : gestion de plusieurs plans de vol et calcul d’une trajectoire optimale afférente à un critère de coût Modèle de coût actuel Somme pondérée entre la durée du vol et la consommation de carburant Rapport entre les deux facteurs de pondération : indice de coût indicatif du contexte économique du vol Nouveaux facteurs de coût Bruits Emissions de polluants : CO2, Nox > Besoin de répondre aux nouvelles exigences Aerospace

Objectifs Développer une méthodologie générale efficace d’optimisation de trajectoire par un FMS, de manière à prendre en compte les facteurs induits par un nouveau contexte économique Proposer une comparaison « large spectre » des méthodes d’optimisation de trajectoires sur un problème opérationnel Aerospace

Formulation en problème de commande optimale Un problème d’optimisation de trajectoire peut être formulé en problème de commande optimale. Soit un système dynamique de vecteur d’état x régi par une équation différentielle : Problème de Bolza : Minimiser tout en satisfaisant Méthodes : Directes : transcription en problème de programmation non linéaire Indirectes : principe du maximum de Pontriaguine programmation dynamique Aerospace

Problème posé Issu de [BDH69] Atteinte d’une altitude maximale en temps fixé, avec contrainte terminale : Mach = 1 Modèle d’avion longitudinal : Variables d’état : altitude, vitesse, masse Commande : pente Hypothèse : équilibre de forces perpendiculaire au vecteur vitesse Modèle d’atmosphère standard : Température et densité uniquement fonction de l’altitude Modèle de propulsion/consommation : Tables dépendant du Mach et de l’altitude Modèle aérodynamique : Coefficients de la polaire tabulés en fonction du Mach Aerospace

Comparaison de plusieurs méthodes Programmation dynamique inverse Discrétisation de l’équation d’Hamilton-Jacobi-Bellman sur la fonction valeur. Équation aux dérivées partielles Contraintes instantanées Conditions aux limites Méthodes directes Transcription du problème d’optimisation de trajectoire en problème de programmation non linéaire. Paramétrisation des trajectoires d’état et de commande grâce à une méthode de collocation d’Hermite-Simpson : Horizon de temps découpé en N segments Sur chaque segment i, chaque composante n de l’état modélisée par un polynôme Pi,n d’ordre 3. Equation d’état satisfaite à trois instants : début, milieu, fin de segment : Aerospace

Méthode directe : collocation Hermite-Simpson Paramètres d’optimisation : L’état de l’avion aux nœuds de segments Les paramètres qui représentent la commande : Méthode HS1 : Sur un segment, profil de commande affine + continuité aux nœuds de segments, Méthode HS2 : Sur un segment, profil de commande affine + non continuité aux nœuds de segments, Méthode HS3 : Sur un demi-segment, profil de commande affine + continuité aux nœuds de demi-segments. Aerospace

Méthode directe : cas avec contraintes terminales Aerospace

Méthode directe : cas avec contraintes terminales Trajectoires dans le domaine de vol Aerospace

Programmation Dynamique vs. Méthode directe Problème sur un horizon de temps court (40s) sans contrainte terminale Rouge continu : HS1 1 segmt, Rose continu : HS1 2 segmts, Bleu continu : HS1 3 segmts, Rose interrompu : DP1 2 segmts. Dans ce cas particulier sans contrainte terminale, la programmation dynamique sur deux segments donne un critère équivalent à la méthode directe sur 3 segments Aerospace

Conclusion et perspectives Bilan de l’année : Etude des FMS et de leur rôle dans la gestion de mission Etat de l’art des méthodes de commande optimale Comparaison de plusieurs méthodes sur un problème concret Perspectives : Mûrir l’évaluation des méthodes: Acquérir plus de maîtrise sur les algorithmes de programmation non linéaire Rapprocher le problème d’un contexte FMS Utiliser un modèle d’avion de transport adapté à un problème FMS Optimiser des critères caractéristiques des préoccupations relatives au transport aérien : temps, fuel, émissions Retenir certaines méthodes sur la base de critères objectifs puis les approfondir Aerospace

Formations effectuées Formations suivies : « Autonomie embarquée des engins aériens inhabités », EDSYS Systèmes Embarqués, juin 2009 « Méthodes probabilistes et stochastiques », ONERA CERT, janvier 2010. Bibliographie [BDH69] A. E. Bryson, M. N. Desai, and W. C. Hoffman, “Energy-State Approximation in Performance Optimization of Supersonic Aircraft,” Journal of Aircraft, Vol. 6, No. 6, November-December 1969, pp. 481-488. [Betts98] J. T. Betts, “Survey of Numerical Methods for Trajectory Optimization,” Journal of Guidance, Control, and Dynamics, Vol. 21, No. 2, March–April 1998, pp. 193–207. [Rao09] A. V. Rao, “A Survey of Numerical Methods for Optimal Control,” 2009 AAS/AIAA Astrodynamics Specialist Conference, AAS Paper 09-334, Pittsburgh, PA, August 10-13, 2009. Aerospace