Projet de recherche doctoral numero :8171

Date depot: 21 mai 2021
Titre: Reconnaissance de charges de vol par apprentissage en vue d’augmenter la sécurité des vols et d’améliorer le service de maintenance prédictive
Directeur de thèse: Bertrand GRANADO (LIP6)
Directeur de thèse: Christophe MARSALA (LIP6)
Encadrant : Julien DENOULET (LIP6)
Domaine scientifique: Sciences et technologies de l'information et de la communication
Thématique CNRS : Intelligence artificielle

Resumé: Contexte industriel : La maintenance prédictive s’inscrit dans un contexte compétitif. Il existe plusieurs travaux en cours que ce soit dans l’industrie ou bien dans le monde académique. Dans le cadre applicatif lié à cette thèse, la maintenance prédictive se décompose en plusieurs sous fonctions parmi lesquelles on compte : • L’évaluation des endommagements des pièces mécaniques, basées sur des seuils définis par le constructeur et associés à chaque phase de vol. • La simplification des visites de maintenance, impliquant une surveillance des pièces mécaniques pour laquelle les procédures de maintenance sont plus fréquentes et chronophages. • L’anticipation des endommagements par détection de comportements ou signes inhabituels sur les pièces mécaniques. • La maintenance conditionnelle, qui induit une anticipation des jalons de maintenance en fonction de l’utilisation de l’hélicoptère. Sujet de thèse : Depuis la fin des années 1990, l’évolution des algorithmes d’apprentissage automatique a permis de résoudre des problèmes difficiles et non linéaires [ref1]. Un éventail de différent type de méthodes, qui ont fait leur preuve, du perceptron multi-couches aux machines à vecteurs de support en passant par les arbres de décisions, sont maintenant disponibles. Dans l’industrie aéronautique, l’entretien des appareils est crucial, il doit intervenir au bon moment. Aujourd’hui, la politique est basée sur un réflexe conservatoire qui fait changer des éléments même lorsqu’ils sont encore opérationnels [ref2]. Dans le cas de la maintenance des hélicoptères, et du suivi de durée de vie de ses composants, une hypothèse d’utilisation sévère est associée à des mesures de cas de vol type. Cette hypothèse d’utilisation est traduite par un spectre d’utilisation, un spectre de définition, qui définit les occurrences théoriques de cas de vol type dont les charges sont mesurées sur un prototype lors d’une campagne de vol dédiée. Ces vols, appelés vols GIR, sont réalisés dans un contexte de développement de l’hélicoptère, les manœuvres réalisées lors de ces vols d’essais sont cadrées et l’instrumentation utilisée permet au constructeur de connaître les charges lors de ces manœuvres après dépouillement des vols. Pour assurer la sécurité de l’appareil le spectre de définition doit couvrir les utilisations les plus sévères de l’hélicoptère ou être remis à jour pour des utilisations spécifiques ce qui entraine à la fois un conservatisme inutile et une lourdeur d’utilisation (au niveau des services techniques du constructeur mais aussi du client). La reconnaissance directe des charges lors d’un vol, en utilisant les progrès des algorithmes d’apprentissage automatique, permettrait d’ajuster les phases de maintenance selon l’utilisation des hélicoptères. Cette maintenance peut être construite en utilisant une partie de la démarche actuelle, notamment en utilisant la base de données GIR et en lui associant les occurrences réelles d’utilisation grâce à la reconnaissance des phases de vol, ou Flight Regime Recognition FRR, [REF HUMS]. L’identification directe des charges de vol permettra d’estimer les endommagements associés des pièces mécaniques. Dans le cadre de ce travail de thèse, les algorithmes d’apprentissage seront utilisés pour construire des modèles de prédiction à partir des points des vols GIR. L’ambition est de réaliser la maintenance des charges plus proches de la réalité en utilisant des cas de vol et donc de réduire le conservatisme de la méthode utilisée actuellement. De plus, les modèles proposés devront respecter et s’adapter aux contraintes de certification à respecter dans le domaine de l’aéronautique. Ce travail de recherche permettra de couvrir par extension certaines problématiques reliées aux paramètres intrinsèques de vol de l’hélicoptère mais qui ne sont pas résolues avec les méthodes actuelles comme : • La détermination des paramètres de masse et de centrage en vol, • L’identification des charges à basses vitesses qui peuvent être impactées par des variations importantes, • La prise de compte du dérapage dans des conditions de vitesses élevées. Cela permettra pour Airbus de simplifier les vols GIR avec une définition et une analyse des points de vol réalisés. Ces analyses permettront une limitation des risques d’erreur et de la dispersion des résultats de charges associés, ainsi que la réduction du volume de calcul de durée de vie et d’intervalles d’inspection nécessaires actuellement pour chaque spectre (de l’ordre de la dizaine) au seul spectre de définition. Finalement cela améliorera la sécurité des vols. Pour les clients, ces avancées permettront une simplification du suivi des appareils, ainsi qu’un augmentation potentielle des durées de vie et des intervalles d’inspection, tout en améliorant la sécurité des vols.

Résumé dans une autre langue: nnnnnnn



Doctorant.e: Del Cistia Gallimard Caroline