Thèse modélisation par approche LPV et synthèse de lois de commande robuste F/H

Safran est un groupe international de haute technologie opérant dans les domaines de l'aéronautique (propulsion, équipements et intérieurs), de l'espace et de la défense. Sa mission : contribuer durablement à un monde plus sûr, où le transport aérien devient toujours plus respectueux de l'environnement, plus confortable et plus accessible. Implanté sur tous les continents, le Groupe emploie 83 000 collaborateurs pour un chiffre d'affaires de 19,0 mds d'euros en 2022, et occupe, seul ou en partenariat, des positions de premier plan mondial ou européen sur ses marchés. Safran s'engage dans des programmes de R&D qui préservent les priorités environnementales de sa feuille de route d'innovation technologique.



Safran est dans le top 30 des meilleurs employeurs mondiaux 2022 selon le magazine Forbes.



Safran Aircraft Engines conçoit, produit et commercialise, seul ou en coopération, des moteurs aéronautiques civils et militaires aux meilleurs niveaux de performance. La société est notamment, à travers CFM International*, le leader mondial de la propulsion d'avions commerciaux court et moyen-courriers. Dans le domaine de la propulsion militaire, la société a intégralement conçu développé et produit le M88 et le M53 qui équipent respectivement le Rafale et le Mirage 2000 et sera intégrateur du moteur du futur avion de combat européen.

Descriptif mission

Les objectifs principaux de la thèse sont :

1. L'amélioration de la précision du modèle moteur par une approche LPV (Linéaire à Paramètres Variants) (par exemple de type polytopique)

2. Le développement de lois de commandes avancées et d'algorithmes de surveillance valides dans tout le domaine de fonctionnement de nos moteurs.



Etude sur la modélisation



La représentativité du modèle en transitoire peut être améliorée selon les pistes suivantes :

- L'utilisation d'un critère multi-objectif (mixte par exemple) permet de garantir l'adéquation locale des sous-modèles tout en assurant le caractère global du multi-modèle.

- L'utilisation d'un modèle à états découplés pour prendre en compte des phénomènes physiques. Cet axe de travail nécessite de déterminer le niveau de simplification de la physique acceptable vis-à-vis de l'utilisation du multi-modèle (lois de commande ou surveillance).

- Le choix des points de fonctionnement pour avoir la meilleure couverture possible de tout le domaine de fonctionnement

- Explorer la piste des variables de décision (paramètres de séquencement) non mesurables pour garantir la robustesse vis-à-vis de la variation des conditions d'utilisation du moteur



Le processus envisagé pour la détermination du modèle de synthèse est le suivant :

- Recalage du modèle thermodynamique en stabilisé/transitoire à partir d'essais moteur.

- Utilisation du modèle thermodynamique pour déterminer la structure ainsi que les paramètres de séquencement du multi-modèle adapté à l'application visée (régulation ou surveillance).

- Utilisation des essais moteur à disposition pour recaler le multi-modèle.



Développement de méthodologies de commande et/ou de surveillance



Nous nous intéresserons principalement aux trois sous-problèmes suivants, pour lesquels le modèle amélioré développé dans la partie précédent servira de base :

A. La synthèse de lois de commande robuste à paramètres variants en vue d'un meilleur compromis robustesse/performance

B. La possibilité d'embarquer le modèle du moteur et un estimateur de paramètres de ce modèle, pertinents pour la commande. Les paramètres estimés en ligne servent ainsi au recalage du correcteur.

C. L'utilisation du modèle moteur pour la localisation de panne, autrement dit, mieux isoler la voie saine de celle en panne lors de pannes de capteurs d'acquisition.