Thèse soutenue

Optimisation de procédures de vol à moindre bruit pour les aéronefs à voilure tournante

FR  |  
EN
Auteur / Autrice : Pierre Dieumegard
Direction : Sonia CafieriR. John Hansman
Type : Thèse de doctorat
Discipline(s) : Aéronautique et Astronautique
Date : Soutenance le 11/07/2023
Etablissement(s) : Toulouse 3
Ecole(s) doctorale(s) : École doctorale Aéronautique-Astronautique (Toulouse)
Jury : Président / Présidente : Jean-Baptiste Hiriart-Urruty
Examinateurs / Examinatrices : Delphine Sinoquet
Rapporteurs / Rapporteuses : Sébastien Le Digabel, John-Paul Clarke

Résumé

FR  |  
EN

L'aviation civile joue un rôle indispensable pour le transport de biens et de personnes. En ce qui concerne les opérations de giravions, une croissance est prévue principalement dû à deux facteurs. D'une part, les opérations d'hélicoptères devraient au moins maintenir leur niveau actuel car elles sont essentielles pour des missions spécifiques. D'autre part, une augmentation significative des opérations au-dessus des villes est prévue avec le développement de l’Urban Air Mobility. Une des principales limitations à une telle croissance est son impact sonore sur la population. En effet, à cause de leur signature acoustique particulière, mais aussi de leurs missions spécifiques, les hélicoptères sont souvent associés à de fortes nuisances sonores. Il est donc nécessaire de développer des procédures à moindre bruit spécifiques aux hélicoptères. Dans cette thèse, on propose une approche pour optimiser les trajectoires d'hélicoptères afin de minimiser leur impact sonore sur la population. Cette approche repose sur des simulations numériques effectuées par un logiciel industriel : CAROT. Dans cette thèse, on a contribué au développement de ce logiciel qui comprend trois briques principales : la modélisation de l'émission sonore, la propagation sonore et l'étude de l'impact environnemental. Du point de vue de l'optimisation, comme on repose sur des simulations numériques, on n'a pas accès à l'expression analytique de l’objectif, ni à celle de ses dérivées, en fonction des variables de décision. On propose donc un schéma algorithmique basé sur une méthode de pointe pour l'optimisation de boîte noire apportant une garantie d'optimalité locale : Mesh-Adaptive Direct Search (MADS). Pour les méthodes locales, il est connu que la solution optimale dépend généralement fortement du point de départ. Dans cette thèse, la trajectoire initiale est déterminée via un algorithme de recherche de chemin optimal. Comme le temps de calcul associé se doit d’être relativement court vis-à-vis de celui de l'ensemble du processus d'optimisation, l’impact sonore sur la population est approximé par une mesure de la population survolée, qui ne repose pas sur la boîte noire coûteuse. L'efficacité de l'approche est encore plus accrue avec la restriction de l'espace de recherche qui permet aussi de gérer directement les contraintes d'évitement d'obstacles. On montre sur plusieurs cas réalistes que l'approche proposée permet d'obtenir des trajectoires réduisant significativement l'impact sonore sur la population par rapport aux trajectoires réellement volées. Afin d'améliorer l'efficacité de l'approche, on propose de définir des modèles surrogate de la boîte noire d'origine basés sur des simplifications de la simulation et d’autres basés sur différents algorithmes d'apprentissage artificiel. La performance de ces modèles est comparée à celle de la boîte noire. En particulier, on détaille un surrogate basé sur un réseau de neurones, qui s'avère capable d'estimer précisément, et très efficacement, l'empreinte sonore des hélicoptères. Ensuite, on propose une manière d’intégrer ces surrogates dans l'algorithme MADS. Les résultats numériques montrent que l'utilisation de ces surrogates permet d'obtenir des solutions de bonne qualité avec un temps de calcul réduit, ce qui s'avère prometteur dans un contexte opérationnel. Dans la dernière partie, on traite un autre problème d'optimisation qui consiste à optimiser les trajectoires de tous les hélicoptères passant dans une zone d’intérêt donnée pendant une période de temps donnée. La fonction objectif est une mesure de l'impact sonore cumulé associé à tous les vols d'hélicoptères considérés. On propose une approche itérative basée sur le schéma algorithmique décrit précédemment et le surrogate basé sur le réseau de neurones. Les résultats numériques sur des instances réelles montrent que l’approche permet de réduire le bruit cumulé et d’améliorer l’équité vis-à-vis de l’exposition de la population au bruit des hélicoptères.