Projet ARTEMIS - processus multiniveau Thierry Lefebvre, Peter Schmollgruber / DCPS

Transcription

1 Projet ARTEMIS - processus multiniveau Thierry Lefebvre, Peter Schmollgruber / DCPS JSO MDO Onera 25 et 26 janvier 2012

2 Plan de la présentation La conception avant projet avion à l'onera La plateforme ACode à DCPS Présentation et modules principaux Etudes "classiques" Etudes multi niveaux Etudes découplée Etudes couplées (ARTEMIS) Pistes de réflexion JSO Janvier

3 La conception avion La conception avion La conception avion est la discipline qui coordonne les activités des experts disciplinaires pour définir et dimensionner un avion qui réponde au mieux au cahier des charges Performances Coût Aérodynamique Structure Dynamique du vol Lois de contrôle Différentes phases Phase Avant-Projet Conception Préliminaire Conception Détaillée Emissions Fabrication Bruit Propulsion Liaisons au sol JSO Janvier

4 La conception avion La conception avion à l'onera L'Onera se compose de 16 départements experts regoupés en 4 branches DEMR DESP DMPH Physique DOTA DMAE DAAP DAFE Mécanique des Fluides Energétique DSNA DEFA DMSM DADS LEM Materiaux et Structures DMSC DCSD Traitement de l'informaion et Systèmes DCPS DTIM Structure très adaptée aux études multi disciplinaires DCPS a vocation à être animateur/coordinateur de ces études au niveau nouveaux concepts (avions, drones, etc...) et intégrateur des modèles disciplinaires requis JSO Janvier

5 Code de conception avion projet avion Code avant projet ACoDe Approche de niveau conceptuel (avant projet) ACoDe a pour objectif de dimensionner / optimiser un appareil (de type avion civil) pour une mission donnée Fondé sur une analyse multi-disciplinaire (MDA) via modules dédiés Implementé dans un environnement ModelCenter Atmosphere Configuration specifications Geometry Propulsion Aerodynamics Structure / weight Processus ACoDe Mission specifications Performances Geometrical Constraints Operationnal constraints Optimiser JSO Janvier

6 Code de conception avion projet avion Modules principaux (1) AERODYNAMIQUE Renvoie la polaire pour des configuration lisse / basse vitesse en fonction des conditions de vol en utilisant une décomposition de trainée des différents éléments PROPULSION Equations semi empiriques (ONERA/DAAP) Drag breakdown for Complete Aircraft - M = ft Tables de performances (émissions) générées par code GSP (NLR) Lift Coefficient Drag Coefficient Total Drag Friction Drag component Friction + Viscous pressure Drag components Friction + Viscous pressure + Induced drag components Modélisation de l'architecture du moteur à partir des composants GSP Calibration du modèle à partir des données fournies/disponibles Géneration des tableaux Propulsion performances/consommation JSO Janvier

7 Code de conception avion projet avion Modules principaux (2) MASSE / STRUCTURE Modèle voilure: modéle fondé sur une décomposition en masse travaillante (fonction du chargement) et masse secondaire (servo, etc ) Modèles physique voilure (ONERA/DADS) et fuselage (ONERA/DCSD) + mod. statistiques Modèle fuselage : modèle mixte alliant méthode dimensionnment en pression et dimensionnement en flexion PERFORMANCES / MISSION Définit une mission (de type nominale ou optimale) en fonction du type d'appareil (court courrier,..) et de différents paramètres (profil de montée, conditions de croisière,..) et des réserves réglementaires Equations de la mécanique du vol appliquées aux différentes phases JSO Janvier

8 Etudes avant projet classique Processus de conception (1) Sélection des variables de design, soit reliées à la géométrie (voilure, fuselage, position des moteurs) et/ou à la mission (Mach de croisière), Choix des contraintes Contraintes de mission (nominale, optimale) Contraintes géométriques (envergure, flèche, épaisseur relative,..) Contraintes opérationnelles Vitesse approche Balance Field Length Durée de montée.. Distance décollage poursuivi accélération-arrêt V 1 Vp D.A.A. V p V 1 V p V r V lof V 2 V lof V 2 JSO Janvier

9 Etudes avant projet classique Processus de conception (2) Optimisation type MDF avec les outils ModelCenter : Composant d'optimisation par gradient, fondé sur formulation SQP Composant d'optimisation par algorithme génétique "Darwin" Optimisation par algorithme génétique Faible temps de calcul par configuration Domaine assez large d'exploration nécessaire Configurations "infaisables" nombreuses Optimisation généralement multicritère MTOW (mission nominale) et MFUEL (mission nominale) Arbitrage avant selection configuration retenue JSO Janvier

10 Etudes multi niveaux découplés Etude découplée/sequentielle Objectif: optimiser une "nouvelle " configuration d'appareil avec appels à des optimisations mono disciplinaires utilisant des modèles Haute Fidélité Atmosphère Processus Avion Complet Geometry Propulsion Aerodynamic Acoustic Structure / weight Performances Etude(s) Disciplinaire(s) Haute Fidélité Raffinement / Optimisation Optimisation structure (DADS) Optimisation aero (DAAP) Enchainement séquentiel d'optimisation aux différents niveaux Optimisation "découplée" au niveau disciplinaire (aéro / structure) Peu d'itérations entre les niveaux JSO Janvier

11 Etude multi niveaux couplée Etude couplée : ARTEMIS Objectif: démontrer la capacité de remplacer une boucle de design séquentielle par processus multi disciplinaire consistant Cas test: cas interaction forte aero structure + grand nombre de paramètres de design Processus Avion Complet Etude conceptuelle sur une mission complète Processus Bi Disciplinaire Design MDO avec process Haute Fidélité (CFD/CSM) Dimensionnement local Panneaux de composites raidis JSO Janvier

12 Etude multi niveaux couplée ARTEMIS : Descriptif Cas test ARTEMIS: Optimisation aéro-élastique de la voilure d'un avion civil long - courrier Cahier des Charges PAG Mission: range = nm, Mach croisière = 0.83 Contraintes: respect contraintes avion référence Airbus Processus Avion Global (PAG) permet l'exploration des différents concepts d'appareils à partir d'un cahier des charges "avionneur" Exploration rapide d'un large espace de design Correction des modèles fondée sur le retour des modèles Haute Fidelité Génération de coefficients d'échanges nécessaires à la définition de la fonction objectif du PBD Cahier des Charges PBD Optimisation aéro élastique voilure pour 1 configuration en croisière Processus Bi Disciplinaire (PBD) : démonstration d'une MDO fondée sur des outils Haute Fidélité Choix de BLISS (Bi-Level Integrated System Synthesis) for disciplinary design autonomy JSO Janvier

13 Etude multi niveaux couplée ARTEMIS : Zoom Processus Design variables Global Aircraft Process Constraints Mission specifications - Aerodynamics - Weight - Propulsion - Performance for a mission Family of optimized vehicles Model refinements based on HiFi data Inputs for the objective function of the Global Aircraft Process Inputs for the objective function of the Bi-Disciplinary Process Bi-Disciplinary Process - BLISS formulation - HiFi structural models - HiFi aerodynamics models Design variables Constraints JSO Janvier

14 Etude multi niveaux couplée PAG ARTEMIS: Processus PAG actuel Entrées PBD: Cx Cruise et W wing primary structure Historique optimisation MDF Avion global Optimisation Avion global Fuel capacity check Physics based weights Mission Profile Fonction Objectif = f (MTOW, MFUEL) Variables de conception lié à la forme en plan voilure {Φ LE, e, b} (flèche, effilement, envergure) Overall performances Intégration des contraintes haut niveau (CdC avionneur) Optimized Aircraft Coefficient d'échange But : transférer la connaissance du système avion obtenue durant la boucle PAG extraction du coefficient d'échange Analyse Post Optimal Sorties PAG: Coefficient d'échange α ( Cx Cruise vs. W wing primary structure ) pour fonct. objectif PBD Forme en plan voilure (Φ LE, e, b) JSO Janvier

15 Etude multi niveaux couplée PAG ARTEMIS: Traitement entrée PBD Données entrées PBD Données issues d'une optimisation couplée aéro structure réalisée avec des outils Haute Fidélité Données fiables / module avant projet PAG But : transférer la connaissance fine au niveau aérodynamique et structure obtenue durant la boucle PBD intégration des données coef. trainée et masse voilure pour assurer le recalage des prédictions PAG Intégration du Cx Croisière issu du PBD Initialisation processus * Création d'un modèle réduit initial de comportement de l'aéro Haute Fidelité croisière M= 0.83 and Cz = [ ] à partir de calculs DAAP voilure souple (modèle référence) CD * Conservation du module Basse Fidélité avant projet partout ailleurs Pour variables de conception initiale (Φ LE, e, b) PAG génére polaire basse fidélité ( ) et passage à polaire haute fidélite ( ) dans la zone de croisière Pour Evaluation nouvelles des variables techniques (Φ' LE, de e', clustering b') et mélanges Ensemble du d experts modèle est pour corrigé, détection en utilisant et mise le gradient à jour d'évolution des différents du module modèles PAG basse fidélité (de à ) JSO Janvier CD Φ LE, e, b CL CL Φ' LE, e', b'

16 Etude multi niveaux couplée PAG ARTEMIS: Traitement entrée PBD Intégration de la Masse Structure primaire voilure issue du PBD BPD primary structure weight Initialisation Le module PAG renvoie la décomposition de masse de la voilure Masse voilure PAG = Masse Structure primaire voilure PAG + Masse secondaire PAG Pour variables de conception initiale (Φ LE, e, b) On remplace la contribution masse voilure primaire dans PAG Masse voilure PAG = Masse Structure primaire voilure PBD + Masse secondaire PAG GAP wing weight module BDP Weight of Wing Primary Structure Hi-Fi GAP Weight of secondary elements Wing Weight Pour nouvelles variables (Φ' LE, e', b') La Masse Structure primaire voilure PBD est corrigée, en utilisant le gradient d'évolution du module PAG de Masse Structure primaire voilure PAG La Masse secondaire PAG est celle associé aux nouvelles variables Wing geometry (E, b, ϕ) Axe de travail (en collaboration avec DTIM) : Traitement entrée PBD / Modèle réduit de comportement * Extension du modèle réduit Haute Fidelité à l'ensemble des variables d'échange (PBD PAG) * Evaluation des méthodes d'intégration des données Haute Fidélité issue du PBD au fur et à mesure des itérations de couplage (incluant les historiques optimisations) JSO Janvier

17 Etude multi niveaux couplée PAG ARTEMIS: Optimisation PAG Problème optimisation niveau PAG Paramètres Z = {Cd croisière, M voilure } Variables de conception PAG : x ={Φ LE, e, b} Fonction objectif à minimiser Physics based weights f(x, Z) = (0.5 MTOW + 0. MFUEL) Mission Profile Sous contraintes g1(x, Z)= Vapp Vapp0 0 Vitesse approche g2(x, Z)= Ldeco Ldeco0 0 Distance Décollage g3(x, Z)= Txr Txr0 0 Taux de remplissage voilure Fuel capacity check Overall performances Choix de la fonction Objectif composite car utilisation d une méthode par gradient : Best generation Vitesse de convergence Espace d exploration restreint Automatisation facilitée du process PAG Comparaison avec algorithme génétique sur cas tests MFUEL Best generation Fonction objectif MTOW OBJECTIF JSO Janvier

18 Etude multi niveaux couplée PAG ARTEMIS : Analyse Post Optimale Données sortie PAG Nouvelle forme en plan optimale du point de vue PAG x* ={Φ* LE, e*, b*} Coefficient d'échange α représentatif du trade off {Cd croisière vs. M voilure } à l'optimum PAG Rappel fonction objectif PBD Obtention du coefficient d'échange Compréhension du coefficient d'échange Obtenu, autour de la configuration optimale PAG, à partir des dérivées de la fonction objectif du PAG par rapport aux paramètres Z = {Cd croisière, M voilure } Exemple 1000 kg de Mvoil kg de Mfuel 2.45 points de Cx 1000 kg de Mvoil kg de Mtow 4.72 points de Cx Soit, pour la fonction objectif PAG, 1 t. Mvoil 3.6 points de trainée Amélioration de la prédiction du coefficient d'échange Utilisation des dérivées avec Z = {Cd croisière, M voilure } pour prendre en compte l'effet des contraintes actives (avec les multiplicateurs de Lagrange) JSO Janvier

19 Etude multi niveaux couplée Conclusion ARTEMIS : Conclusion coté PAG Conclusion Conception avant - projet Conception avant projet avion généralement réalisée avec appels ponctuels et ciblés aux outils Haute Fidélité ARTEMIS : première application d'une étude multiniveau directement sur un cas test industriel Travaux sur l'intégration des données Haute Fidélite dans le processus PAG (avec DTIM) Nécessité de mettre à niveau l'outil ACoDe, au niveau méthodologique MDO, et assurer son interopérabilité avec l'environnement informatique mis en place par DAAP et DADS JSO Janvier

20 Pistes de reflexion Pistes de reflexion PAG Intégrer un plus grand nombre de disciplines au niveau de la MDA du PAG pour tenir compte d'un plus grand nombre de contraintes Amélioration de la calibration des modèles PAG en profitant au mieux des itérations effectuées pendant l'optimisation PBD (historique) Amélioration de la stratégie MDO niveau PAG (formulation adaptée à un grand nombre de disciplines et à l'intégration d'alternatives de modélisation locales en fonction de l'avancement de l'optimisation) Travaux sur les automatisations nécessaires au cours de l'optimisation et identification des étapes nécessitant une décision "ingénieur" Couplage PAG/PBD Utiliser les données Haute Fidélite pour plus de conditions de vol et généraliser le couplage au multi-points Définition des différents coefficients d'échange entre les disciplines JSO Janvier

21 JSO Janvier Merci de votre attention