LOGIN TO YOUR ACCOUNT

Username
Password
Remember Me
Or use your Academic/Social account:

CREATE AN ACCOUNT

Or use your Academic/Social account:

Congratulations!

You have just completed your registration at OpenAire.

Before you can login to the site, you will need to activate your account. An e-mail will be sent to you with the proper instructions.

Important!

Please note that this site is currently undergoing Beta testing.
Any new content you create is not guaranteed to be present to the final version of the site upon release.

Thank you for your patience,
OpenAire Dev Team.

Close This Message

CREATE AN ACCOUNT

Name:
Username:
Password:
Verify Password:
E-mail:
Verify E-mail:
*All Fields Are Required.
Please Verify You Are Human:
fbtwitterlinkedinvimeoflicker grey 14rssslideshare1
Languages: French
Types: Article
Subjects: Apprentissage local, Mélange d'experts, Simulation inverse, Commande adaptative, Commandes de vol, 629.8
Cette thèse s'inscrit dans le cadre du réglage des lois de pilotage d'un avion de transport civil en phase de développement. Malgré la qualité croissante des modèles utilisés pour la synthèse des lois, certains effets très non-linéaires requièrent le développement de lois spécifiques. Leur réglage fait l'objet d'un processus long et coûteux que l'industriel cherche à raccourcir au maximum. En constatant que les donnes d'essais en vol sont moins utilisées que les modèles, nous avons élaboré des méthodologies permettant une exploitation de celles-ci pour régler ces lois de pilotage. L'avion étant un système à paramètres variants, ses lois sont interpolées et il n'est testé que sur un ensemble discret de points de vol. Par conséquent, les données à utiliser sont locales et le réglage des lois interpolées devra refléter ce caractère local. Ces deux aspects d'interpolation et de données locales ont orienté le travail vers une méthode d'apprentissage locale pour interpoler les lois de pilotage : les mélanges d'experts (MEX). Leur structure permet de diviser le domaine de vol en plusieurs sous-domaines et d'affecter à chacun d'eux une modélisation locale. Nous avons alors élaboré une méthodologie permettant une retouche locale à l'aide des MEX. Elle est divisée en une partie hors-ligne et une en ligne, chacune comprenant la génération de données à l'aide d'une inversion/identification, la structuration des MEX et leur optimisation. La méthodologie est mise en œuvre sur deux applications identifiées par Airbus comme reflétant le problème posé. La première concerne l'estimation du dérapage aérodynamique de l'avion et la seconde une loi feedforward de compensation d'aérofreins. This PhD thesis deals with the flight control laws returning for a civilian carrier aircraft, during its development phase. Despite the increasing quality of the synthesis models used for the initial control laws design, several nonlinear effects need specific control laws. Their tuning is a long and costly process that the manufacturer wishes to shorten as much as possible. Considering that flight test data are much less used than the synthesis models, we designed methodologies allowing the use of these data to retune these specific laws. As the aircraft is parameter varying, it is tested on a discrete set of flight points. As a consequence, the flight test data are local and the control retuning shall also be impacted locally. Both these aspects of interpolation and local data have directed the research towards a local learning method called mixture of experts (MEX), in order to perform the flight control laws interpolation. Their structure allows to divide the flight domain into several subdomains and to allocate to each a local model. The methodology that we have developped allow such a local retuning by the use of MEX. It consists of an offline part and an online part, each part including the learning data generation by means of an inversion/identification, the MEX structuration and learning. The methodology has been tested on two different applications raised by Airbus. The first one deals with the retuning of a sideslip estimator and the second one with a feedforward law for airbrakes compensation.
  • No references.
  • No related research data.
  • No similar publications.

Share - Bookmark

Cite this article