Méthodologie de modélisation des effets d'installation sur moteur d'hélicoptères par approche physique et machine learning

Methodology for modeling installation effects on helicopter engines using a physical and machine learning approach.

• Auteur / Autrice : Alexandre Di Marco
• Direction : Pierre Sagaut
• Type : Thèse de doctorat
• Discipline(s) : Sciences pour l'ingénieur. Mécanique et physique des fluides
• Date : Soutenance le 27/09/2023
• Etablissement(s) : Aix-Marseille
• Ecole(s) doctorale(s) : École Doctorale Sciences pour l'ingénieur : Mécanique, Physique, Micro et Nanoélectronique (Marseille)
• Partenaire(s) de recherche : Laboratoire : Laboratoire de Mécanique, Modélisation et Procédés Propres (M2P2) (Marseille, Aix-en-Provence)
• Partenaire(s) de recherche : Equipe de recherche : Airbus Helicopters (Marignane)
• Jury : Président / Présidente : Mitra Fouladirad
• Jury : Examinateurs / Examinatrices : Nicolas Gourdain, Jean-Christophe Jouhaud
• Jury : Rapporteurs / Rapporteuses : Nicolas Binder, Eric Garnier

Mots clés

Mots clés contrôlés

Hélicoptères

Industrie aéronautique

Aérodynamique

Apprentissage automatique

Mécanique des fluides

Mots clés libres

Intégration moteur

Aérodynamique interne

Machine learning

Mécanique des fluides

Engine performance

Internal aerodynamics

Machine learning

Fluid mechanics

Résumé

La performance d'un hélicoptère est l'un des éléments les plus importants pour la compétitivité de l'aéronef. Cette performance dépend principalement de la puissance disponible, qui provient essentiellement de son moteur. Néanmoins, leur fonctionnement nécessite une architecture de moteur incluant une prise d'air et un système d'échappement, sensible aux conditions environnementales. Ainsi, lorsque le moteur est intégré dans l'hélicoptère, le flux d'air entrant dans le moteur est soumis à plusieurs perturbations aérothermiques et/ou aérodynamiques, qui peuvent avoir un impact significatif sur la puissance finale fournie par le moteur. La différence entre la puissance fournie par le moteur en vol et au banc d'essai est définie comme des effets d'installation. Habituellement, les effets d'installation sont déterminés lors de tests en vol dédiés une fois que la conception de l'hélicoptère est déjà fixée. Au cours des dernières années, l'arrivée de la nouvelle génération d'aéronefs complexifie l'intégration du moteur. Afin de faire face au manque de données d'effets d'installation tôt dans le cycle de développement et de réduire les risques associés à ces nouvelles architectures, il est nécessaire d'estimer les effets d'installation avant les premiers tests en vol. L'objectif de cette thèse est de fournir des éléments méthodologique pour la modélisation des effets d'installation, qui peut être utilisée tout au long du développement d'un hélicoptère. À cette fin, deux approches ont été étudiées : une première approche appelée approche physique qui repose sur la modélisation des effets d'installation par la reconstruction du cycle thermodynamique du moteur ainsi que son comportement opérationnel sous les perturbations aérodynamiques et aérothermiques. Une seconde approche appelée approche statistique vise à fournir un niveau d'information supplémentaire à l'approche physique. La première approche propose une méthode de simulation des effets d'installation avant les tests en vol pour réduire les coûts et les risques de développement de l'hélicoptère. Elle utilise la reproduction du cycle thermodynamique du moteur couplée à la mécanique des fluides numérique dans l'entrée d'air pour prédire le flux entrant dans le moteur. Les résultats ont été validés par comparaison avec des essais en vol dédiés, montrant une bonne représentation des effets d'installation avec une précision d'environ 1%. Cette méthode peut être utilisée à n'importe quelle phase de vol, mais ne capture pas la dispersion des effets. La deuxième approche, appelée statistique, complète les faiblesses de l'approche physique en prenant en compte la dispersion des effets d'installation. Des simulations CFD supplémentaires avec différentes attitudes d'hélicoptère ont permis une analyse de sensibilité, démontrant l'importance d'inclure l'attitude de l'aéronef dans la simulation des effets d'installation. Cette approche combinée à la simulation des effets d'installation capture jusqu'à 90% des points d'essais en vol. De plus, une méthode de simulation des effets d'installation basé sur l'apprentissage automatique permet d'estimé les effets d'installation d'une configuration non testée en utilisant les résultats des essais en vol effectués sur une autre configuration. Cette approche combine l'apprentissage automatique et la physique, réduisant ainsi le nombre d'essais en vol nécessaires pour définir les effets d'installation lors de modifications de la configuration d'admission d'air.l'utilisation de ces méthodes lors du processus de développement permettent de réduire les risques et le nombre d'essais en vol nécessaire à la détermination des effets d'installation. De plus leur applicabilité à toutes les architectures de moteur et configurations d'admission d'air en font un ensemble d'outils précieux pour le développement des nouveaux hélicoptères

Helicopter performance is one of the most important elements for the competitiveness of the aircraft. This performance depends mainly on the available power, which comes essentially from its engine(s). Nevertheless, their operation requires an engine architecture, including an air intake and an exhaust system (nozzle), sensitive to environmental conditions. Thus, when the engine is integrated into the helicopter, the airflow entering the engine is subject to several aerothermal and/or aerodynamic disturbances, which can have a significant impact on the final power delivered by the engine as well as its operability. The difference between the power delivered by the engine in flight and the power delivered by the engine on the test bench is defined as installation effects. Usually, installation effects are determined during dedicated flight tests once the helicopter design is already fixed.Within the last few years, the arrival of the new generation of aircraft complexifies engine integration. In order to cope with the lack of upstream installation effect data during the development cycle impacting the final installed power and to reduce the risks associated with these new architectures, it is necessary to estimate the installation effects before the first flight tests. The objective of this thesis is to provide a methodological component for the modelization of installation effects, that can be used throughout the development of a helicopter. For this purpose, two approaches were investigated, a first approach called physical which is based on the modelization of the installation effects, and a second called Statistical based approach that aims to provide an additional level of information to the physical one.The first approach proposes a method for simulating installation effects before flight tests to reduce helicopter development costs and risks. It uses the reproduction of the engine's thermodynamic cycle coupled with computational fluid dynamics in the air inlet to predict the incoming flow into the engine. The results have been validated by comparison with dedicated flight tests, showing a good representation of installation effects with an accuracy of approximately 1%. This method can be used at any flight phase but does not capture the dispersion of effects.The second approach, called statistical, complements the weaknesses of the physical approach by considering the dispersion of installation effects. Additional CFD simulations with different helicopter attitudes allowed for a sensitivity analysis, demonstrating the importance of including the aircraft attitude in the simulation of installation effects. This combined approach, along with the simulation of installation effects, captures up to 90% of flight test points. Furthermore, a simulation method for installation effects based on machine learning allows for estimating the installation effects of an untested configuration using the flight test results obtained from another configuration. This approach combines machine learning and physics, thus reducing the number of flight tests required to define installation effects when modifying the air intake configuration. The use of these methods during the development process helps reduce risks and the number of flight tests needed to determine installation effects. Moreover, their applicability to all engine architectures and air intake configurations makes them a valuable set of tools for the development of new helicopters