EP4713907A1 - Procédé de prédiction d'une information de friction d'une piste d'atterrissage, et système correspondant - Google Patents

Procédé de prédiction d'une information de friction d'une piste d'atterrissage, et système correspondant

Info

Publication number
EP4713907A1
EP4713907A1 EP24731404.0A EP24731404A EP4713907A1 EP 4713907 A1 EP4713907 A1 EP 4713907A1 EP 24731404 A EP24731404 A EP 24731404A EP 4713907 A1 EP4713907 A1 EP 4713907A1
Authority
EP
European Patent Office
Prior art keywords
friction
runway
information
instant
data
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Pending
Application number
EP24731404.0A
Other languages
German (de)
English (en)
Inventor
Benoît Antoine Yves MARTY
Augustin Patrick Alexandre CLOIX
Sabrina IKHLEF
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Safran SA
Safran Landing Systems SAS
Original Assignee
Safran SA
Safran Landing Systems SAS
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Safran SA, Safran Landing Systems SAS filed Critical Safran SA
Publication of EP4713907A1 publication Critical patent/EP4713907A1/fr
Pending legal-status Critical Current

Links

Classifications

    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60T—VEHICLE BRAKE CONTROL SYSTEMS OR PARTS THEREOF; BRAKE CONTROL SYSTEMS OR PARTS THEREOF, IN GENERAL; ARRANGEMENT OF BRAKING ELEMENTS ON VEHICLES IN GENERAL; PORTABLE DEVICES FOR PREVENTING UNWANTED MOVEMENT OF VEHICLES; VEHICLE MODIFICATIONS TO FACILITATE COOLING OF BRAKES
    • B60T8/00—Arrangements for adjusting wheel-braking force to meet varying vehicular or ground-surface conditions, e.g. limiting or varying distribution of braking force
    • B60T8/17—Using electrical or electronic regulation means to control braking
    • B60T8/1701—Braking or traction control means specially adapted for particular types of vehicles
    • B60T8/1703—Braking or traction control means specially adapted for particular types of vehicles for aircrafts
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60T—VEHICLE BRAKE CONTROL SYSTEMS OR PARTS THEREOF; BRAKE CONTROL SYSTEMS OR PARTS THEREOF, IN GENERAL; ARRANGEMENT OF BRAKING ELEMENTS ON VEHICLES IN GENERAL; PORTABLE DEVICES FOR PREVENTING UNWANTED MOVEMENT OF VEHICLES; VEHICLE MODIFICATIONS TO FACILITATE COOLING OF BRAKES
    • B60T8/00—Arrangements for adjusting wheel-braking force to meet varying vehicular or ground-surface conditions, e.g. limiting or varying distribution of braking force
    • B60T8/17—Using electrical or electronic regulation means to control braking
    • B60T8/172—Determining control parameters used in the regulation, e.g. by calculations involving measured or detected parameters
    • G—PHYSICS
    • G08—SIGNALLING
    • G08G—TRAFFIC CONTROL SYSTEMS
    • G08G5/00—Traffic control systems for aircraft
    • G08G5/20—Arrangements for acquiring, generating, sharing or displaying traffic information
    • G08G5/21—Arrangements for acquiring, generating, sharing or displaying traffic information located onboard the aircraft
    • G—PHYSICS
    • G08—SIGNALLING
    • G08G—TRAFFIC CONTROL SYSTEMS
    • G08G5/00—Traffic control systems for aircraft
    • G08G5/20—Arrangements for acquiring, generating, sharing or displaying traffic information
    • G08G5/26—Transmission of traffic-related information between aircraft and ground stations
    • G—PHYSICS
    • G08—SIGNALLING
    • G08G—TRAFFIC CONTROL SYSTEMS
    • G08G5/00—Traffic control systems for aircraft
    • G08G5/50—Navigation or guidance aids
    • G08G5/51—Navigation or guidance aids for control when on the ground, e.g. taxiing or rolling
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60T—VEHICLE BRAKE CONTROL SYSTEMS OR PARTS THEREOF; BRAKE CONTROL SYSTEMS OR PARTS THEREOF, IN GENERAL; ARRANGEMENT OF BRAKING ELEMENTS ON VEHICLES IN GENERAL; PORTABLE DEVICES FOR PREVENTING UNWANTED MOVEMENT OF VEHICLES; VEHICLE MODIFICATIONS TO FACILITATE COOLING OF BRAKES
    • B60T2210/00—Detection or estimation of road or environment conditions; Detection or estimation of road shapes
    • B60T2210/10—Detection or estimation of road conditions
    • B60T2210/12—Friction

Landscapes

  • Engineering & Computer Science (AREA)
  • Aviation & Aerospace Engineering (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Transportation (AREA)
  • Mechanical Engineering (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)
  • Traffic Control Systems (AREA)

Abstract

Procédé de prédiction d'une information de friction d'une piste d'atterrissage d'aéronef comprenant, pour un instant donné : une obtention (S100) de données de contexte de la piste, une obtention (S101) de données d'historique d'information de friction pour la piste comprenant des données toutes plus anciennes que l'instant donné, une prédiction (S102) par un modèle de prédiction configuré pour recevoir en entrée au moins les données de contexte à l'instant donné et les données d'historique d'information de friction, et pour délivrer une information de friction prédite (p) de la piste à l'instant donné.

Description

Description
Titre de l'invention : Procédé de prédiction d'une information de friction d'une piste d'atterrissage, et système correspondant
Domaine Technique
[0001] L’invention se rapporte au domaine général de la gestion de pistes d’atterrissage d’aéronefs, et en particulier à la prédiction de la friction des pistes.
[0002] Technique antérieure La connaissance de la friction, ou plus précisément d’un coefficient de friction est devenue de plus en plus critique pour la gestion du trafic au sein des aéroports ou de manière plus précise pour la gestion des aéroports et de leurs pistes.
[0003] De plus, la connaissance d’informations d’état de la piste d’atterrissage, telles que la friction, permet d’optimiser les atterrissages et donc d’en réduire l’empreinte carbone. La caractérisation des conditions de piste permet ainsi d’améliorer les performances environnementales des avions.
[0004] Cette information de friction est par ailleurs utile au sein des aéronefs pour gérer un fonctionnement de freinage avec anti-dérapage (« anti-skid » en langue anglaise). Il apparaît donc que la connaissance d’un coefficient de friction ou d’une information relative à la friction est également particulièrement critique pour des raisons de sécurité.
[0005] Comme on le conçoit, les conditions météorologiques des pistes ont un impact sur la friction. La présence de contaminants peut également avoir un impact sur la friction. On peut noter que ces contaminants peuvent être soit liés aux conditions météorologiques (eau, glace, neige, etc.), soit indépendants de ces conditions (pollution, particules, gomme, etc.).
[0006] S’il est concevable de calculer un coefficient de friction au sein d’un aéronef par différentes mesures, ces informations ne sont en général pas exploitables instantanément par les gestionnaires de trafic aérien/d’aéroports/de piste(s). En effet, cette exploitation ne se fait généralement qu’après un atterrissage, après la phase de roulage, et une fois que des moyens de communication de données permettent la transmission de ces données à un serveur distant.
[0007] La détermination en temps réel de la friction pour une piste n’est donc pas envisageable avec les solutions de l’état de la technique antérieure.
[0008] L’invention vise notamment à pallier ces inconvénients.
Exposé de l’invention
[0009] A cet effet, l’invention propose un procédé de prédiction d’une information de friction d’une piste d’atterrissage d’aéronef mis en oeuvre par un système informatique, ledit procédé comprenant une pluralité (n, ni) d’itération des étapes suivantes : a) obtention (S100) de données de contexte de la piste pour un instant courant t, b) obtention (S101) de données d'historique d'information de friction pour la piste, comprenant des données toutes plus anciennes que l'instant courant t, c) prédiction (S102) par un modèle de prédiction configuré pour recevoir en entrée au moins lesdites données de contexte et lesdites données d'historique d'information de friction, et pour délivrer une information de friction prédite Gu) de la piste pour un instant donné t+dt le procédé comprenant en outre :
[0010] une reconstruction pas à pas (RP1) d’une première portion de courbe d’évolution de l’information de friction prédite ( . de la piste, entre un instant d’un dernier atterrissage d’un aéronef sur la piste et un instant d’obtention d’informations réelles relatives à une friction déterminées par l’aéronef au cours dudit atterrissage, chaque point de la courbe correspondant à une information de friction prédite ( . au cours de l’une des itérations des étapes a) à c).
[0011]
[0012] On peut noter que la prédiction peut être considérée comme une prédiction temporelle.
[0013] Ainsi, l’invention propose d’utiliser un modèle de prédiction qui délivre une information de friction pour un instant pour lequel on n’a pas encore nécessairement de données d’historique d’information de friction. Cela permet d’avoir des informations de friction avant par exemple un téléchargement de données acquises lors du passage d’un aéronef sur la piste, et de mettre en oeuvre un suivi en temps réel de la friction au sein de la piste. Enfin, puisque l’information de friction est accessible en temps réel, on peut l’utiliser pour mettre en oeuvre une gestion de piste(s) (c’est-à-dire de ladite piste et éventuellement d’autres pistes d’un même aéroport).
[0014] Les données d’historique d’information de friction et les données de contexte peuvent être plus anciennes que l’instant donné, par exemple plus anciennes selon un pas temporel choisi. Par exemple, on prédit pour des données connues à t l’information de friction à t + dt si dt est le pas temporel.
[0015] On peut noter que l’on peut utiliser des données d’historique d’information de friction et des données de contexte qui sont comprises dans une fenêtre temporelle s’étendant entre t et t - dt', dt' étant soit un pas temporel égal à dt, soit un pas temporel différent.
[0016] La reconstruction pas à pas peut être mise en oeuvre avec un pas temporel donné, ledit pas temporel étant par exemple déterminé selon un pas d’échantillonnage pour l’une des données utilisées en entrée par le modèle de prédiction. Ce pas temporel peut être celui de la prédiction (on prédit pour un instant espacé de la dernière date des données du pas temporel).
[0017] Le procédé peut être mis en oeuvre par un système informatique (un ou plusieurs ordinateurs), par exemple un système informatique distant. Cela résulte notamment du fait que les données d’historique d’information de friction sont plus anciennes que l’instant pour lequel on met en oeuvre la prédiction : il n’est pas nécessaire de disposer d’informations relatives à l’atterrissage/roulage d’un aéronef sur la piste en temps réel qui sont longues à transférer.
[0018] L’information de friction peut être un coefficient de friction, par exemple une moyenne temporelle d’un coefficient de friction, et/ou par exemple un coefficient de friction représentatif de la piste. Alternativement, l’information de friction peut être un ensemble de coefficients de frictions, par exemple chacun associé à une localisation au sein de la piste.
[0019] Les données d’historique d’information de friction peuvent être du même type que l’information de friction à déterminer ou d’un type différent. [0020] Les données de contexte de la piste peuvent être choisies dans un groupe de données comprenant une valeur représentative des précipitations, un nombre d’atterrissages sur la piste pendant une période donnée, une valeur représentative du vent, une valeur représentative de l’hygrométrie, etc. La personne du métier saura choisir ces données de contexte dans ce groupe, ou même choisir d’autres données de contexte, en particulier si ces autres données de contexte sont disponibles en temps réel, c’est-à-dire accessibles/connues pour une prédiction pour l’instant pour lequel on met en oeuvre le procédé. Les données de contexte sont choisies en particulier si elles ont un impact ou sont liées à la friction.
[0021] Le modèle de prédiction pourra en outre être choisi par la personne du métier en fonction de l’application.
[0022] Selon un mode de mise en oeuvre particulier, postérieurement au dernier atterrissage d’un aéronef sur la piste, on met en oeuvre la prédiction pour un instant donné compris entre un instant dudit atterrissage (par exemple son commencement) et un instant d’obtention d’informations réelles relatives à la friction déterminées par l’aéronef au cours dudit atterrissage.
[0023] La personne du métier saura identifier l’instant d’obtention d’informations réelles relatives à la friction déterminées par l’aéronef au cours de l’atterrissage. En particulier, les informations réelles ne sont pas prédites et sont par exemple obtenues suite à un transfert des informations déterminées par l’aéronef au cours de l’atterrissage. Cette obtention correspond par exemple à une obtention par le système informatique qui met en oeuvre le présent procédé ; en ce sens, la personne du métier sait identifier ces informations réelles non prédites. Cette obtention peut correspondre à l’affichage des informations sur un écran du système informatique.
[0024] Par exemple, l’instant d’obtention peut être postérieur aux périodes suivantes : roulage de l’aéronef (par exemple compris entre 5 et 25 minutes), du transfert physique des données (quelques minutes par un réseau de communication), et d’une fréquence choisie pour grouper et transférer les données (cette fréquence peut être choisie par la compagnie aérienne). [0025] Dans ce mode de mise en oeuvre particulier, il n’est pas requis d’attendre l’obtention d’informations en provenance du dernier aéronef à avoir atterri sur la piste pour estimer une information de friction (cette obtention étant mise en oeuvre par l’entité qui met en oeuvre le procédé à distance de l’aéronef). Dès lors, l’information de friction peut même être utilisée pour des opérations de maintenance sur la piste.
[0026]
[0027] Selon un mode de mise en oeuvre particulier, postérieurement au dernier atterrissage d’un aéronef sur la piste, on met en outre en oeuvre la prédiction pour un instant postérieur à l’instant d’obtention d’informations réelles à la friction déterminées par l’aéronef au cours de l’atterrissage (ainsi, il y a une autre prédiction pour cet instant postérieur), l’obtention des données de contexte de la piste comprenant une prédiction des données de contexte de la piste.
[0028] Dans ce mode de mise en oeuvre particulier, les données de contexte de la piste sont prédites. Cela peut être fait par exemple avec des prédictions météorologiques. Les données de contexte obtenues par prédiction peuvent être analogues aux données de contexte décrites ci-avant. Elles sont néanmoins obtenues à partir d’un modèle prédictif et de ce fait, la personne du métier choisira des données de contexte qui peuvent être prédites, par exemple si des modèles prédictifs sont accessibles. A titre indicatif, les données relatives au vent, à l’hygrométrie sont habituellement prédites.
[0029] On peut noter qu’une prédiction peut être nécessaire si les données de contexte ne sont pas encore disponibles pour l’instant donné, bien que cet instant soit dans le passé, du fait du temps de transfert des données de contexte (typiquement quelques minutes).
[0030] Aussi, dans ce mode de réalisation, on peut limiter la prédiction en utilisant un instant qui est antérieur à l’expiration d’une durée donnée.
[0031 ] Selon un mode de mise en oeuvre particulier, on reconstruit pas à pas une deuxième portion de courbe d’évolution de l’information de friction prédite de la piste, à partir de l’instant d’obtention d’informations réelles relatives à la friction déterminées par l’aéronef au cours de l’atterrissage (et par exemple l’instant d’expiration de la durée donnée). [0032] Selon un mode de mise en oeuvre particulier, on compare l’information de friction prédite avec un seuil donné, et l’on génère un signal d’alerte en fonction du résultat de la comparaison.
[0033] Ce signal d’alerte peut être un signal sonore ou visuel, par exemple configuré pour être restitué à des opérateurs de gestion des pistes.
[0034] Selon un mode de mise en oeuvre particulier, l’information de friction prédite comprend un coefficient de friction associé à la piste, ou comprend un ensemble de coefficients de friction, chacun des coefficients dudit ensemble étant de préférence associé à une localisation au sein de la piste.
[0035] On peut noter que les données d’historique d’information de friction peuvent également comprendre des coefficients de friction associés à la piste, ou comprendre des ensembles de coefficients de friction, chacun des coefficients desdits ensembles étant de préférence associé à une localisation au sein de la piste.
[0036] Selon un mode de mise en oeuvre particulier, le modèle de prédiction est un modèle entraînable par apprentissage automatique (« machine learning » en langue anglaise).
[0037] Typiquement, le modèle peut être un réseau de neurones artificiels exécuté par un système informatique.
[0038] La personne du métier saura choisir un type de modèle entraînable par apprentissage, et pourra par exemple adapter un nombre de neurones d’entrée du modèle en fonction des dimensions des données d’entrées du modèle.
[0039] Préférentiellement, le modèle de prédiction est un modèle connu sous l’acronyme anglo-saxon LSTM (« Long Short-Term Memory », soit un réseau de longue mémoire à court terme). Alternativement, on peut utiliser un modèle de type réseau de neurones récurrents (habituellement désigné en anglais par l’acronyme RNN : « Recurrent Neural Network >>).
[0040] Selon un mode de mise en oeuvre particulier, le procédé comprend une phase préalable d’apprentissage du modèle de prédiction dans laquelle on utilise des données d’historiques d’information de friction (typiquement des données dites réelles, obtenues lors des atterrissages des aéronefs avec des capteurs) et des données de contexte de la piste préalablement obtenues pour un premier instant, l’apprentissage étant configuré pour augmenter une similarité entre une sortie du modèle et une valeur d’information de friction préalable, pour un deuxième instant espacé du premier instant d’un pas temporel donné (la sortie du modèle et la valeur préalable correspondant chacune au deuxième instant).
[0041] L’invention propose également un système de prédiction d’une information de friction d’une piste d’atterrissage d’aéronef, le système comprenant : un module d'obtention de données de contexte de la piste, configuré pour obtenir des données de contexte de la piste pour un instant courant t, un module d'obtention de données d'historique d'information de friction, configuré pour obtenir des données d'historique d'information de friction pour la piste comprenant des données toutes plus anciennes que l'instant courant t, un module de prédiction par un modèle de prédiction, configuré pour recevoir en entrée au moins lesdites données de contexte et lesdites données d'historique d'information de friction, et pour délivrer une information de friction prédite de la piste pour un instant donné t+dt , le système comprenant en outre : un module de reconstruction pas à pas (RP1) d’une première portion de courbe d’évolution de l’information de friction prédite (n) de la piste, entre un instant d’un dernier atterrissage d’un aéronef sur la piste et un instant d’obtention d’informations réelles relatives à une friction déterminées par l’aéronef au cours dudit atterrissage, chaque point de la courbe correspondant à une information de friction prédite ( .) par ledit module de prédictions à des instants différents.
[0042] Ce système peut être configuré pour la mise en oeuvre de tous les modes de mise en oeuvre du procédé tel que décrit ci-avant.
[0043] L’invention propose également un programme d’ordinateur comportant des instructions pour l’exécution des étapes d’un procédé tel que défini ci-avant lorsque ledit programme est exécuté par un ordinateur. [0044] A noter que les programmes d’ordinateur mentionnés dans le présent exposé peuvent utiliser n’importe quel langage de programmation, et être sous la forme de code source, code objet, ou de code intermédiaire entre code source et code objet, tel que dans une forme partiellement compilée, ou dans n’importe quelle autre forme souhaitable.
[0045] L’invention propose également un support d’enregistrement lisible par un ordinateur sur lequel est enregistré un programme d’ordinateur comprenant des instructions pour l’exécution des étapes d’un procédé tel que défini ci-avant.
[0046] Les supports d’enregistrement (ou d’information) mentionnés dans le présent exposé peuvent être n'importe quelle entité ou dispositif capable de stocker le programme. Par exemple, le support peut comporter un moyen de stockage, tel qu'une ROM, par exemple un CD ROM ou une ROM de circuit microélectronique, ou encore un moyen d'enregistrement magnétique, par exemple une disquette (floppy disc) ou un disque dur.
[0047] D'autre part, les supports d’enregistrement peuvent correspondre à un support transmissible tel qu'un signal électrique ou optique, qui peut être acheminé via un câble électrique ou optique, par radio ou par d'autres moyens. Le programme selon l'invention peut être en particulier téléchargé sur un réseau de type Internet.
[0048] Alternativement, les supports d’enregistrement peuvent correspondre à un circuit intégré dans lequel le programme est incorporé, le circuit étant adapté pour exécuter ou pour être utilisé dans l'exécution du procédé en question.
Brève description des dessins
[0049] D’autres caractéristiques et avantages de la présente invention ressortiront de la description faite ci-dessous, en référence aux dessins annexés qui en illustrent un exemple de réalisation dépourvu de tout caractère limitatif. Sur les figures :
[Fig. 1] La figure 1 est une représentation schématique des étapes d’un procédé de prédiction d’une information de friction selon un exemple.
[Fig. 2] La figure 2 est une représentation schématique d’étapes comprenant le procédé de la figure 1 . [Fig. 3] La figure 3 est une illustration d’une phase d’apprentissage automatique du modèle de friction.
[Fig. 4] La figure 4 est une courbe de coefficient de friction obtenue selon un exemple de mise en oeuvre du procédé de prédiction d’information de friction.
[Fig. 5] La figure 5 montre un système de prédiction d’une information de friction selon un exemple.
Description des modes de réalisation
[0050] On va maintenant décrire un procédé de prédiction d’une information de friction d’une piste d’atterrissage d’aéronef.
[0051] Ce procédé peut être mis en oeuvre pour tout instant (par exemple un instant passé, le présent, ou un instant à venir). En particulier, ce procédé peut être mis en oeuvre alors que des informations de friction en provenance du dernier avion posé sur la piste ne sont pas encore disponibles, ces informations n’étant transférées à des serveurs distants que tardivement, ce qui retarde leur disponibilité pour les gestionnaires de piste. Ici, le procédé peut fournir à tout instant une information de friction d’une piste aux gestionnaires de piste, qui peuvent ensuite fournir cette information aux gestionnaires de trafic aérien. C’est en ce sens que l’information de friction est utile à la gestion optimisée du trafic aérien.
[0052] Sur la figure 1 , on a représenté de manière schématique les étapes d’un procédé P1 de prédiction d’une information de friction d’une piste d’atterrissage pour un instant donné : l’information de friction est une prédiction de la friction à cet instant.
[0053] Ce procédé peut être mis en oeuvre par un système informatique, comme cela sera décrit plus en détail en référence à la figure 5.
[0054] Dans une première étape S100, des données de contexte de la piste sont obtenues. Si l’instant donné est dans le passé, ces données de contexte peuvent résulter d’observations, et si l’instant donné est dans le futur, ces données de contexte peuvent résulter d’une prédiction. Les données de contexte de la piste peuvent être choisies dans un groupe de données comprenant une valeur représentative des précipitations, un nombre d’atterrissages sur la piste pendant une période donnée, une valeur représentative du vent, une valeur représentative de l’hygrométrie, etc.
[0055] Dans une deuxième étape S101 , on met en oeuvre une obtention de données d’historique d’information de friction pour la piste, comprenant des données toutes plus anciennes que l’instant donné. Ces données peuvent résulter de l’atterrissage et du roulage d’aéronefs sur la piste d’atterrissage (des mesures mises en oeuvre pendant ces phases permettent d’obtenir des informations de friction). De manière alternative, ces données d’historique peuvent résulter par exemple en partie d’une mise en oeuvre antérieure du procédé P1 .
[0056] Les données d’historique d’information de friction peuvent être du même type que l’information de friction prédite obtenue au moyen du procédé P1. Par « d’historique », on entend qu’elles concernent un ou plusieurs instants plus anciens que l’instant donné visé par le procédé.
[0057] Enfin, dans une étape S102, une prédiction est mise en oeuvre par un modèle de prédiction configuré pour recevoir en entrée au moins les données de contexte et les données d’historique d’information de friction, et pour délivrer une information de friction prédite de la piste à l’instant donné.
[0058] Le modèle de prédiction est par exemple du type LSTM (« Long Short-Term Memory », soit un réseau de longue mémoire à court terme).
[0059] Le modèle délivre ici une valeur d’information de friction prédite notée /z, représentative de la friction au sein de la piste. Par exemple, si les données des étapes S100 et S101 étaient associés à un instant t, la prédiction peut être associée à un instant t + dt où dt est un pas temporel choisi.
[0060] La figure 2 montre comment le procédé P1 décrit en référence à la figure 1 peut être mis en oeuvre, par exemple dans un contexte de gestion de pistes voire du trafic aérien.
[0061 ] La première étape S001 désigne la phase au cours de laquelle des aéronefs ont atterri sur la piste visée ici. Au cours de ces atterrissages suivis de roulages, des données relatives à la friction ont été acquises d’une manière connue en soi. [0062] Au cours d’une deuxième étape S002, des informations de friction sont obtenues à partir des données acquises au cours de l’étape S001 . On peut noter que pour chaque aéronef, l’obtention des informations de friction réelles (c’est-à- dire non prédites) à partir de données acquises (par exemple par des capteurs) se fait après une obtention d’informations réelles de l’aéronef par l’entité qui met en oeuvre le procédé décrit ici (par exemple un système informatique). On peut noter que les informations transférées de l’aéronef peuvent être soit des informations de friction, soit des données relatives à la friction à partir desquelles on peut obtenir des informations de friction.
[0063] On peut noter que la détermination de la friction dans un aéronef est connue en soi. Par exemple, le document US 10202204 décrit l’obtention d’informations relatives à la friction au sein d’un aéronef.
[0064] Ensuite, on peut mettre en oeuvre une reconstruction pas à pas d’une courbe d’évolution de l’information de friction de la piste entre le dernier atterrissage d’un aéronef sur la piste et l’instant d’obtention d’informations réelles (la durée Tl depuis le dernier atterrissage n’a pas expiré). Cela est mis en oeuvre par une répétition des étapes du procédé P1 de la figure 1 , la répétition étant désignée par la référence RP1. Pour obtenir une courbe pour la période Tl avec un pas temporel dt, on met en oeuvre n répétitions. A chaque répétition, on utilise des données d’historique d’information de friction en partie estimées par la répétition précédente (en d’autres termes, il s’agit d’informations de friction prédites ou obtenues d’atterrissages précédant celui visé ici), et des données de contexte à l’instant courant de la répétition.
[0065] On peut noter que Tl peut être typiquement comprise entre 30 minutes et 6 heures, et dépend comme indiqué ci-avant de la durée de l’atterrissage, du roulage, et de la durée d’un ou plusieurs transferts de données jusqu’à un serveur (éventuellement avec des prétraitements), jusqu’à l’obtention des données par l’entité mettant en oeuvre le procédé.
[0066] Après la reconstruction de la courbe pour toute la période Tl, il est possible de passer à une autre étape de reconstruction désignée par la référence RP1 ’, dans laquelle, pour une durée donnée T2, on va reconstruire une première partie de courbe d’information de friction. Par exemple, pour un procédé qui est mis en œuvre à l’expiration de la période Tl pour lequel on a mis en œuvre les répétitions RP1 jusqu’à cette expiration, on utilisait au cours de ces répétitions RP1 des informations de contexte observées. Pour les répétitions RP1 ’, on utilise en entrée des informations de contexte prédites (et donc qui ne sont pas observées). Pour obtenir une deuxième partie de courbe pour la période T2 avec un pas temporel dt, on met en œuvre m répétitions.
[0067] On peut noter que T2 peut être typiquement comprise entre 30 minutes et 2 heures. Par exemple, T2 peut être choisie en fonction de l’application par les opérateurs de gestion des pistes. Une durée T2 courte permet par exemple de prédire des informations plus fiables.
[0068] Sur la figure, on note C la courbe d’information de friction reconstruite après mise en œuvre des étapes RP1 et RP1 ’.
[0069] Au cours de l’étape S003, on compare l’information de friction prédite obtenue à l’instant donné, par exemple illustrée sur la courbe C, avec un seuil d’alerte donné ic visible sur la figure. Si l’information de friction prédictive atteint le seuil, alors on génère au cours de l’étape S004 un signal d’alerte qui peut être restitué à des gestionnaires de piste.
[0070] A titre indicatif, plusieurs seuils peuvent être utilisés, chacun étant associé à la génération d’un signal d’alerte lié à une action spécifique de maintenance à effectuer sur la piste (inspection, déneigement, épandage de déverglaçant).
[0071 ] Le ou les seuils sont de préférence prédéterminés et fixes. Ils peuvent être fixés au cours d’une phase d’observation des opérations réalisées pour une piste à partir de valeurs d’informations de friction par exemple réelles.
[0072] Comme indiqué ci-avant, le modèle de prédiction utilisé peut être du type LSTM, et donc être un modèle entraînable par apprentissage automatique.
[0073] La figure 3 illustre une phase d’apprentissage automatique du modèle de prédiction d’information de friction, pour lequel on utilise une courbe d’information de friction réelle obtenue préalablement (par exemple sur une période de l’ordre d’une année). Au cours d’une étape individuelle de cette phase d’apprentissage, on considère un instant t, et l’on obtient la sortie du modèle pour l’instant t + dt, soit un deuxième instant. La comparaison entre la sortie du modèle et la valeur réelle de l’information de friction à t + dt permet la mise en oeuvre de l’apprentissage.
[0074] Ici, le modèle est configuré pour prédire, pour des informations de friction d’un instant t (soit une seule information de friction, soit une fenêtre temporelle qui précède t et qui comprend plusieurs informations de friction), l’information de friction à l’instant t + dt. La durée dt peut être égale à la durée de la fenêtre temporelle des données utilisées, ou dt peut différer de cette durée.
[0075] On pourra utiliser toute fonction de coût appropriée et une rétro-propagation pour ensuite entraîner le modèle en utilisant une distance entre la sortie du modèle et la valeur réelle à t + dt.
[0076] On peut noter qu’il est possible, au cours de la phase d’apprentissage du modèle, de mettre en oeuvre une étape de validation du modèle par comparaison entre des valeurs réelles et prédites.
[0077] La figure 4 montre plus en détail la courbe obtenue après la mise en oeuvre des répétitions RP1 et RP1 ’, soit après des mises en oeuvre du procédé de prédiction. La courbe de la figure 4 est obtenue après la mise en oeuvre de la phase d’apprentissage décrite en référence à la figure 3.
[0078] On comprend à ce stade qu’il est possible d’établir de manière continue des courbes d’informations de friction pour une piste. Eventuellement, des traitements de moyenne glissante peuvent être mis en oeuvre pour suivre une évolution de l’information de friction, par exemple sur des fenêtres de plusieurs vols (nombre de vols compris par exemple entre 3 et 20) ou sur des fenêtres temporelles (de 1 heure à 4 heures). Ici, la courbe reste au-dessus d’un seuil d’alerte donné nc visible sur la figure, comparé avec l’information de friction prédictive. Ainsi, dans le présent exemple, il n’y a pas d’émission d’un signal d’alerte.
[0079] On peut en outre utiliser ces informations pour qu’un aéroport puisse anticiper des interventions sur la piste. Par exemple, différents seuils peuvent être utilisés pour déclencher différentes actions (inspection, déneigement, épandage de déverglaçant). [0080] La figure 5 est une représentation schématique d’un système 100 qui est un système informatique configuré pour mettre en oeuvre le procédé décrit ci-avant en référence à la figure 1 .
[0081] Ce système informatique 100 comporte un processeur 101 et une mémoire non volatile 102. Dans la mémoire non-volatile, un programme d’ordinateur 103 est mémorisé. Le programme d’ordinateur 103 comporte des instructions pour l’exécution des étapes d’un procédé tel que décrit ci-avant.
[0082] Ainsi, le processeur 101 et le programme d’ordinateur forment, lors de l’exécution du programme : un module d’obtention de données de contexte de la piste à l’instant donné, un module d’obtention de données d’historique d’information de friction pour la piste comprenant des données toutes plus anciennes que l’instant donné, un module de prédiction par un modèle de prédiction configuré pour recevoir en entrée au moins les données de contexte à l’instant donné et les données d’historique d’information de friction, et pour délivrer une prédiction de l’information de friction de la piste à l’instant donné.
[0083] Les modes de réalisation décrits-ci-avant permettent d’améliorer la gestion du de piste(s), en particulier en termes de surveillance de l’état d’une piste.
[0084] En outre, les modes de réalisation décrits ci-avant permettent d’obtenir une connaissance sur la friction (ou l’adhérence) telle qu’elle est perçue par un aéronef, avec son niveau, sa variabilité, son évolution temporelle.
[0085] En particulier, le procédé permet d’obtenir l’information de friction de manière continue, pour optimiser les interventions sur piste.
[0086] Par exemple, le procédé peut même permettre de mesurer l’efficacité de produits chimiques déposés sur les pistes, ou encore de comparer des niveaux de friction entre des aéroports, et la variabilité des frictions.
[0087] Ce procédé trouve application dans la gestion des aéroports, dans la gestion de piste(s), et peut être utile pour les compagnies aériennes.

Claims

Revendications
[Revendication 1] Procédé de prédiction d'une information de friction d'une piste d'atterrissage d'aéronef mis en oeuvre par un système informatique, ledit procédé comprenant une pluralité (/7, ni) d'itération des étapes suivantes : a) obtention (S100) de données de contexte de la piste pour un instant courant t, b) obtention (S101) de données d'historique d'information de friction pour la piste, comprenant des données toutes plus anciennes que l'instant courant t, c) prédiction (S102) par un modèle de prédiction configuré pour recevoir en entrée au moins lesdites données de contexte et lesdites données d'historique d'information de friction, et pour délivrer une information de friction prédite O ) de la piste pour un instant donné t+dt le procédé comprenant en outre : une reconstruction pas à pas (RP1) d'une première portion de courbe d'évolution de l'information de friction prédite (/z) de la piste, entre un instant d'un dernier atterrissage d'un aéronef sur la piste et un instant d'obtention d'informations réelles relatives à une friction déterminées par l'aéronef au cours dudit atterrissage, chaque point de la courbe correspondant à une information de friction prédite (/z) au cours de l'une des itérations des étapes a) à c).
[Revendication 2] Procédé selon la revendication 1, dans lequel postérieurement au dernier atterrissage d'un aéronef sur la piste, on met en outre en oeuvre la prédiction (S102) pour un instant postérieur à l'instant d'obtention d'informations réelles relatives à la friction déterminées par l'aéronef au cours dudit atterrissage, l'obtention (S100) des données de contexte de la piste comprenant une prédiction des données de contexte de la piste.
[Revendication 3] Procédé selon la revendication 2, dans lequel on reconstruit pas à pas (RP1') une deuxième portion de courbe d'évolution de l'information de friction de la piste, à partir de l'instant d'obtention d'informations réelles relatives à la friction déterminées par l'aéronef au cours de l'atterrissage.
[Revendication 4] Procédé selon l'une quelconque des revendications 1 à 3, dans lequel on compare l'information de friction prédite avec un seuil donné et l'on génère (S004) un signal d'alerte en fonction du résultat de la comparaison.
[Revendication 5] Procédé selon l'une quelconque des revendications 1 à 4, dans lequel l'information de friction prédite comprend un coefficient de friction associé à la piste, ou comprend un ensemble de coefficients de friction, chacun des coefficients dudit ensemble étant de préférence associé à une localisation au sein de la piste.
[Revendication 6] Procédé selon l'une quelconque des revendications 1 à 5, dans lequel le modèle de prédiction est un modèle entraînable par apprentissage automatique, le procédé comprenant une phase préalable d'apprentissage du modèle de prédiction dans laquelle on utilise des données d'historique d'information de friction et des données de contexte de la piste préalablement obtenues pour un premier instant, l'apprentissage étant configuré pour augmenter une similarité entre une sortie du modèle et une valeur d'information de friction préalable, pour un deuxième instant espacé du premier instant d'un pas temporel donné.
[Revendication 7] Système de prédiction d'une information de friction d'une piste d'atterrissage d'aéronef, le système comprenant: un module d'obtention de données de contexte de la piste, configuré pour obtenir des données de contexte de la piste pour un instant courant t, un module d'obtention de données d'historique d'information de friction, configuré pour obtenir des données d'historique d'information de friction pour la piste comprenant des données toutes plus anciennes que l'instant courant t, un module de prédiction par un modèle de prédiction, configuré pour recevoir en entrée au moins lesdites données de contexte et lesdites données d'historique d'information de friction, et pour délivrer une information de friction prédite de la piste pour un instant donné t+dt , le système comprenant en outre : un module de reconstruction pas à pas (RP1) d'une première portion de courbe d'évolution de l'information de friction prédite (/z) de la piste, entre un instant d'un dernier atterrissage d'un aéronef sur la piste et un instant d'obtention d'informations réelles relatives à une friction déterminées par l'aéronef au cours dudit atterrissage, chaque point de la courbe correspondant à une information de friction prédite (/z) par ledit module de prédictions à des instants différents.
[Revendication 8] Programme d'ordinateur comportant des instructions pour l'exécution des étapes d'un procédé selon l'une des revendications 1 à 6 lorsque ledit programme est exécuté par un processeur.
EP24731404.0A 2023-05-15 2024-05-15 Procédé de prédiction d'une information de friction d'une piste d'atterrissage, et système correspondant Pending EP4713907A1 (fr)

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
FR2304812A FR3148781B1 (fr) 2023-05-15 2023-05-15 Procédé de prédiction d’une information de friction d’une piste d’atterrissage, et système correspondant
PCT/FR2024/050620 WO2024236250A1 (fr) 2023-05-15 2024-05-15 Procédé de prédiction d'une information de friction d'une piste d'atterrissage, et système correspondant

Publications (1)

Publication Number Publication Date
EP4713907A1 true EP4713907A1 (fr) 2026-03-25

Family

ID=87974630

Family Applications (1)

Application Number Title Priority Date Filing Date
EP24731404.0A Pending EP4713907A1 (fr) 2023-05-15 2024-05-15 Procédé de prédiction d'une information de friction d'une piste d'atterrissage, et système correspondant

Country Status (3)

Country Link
EP (1) EP4713907A1 (fr)
FR (1) FR3148781B1 (fr)
WO (1) WO2024236250A1 (fr)

Family Cites Families (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US8346455B2 (en) * 2005-02-23 2013-01-01 Zoltan Ivan Rado Method and device for communicating true runway braking performance using data from the flight data management systems of landed aircraft
US9434479B2 (en) * 2013-11-19 2016-09-06 Goodrich Corporation Aircraft tire and runway interface friction map consolidation
US10202204B1 (en) 2016-03-25 2019-02-12 AAR Aerospace Consulting, LLC Aircraft-runway total energy measurement, monitoring, managing, safety, and control system and method

Also Published As

Publication number Publication date
FR3148781B1 (fr) 2026-02-27
FR3148781A1 (fr) 2024-11-22
WO2024236250A1 (fr) 2024-11-21

Similar Documents

Publication Publication Date Title
CA2926240C (fr) Surveillance d'un moteur d'aeronef pour anticiper les operations de maintenance
FR2963448A1 (fr) Procede et systeme d'analyse de donnees de vol enregistrees au cours d'un vol d'un avion.
EP1834875B1 (fr) Procédé de gestion du freinage d'un aéronef par prévision de son déplacement sur la plateforme aéroportuaire
FR3077913A1 (fr) Procede et systeme d’aide a la decision en vue d’un atterrissage sur une piste d’atterrissage.
EP0863473A1 (fr) Procédé de planification de requêtes d'un satellite par recuit simulé contraint
FR3009396A1 (fr) Procede et programme d'ordinateur d'aide a la maintenance d'equipements d'un aeronef
FR2991486A1 (fr) Procede et dispositif d'assistance au suivi de mission d'un aeronef
FR3099612A1 (fr) Dispositif et procede de prediction
FR3037170A1 (fr) Procede et systeme de prediction du fonctionnement d'un aeronef par analyse de similarite utilisant des capacites de stockage et de calcul reparties
EP4027269A1 (fr) Procédé de construction et d'entraînement d'un détecteur de la présence d'anomalies dans un signal temporel, dispositifs et procédé associés
EP3781965B1 (fr) Dispositif, procede et produit programme d'ordinateur de validation de donnees fournies par une sonde pluviometrique
FR3002035A1 (fr) Procede de controle des niveaux de fluide hydraulique dans un aeronef
WO2024236250A1 (fr) Procédé de prédiction d'une information de friction d'une piste d'atterrissage, et système correspondant
FR3049740A1 (fr) Procede de gestion optimisee du trafic aerien d’un aeroport
FR3046265A1 (fr) Systeme de surveillance d'une installation industrielle ; procedes de configuration et de surveillance associes
EP4259525B1 (fr) Procede et systeme de determination de conditions de piste d'atterrissage pour aeronefs
FR3102870A1 (fr) Procédé pour déterminer une déviation non autorisée du comportement systémique d’une installation technique par rapport à une plage de valeurs normalisées
WO2021249821A1 (fr) Systeme et methode pour la determination amelioree de parametres de trajectoire d'aeronefs
FR3155486A1 (fr) Procede de surveillance de la temperature de freins d’un train d’atterrissage d’un aeronef.
EP4320338A1 (fr) Procédé de prédiction de l'usure d'une pièce mécanique, procédé de détermination du risque opérationnel associé à un aéronef ou une flotte d'aéronefs
FR3075417A1 (fr) Procede d’estimation de l’etat de surface d’une piste d’un aerodrome
FR3133840A1 (fr) Procede d’estimation d’une vitesse de corrosion d’au moins un element d’un aeronef
EP4602466A1 (fr) Procédé de détection d'anomalie dans une série temporelle observée de valeurs d'une grandeur physique représentative des performances d'un système
FR3120145A1 (fr) Procédé d’évaluation de l’usure d’une pièce d’une turbomachine
FR3154842A1 (fr) Procédé de contrôle de l'observation par un système de pistage d'un espace et dispositif associé

Legal Events

Date Code Title Description
STAA Information on the status of an ep patent application or granted ep patent

Free format text: STATUS: UNKNOWN

STAA Information on the status of an ep patent application or granted ep patent

Free format text: STATUS: THE INTERNATIONAL PUBLICATION HAS BEEN MADE

PUAI Public reference made under article 153(3) epc to a published international application that has entered the european phase

Free format text: ORIGINAL CODE: 0009012

STAA Information on the status of an ep patent application or granted ep patent

Free format text: STATUS: REQUEST FOR EXAMINATION WAS MADE

17P Request for examination filed

Effective date: 20251117

AK Designated contracting states

Kind code of ref document: A1

Designated state(s): AL AT BE BG CH CY CZ DE DK EE ES FI FR GB GR HR HU IE IS IT LI LT LU LV MC ME MK MT NL NO PL PT RO RS SE SI SK SM TR