FR3033909A1 - Procede et systeme de prevision de phenomenes dependant du temps par combinaison de donnees experimentales et numeriques. - Google Patents

Abstract

- Procédé et système de prévision de phénomènes dépendant du temps par combinaison de données expérimentales et numériques. - Le système de prévision (1) comporte une unité centrale (7) comprenant une unité d'acquisition de données (11) configurée pour acquérir des données expérimentales d'un paramètre caractérisant le phénomène dépendant du temps, une unité d'acquisition de données (12) configurée pour acquérir des données numériques du paramètre caractérisant le phénomène, et une unité de traitement de données (8) configurée pour combiner les données expérimentales et les données numériques, en utilisant une décomposition orthogonale aux valeurs propres POD permettant d'obtenir une prévision performante du phénomène dépendant du temps, combinant les avantages des données expérimentales (précision) et ceux des données numériques (résolution spatiale).

Description

1 DOMAINE TECHNIQUE La présente invention concerne un procédé et un système de prévision d'au moins un phénomène dépendant du temps.

La prévision de phénomènes dépendant du temps est notamment utile lors du développement et de la fabrication d'un aéronef. On cherche ainsi à obtenir une précision de prévision suffisante pour intégrer des phénomènes dépendant du temps dans le développement d'aéronefs, notamment d'avions de transport, et ainsi obtenir des gains en masse et en coût.

La présente invention peut s'appliquer à tout problème en ingénierie nécessitant des prévisions précises de phénomènes dépendant du temps, et ceci dans de très nombreux domaines (aéronautique, automobile, métrologie, ...). En aéronautique par exemple, la présente invention peut être appliquée à un nombre élevé de domaines techniques (moteur, fuselage, train d'atterrissage,...) d'un aéronef et d'éléments de l'aéronef (installations de moteur, entrées d'air, train d'atterrissage, dispositifs hypersustentateurs,...). ETAT DE LA TECHNIQUE Les phénomènes dépendant du temps peuvent se présenter dans un nombre élevé de composants ou éléments constitutifs d'un aéronef, tels que les installations de moteurs, les entrées d'air, les trains d'atterrissage, les dispositifs hypersustentateurs. Les phénomènes dépendant du temps augmentent significativement les charges structurales sur les composants de l'aéronef et ont, de ce fait, un impact direct sur la masse structurale (dimensions), les coûts de maintenance, la durée de vie, et la disponibilité de l'aéronef. Or, les éventuels problèmes liés à de tels phénomènes sont souvent découverts très tard dans le développement d'un aéronef (habituellement durant des tests en vol) et doivent être résolus par des renforcements 3033909 2 structurels ou des intervalles d'inspection raccourcis, ce qui augmente à la fois la masse et le coût de développement de l'aéronef. Aussi, pour pouvoir éviter ce genre de problèmes, il est important de pouvoir disposer très tôt dans le processus de conception, d'une prévision 5 précise de phénomènes dépendant du temps. La prévision de phénomènes dépendant du temps est, généralement, basée sur des données expérimentales qui fournissent des résultats avec une précision importante, mais avec une résolution spatiale relativement faible (en raison d'un nombre limité de capteurs) de sorte qu'elle n'apporte pas une 10 solution performante pour l'application précitée. EXPOSÉ DE L'INVENTION La présente invention a pour objet de remédier à cet inconvénient et de 15 prévoir un procédé de prévision réalisant une prévision particulièrement performante, à savoir à la fois précise et avec une résolution spatiale élevée. Elle concerne un procédé de prévision d'au moins un phénomène dépendant du temps apparaissant, ledit procédé comprenant une étape consistant : A/ à acquérir des premières données dépendant du temps relatives 20 audit phénomène, lesdites premières données dépendant du temps comprenant des données expérimentales d'un paramètre caractérisant le phénomène, les données expérimentales étant générées par des mesures réalisées à l'aide de capteurs. Selon l'invention, ledit procédé comprend de plus les étapes suivantes, 25 consistant : B/ à acquérir des secondes données dépendant du temps, relatives audit phénomène, lesdites secondes données dépendant du temps comprenant des données numériques du paramètre caractérisant le phénomène, les données numériques étant obtenues par simulation numérique ; et 30 C/ à combiner les premières et secondes données en utilisant les premières données pour calibrer les secondes données, de manière à obtenir 3033909 3 une prévision du phénomène dépendant du temps, ladite prévision étant transmise à au moins un système utilisateur (14). Ainsi, grâce à l'invention, on obtient un procédé de prévision qui combine des données expérimentales et des données numériques, de manière 5 à prendre en compte leurs avantages respectifs. Avantageusement, l'étape C/ comprend les sous-étapes suivantes, consistant : C1/ à transformer les premières et secondes données dépendant du temps d'un domaine temporel dans un domaine fréquentiel ; 10 C2/ à construire des modèles relatifs à une décomposition orthogonale aux valeurs propres, dits modèles POD, les données expérimentales et les données numériques étant décomposées respectivement en deux modèles POD, les modèles POD ainsi obtenus contenant différents modes relatifs à une décomposition orthogonale aux valeurs propres, dits modes POD ; 15 C3/ à sélectionner, parmi lesdits modes POD, des modes POD dits pertinents ; et C4/ à réaliser une combinaison de données, basée sur les modes POD pertinents sélectionnés, une base correspondante dite base POD étant calculée à partir des données numériques, les données expérimentales étant ensuite 20 utilisées pour calibrer la base POD afin de former une solution complète permettant d'obtenir la prévision du phénomène dépendant du temps. Le procédé de prévision utilise ainsi une approche mathématique, appelée décomposition orthogonale aux valeurs propres POD (pour « Proper Orthogonal Decomposition » en anglais). Cette dernière représente un moyen 25 efficace et non biaisé pour combiner des données dépendant du temps provenant de différentes sources. Ceci permet d'obtenir une prévision avantageuse et performante des phénomènes dépendant du temps, combinant les avantages des données expérimentales (précision) et des données numériques (résolution spatiale), et permet ainsi de remédier à l'inconvénient 30 précité.

3033909 4 En outre, avantageusement, à la sous-étape C1/, les données expérimentales et les données numériques sont exprimées respectivement sous forme de deux jeux de données, chacun desdits deux jeux comprenant n échantillons qui contiennent les valeurs dudit paramètre à des endroits donnés 5 pour une fréquence donnée, n étant un entier représentant un nombre de fréquences discrètes considérées. De plus, de façon avantageuse, l'étape Cl comprend une sous-étape C5/ consistant, en cas de transformation réversible à la sous-étape C1/, à transformer la solution complète, du domaine fréquentiel dans le domaine 10 temporel, de manière à obtenir la prévision du phénomène dépendant du temps. Dans un mode de réalisation préféré, la sous-étape C3/ consiste à sélectionner, comme modes POD pertinents, un nombre p de premiers modes POD, p étant un entier choisi parmi 3, 4 et 5.

15 La présente invention concerne également un système de prévision d'au moins un phénomène dépendant du temps, ledit système comportant une unité centrale comprenant une première unité d'acquisition de données configurée pour acquérir des premières données dépendant du temps relatives audit phénomène, lesdites premières données dépendant du temps 20 comprenant des données expérimentales d'un paramètre caractérisant le phénomène, les données expérimentales étant générées par des mesures réalisées par des capteurs. Selon l'invention, ladite unité centrale comprend, de plus : - une seconde unité d'acquisition de données configurée pour acquérir des 25 secondes données dépendant du temps relatives audit phénomène, lesdites secondes données dépendant du temps comprenant des données numériques du paramètre caractérisant le phénomène, les données numériques étant obtenues par simulation numérique ; et - une unité de traitement de données configurée pour combiner les premières 30 et secondes données en utilisant les premières données pour calibrer les 3033909 5 secondes données, de manière à obtenir une prévision du phénomène dépendant du temps, ladite prévision étant transmise à au moins un système utilisateur. Avantageusement, l'unité de traitement de données comprend : 5 - un élément de traitement de données configuré pour transformer les premières et secondes données dépendant du temps d'un domaine temporel dans un domaine fréquentiel ; - un élément de traitement de données configuré pour construire des modèles relatifs à une décomposition orthogonale aux valeurs propres, dits modèles 10 POD; - un élément de sélection configuré pour sélectionner, parmi lesdits modes POD, des modes POD dits pertinents ; et - un élément de traitement de données configuré pour réaliser une combinaison de données, basée sur les modes POD pertinents sélectionnés, 15 une base correspondante dite base POD étant calculée à partir du jeu de données numériques, les données expérimentales étant ensuite utilisées pour calibrer la base POD afin de former une solution complète permettant d'obtenir la prévision du phénomène dépendant du temps. En outre, de façon avantageuse, l'unité de traitement de données 20 comprend un élément de traitement de données configuré pour transformer, en cas de transformation réversible, la solution complète du domaine fréquentiel dans le domaine temporel de manière à obtenir la prévision du phénomène dépendant du temps. Par ailleurs, dans un mode de réalisation particulier, le système de 25 prévision comporte de plus : - une première unité de génération de données configurée pour générer lesdites premières données ; et/ou - une seconde unité de génération de données configurée pour générer lesdites secondes données ; et/ou 3033909 6 - une unité de transmission de données configurée pour transmettre ladite prévision du phénomène dépendant du temps à au moins un système utilisateur.

5 BRÈVE DESCRIPTION DES FIGURES Les figures annexées feront bien comprendre comment l'invention peut être réalisée. Sur ces figures, des références identiques désignent des éléments semblables.

10 La figure 1 est le schéma synoptique d'un mode de réalisation particulier d'un système de prévision d'un phénomène dépendant du temps apparaissant sur une partie d'un aéronef. La figure 2 illustre une suite d'étapes mise en oeuvre par une unité de traitement de données du système de prévision, dans le cadre d'une 15 décomposition orthogonale aux valeurs propres. La figure 3 montre schématiquement un ensemble de sources d'excitation génératrices de fatigue au niveau d'un carénage à l'arrière d'un mât de moteur d'un aéronef, sur lequel l'invention est illustrée. La figure 4 montre le positionnement de capteurs au niveau d'un 20 carénage à l'arrière d'un mât de moteur d'un aéronef (relatif à l'exemple de la figure 3) illustrant une résolution spatiale de données expérimentales. La figure 5 illustre une résolution spatiale de données numériques au niveau d'un carénage à l'arrière d'un mât de moteur d'un aéronef (relatif à l'exemple de la figure 3).

25 La figure 6 est une représentation graphique montrant trois courbes illustrant une pression PSD, respectivement pour des données expérimentales, des données numériques, et des données combinées générées par la combinaison des données expérimentales et des données numériques.

30 DESCRIPTION DÉTAILLÉE 3033909 7 Le système 1 représenté schématiquement sur la figure 1 et permettant d'illustrer l'invention, est un système de prévision d'au moins un phénomène dépendant du temps apparaissant par exemple sur une partie 5 d'un aéronef, en particulier d'un avion de transport. Cette partie de l'aéronef peut concerner tout élément soumis à une perturbation externe dépendant du temps, et notamment l'un des éléments suivants de l'aéronef : une installation de moteur comme précisé ci-dessous en référence aux figures 3 à 5, une entrée d'air, un train d'atterrissage, un 10 dispositif hypersustentateur, une voilure, une jonction mât-voilure, un empennage horizontal, ... De plus, le phénomène dépendant du temps peut correspondre à tout phénomène, notamment un écoulement de fluide, une réponse structurale, un signal acoustique ou électrique,..., qui varie au cours du temps.

15 Le système 1 comporte une unité de génération de données 2 qui est configurée pour générer des premières données dépendant du temps, relatives au phénomène considéré. Ces premières données (dépendant du temps) sont des données expérimentales d'un paramètre caractérisant le phénomène considéré. Ces données expérimentales sont générées par des mesures 20 réalisées sur ladite partie de l'aéronef. Pour ce faire, l'unité de génération de données 2 comprend un ensemble 3 de capteurs 4 (ou éléments de mesure) qui réalisent des mesures et les transmettent à une unité centrale 5 (via une liaison 1 5). Ces capteurs 4 (ou éléments de mesure) sont des capteurs usuels mesurant la valeur d'un paramètre donné. Ce paramètre peut correspondre à 25 une valeur de pression, de température, ..., permettant de caractériser le phénomène considéré. Selon l'invention, le système 1 comporte, de plus, une unité de génération de données 6 (de simulation numérique) qui est configurée pour générer des secondes données (dépendant du temps), relatives audit même 30 phénomène. Ces secondes données dépendant du temps sont des données 3033909 8 numériques dudit paramètre caractérisant le phénomène. Ces données numériques sont générées par simulation numérique. L'unité de génération de données 6 comprend, pour ce faire, au moins une unité de simulation numérique usuelle.

5 Selon l'invention, ledit système 1 comporte de plus : - une unité centrale 7 pourvue d'une unité de traitement de données 8, qui est reliée par l'intermédiaire de liaisons 9 et 10 respectivement aux unités de génération de données 2 et 6 et qui reçoit les données expérimentales et les données numériques générées par ces unités de génération de données 2 et 6, 10 via des unités d'acquisition de données 11 et 12 intégrées. L'unité de traitement de données 8 est configurée pour réaliser une prévision du phénomène dépendant du temps, en combinant ces données expérimentales et ces données numériques, comme précisé ci-dessous ; et - au moins une unité de transmission de données (liaison 13) qui fournit les 15 résultats de la prévision réalisée par l'unité de traitement de données 8 à au moins un système utilisateur 14, par exemple une unité d'affichage ou de stockage ou bien un calculateur. La prévision de phénomènes dépendant du temps étant notamment utile lors du développement et de la fabrication d'un aéronef, ce système utilisateur 20 13 peut notamment correspondre à tout système (affichage, stockage...) permettant de présenter les informations à un opérateur intervenant lors du développement. Comme représenté sur la figure 1, l'unité de traitement de données 8 qui reçoit les données expérimentales et les données numériques des unités 25 d'acquisition 11 et 12 respectivement via des liaisons 16 et 17, comprend : - un élément de traitement de données 18 configuré pour transformer les données expérimentales et les données numériques, dépendant du temps, du domaine temporel dans le domaine fréquentiel. Les données expérimentales et les données numériques sont exprimées, respectivement, sous forme de deux 30 jeux de données. Chacun de ces deux jeux comprend n échantillons qui 3033909 9 contiennent les valeurs dudit paramètre à des endroits donnés de ladite partie de l'aéronef pour une fréquence donnée, n étant un entier représentant le nombre de fréquences discrètes considérées ; - un élément de traitement de données 19 configuré pour construire des 5 modèles relatifs à une décomposition orthogonale aux valeurs propres POD (pour « Proper Orthogonal Decomposition » en anglais), dits modèles POD. Les données expérimentales et les données numériques sont décomposées respectivement en deux modèles POD. Les modèles POD ainsi obtenus contiennent différents modes relatifs à une décomposition orthogonale aux 10 valeurs propres, dits modes POD, qui sont une représentation exacte des jeux de données initiaux ; - un élément de sélection 20 configuré pour sélectionner, parmi l'ensemble desdits modes POD, des modes POD dits pertinents ; - un élément de traitement de données 21 configuré pour réaliser une 15 combinaison de données, basé sur les modes POD pertinents, sélectionnés par l'élément de sélection 20. L'élément de traitement de données 21 calcule une base correspondante, dite base POD, à partir du jeu de données numériques. L'élément de traitement de données 21 utilise ensuite les données expérimentales pour calibrer la base POD afin de former (recréer) une solution 20 complète ; et - un élément de traitement de données 22 configuré pour transformer la solution complète ainsi récréée du domaine fréquentiel dans le domaine temporel. Ceci permet d'obtenir une prévision du phénomène dépendant du temps apparaissant sur la partie de l'aéronef.

25 Dans le cadre de la présente invention, les données numériques correspondent à des données générées par des simulations numériques usuelles, mises en oeuvre par l'unité de génération de données 6. De préférence, il s'agit de données obtenues par des simulations relatives à une mécanique des fluides numériques de type CFD k Computational Fluid 30 Dynamics » en anglais). On peut toutefois utiliser tous types de calculs et de 3033909 10 simulations usuels, par exemple une méthode de Boltzman sur réseau de type LBM (« Lattice Boltzmann Method » en anglais). A titre d'illustration, on peut également utiliser, dans le cas d'une application à des charges et structures, une simulation numérique à l'aide d'une méthode des éléments finis de type 5 FEM (« Finite Element Method » en anglais), ou bien une simulation CAA (« Computional Aero Acoustics » en anglais) ou aéroacoustique numérique dans le domaine acoustique. Par ailleurs, les données expérimentales utilisées sont des données mesurées par les capteurs 4 de l'unité de génération de données 2, et ceci 10 notamment : - sur un élément similaire à celui que l'on veut développer, par exemple sur un aéronef similaire, lors d'un vol de cet aéronef similaire ; - sur un élément isolé, comprenant ladite partie de l'aéronef ou correspondant à cette dernière, tel qu'un moteur par exemple, lors d'un essai isolé au sol ; 15 et/ou - lors d'un vol de l'aéronef équipé de ladite partie, après sa conception et sa fabrication. Les mesures sont réalisées à l'aide de capteurs usuels aptes à réaliser le ou les types de mesure considérés (pression, température,...). Il peut s'agir, 20 par exemple, de microphones qui sont collés sur la structure de l'aéronef au niveau de ladite partie et qui enregistrent le bruit. Utilisées indépendamment, les données numériques et expérimentales ne fournissent pas le niveau de précision requis qui est nécessaire pour intégrer des phénomènes dépendant du temps tôt dans un processus de 25 conception d'un aéronef. En revanche, le système 1 combine les avantages des données expérimentales (précision) et des données numériques (résolution spatiale). Il utilise, pour ce faire, une décomposition orthogonale aux valeurs propres POD (« Proper Orthogonal Decomposition » en anglais) qui est un moyen efficace et non biaisé pour combiner des données dépendant du temps 30 provenant de différentes sources.

3033909 11 On précise ci-après des notions générales de la décomposition POD mise en oeuvre par l'unité de traitement de données 7. En considérant un champ u(x) d'une variable x dans un espace limité X avec un opérateur moyennant (.) et en considérant que chaque réalisation 5 de ce champ appartient à un espace de Hilbert H de produit scalaire (1.) et de norme 0.0, le problème suivant : max«to» 0.11 (0) admet un jeu de fonctions 01(x) comme solution. Ce jeu de fonctions constitue une base (1) de H, appelée base POD. u peut être décomposé en : 10 u(x)- La (x) 1-1 L'extension de cette décomposition dans le cas d'un signal spatio-temporel u(x,t) est simple après la définition d'un opérateur moyennant approprié, et la décomposition POD de u correspond dans ce cas à : 0.0 u (x) = a, (00 ,(x) 15 La décomposition POD d'un signal est une décomposition optimale dans le sens que la différence entre u et sa projection sur les n premières fonctions de la base POD est plus faible que si on utilise n'importe quelles n autres fonctions pour la projection. Un nombre réduit de modes est ainsi suffisant pour recréer les 20 données de façon très précise. On construit un échantillon à partir d'un jeu de données incomplet, utilisant une base POD. Ce processus est appelé « Gappy POD ». L'objectif est de combiner la densité élevée d'informations fournie par des simulations (notamment de type CFD) avec la précision élevée de données 25 expérimentales, en utilisant une méthode innovante et efficace pour extraire l'information des simulations.

3033909 12 La variable spatiale x est indexée par m. En considérant un échantillon y sur lequel les données sont connues uniquement sur un nombre limité de points, un vecteur « masque » n est défini pour caractériser cette propriété : nin =0 si la donnée est manquante ; et 5 nin =1 si la donnée est connue. Un opérateur de produit interne (-On est alors défini par : (uly)n = ((u,n),(v)) où (.,.) indique une multiplication par point. En considérant qu'une base POD 1 T a été calculée pour un jeu 10 d'échantillons représentant le même phénomène physique que y, et (ak)k=1 T étant un jeu de coefficients, un échantillon reconstruit peut être formé à partir de p premiers modes, de la manière suivante : E akOk k L'objet de la procédure est de déterminer le jeu de coefficients (ak)k=1 T 15 qui minimise la quantité : E =(v- 417 - v)n à savoir l'erreur dans l'échantillon reconstruit basé sur les données initiales disponibles. Cette procédure est utilisée comme une méthode de combinaison de 20 données (« data-bridging » en anglais). Pour ce faire, une base POD est calculée pour un jeu de solutions numériques (simulations CFD) et un échantillon incomplet généré par des données expérimentales, est utilisé pour recréer une solution complète à partir de cette base, tenant compte du fait que les données numériques et les données expérimentales concernent le 25 même phénomène aérodynamique. Comme l'application concerne des phénomènes instationnaires et des signaux aléatoires, les données ne sont pas analysées et utilisées dans le domaine temporel mais dans le domaine 3033909 13 fréquentiel. Par conséquent, la reconstruction « Gappy POD » est réalisée dans le domaine fréquentiel. Ceci est mis en oeuvre de la manière précitée, en utilisant des pas de fréquence au lieu de pas de temps. Les échantillons ne sont plus de la forme u(x,t) mais de la forme F(x, f) . Le coefficient 5 d'optimisation est appliqué à un pas de fréquence à la fois, pour obtenir une solution calibrée. Le système 1, et notamment l'unité de traitement de données 8, tels que décrits ci-dessus, mettent en oeuvre, à partir de données expérimentales et de données numériques (déterminées antérieurement comme précisé ci- 10 dessous et reçus des unités 2 et 6), une succession d'étapes El à E5, tel qu'illustré sur la figure 2, consistant : El / à transformer les données expérimentales et les données numériques dépendant du temps, du domaine temporel dans le domaine fréquentiel ; 15 E2/ à construire des modèles relatifs à une décomposition orthogonale aux valeurs propres, dits modèles POD, contenant différents modes POD ; E3/ à sélectionner des modes POD pertinents ; E4/ à réaliser une combinaison de données, basée sur les modes POD pertinents sélectionnés, en calculant une base correspondante dite base POD à 20 partir du jeu de données numériques et en calibrant cette base POD à partir du jeu données expérimentales afin de recréer une solution complète de la base ; et E5/ à transformer la solution complète ainsi récréée du domaine fréquentiel dans le domaine temporel de manière à obtenir la prévision 25 recherchée, c'est-à-dire la prévision du phénomène dépendant du temps apparaissant sur la partie considérée de l'aéronef. Le fonctionnement du système 1 est décrit plus en détail ci-dessous, appliqué à l'exemple de la prévision de la fatigue acoustique sur un carénage APF 24 (pour « Aft-Pylon Fairing » en anglais) à l'arrière du mât d'un moteur 30 25 de l'aéronef, comme représenté schématiquement sur les figures 3 à 5. La 3033909 14 fatigue acoustique peut être causée par plusieurs sources d'excitation, dont les effets sont représentés sur la figure 3 par différents symboles Si à S4. Ces sources d'excitation comprennent une couche de mélange Si k mixing layer » en anglais) entre le jet secondaire et le flux externe (et le bruit 5 résultant), une turbulence du moteur S2, des interactions S3 avec le longeron inférieur, et des bruits S4 du moteur 25. Ces phénomènes génèrent un champ de pression instationnaire qui agit sur la structure APF et peut causer des dommages structurels. Notamment, une structure sous-dimensionnée peut conduire à une fatigue structurelle prématurée (fatigue acoustique, coûts de 10 maintenance accrus), tandis qu'une structure surdimensionnée peut conduire à une masse excessive (performance dégradée de l'aéronef). Pour obtenir une structure APF de conception optimale, il est nécessaire de disposer d'une prévision précise du champ de pression instationnaire dans les premières phases de développement de l'aéronef. En raison du caractère aléatoire et 15 local du champ de pression instationnaire, la prévision doit avoir à la fois une précision élevée et une résolution spatiale élevée. Le système 1 permet de réaliser une telle prévision (basée sur des données expérimentales et des données numériques). A titre d'illustration, une résolution spatiale est montrée, concernant 20 cet exemple, pour des données expérimentales sur la figure 4 et pour des données numériques sur la figure 5. La résolution spatiale des données expérimentales est limitée à quelques capteurs discrets 4. Avec de telles données expérimentales seules, il existe un risque de ne pas détecter le maximum global du champ de pression 25 instationnaire. En revanche, la résolution spatiale des données numériques est plus élevée (avec par exemple un nombre de données supérieur à 100 000 points), générant une distribution homogène, dont différentes zones Z1 à Z5 présentant des champs de pression différents sont représentées sur la figure 5. Dans ce cas, le maximum est correctement défini.

3033909 15 Dans cet exemple particulier, le système 1, notamment via l'unité de traitement de données 8, met en oeuvre les étapes El à E5 suivantes : El / transformation dans le domaine fréquentiel. En raison de la nature aléatoire du champ de pression instationnaire, les données dépendant du 5 temps sont transformées dans le domaine fréquentiel (PSD ou transformée de Fourier). On considère, de préférence, la densité spectrale de puissance de la pression PSD (pour « Power Spectral Density » en anglais). Les données expérimentales et les données numériques sont exprimées sous forme de deux jeux de données, chaque jeu comprenant n échantillons (ou instantanés) qui 10 contiennent les données de pression aux capteurs pour une fréquence donnée (n est le nombre de fréquences discrètes) ; E2/ construction des modèles POD. Les données expérimentales et les données numériques sont décomposées en deux modèles POD. Les modèles POD ainsi obtenus contiennent les différents modes POD, qui sont une 15 représentation exacte des jeux de données initiaux ; E3/ sélection des modes POD pertinents. Les premiers modes POD contiennent habituellement la plupart de l'énergie du signal dépendant du temps. Les quatre premiers modes contiennent souvent plus de 99% de l'énergie totale. Il est ainsi superflu de prendre en compte tous les modes POD 20 durant la combinaison, ce qui pourrait réduire la robustesse du procédé. Le nombre de modes POD est réduit aux modes pertinents pour capturer la physique des phénomènes dépendant du temps (habituellement entre 3 et 5) ; E4/ combinaison des données basé sur les modèles POD réduits. Une base POD est calculée à partir du jeu de données à haute résolution (données 25 numériques). Les données à haute fidélité, mais à faible résolution (données expérimentales) sont ensuite utilisées pour calibrer la base POD k Gappy POD ») et pour recréer une nouvelle solution complète. Cette nouvelle solution contient à présent la haute résolution des données numériques et la haute précision des données expérimentales ; et 3033909 16 E5/ transformation dans le domaine temporel. Si la donnée initiale a été transformée dans le domaine fréquentiel à l'aide d'une transformation réversible telle qu'une transformée de Fourier, les données combinées peuvent être retransformées dans le domaine temporal de façon inverse.

5 Les résultats obtenus peuvent être bien compris à partir de la figure 6. La figure 6 montre l'évolution d'une pression PpsD en fonction de la fréquence F, pour une position de capteur donnée, respectivement : - sous forme d'une courbe Cl illustrant les données expérimentales ; - sous forme d'une courbe C2 illustrant les données numériques ; et 10 - sous forme d'une courbe C3 illustrant les données combinées (obtenues grâce au système 1). On notera que la précision de la solution combinée est en bonne conformité avec les données expérimentales. Le système 1 et le procédé, tels que décrits ci-dessus, réalisant une 15 combinaison de données (« Data Bridging Process » en anglais) qui combine des données expérimentales et des données numériques pour des signaux dépendant du temps, permettent notamment d'obtenir une précision de prévision nécessaire pour intégrer des phénomènes dépendant du temps dans le développement d'aéronefs, notamment d'avions de transport, et ainsi 20 obtenir des gains en masse et en coût. Ledit système 1 et ledit procédé permettent donc : - d'améliorer la performance de la prévision ; - d'obtenir un gain en masse et en coût ; - d'introduire des phénomènes dépendant du temps dans le développement 25 d'un aéronef ; et - de réduire la complexité et les coûts de méthodes expérimentales (instrumentation et matrice de test réduits). De plus, ce système 1 et ce procédé sont applicables à de nombreux domaines d'ingénierie (aéronautique, transports, informatique, bâtiment, ...) 3033909 17 pour un large nombre de disciplines techniques (mécanique de fluide, acoustique, charges, structure, électronique).

Claims (12)

1. REVENDICATIONS1. Procédé de prévision d'au moins un phénomène dépendant du temps, ledit phénomène est un phénomène variant au cours du temps, ledit procédé 5 comprenant une étape consistant : A/ à acquérir des premières données dépendant du temps relatives audit phénomène, lesdites premières données dépendant du temps comprenant des données expérimentales d'un paramètre caractérisant le phénomène, les données expérimentales étant générées par des mesures réalisées à l'aide de capteurs, 10 caractérisé en ce qu'il comprend de plus les étapes suivantes, consistant : B/ à acquérir des secondes données dépendant du temps, relatives audit phénomène, lesdites secondes données dépendant du temps comprenant des données numériques du paramètre caractérisant le phénomène, les données numériques étant obtenues par simulation numérique ; et 15 C/ à combiner les premières et secondes données en utilisant les premières données pour calibrer les secondes données, de manière à obtenir une prévision du phénomène dépendant du temps, ladite prévision étant transmise à au moins un système utilisateur (14).
2. 2. Procédé selon la revendication 1, 20 caractérisé en ce que l'étape CI comprend les sous-étapes suivantes, consistant : C1/ à transformer les premières et secondes données dépendant du temps d'un domaine temporel dans un domaine fréquentiel ; C2/ à construire des modèles relatifs à une décomposition orthogonale aux valeurs propres, dits modèles POD, les données expérimentales et les données 25 numériques étant décomposées respectivement en deux modèles POD, les modèles POD ainsi obtenus contenant différents modes relatifs à une décomposition orthogonale aux valeurs propres, dits modes POD; C3/ à sélectionner, parmi lesdits modes POD, des modes POD dits pertinents ; et 30 C4/ à réaliser une combinaison de données, basée sur les modes POD pertinents sélectionnés, une base correspondante dite base POD étant calculée à partir des données numériques, les données expérimentales étant ensuite utilisées pour calibrer la base POD afin de former une solution complète permettant d'obtenir la prévision du phénomène dépendant du temps. 3033909 19
3. 3. Procédé selon la revendication 2, caractérisé en ce qu'à la sous-étape C1/, les données expérimentales et les données numériques sont exprimées respectivement sous forme de deux jeux de données, chacun desdits deux jeux comprenant n échantillons qui contiennent les valeurs dudit paramètre à des endroits donnés pour une fréquence donnée, n étant un entier représentant un nombre de fréquences discrètes considérées.
4. 4. Procédé selon l'une des revendications 2 et 3, caractérisé en ce que l'étape C/ comprend une sous-étape C5/ consistant, en cas de transformation réversible à la sous-étape C1/, à transformer la solution complète, du 10 domaine fréquentiel dans le domaine temporel, de manière à obtenir la prévision du phénomène dépendant du temps.
5. 5. Procédé selon l'une des revendications 2 à 4, caractérisé en ce que la sous-étape C3/ consiste à sélectionner, comme modes POD pertinents, un nombre p de premiers modes POD, p étant un entier choisi parmi 3, 15 4 et 5.
6. 6. Système de prévision d'au moins un phénomène dépendant du temps, ledit phénomène est un phénomène variant au cours du temps, ledit système (1) comportant une unité centrale (7) comprenant une première unité d'acquisition de données (11) configurée pour acquérir des premières données dépendant du temps 20 relatives audit phénomène, lesdites premières données dépendant du temps comprenant des données expérimentales d'un paramètre caractérisant le phénomène, les données expérimentales étant générées par des mesures réalisées par des capteurs, caractérisé en ce que l'unité centrale (7) comprend de plus : 25 - une seconde unité d'acquisition de données (12) configurée pour acquérir des secondes données dépendant du temps, relatives audit phénomène, lesdites secondes données dépendant du temps comprenant des données numériques du paramètre caractérisant le phénomène, les données numériques étant obtenues par simulation numérique ; et 30 - une unité de traitement de données (8) configurée pour combiner les premières et secondes données en utilisant les premières données pour calibrer les secondes données, de manière à obtenir une prévision du phénomène dépendant du temps, ladite prévision étant transmise à au moins un système utilisateur (14).
7. 7. Système selon la revendication 6, 3033909 20 caractérisé en ce que l'unité de traitement de données (8) comprend : - un élément de traitement de données (18) configuré pour transformer les premières et secondes données dépendant du temps d'un domaine temporel dans un domaine fréquentiel ; 5 - un élément de traitement de données (19) configuré pour construire des modèles relatifs à une décomposition orthogonale aux valeurs propres, dits modèles POD; - un élément de sélection (20) configuré pour sélectionner, parmi lesdits modes POD, des modes POD dits pertinents ; et - un élément de traitement de données (21) configuré pour réaliser une combinaison de données, basée sur les modes POD pertinents sélectionnés, une base correspondante dite base POD étant calculée à partir du jeu de données numériques, les données expérimentales étant ensuite utilisées pour calibrer la base POD afin de former une solution complète permettant d'obtenir la prévision du phénomène dépendant du temps.
8. 8. Système selon la revendication 7, caractérisé en ce que l'unité de traitement de données (8) comprend un élément de traitement de données (22) configuré pour transformer, en cas de transformation réversible, la solution complète du domaine fréquentiel dans le domaine temporel de manière à obtenir la prévision du phénomène dépendant du temps.
9. 9. Système selon l'une quelconque des revendications 6 à 8, caractérisé en ce qu'il comporte, de plus, une première unité de génération de données (2) configurée pour générer lesdites premières données.
10. 10. Système selon l'une quelconque des revendications 6 à 9, caractérisé en ce qu'il comporte, de plus, une seconde unité de génération de 25 données (6) configurée pour générer lesdites secondes données.
11. 11. Système selon l'une quelconque des revendications 6 à 10, caractérisé en ce qu'il comporte, de plus, une unité de transmission de données (10) configurée pour transmettre ladite prévision à au moins un système utilisateur (14).
12. 12. Programme d'ordinateur comprenant des instructions adaptées à la mise 30 en oeuvre de chacune des étapes du procédé selon l'une quelconque des revendications 1 à 5 lorsque ledit programme est exécuté sur un ordinateur.