FR3090090A1 - Procédé et dispositif pour générer une trajectoire verticale optimale destinée à être suivie par un aéronef - Google Patents

Abstract

- Procédé et dispositif pour générer une trajectoire verticale optimale destinée à être suivie par un aéronef. - Le dispositif comprend une unité (6) réalisant un traitement itératif pour déterminer à chaque itération, un état dit suivant à partir d’un état dit de calcul, en tenant compte d’un coût global estimé pour une pluralité d’états suivants générés par une unité de génération (9), chaque coût global estimé qui est calculé par une unité de calcul de coût (10) étant égal à la somme d’un coût réel calculé jusqu’à cet état suivant considéré en prenant en compte des contraintes prédéterminées et d’un coût estimé jusqu’à l’état courant de l’aéronef, ce coût estimé étant calculé à l’aide d’un réseau de neurones (12) déterministe basé sur des calculs de performance de l’aéronef sans prendre en compte des contraintes énergétiques, permettant ainsi de réaliser rapidement le calcul de ce coût estimé et ainsi du coût global estimé, le traitement itératif étant répété jusqu’à que l’état déterminé soit situé à proximité de l’état courant de l’aéronef, la partie de trajectoire correspondante formant ladite trajectoire verticale optimale. Figure pour l'abrégé : Fig. 2

Description

Description

Titre de l'invention : Procédé et dispositif pour générer une trajectoire verticale optimale destinée à être suivie par un aéronef Domaine technique

[0001] La présente invention concerne un procédé et un dispositif pour générer en temps réel au moins une trajectoire verticale optimale d’une trajectoire de vol destinée à être suivie par un aéronef, en particulier un avion de transport.

[0002] Plus particulièrement, la présente invention a pour objet de générer, à l’aide de moyens embarqués, une trajectoire optimisée en temps réel, qui est volable notamment dans des environnements dynamiques contraints, c’est-à-dire dans des environnements qui sont susceptibles de contenir des objets (ou obstacles), avec lesquels l’aéronef doit éviter d’entrer en collision.

[0003] Bien que non exclusivement, la présente invention s’applique plus particulièrement à des trajectoires d’approche lors d’une phase de descente et d’approche, en vue d’un atterrissage sur une piste d’atterrissage d’un aéroport.

Technique antérieure

[0004] On sait que la gestion de l’énergie en descente et en approche d’un aéronef, en particulier d’un avion de transport, est généralement laissée à la discrétion de l’équipage de l’aéronef qui doit évaluer la situation énergétique de l’aéronef et mener les actions de pilotage adéquates pour gérer les éventuels cas de sur-énergie ou de sous-énergie de l’aéronef. Dans certaines situations où l’aéronef a été dévié de sa trajectoire de référence, pour des raisons de gestion de trafic par exemple, la combinaison de cette gestion de l’énergie et de la modification du plan de vol, qui nécessite des interactions multiples avec les systèmes de l’aéronef, génère une charge de travail importante pour l’équipage.

[0005] Aussi, il peut arriver que le pilote d’un aéronef cherchant à arriver à un point cible gère mal l’énergie de l’aéronef et dépasse ce point cible, par exemple en arrivant trop rapidement ou trop haut audit point cible. Dans le cas où le point cible en phase d’approche est un point dit de stabilisation, l’aéronef doit alors refaire un circuit de vol avant l’atterrissage, ce qui génère une perte de temps.

[0006] Par le document ER-3 043 456, on connaît un procédé et un dispositif pour générer une trajectoire verticale optimale d’une trajectoire de vol pour un aéronef, en particulier un avion de transport, qui est définie dans un environnement susceptible de contenir des obstacles (notamment mobiles). Le dispositif comprend une unité de traitement de données mettant en œuvre un traitement itératif pour générer une trajectoire verticale optimale entre un état initial et un état final en fonction de stratégies de vol.

[0007] Ledit dispositif permet d’engendrer une trajectoire verticale, qui est optimisée, qui est libre de toute collision avec des obstacles environnants, notamment des obstacles mobiles, et qui respecte des contraintes énergétiques.

[0008] Toutefois, tous les calculs de trajectoire et d’optimisation d’énergie étant réalisés par le dispositif (ou calculateur) de l’aéronef, le temps de calcul est long.

Exposé de l’invention

[0009] La présente invention a pour objet de remédier à cet inconvénient. Elle concerne un procédé pour générer une trajectoire verticale optimale pour un aéronef, ladite trajectoire verticale étant définie entre un état dit courant de l’aéronef comportant une position courante de l’aéronef et un état dit cible comportant une position (ou point) cible.

[0010] Selon l'invention, ledit procédé comprenant une étape de traitement mise en œuvre par une unité de traitement de données, l’étape de traitement comportant une suite de sous-étapes mises en œuvre de façon itérative, ladite étape de traitement consistant à déterminer à chaque itération un état dit suivant à partir d’un état dit de calcul, à chaque état suivant ainsi déterminé étant associée une partie de trajectoire définie entre l’état cible (initial) et cet état suivant, procédé selon lequel l’état déterminé à l’étape de traitement d’une itération donnée est utilisé à T itération suivante comme état de calcul et l’état de calcul pris en compte lors de la première itération est ledit état cible, procédé selon lequel ladite étape de traitement est mise en œuvre jusqu’à ce que l’état suivant déterminé soit situé au moins à une proximité prédéterminée de l’état courant de l’aéronef, la partie de trajectoire associée à cet état situé à une proximité prédéterminée de l’état courant de l’aéronef formant la trajectoire verticale optimale, ledit procédé comprenant également une étape de transmission de données, mise en œuvre par une liaison de transmission de données, consistant à transmettre au moins ladite trajectoire verticale optimale à au moins un système utilisateur, est remarquable en ce que ladite étape de traitement comporte, pour déterminer à chaque itération un état suivant, la suite de sous-étapes suivantes :

- une sous-étape de génération consistant à générer un ou des états suivants à partir de l’état de calcul ;

- une sous-étape de calcul de coût consistant à calculer un coût global estimé pour chacun desdits états suivants générés à la sous-étape de génération, ce coût global estimé étant égal à la somme d’un coût réel calculé entre l’état cible (initial) et l’état suivant considéré en prenant en compte des contraintes prédéterminées et d’un coût estimé calculé entre cet état suivant considéré et l’état courant de l’aéronef, ledit coût estimé étant calculé à l’aide d’au moins un réseau de neurones déterministe basé sur des calculs de performance de l’aéronef sans prendre en compte des contraintes énergétiques, lesdits états correspondant à des nœuds du réseau de neurones ; et - une sous-étape d’identification consistant à identifier, parmi lesdits états suivants générés à la sous-étape de génération, l’état présentant le coût global estimé le plus faible, l’état ainsi identifié représentant l’état dit suivant de l’itération considérée.

[0011] Ainsi, grâce à l’utilisation d’un réseau de neurones qui permet de calculer de façon rapide et précise une estimation du coût entre l’état (ou le nœud) suivant considéré et un état final (à savoir l’état courant de l’aéronef) en s’affranchissant des contraintes (par exemple énergétiques), on est en mesure de réaliser rapidement le calcul du coût global estimé pour chacun des états suivants considérés, afin de pouvoir sélectionner ou privilégier lors du traitement itératif ceux qui présentent le coût global estimé le plus faible.

[0012] La durée de génération de la trajectoire de vol est ainsi réduite, ce qui permet de remédier à l’inconvénient précité.

[0013] Le procédé conforme à la présente invention, permet donc d’engendrer, en temps réel, avec des capacités de calcul raisonnables une trajectoire verticale qui est optimisée et qui respecte des contraintes (par exemple énergétiques), cette trajectoire verticale permettant de relier la position courante (ou point courant) de l’aéronef à une position (ou point) cible définie par un opérateur, généralement le pilote de l’aéronef. Cette position cible peut, par exemple, correspondre au point de stabilisation lors d’une approche.

[0014] Avantageusement, à la sous-étape de calcul de coût, pour chaque état suivant considéré, cet état suivant et l’état courant de l’aéronef sont entrés dans le réseau de neurones qui calcule le coût estimé entre ledit état suivant et ledit état courant de l’aéronef.

[0015] En outre, dans un mode de réalisation particulier, à la sous-étape de calcul de coût, le coût estimé est corrigé en tenant compte de conditions atmosphériques, le coût estimé ainsi corrigé étant utilisé pour calculer le coût global estimé.

[0016] Par ailleurs, avantageusement, dans le réseau de neurones, un nœud représentant un état est défini au moins par une distance par rapport à une position prédéterminée, une altitude, une vitesse, et au moins un paramètre de vol.

[0017] En outre, de façon avantageuse, la sous-étape de génération utilise, pour générer un ou des états suivants à partir de l’état de calcul, des équations de mouvement de l’aéronef intégrant des valeurs de pente totale et de facteur de répartition d’énergie.

[0018] Dans un mode de réalisation particulier, le procédé comporte une étape d’apprentissage, mise en œuvre antérieurement à ladite étape de traitement, consistant à soumettre le réseau de neurones à un apprentissage.

[0019] De préférence, l’étape d’apprentissage utilise comme données d’entrée pour l’apprentissage du réseau de neurones, une position initiale, une position finale et un coût pour une pluralité de trajectoires optimales, ces trajectoires optimales étant définies pour des conditions initiales et finales différentes et sans contrainte.

[0020] La présente invention concerne également un dispositif pour générer une trajectoire verticale optimale pour un aéronef, ladite trajectoire verticale étant définie entre un état dit courant de l’aéronef comportant une position courante de l’aéronef et un état dit cible comportant une position cible.

[0021] Selon l'invention, ledit dispositif du type comportant :

- une unité d’entrée de données ;

- une unité de traitement de données mettant en œuvre un traitement itératif, ladite unité de traitement de données étant configurée pour déterminer à chaque itération un état dit suivant à partir d’un état dit de calcul, à chaque état suivant ainsi déterminé étant associée une partie de trajectoire définie entre l’état cible et cet état suivant, l’état déterminé à une itération donnée étant utilisé à l’itération suivante comme état de calcul, l’état de calcul pris en compte lors de la première itération étant ledit état cible, ladite unité de traitement de données répétant le traitement itératif jusqu’à que l’état déterminé soit situé au moins à une proximité prédéterminée de l’état courant de l’aéronef, la partie de trajectoire associée à cet état situé à une proximité prédéterminée de l’état courant de l’aéronef formant la trajectoire verticale optimale ; et

- une liaison de transmission de données consistant à transmettre au moins ladite trajectoire verticale optimale à au moins un système utilisateur, est remarquable en ce que ladite unité de traitement de données comporte :

- une unité de génération consistant à générer, à chaque itération, un ou des états suivants à partir de l’état de calcul ;

- une unité de calcul de coût consistant à calculer un coût global estimé pour chacun desdits états suivants générés par l’unité de génération, ce coût global estimé étant égal à la somme d’un coût réel calculé entre l’état cible (initial) et l’état suivant considéré en prenant en compte des contraintes prédéterminées et d’un coût estimé calculé entre cet état suivant considéré et l’état courant de l’aéronef, ledit coût estimé étant calculé à l’aide d’au moins un réseau de neurones déterministe ;

- ledit réseau de neurones qui est basé sur des calculs de performance de l’aéronef sans prendre en compte des contraintes énergétiques, lesdits états correspondant à des nœuds du réseau de neurones ; et

- une unité d’identification consistant à identifier, parmi les états suivants générés par l’unité de génération, l’état présentant le coût global estimé (calculé par l’unité de calcul de coût) qui est le plus faible, l’état ainsi identifié représentant l’état dit suivant de l’itération considérée.

[0022] Dans un mode de réalisation particulier, le dispositif comporte, comme système utilisateur, une unité d’affichage configurée pour afficher au moins ladite trajectoire verticale optimale.

Brève description des dessins

[0023] Les figures annexées feront bien comprendre comment l'invention peut être réalisée. Sur ces figures, des références identiques désignent des éléments semblables.

[0024] [fig. 1] La figure 1 est le schéma synoptique d'un mode de réalisation particulier d’un dispositif de génération d’une trajectoire verticale optimale.

[0025] [fig-2] La figure 2 est le schéma synoptique d’une unité de traitement de données du dispositif de la figure 1.

[0026] [fig.3] La figure 3 est une représentation schématique permettant d'expliquer la génération conforme à l'invention d'une trajectoire verticale optimale.

[0027] [fig-4] La figure 4 est une représentation schématique d’un réseau de neurones faisant partie d’un dispositif de génération d’une trajectoire verticale optimale.

[0028] [fig-5] La figure 5 est le schéma synoptique de sous-étapes successives d’une étape de traitement, mises en œuvre par l’unité de traitement de données.

Description des modes de réalisation

[0029] Le dispositif 1 permettant d’illustrer l’invention et représenté de façon schématique sur la figure 1, a pour objet de construire au moins une trajectoire verticale TV d'une trajectoire de vol destinée à être suivie par un aéronef AC (figure 3), en particulier un avion de transport.

[0030] Ladite trajectoire de vol comprend une trajectoire latérale (ou horizontale) qui est définie dans un plan horizontal, et la trajectoire verticale qui est définie dans un plan vertical. Elle est formée de manière à relier un point courant (correspondant à la position courante PC de l’aéronef AC) où l’aéronef AC présente un état EC dit courant, à une position (ou point) cible Ptgt, où l’aéronef AC présente un état E0 dit cible, comme représenté sur la figure 3.

[0031] Un état comprend un point (ou position) de l’espace, par exemple PC ou Ptgt, défini par son altitude et sa position horizontale, et un ou plusieurs paramètres de vol de l’aéronef AC. De préférence, le ou les paramètres de vol pris en compte correspondent à l’un ou plusieurs des paramètres suivants :

- une vitesse de l’aéronef AC ;

- une masse de l’aéronef AC ;

- une configuration aérodynamique de l’aéronef AC.

[0032] Dans un mode de réalisation particulier, on peut prendre en compte des conditions atmosphériques telles que le vent et/ou une différence de température AISA correspondant à la différence de température entre une température extérieure mesurée et une température de type ISA (pour « International Standard Atmosphere » en anglais) à la même altitude.

[0033] Selon l'invention, ledit dispositif 1 qui est embarqué sur l’aéronef, comporte, comme représenté sur la figure 1 :

- un ensemble 2 (« DATABASE » en anglais) comprenant une ou plusieurs bases de données ;

- une unité d’entrée de données 5 (« DATA ENTERING UNIT » en anglais) ;

- une unité de traitement de données 6 (« DATA PROCESSING UNIT » en anglais) qui est reliée par l’intermédiaire de liaisons 3 et 4, respectivement, à l’ensemble 2 et à l’unité d’entrée de données 5, et qui est configurée pour mettre en œuvre en œuvre un traitement itératif dans le but de déterminer une trajectoire verticale optimale ; et

- une liaison de transmission de données 7 consistant à transmettre au moins ladite trajectoire verticale optimale à au moins un système utilisateur d’un ensemble 8 de système(s) utilisateur(s) (« USER SYSTEMS » en anglais).

[0034] Comme précisé ci-après, l’unité de traitement de données 6 met en œuvre un traitement itératif. Elle est configurée pour déterminer à chaque itération de ce traitement itératif un état dit suivant à partir d’un état dit de calcul. L’état déterminé à une itération donnée est utilisé à l’itération suivante comme état de calcul. L’état de calcul pris en compte lors de la première itération est ledit état cible E0 (à la position cible Ptgt).

[0035] A chaque état suivant ainsi déterminé est associée une partie de trajectoire définie entre l’état cible et cet état suivant. L’unité de traitement de données 6 répète le traitement itératif jusqu’à ce que l’état déterminé soit situé au moins à une proximité prédéterminée de l’état courant EC de l’aéronef AC (au point courant PC). La partie de trajectoire associée à cet état située à proximité de l’état courant EC de l’aéronef AC forme la trajectoire verticale optimale TV générée.

[0036] Pour mettre en œuvre le traitement itératif précité, l’unité de traitement de données (ou unité centrale) 6 comporte, comme représenté sur la figure 2 :

- une unité de génération 9 (« GENERATION UNIT » en anglais) configurée pour générer un ou des états suivants à partir d’un état de calcul de l’aéronef dans un horizon de calcul donné (notamment prédéterminé). Cet horizon de calcul peut correspondre à un temps de vol donné ou à une distance de vol donnée ;

- une unité de calcul de coût 10 (« COST COMPUTATION UNIT » en anglais) reliée par l’intermédiaire d’une liaison 11 à l’unité de génération 9 et configurée pour calculer un coût global estimé CG pour chacun desdits états suivants générés par l’unité de génération 9. Ce coût global estimé CG est égal à la somme d’un coût réel Cl calculé (de façon usuelle) entre l’état cible E0 et l’état suivant considéré en prenant en compte des contraintes prédéterminées et d’un coût estimé C2 calculé entre cet état suivant considéré et l’état courant EC de l’aéronef AC ;

- un réseau de neurones 12 (« NEURONAL NETWORK » en anglais) relié par l’intermédiaire d’une liaison 13 à l’unité de calcul de coût 10 et configuré pour calculer ledit coût estimé C2. Ce réseau de neurones 12 est basé sur des calculs de performance de l’aéronef sans prendre en compte les contraintes énergétiques. Dans le cadre de la présente invention, les différents états correspondent à des nœuds du réseau de neurones 12 ; et

- une unité d’identification 14 (« IDENTIFICATION UNIT ») reliée par l’intermédiaire d’une liaison 15 à l’unité de calcul de coût 10 et configurée pour identifier, parmi les états suivants générés par l’unité de génération 9, l’état dont le coût global estimé CG (calculé par l’unité de calcul de coût 10) est le plus faible, l’état ainsi identifié représentant l’état dit suivant de l’itération considérée. L’état identifié par l’unité d’identification 14 à une itération donnée est utilisé, le cas échéant, par l’unité de génération 9 à l’itération suivante, comme état de calcul.

[0037] L’unité de traitement de données 6 répète donc le traitement itératif, mis en œuvre par les unités 9, 10, 12 et 14, jusqu’à ce que l’état identifié par l’unité d’identification 14 soit situé au moins à une proximité prédéterminée de l’état courant EC (final). La trajectoire verticale entre l’état cible E0 (initial) et l’état ainsi identifié représente alors la trajectoire verticale optimale générée par l’unité de traitement de données 6 du dispositif 1.

[0038] Dans le cadre de la présente invention, on considère qu’un état est situé à proximité de l’état courant EC, quand la différence entre l’état courant EC et l’état considéré est inférieure à un seuil d’état. Ce seuil d’état peut être une distance ou une combinaison de critères entrant dans la définition de l’état (position, vitesse, paramètre(s) de vol,...).

[0039] L’unité de génération 9 utilise, pour générer un ou des états suivants à partir de l’état de calcul, des équations de mouvement de l’aéronef AC. Dans un mode de réalisation préféré, l’unité de génération 9 utilise des équations de mouvement intégrant des valeurs de pente totale de l’aéronef AC et/ou des valeurs de facteur de répartition d’énergie ESF en fonction de la distance. De façon usuelle, le facteur de répartition d’énergie ESF (pour « Energy Sharing Factor » en anglais) illustre une répartition de la perte d’énergie totale entre l’énergie cinétique et l’énergie potentielle.

[0040] L’unité de traitement de données 6 effectue donc le traitement vers l’arrière, en partant de la position cible Ptgt (ou position terminale dans le sens de vol F de l’aéronef AC, comme représenté sur la figure 3), par exemple le point de stabilisation (fixe), et en propageant l’état de l’aéronef AC (dans le sens opposé au sens F) vers l’état le plus proche de son état courant EC (au point courant PC). Ainsi, on est sûr que la trajectoire verticale TV générée passe par la position cible Ptgt et même si elle ne commence pas précisément par l’état courant de l’aéronef AC, la différence peut être facilement corrigée par le guidage.

[0041] Pour accélérer la convergence, l’unité de traitement de données 6 utilise donc une estimation de coût (heuristique) calculée par le réseau de neurones 12, qui évite de développer les nœuds les plus éloignés (au sens de l’heuristique choisie) de la solution optimale. Par exemple, dans le cas où l’on veut optimiser la consommation de carburant de l’aéronef AC, l’heuristique est une estimation du carburant nécessaire à l’aéronef AC pour voler entre le nœud Ena considéré et la position courante PC de l’aéronef AC (figure 3).

[0042] La figure 4 illustre un exemple de schéma simplifié du réseau de neurones 12 utilisé pour estimer l’heuristique. La figure 4 montre une couche d’entrée L1 destinée à recevoir les données d’entrée pour un état dit suivant considéré Ena (à savoir cet état suivant Ena et l’état courant EC de l’aéronef AC), plusieurs couches Li et Lj cachées, et une couche de sortie L2 fournissant en sortie le coût C2 estimé.

[0043] La figure 3 montre, en plus de la position cible Ptgt (représentant l’état cible E0) et de la position courante PC de l’aéronef AC (représentant l’état courant EC), plusieurs itérations intermédiaires avec des états (ou nœuds) associés, à savoir une itération II avec des états Ela et Elb, une itération 12 avec des états E2a, E2b et E2c, et une itération In avec des états Ena, Enb et Enc.

[0044] En considérant que l’itération courante est l’itération In avec comme état dit suivant l’état (ou nœud) Ena à considérer, pour estimer le coût global estimé CG, l’unité de calcul de coût 10 calcule la somme :

- du coût réel Cl à partir de l’état cible E0 jusqu’à cet état Ena. Ce coût réel Cl est calculé de façon usuelle par un élément de calcul (non représenté) qui est par exemple intégré dans l’unité de calcul de coût 10 ; et

- du coût estimé C2 à partir de cet état Ena jusqu’à l’état courant EC. Ce coût estimé C2 est calculé par le réseau de neurones 12.

[0045] Le coût CG (tel que CG=C1+C2) est un coût global (de E0 à EC) dont une partie (C2) est estimée.

[0046] La partie de trajectoire verticale (de vol) qui est associée à cet état Ena est la trajectoire Tnal représentée sur la figure 3, qui passe par les états Ela et E2a précédemment générés et sélectionnés. On a également représenté sur la figure 3 (en tirets), la partie restante de trajectoire Tna2 encore à déterminer jusqu’à la position courante PC de l’aéronef AC.

[0047] On prévoit donc d’améliorer l’estimation de l’heuristique, non-triviale pour le cas d’un profil vertical d’aéronef, en utilisant le réseau de neurones 12 déterministe, qui est basé sur les calculs de performance de l’aéronef. Le processus de calcul pour implémenter cette estimation de coûts est le suivant. Le calcul se base sur une méthode de recherche dans un graphe appelée A*. Plus précisément :

A/ on génère une grande quantité de trajectoires optimales pour des conditions initiales et finales bien différentes et sans aucune contrainte énergétique, pour l’apprentissage du réseau de neurones 12. Les points initiaux et finaux ainsi que le coût de la trajectoire optimale sont utilisés comme données d’entrée pour l’apprentissage du réseau de neurones 12. On utilise une base de données avec toutes les trajectoires générées en amont selon différents critères ;

On lance l’algorithme pour qu’il génère des milliers de trajectoires et les coûts. Ce coût calculé avec les états initial et final pour chacune des trajectoires générées est utilisé comme entrée pour le réseau de neurones. La base de données ne sert que pour un critère d’optimisation. Donc, si potentiellement on veut changer de critère d’optimisation, il convient de développer une base de données pour cet autre critère et faire apprendre le réseau de neurones. Les critères d’optimisation peuvent être notamment le carburant consommé, le bruit généré, les émissions de gaz, le temps de descente et d’approche ;

Par exemple, pour calculer comme coût le carburant consommé entre deux points PI et P2, on intègre les équations de la dynamique de l’aéronef (masse ponctuelle) en partant du point PI jusqu’à arriver au point P2 tout en respectant toutes les restrictions qui peuvent s’appliquer entre ces points PI et P2 (par exemple l’enveloppe de vol, ...) ;

B/ le réseau de neurones 12 apprend à estimer le coût d’une trajectoire entre un premier état et un second état. Les hyper-paramètres du réseau (nombre de couches,...) sont réglés pour affiner la performance.

[0048] Le réseau de neurones 12 n’est pas utilisé directement entre des points initial et final à cause des contraintes énergétiques intermédiaires spécifiques au cas considéré. Le réseau de neurones 12 est utilisé pour calculer une estimation minorante (en s’affranchissant des contraintes énergétiques) du coût C2 résiduel entre le nœud courant Ena et la position courante PC pour privilégier les nœuds qui minimisent le coût global estimé CG.

[0049] Chaque nœud généré par la méthode A* fait appel au réseau de neurones 12 qui lui donne instantanément une estimation du coût à venir (heuristique). Cela permet de trier efficacement tous les nœuds et, en développant en priorité les nœuds qui minimisent cette estimation du coût à chaque itération, de converger plus rapidement vers la trajectoire optimale. Cette caractéristique peut être utilisée pour réadapter, en temps réel, la stratégie de vol aux conditions dynamiques de l’environnement.

[0050] La méthode pour générer les trajectoires qui sont utilisées par l’apprentissage du réseau de neurones est la méthode A*, mais sans aucune contrainte énergétique liée à une procédure d’arrivée (c’est-à-dire, seules des restrictions du type enveloppe de vol et limite d’accélération s’appliquent). Le réseau de neurones 12 apprend à corréler toutes les variables et calculs internes nécessaires pour calculer le coût d’une tra jectoire et est capable de prédire un coût approximatif simplement en recevant un état initial et un état final.

[0051] L’estimation est la plus faible possible (ou minorante), car elle est basée sur le calcul des trajectoires sans contraintes. Il n’existe donc aucune trajectoire qui soit meilleure que celle calculée. Dès que l’on ajoute des contraintes, l’optimalité se dégrade. L’algorithme A*, en utilisant des approximations de coût (heuristique), va ainsi converger vers la solution.

[0052] Une contrainte dite énergétique est un type de contrainte, soit d’altitude soit de vitesse, lié à une procédure d’arrivée donnée et est donc spécifique de cette procédure d’arrivée donnée. En revanche, une restriction est une contrainte spécifique à un aéronef (par exemple la vitesse maximale ou une limite d’accélération pour le confort de passagers) et est donc indépendante de la procédure d’arrivée. Le réseau de neurones est développé pour un aéronef particulier mais doit pouvoir être utilisé dans n’importe quelle procédure d’approche. Ainsi, les trajectoires générées pour l’apprentissage du réseau des neurones tiennent compte de restrictions mais pas de contraintes énergétiques, alors que la trajectoire verticale générée en temps réel tient compte de restrictions et de contraintes énergétiques.

[0053] Une fois l’apprentissage du réseau de neurones 12 terminé, le réseau de neurones 12 ne stocke pas les trajectoires calculées, mais des poids/hyperparamètres, des relations entre paramètres qui vont lui permettre de faire converger vers la solution minorante le plus rapidement possible. Il est possible d’améliorer les performances du réseau de neurones en augmentant le nombre de couches et/ou le nombre de neurones par couches.

[0054] Le réseau de neurones 12 est enregistré dans l’unité de traitement de données 6.

[0055] L’utilisation du réseau de neurones 12 pour calculer le coût estimé permet ainsi d’obtenir une estimation rapide, sans réaliser de calculs complexes. Cela permet de mettre en œuvre le traitement en temps réel dans un ou des calculateurs embarqués dans l’aéronef.

[0056] En particulier, l’unité de traitement de données 6 peut ainsi représenter un calculateur lié à un système de gestion de vol de type EMS (« Elight Management System » en anglais) de l’aéronef AC. Il peut s’agir d’un module intégré dans le système EMS ou d’un module déporté par rapport au système EMS, par exemple un module intégré dans une unité électronique portable de type EEB (« Electronic Elight Bag » en anglais) qui est reliée au système EMS. Lorsque la trajectoire verticale optimale est déterminée par une unité de type EEB, elle est transmise au système EMS de l’aéronef pour être mise en œuvre. Eventuellement, cette trajectoire peut être modifiée en prenant en compte d’autres critères de l’aéronef, par exemple les trains d’atterrissage sortis,...

[0057] Par ailleurs, dans un mode de réalisation préféré, l’ensemble 2 de bases de données du dispositif 1 peut comporter notamment une base de données du terrain, une base de données météo et/ ou une base de données de performances de l’aéronef permettant d’estimer, par interpolation dans des tables, un nouvel état de l’aéronef (altitude, vitesse, masse, configuration,...) à partir d’un état précédent suite à l’application d’une stratégie de vol.

[0058] Par ailleurs l’unité d’entrée de données 5 comporte un ensemble de sources d’informations, telles que des capteurs de l’aéronef (radar météo pour enrichir une base de données météo, capteurs de configuration de l’aéronef (volet, régime moteur, train sorti,...)) ou des systèmes de mesure ou de calcul.

[0059] L’unité d’entrée de données 5 comporte également une interface homme/machine 16 (« INTERFACE » en anglais) permettant à un opérateur, notamment le pilote de l’aéronef, d’entrer dans le dispositif 1 des paramètres tels que la position cible Ptgt et/ ou un ou des critères utilisés dans les traitements (météo, bruit,...). Cette interface homme/machine 16 peut comprendre différents moyens usuels, par exemple un ensemble portable clavier/écran, tel qu’un ordinateur portable ou une tablette, ou bien un moyen interne de type avionique (écran, clavier et boule de commande du poste de pilotage par exemple).

[0060] Dans un mode de réalisation particulier, l’unité d’entrée de données 5 comporte également un système de transmission d’informations pour permettre au moins la réception automatique de données reçues de l’extérieur de l’aéronef.

[0061] Par ailleurs, ledit dispositif 1 (figure 1) comporte notamment, comme système utilisateur de l’ensemble 8, une unité d’affichage 17 (« DISPLAY UNIT » en anglais) configurée pour afficher au moins ladite trajectoire verticale optimale TV sur un écran de visualisation du poste de pilotage de l’aéronef.

[0062] L’ensemble 8 peut également comporter des systèmes embarqués tels qu’un système de pilotage automatique par exemple, la trajectoire optimale pouvant être utilisée comme référence pour un guidage automatique, ou bien des moyens pour informer le contrôle aérien (par exemple via une liaison usuelle de transmission de données) des résultats des traitements réalisés.

[0063] Le dispositif 1 peut, en outre, être combiné avec un système usuel de génération d’une trajectoire latérale optimale ou comporter un tel système, pour obtenir une trajectoire de vol 4D optimisée.

[0064] En plus des informations issues desdites bases de données 2, le dispositif 1 utilise, notamment, un ensemble de paramètres configurés par le pilote (à l’aide de l’interface 16) ou laissés à des valeurs par défaut. La seule information indispensable pour la mise en œuvre de l’invention est la position cible Ptgt (c’est-à-dire le point où le pilote souhaite que la trajectoire générée se termine). L’état cible E0 à cette position cible Ptgt est défini par une position géométrique (latitude, longitude, altitude, cap), mais également potentiellement par des restrictions annexes (vitesse, masse, configuration,..La position cible Ptgt la plus courante en phase d’approche est le point de stabilisation (1000 ou parfois 1500 pieds au-dessus de l’altitude du seuil de la piste d’atterrissage, à la vitesse d’approche).

[0065] Dans une application préférée, le dispositif 1 permet ainsi de générer une trajectoire d’approche qui tient compte de la situation énergétique courante de l’aéronef et l’amène de façon optimale à une situation énergétique optimale au point de stabilisation de l’approche.

[0066] Grâce à l’utilisation du réseau de neurones 12 qui permet de calculer de façon rapide et précise une estimation du coût C2 entre l’état (ou le nœud) suivant considéré et un état à atteindre (à savoir l’état courant E0 de l’aéronef AC) en s’affranchissant des contraintes existantes (par exemple énergétiques), le dispositif 1 est en mesure de réaliser rapidement le calcul du coût global estimé CG pour chacun des états suivants considérés, afin de pouvoir sélectionner ou privilégier lors du traitement itératif ceux qui présentent le coût global estimé le plus faible. La durée de génération de la trajectoire verticale est ainsi réduite et peut être mise en œuvre en temps réel.

[0067] Par conséquent, le dispositif 1, tel que décrit ci-dessus, engendre, en temps réel, une trajectoire (de vol) verticale TV, qui présente notamment les caractéristiques suivantes :

- elle est optimisée ;

- elle respecte des contraintes par exemple énergétiques ; et

- elle permet de relier la position courante PC de l’aéronef AC à la position cible Ptgt définie par un opérateur, généralement le pilote de l’aéronef.

[0068] Ledit dispositif 1 présente ainsi les avantages suivants :

- il permet de soutenir l’équipage dans sa prise de décision à bord. La génération de trajectoire automatique vise à diminuer la charge de travail de l’équipage dans des situations jugées complexes à bord. Ces situations sont associées à une charge de travail importante du pilote, due notamment à un changement d’environnement (changement de piste en phase d’approche par exemple) ; et

- il permet de produire une trajectoire verticale qui passe systématiquement par l’aéronef et qui est optimale, pour un affichage sur des écrans embarqués et éventuellement une transmission au contrôle aérien pour acceptation. Cette trajectoire verticale peut être utilisée comme référence et couplée à un calculateur de guidage pour un suivi automatique (asservissement de la position de l’aéronef à cette trajectoire).

[0069] Le traitement itératif mis en œuvre par l’unité de traitement de données 6 du dispositif 1 comprend une étape de traitement S0. Cette étape de traitement S0 comporte une suite de sous-étapes SI à S3 représentées sur la figure 5. Cette suite de sous-étapes SI à S3 est mise en œuvre de façon automatique et répétitive.

[0070] Ladite suite de sous-étapes comprend, comme présenté sur les figures 2 et 5 :

- une sous-étape SI de génération mise en œuvre par l’unité de génération 9 et consistant à générer un ou des états dits suivants à partir d’un état dit de calcul ;

- une sous-étape S2 de calcul de coût mise en œuvre par l’unité de calcul de coût 10 et consistant à calculer un coût global estimé CG pour chacun des états suivants générés à la sous-étape SI de génération. Le coût global estimé CG est égal à la somme d’un coût réel Cl calculé et d’un coût estimé C2 calculé à l’aide du réseau de neurones 12 ; et

- une sous-étape S3 d’identification mise en œuvre par l’unité d’identification 14 et consistant, à identifier, parmi lesdits états suivants générés à la sous-étape SI de génération, l’état présentant le coût global estimé le plus faible, l’état ainsi identifié représentant l’état dit suivant de l’itération considérée.

[0071] Cette suite de sous-étapes SI à S3 est mise en œuvre de façon itérative jusqu’à ce que l’état identifié à l’étape d’identification S3 soit situé au moins à une proximité prédéterminée de l’état courant EC. La trajectoire verticale obtenue alors entre l’état cible E0 et cet état identifié représente la trajectoire verticale optimale générée.

[0072] La sous-étape SI de génération utilise, pour générer un ou des états suivants à partir de l’état de calcul, des équations de mouvement de l’aéronef intégrant, de préférence, des valeurs de pente totale et de facteur de répartition énergétique en fonction de la distance.

[0073] A la sous-étape de calcul de coût S2, pour chaque état suivant considéré, cet état suivant et l’état courant de l’aéronef sont entrés dans le réseau de neurones 12 qui calcule le coût estimé entre ledit état suivant et ledit état courant de l’aéronef.

[0074] Dans un mode de réalisation particulier, à la sous-étape de calcul de coût S2, le coût estimé C2 est corrigé en tenant compte de conditions atmosphériques telles que le vent et/ou une différence de température de type AISA. Le coût estimé ainsi corrigé est utilisé pour calculer le coût global estimé CG.

Claims (1)

1. [Revendication 1]

   Revendications

   Procédé pour générer une trajectoire verticale optimale pour un aéronef, ladite trajectoire verticale (TV) étant définie entre un état dit courant (EC) de l’aéronef (AC) comportant une position courante (PC) de l’aéronef (AC) et un état dit cible (EO) comportant une position cible (Ptgt), ledit procédé comprenant une étape de traitement (SO) mise en œuvre par une unité de traitement de données (6), l’étape de traitement (SO) comportant une suite de sous-étapes (SI, S2, S3) mises en œuvre de façon itérative, ladite étape de traitement (SO) consistant à déterminer à chaque itération un état dit suivant à partir d’un état dit de calcul, à chaque état suivant (Ena) ainsi déterminé étant associée une partie de trajectoire (Tnal) définie entre l’état cible (EO) et cet état suivant (Ena), procédé selon lequel l’état déterminé à l’étape de traitement (SO) d’une itération donnée est utilisé à l’itération suivante comme état de calcul et l’état de calcul pris en compte lors de la première itération est ledit état cible (EO), procédé selon lequel ladite étape de traitement (SO) est mise en œuvre jusqu’à ce que l’état suivant déterminé soit situé au moins à une proximité prédéterminée de l’état courant (EC) de l’aéronef (AC), la partie de trajectoire associée à cet état situé à une proximité prédéterminée de l’état courant (EC) de l’aéronef (AC) formant la trajectoire verticale optimale (TV), ledit procédé comprenant également une étape de transmission de données, mise en œuvre par une liaison de transmission de données (7), consistant à transmettre au moins ladite trajectoire verticale optimale (TV) à au moins un système utilisateur (8), caractérisé en ce que ladite étape de traitement (SO) comporte, pour déterminer à chaque itération un état suivant, la suite de sous-étapes (SI, S2, S3) suivantes :

   - une sous-étape de génération (SI) consistant à générer un ou des états suivants à partir de l’état de calcul ;

   - une sous-étape de calcul de coût (S2) consistant à calculer un coût global estimé pour chacun desdits états suivants générés à la sous-étape de génération (SI), ce coût global estimé étant égal à la somme d’un coût réel calculé entre l’état cible (EO) et l’état suivant (Ena) considéré en prenant en compte des contraintes prédéterminées et d’un coût estimé

   calculé entre cet état suivant (Ena) considéré et l’état courant (EC) de l’aéronef (AC), ledit coût estimé étant calculé à l’aide d’au moins un réseau de neurones (12) déterministe basé sur des calculs de performance de l’aéronef (AC) sans prendre en compte les contraintes énergétiques, lesdits états correspondant à des nœuds du réseau de neurones (12); et - une sous-étape d’identification (S3) consistant à identifier, parmi lesdits états suivants générés à la sous-étape de génération (SI), l’état présentant le coût global estimé le plus faible, l’état ainsi identifié représentant l’état dit suivant de l’itération considérée. [Revendication 2] Procédé selon la revendication 1, caractérisé en ce qu’à la sous-étape de calcul de coût (S2), pour chaque état suivant considéré, cet état suivant et l’état courant (EC) de l’aéronef (AC) sont entrés dans le réseau de neurones (12) qui calcule le coût estimé entre ledit état suivant et ledit état courant (EC) de l’aéronef (AC). [Revendication 3] Procédé selon l’une des revendications 1 et 2, caractérisé en ce qu’à la sous-étape de calcul de coût (S2), le coût estimé est corrigé en tenant compte de conditions atmosphériques, le coût estimé ainsi corrigé étant utilisé pour calculer le coût global estimé. [Revendication 4] Procédé selon l'une quelconque des revendications précédentes, caractérisé en ce que, dans le réseau de neurones (12), un nœud représentant un état est défini au moins par une distance par rapport à une position prédéterminée, une altitude, une vitesse, et au moins un paramètre de vol. [Revendication 5] Procédé selon l'une quelconque des revendications précédentes, caractérisé en ce que la sous-étape de génération (SI) utilise, pour générer un ou des états suivants à partir de l’état de calcul, des équations de mouvement de l’aéronef (AC) intégrant des valeurs de pente totale et de facteur de répartition d’énergie. [Revendication 6] Procédé selon l'une quelconque des revendications précédentes, caractérisé en ce qu’il comporte une étape d’apprentissage, mise en œuvre antérieurement à ladite étape de traitement (EO), consistant à soumettre le réseau de neurones (12) à un apprentissage. [Revendication 7] Procédé selon la revendication 6, caractérisé en ce que l’étape d’apprentissage utilise comme données d’entrée pour l’apprentissage du réseau de neurones (12), une position initiale, une position finale et un coût pour une pluralité de trajectoires

   [Revendication 8] optimales, ces trajectoires optimales étant définies pour des conditions initiales et finales différentes et sans contrainte.

   Dispositif pour générer une trajectoire verticale optimale pour un aéronef, ladite trajectoire verticale (TV) étant définie entre un état dit courant (EC) de l’aéronef (AC) comportant une position courante (PC) de l’aéronef (AC) et un état dit cible (EO) comportant une position cible (Ptgt), ledit dispositif (1) comportant :

   - une unité d’entrée de données (5) ;

   - une unité de traitement de données (6) mettant en œuvre un traitement itératif, ladite unité de traitement de données (6) étant configurée pour déterminer à chaque itération un état dit suivant à partir d’un état dit de calcul, à chaque état suivant ainsi déterminé étant associée une partie de trajectoire définie entre l’état cible (EO) et cet état suivant, l’état déterminé à une itération donnée étant utilisé à l’itération suivante comme état de calcul, l’état de calcul pris en compte lors de la première itération étant ledit état cible (EO), ladite unité de traitement de données (6) répétant le traitement itératif jusqu’à que l’état déterminé soit situé au moins à une proximité prédéterminée de l’état courant (EC) de l’aéronef (AC), la partie de trajectoire associée à cet état situé à une proximité prédéterminée de l’état courant (EC) de l’aéronef (AC) formant la trajectoire verticale optimale (TV) ; et

   - une liaison de transmission de données (7) consistant à transmettre au moins ladite trajectoire verticale optimale (TV) à au moins un système utilisateur (8), caractérisé en ce que ladite unité de traitement de données (6) comporte :

   - une unité de génération (9) consistant à générer, à chaque itération, un ou des états suivants à partir de l’état de calcul ;

   - une unité de calcul de coût (10) consistant à calculer un coût global estimé pour chacun desdits états suivants générés par l’unité de génération (9), ce coût global estimé étant égal à la somme d’un coût réel calculé entre l’état cible (EO) et l’état suivant considéré en prenant en compte des contraintes prédéterminées et d’un coût estimé calculé entre cet état suivant considéré et l’état courant (EC) de l’aéronef (AC), ledit coût estimé étant calculé à l’aide d’au moins un réseau de neurones (12) déterministe ;

   - ledit réseau de neurones (12) qui est basé sur des calculs de performance de l’aéronef (AC) sans prendre en compte des contraintes

   énergétiques, lesdits états correspondant à des nœuds du réseau de neurones (12) ; et - une unité d’identification (14) consistant à identifier, parmi les états suivants générés par l’unité de génération (9), l’état présentant le coût global estimé le plus faible, l’état ainsi identifié représentant l’état dit suivant de l’itération considérée. [Revendication 9] Dispositif selon la revendication 8, caractérisé en ce qu’il comporte, comme système utilisateur (8), une unité d’affichage (17) configurée pour afficher au moins ladite trajectoire verticale optimale (TV).

   1/2