La conception aéronautique durable connaît une métamorphose grâce à l’intelligence artificielle. Un modèle d’apprentissage profond innovant facilite l’optimisation des formes aérodynamiques, créant ainsi de nouvelles opportunités pour l’aviation écologique et d’autres domaines
L’optimisation des formes aérodynamiques (ASO) occupe une place centrale dans la conception aéronautique. Cette technique vise à améliorer les performances physiques d’un objet tout en respectant des contraintes spécifiques. Traditionnellement, les ingénieurs utilisent la méthode des déformations de forme libre (FFD) pour paramétrer les formes 3D. Cependant, cette approche nécessite une intervention manuelle importante et de nombreux essais, même pour les experts du domaine.
Pour relever ces défis, une équipe de chercheurs du Laboratoire de Vision par Ordinateur (CVLab) de l’École Polytechnique Fédérale de Lausanne (EPFL), en collaboration avec l’ISAE-SupAero en France, a développé un modèle innovant baptisé DeepGeo. Leur approche entièrement automatisée, basée sur les réseaux de neurones, génère la paramétrisation requise pour des géométries complexes.
DeepGeo : une innovation dans la conception aéronautique
Le professeur Pascal Fua, directeur du CVLab, a expliqué : «DeepGeo remplit la même fonction que la FFD, mais utilise les récents développements en apprentissage profond pour éliminer le besoin d’ajustements manuels. Il trouve les paramètres appropriés, qui sont ensuite utilisés pour optimiser la conception de l’aéronef. La nécessité de passer des mois à élaborer une bonne paramétrisation est désormais écartée.»
DeepGeo adapte également les maillages volumétriques modélisant le domaine de calcul discrétisé entourant l’objet cible, à mesure que sa forme évolue pendant l’optimisation. Cette automatisation de la déformation des maillages volumétriques allège considérablement la charge de travail des concepteurs.
L’efficacité et la robustesse de DeepGeo ont été démontrées à travers plusieurs études de cas, notamment l’optimisation 2D cercle-profil aérodynamique, l’optimisation 3D de l’aile CRM, et l’optimisation 3D d’un avion à fuselage intégré. Les résultats obtenus sont comparables à ceux de la FFD, mais avec un effort humain nettement réduit.
Une passion personnelle au service de l’aviation verte
Pour le professeur Fua, l’optimisation de la conception aéronautique verte dépasse le cadre du laboratoire. Pilote passionné de planeur, il a récemment participé à un voyage en planeurs motorisés de Chambéry à Ouarzazate. Cette expédition a parcouru plus de 5000 km en consommant moins de 3 litres de carburant pour 100 km, démontrant ainsi le potentiel de l’aviation durable.
Il a déclaré également : «Pour une aviation plus durable, l’enjeu est essentiellement de modifier la forme des aéronefs pour réduire la traînée. Il s’agit d’un problème ancien, qui existe depuis toujours.»
L’équipe prévoit d’appliquer DeepGeo aux modèles réduits de planeurs utilisés dans les compétitions FAI, qui constituent un excellent banc d’essai pour cette technologie.
Au-delà de l’aviation : des applications multiples
Bien que les modèles réduits de planeurs offrent une démonstration des capacités de DeepGeo, les implications de cette recherche sont bien plus vastes. Elle vise à optimiser la conception et l’efficacité des jets commerciaux et des avions de ligne, ainsi qu’une large gamme d’applications au-delà de l’aéronautique.
La conception automatisée simultanée de formes interagissantes, comme les composants contigus de voitures ou les pièces internes de turbines, représente un défi persistant et ouvert. L’un des objectifs à long terme du professeur Fua est de transformer la modélisation, la manipulation et l’optimisation d’objets composites, dont les parties peuvent avoir des formes ou des topologies arbitraires, en respectant à la fois les contraintes de conception des pièces individuelles et les contraintes de compatibilité entre ces pièces.
Contenu adapté de l’article de Tanya Petersen – EPFL
Légende illustration : Planeurs traversant la Méditerranée en direction de l’Espagne © 2024 EPFL/Michael Witschi – CC-BY-SA 4.0
Article : « DeepGeo: Deep Geometric Mapping for Automated and Effective Parameterization in Aerodynamic Shape Optimization » – Téléchargement
