L'apprentissage profond réinvente la conception aéronautique durable

L’optimisation aérodynamique de la forme (ASO) est une technique clé de la conception aérodynamique. Elle vise à améliorer les performances physiques d’un objet tout en respectant des contraintes spécifiques.

Pour optimiser une forme 3D, il faut la représenter en fonction d’un certain nombre de paramètres qui peuvent être transmis à l’optimiseur. Une façon standard d’y parvenir est d’utiliser une technique appelée déformation de formes libres (FFD). Malheureusement, cela nécessite une intervention manuelle importante et, même lorsque cette technique est utilisée par une experte ou un expert du domaine, il faut souvent beaucoup d’essais et d’erreurs pour parvenir à un résultat satisfaisant.

Cartographie géométrique profonde

Des scientifiques du Computer Vision Laboratory (CVLab), au sein de la Faculté informatique et communications (IC), en collaboration avec des collègues de l’ISAE-SupAero en France, viennent de développer le modèle DeepGeo, une approche entièrement automatisée basée sur un réseau neuronal pour générer le paramétrage requis pour les géométries complexes.

«DeepGeo remplit la même fonction que la FFD, mais utilise les récents développements en matière d’apprentissage profond pour éliminer le besoin de bricolage humain. L’algorithme trouve les paramètres appropriés, qui sont ensuite utilisés pour optimiser la conception de l’avion. Il n’est plus nécessaire de passer des mois à trouver un bon paramétrage», explique le professeur Pascal Fua, responsable du CVLab.

DeepGeo adapte également la modélisation des maillages volumétriques – le domaine de calcul discrétisé entourant l’objet cible – lorsque sa forme change au cours de l’optimisation. Ces maillages volumétriques sont nécessaires pour effectuer les calculs de dynamique des fluides nécessaires, et l’automatisation de leur déformation réduit encore davantage la charge de travail des conceptrices et concepteurs.

Parce qu’il est innovant et potentiellement transformateur, l’article scientifique correspondant a récemment remporté le prix de la meilleure communication étudiante lors de la plus grande conférence aéronautique de l’année, l’American Institute of Aeronautics and Astronautics Forum’24.

Ce papier détaille comment DeepGeo, qui est basé sur des techniques d’apprentissage géométrique profond, fonctionne sans nécessiter de grands ensembles de données d’entraînement. Plusieurs études de cas réalisées par les scientifiques, dont l’optimisation 2D du cercle à la voilure, l’optimisation 3D des ailes CRM et l’optimisation 3D des ailes à voilure mixte, démontrent l’efficacité et la robustesse de DeepGeo. Il offre des performances comparables à celles de la technique FFD à une fraction du coût en termes d’effort requis par les conceptrices et concepteurs humains.

«En éliminant le besoin de vastes ensembles de données et de réglage des hyperparamètres, DeepGeo réduit considérablement la complexité et le coût de mise en œuvre, et notre recherche met en évidence son potentiel d’automatisation de l’ASO, la rendant plus accessible et plus efficace», ajoute Zhen Wei, assistant-doctorant au CV Lab et auteur principal de l’article.

Une passion personnelle pour la conception aéronautique écologique

La volonté de Pascal Fua d’optimiser la conception aéronautique écologique va au-delà du laboratoire. Passionné de planeur, il a récemment participé à une expédition avec des planeurs motorisés de Chambéry en France à Ourzazate au Maroc.

Pascal Fua a profité de cette fantastique aventure pour constamment surveiller la durabilité du voyage et pour utiliser son expérience d’amateur «dans les airs» comme source d’inspiration pour de nouvelles idées de recherche. Le trajet a été effectué dans sa majeure partie en vol plané et les moteurs n’ont été utilisés qu’avec parcimonie. Plus de 5000 km ont été parcourus en 55 heures et en utilisant le moteur moins de 5 heures.

«Pour une aviation plus durable, le jeu consiste essentiellement à modifier la forme des avions pour réduire la traînée. C’est un problème qui existe depuis toujours», explique Pascal Fua. «À l’avenir, nous voulons d’abord utiliser DeepGeo sur les modèles réduits de planeurs utilisés pour les compétitions FAI. Parce qu’ils doivent répondre à tant d’exigences contradictoires tout en étant raisonnablement bon marché à construire, ils constituent un formidable banc d’essai pour notre technologie.»

Au-delà de l’aviation durable

Alors que les planeurs miniatures fourniront une démonstration de ce que DeepGeo peut faire, le champ d’étude est beaucoup plus large: cette recherche concerne l’optimisation de la conception et de l’efficacité des avions commerciaux et des compagnies aériennes de passagers – avions équipés de moteurs – et bien d’autres applications.

Au-delà du domaine de l’aéronautique, la conception simultanée automatisée de formes qui interagissent, telles que des composants contigus de voitures ou des parties internes de turbines, est un problème omniprésent et ouvert. L’un des objectifs à long terme de Pascal Fua est de révolutionner la modélisation, la manipulation et l’optimisation des objets composites, dont les pièces peuvent avoir des formes ou des topologies arbitraires, en imposant à la fois des contraintes de conception sur les pièces individuelles et des contraintes de compatibilité entre ces pièces.

«DeepGeo offre une solution prometteuse pour le paramétrage géométrique complexe dans le domaine de l’optimisation aérodynamique de la forme. Les travaux futurs dans ce sens seront essentiels pour concevoir des machines économes en énergie à un moment où la réduction de l’impact de l’humanité sur l’environnement est devenue une préoccupation majeure,» conclut Pascal Fua.