Portail HAL ONERA
Not a member yet
12842 research outputs found
Sort by
On the critical-throat boundary condition in quasi-one-dimensional linearised-Euler equation models
No full textInternational audienceBased on the assumption of locally quasi-steady behaviour, Duran & Moreau (2013 J. Fluid Mech. 723 , 190–231), assumed that, at a critical nozzle throat, the fluctuations of the Mach number vanish for linear perturbations of a quasi-one-dimensional isentropic flow. This appears to be valid only in the quasi-steady-flow limit. Based on the analytical model of Marble & Candel (1977 J. Sound Vib. 55 , 225–243) an alternative boundary condition is obtained, which is valid for nozzle geometries with a finite limit of the second spatial derivative of the cross-section on the subsonic side of the throat. When the nozzle geometry does not satisfy this condition, the application of a quasi-one-dimensional theory becomes questionable. The consequences of this for the quasi-one-dimensional modelling of the acoustic response of choked nozzles are discussed for three specific nozzle geometries. Surprisingly, the relative error in the inlet nozzle admittance and acoustic wave transmission coefficient remains below a per cent, when the quasi-steady boundary condition is used at the throat. However, the prediction of the acoustic fluctuations assuming a quasi-steady critical-throat behaviour is incorrect, because the predicted acoustic field is singular at the throat
ARCANN : An Automated Fading event Classifier
No full textInternational audienceThe Earth-space communication spectrum is becoming increasingly congested and in high demand. To address this issue, satellite operators tend to expand their operating bandwidths by raising carrier frequencies. However, at Extremely High Frequencies (EHF), propagation conditions in the troposphere-particularly during rainfall-can severely impair link budgets and cause system outages. Accurate channel modeling is therefore crucial and requires extensive measurement campaigns. To obtain reliable channel statistics, long-term time series, sometimes spanning decades, must be processed -a task that is currently handled manually and is highly time-consuming. In this paper, we propose AR-CANN, a Neural Network (NN) framework designed to facilitate the detection of Tropospheric Fading Events (TFE), which must be isolated to ensure reliable channel statistics. We validate the framework by classifying TFEs using several NN architectures, applied to data collected across different epochs, locations, and frequency bands.Le spectre fréquentiel pour les communications Terre–Espace devient fortement sollicité. Pour répondre à ce problème, les opérateurs satellitaires ont tendance à élargir leurs bandes passantes en augmentant les fréquences porteuses. Cependant, aux fréquences extrêmement élevées (dites EHF), les conditions de propagation dans la troposphère — en particulier lors des épisodes pluvieux — peuvent fortement dégrader les bilans de liaison et entraîner des interruptions du service. Une modélisation du modèle de canal radio précise est donc essentielle et nécessite des campagnes de mesures approfondies. Pour obtenir des statistiques fiables sur le canal, il est nécessaire de traiter des séries temporelles de longue durée, parfois sur plusieurs décennies — une tâche actuellement effectuée manuellement et particulièrement chronophage. Dans cet article, nous proposons ARCANN, un cadre basé sur les réseaux de neurones (NN), conçu pour faciliter la détection des événements de fading troposphérique (TFE), qui doivent être isolés afin de garantir des statistiques de canal fiables. Nous validons ce cadre en classifiant les TFE à l’aide de plusieurs architectures de NN, appliquées à des données recueillies à différentes époques, en divers lieux et sur plusieurs bandes de fréquences
ARCANE : An Operational Framework for Automatic Realtime ICME Detection in Solar Wind In Situ Data
No full textInternational audienceInterplanetary Coronal Mass Ejections (ICMEs) are the primary drivers of space weather disturbances, necessitating accurate and timely detection to mitigate their impact. While several methods have been proposed to identify these structures automatically, robust real-time detection remains a significant challenge. We introduce ARCANE, an operational framework for the early detection of ICMEs in solar wind data under realistic operational constraints, enabling event identification without requiring observation of the full structure. This presentation outlines the methodology underlying ARCANE, highlights the challenges of adapting machine learning models for streaming data, and discusses the framework’s operational implementation at the Austrian Space Weather Office. Furthermore, we showcase ARCANE's integration into a fully automated pipeline, capable of identifying the onset of an ICME’s magnetic obstacle in real-time and initiating immediate 3D modeling of its internal structure. This integration marks a promising step toward the operational combination of AI-based detection and physics-based modeling for improved space weather forecasting
Estimation angulaire avec des antennes à ondes de fuite : vers un radar low-tech ?
No full textInternational audienceLes antennes à onde de fuite permettent de balayer un domaine angulaire en paramétrant la fréquence du signal émis. Elles pourraient donc permettre la réalisation de radars avec une faible complexité où une seule voie d’émission-réception suffirait à couvrir un plan. Cet article établit la borne de Cramer-Rao pour l’estimation de la direction d’une cible avec un tel radar.Les antennes à onde de fuite permettent de balayer un domaine angulaire en paramétrant la fréquence du signal émis. Elles pourraient donc permettre la réalisation de radars avec une faible complexité où une seule voie d'émission-réception suffirait à couvrir un plan. Cet article établit la borne de Cramer-Rao pour l'estimation de la direction d'une cible avec un tel radar
Base de données sur la configuration CRM (Common Research model) pour des activités d’apprentissage automatique
No full textInternational audienceThe purpose of this communication is to propose a database of Computational Fluid Dynamics (CFD) simulations to support the development and validation of machine learning techniques in the field of surface field generation. A consistent set of 468 CFD calculations about the NASA/Boeing CRM aircraft has been run recently by the authors. It encompasses Mach number effects (including the transonic regime), incidence effects (including flow separations) and Reynolds number effects (with transition fixing). This database will support from 2025 on a series machine-learning activities at ONERA. It is also proposed as the basis for an open regression challenge.L'objectif de cette communication est de proposer une base de données de simulations (CFD) permettant le développement et la validation de méthodes d'apprentissage automatique dans le domaine de l'étude des champs pariétaux.Un ensemble ordonné de 468 simulations d'écoulements autour l'avion NASA/Boeing CRM a été lancé par les auteurs. Il fait intervenir des effets de nombre de Mach (en incluant le régime transsonique), des effets d'incidence (en incluant des écoulements détachés) et des effets de nombre de Reynolds (à zones de laminarité fixées).Cette base de données permettra à partir de 2025 une série d'activités d'apprentissage automatique à l'ONERA. Elle sera aussi le support d'un challenge ouvert de régression
Multi-Partner Project: Resilient Time-Sensitive Networks (ResTSN)
No full textInternational audienceFaults may appears in embedded networks: vibrations, temperature conditions, cybersecurity attacks, etc. may cause a port to stop sending frames, requiring a network reconfiguration. In real-time networks, the new configuration must continue ensuring real-time guarantees. In the French Resilient Time-Sensitive Networks (ResTSN) project, ONERA and THALES are developing a solution to enable the reconfiguration of embedded Time-Sensitive Networks. This paper presents the core ideas driving the development of the architecture and associated algorithms of TSN reconfiguration. The approach will ultimately be applied on a Multi-Role Armoured Vehicle (MRAV) use-case. This paper also presents our cybersecurity risk assessment approach to the use of TSN on this MRAV use-case
Open-source Stand-Alone Versatile Tensor Accelerator
No full textInternational audienceMachine Learning (ML) applications demand significant computational resources, posing challenges for safety-critical domains like aeronautics. The Versatile Tensor Accelerator (VTA) is a promising FPGA-based solution, but its adoption was hindered by its dependency on the TVM compiler and by other code non-compliant with certification requirements. This paper presents an open-source, standalone Python compiler pipeline for the VTA, developed from scratch and designed with certification requirements, modularity, and extensibility in mind. The compiler's effectiveness is demonstrated by compiling and executing LeNet-5 Convolutional Neural Network (CNN) using the VTA simulators, and preliminary results indicate a strong potential for scaling its capabilities to larger CNN architectures. All contributions are publicly available
Quantifying electronic localization induced by defects: implementation of normalized self-interaction in Quantum ESPRESSO
No full textNational audienc
Scaling Laws at Stall in an Axial Compressor with an Upstream Perturbation
No full textInternational audienceAn experimental campaign has been conducted to assess the effect of total pressure inlet distortion on a single stage axial compressor. Different grid sectors have been installed in front of the inlet of the compressor to generate the distortion. Pressure measurements and particle image velocimetry have been used to characterize the impact of the distortion on the flowfield and the performance of the compressor. The broad range of porosity and angular extension of the grid sectors has allowed identifying four different flow regimes characterised by a different response of the compressor. In particular, the low porosity introduces flow regimes which have been never encountered in typical distortion tests restricted to high-porosity grids. In two of these regimes, it has been possible to identify a new scaling of the stall margin versus a new distortion index based on more solid physical ground than already existing indices such as the DC60. The experiments have also shown that for each of these four flow regimes behind the grid different rotating stall features (spike stall or modal stall) appear. A scaling of the stall dynamic has been finally provided thanks to analysis of unsteady casing static pressure signals acquired during the stall transient
Thermométrie multi-longueur d'onde sans information a priori sur l'émissivité : de la promesse à la désillusion
No full textInternational audienceInfrared (IR) thermography provides 2D radiance maps of the IR radiation leaving the surfaces of a scene, based on preliminary calibration. Then, to convert radiance maps into temperature maps, we need to know the emissivity of each element of the scene conjugated to each of the detector elements in the camera's focal plane. Compared to the single-band approach, multispectral thermography gives useful insight for detecting anomalies showing distinct spectral signatures, e.g., to detect gas leaks or assess air or water pollution. In addition to that, can spatially distributed multispectral information help solve the inverse temperature-emissivity separation problem? Multiwavelength thermometry (MWT) is known to be an underdetermined problem having a continuous infinity of solutions. For this reason, and right from the origin of MWT, it appeared necessary to introduce information on emissivity to assess temperature, for example, by means of an analytical model. Overlooking these recommendations, a number of papers appeared in the early 2000s exploring the idea that we could do without any a priori knowledge of emissivity. Growth became exponential from 2020 onward, with the allegedly successful application of neural networks, genetic algorithms, and other novel optimization methods. The aim of the present work is to recall the consequences of MWT as an underdetermined inverse problem, to highlight the errors made by ignoring them, and to bring us back to harsh reality: we must introduce information on emissivity in order to evaluate temperature accurately. Furthermore, this information has to be fully consistent with the true spectral emissivity. To this end, we propose a new method for optimal selection of the emissivity model. A series of blind tests was set up to benchmark different inversion algorithms. The results confirm the failure of the temperature-emissivity separation when no emissivity information is available, despite the multiwavelength approach, which in any case comes as no surprise.La thermographie infrarouge (IR) fournit, sur la base d'un étalonnage préliminaire, des cartes de luminance 2D du rayonnement IR partant de la surface des éléments d'une scène. Ensuite, pour convertir les cartes de luminance en cartes de température, nous devons connaître l'émissivité de l’élément de la scène conjugué à chacun des éléments du détecteur dans le plan focal de la caméra. Par rapport à l'approche monobande, la thermographie multispectrale permet de détecter des anomalies présentant des signatures spectrales distinctes, par exemple pour détecter des fuites de gaz ou évaluer la pollution de l'air ou de l'eau. Par ailleurs, les informations multispectrales réparties dans l'espace peuvent-elles aider à résoudre le problème inverse de séparation de la température et de l'émissivité ? La thermométrie multi-longueur d'onde (MWT) est connue pour être un problème sous-déterminé ayant une infinité continue de solutions. Pour cette raison, et dès l'origine de la MWT, il est apparu nécessaire d'introduire des informations sur l'émissivité pour évaluer la température, par exemple au moyen d'un modèle analytique. Passant outre ces recommandations, un certain nombre d'articles sont apparus au début des années 2000 explorant l'idée que l'on pouvait se passer de toute connaissance a priori de l'émissivité. Leur nombre croît en exponentielle depuis 2020, avec une application prétendument réussie de réseaux neuronaux, d’algorithmes génétiques et autres nouvelles méthodes d'optimisation.L'objectif de cette communication est de rappeler les fondamentaux de la MWT en tant que problème inverse sous-déterminé, de mettre en évidence les erreurs commises en les ignorant et de nous ramener à la dure réalité : nous devons introduire des informations sur l'émissivité pour évaluer la température avec précision. De plus, cette information doit être parfaitement cohérente avec le spectre d’émissivité réel. À cette fin, nous proposons une nouvelle méthode de sélection optimale du modèle d'émissivité. Une série de tests en aveugle a été mise en place pour comparer différents algorithmes d'inversion. Les résultats confirment l'échec de la séparation température-émissivité lorsqu'aucune information sur l'émissivité n'est disponible, malgré le fait de passer de une à plusieurs longueurs d'onde, ce qui, somme toute, n'est pas une surprise