Portail HAL ONERA
Not a member yet
12842 research outputs found
Sort by
Résolution du Problème de Transposition Matricielle dans un Calculateur avec une Architecture de Détecteur Radar Distance-Doppler Améliorée
No full textInternational audienceThe corner-turn problem is a data-rate bottleneck encountered when a radar or sonar matched filter is implemented in a Field-Programmable Gate Array (FPGA). The data matrix between the range compression and the Doppler filtering is generally written in an external memory using burst memory accesses while it is later read using random memory accesses, known to be slower and causing the bottleneck. To solve this problem, we propose a low-cost software solution which consists in pre-detecting targets between the range compression and the Doppler filtering, such that the random memory accesses are limited where targets have been declared instead of systematically reading the entire memory
Slosh attenuation via Reference Governor-based adaptive control for space operations under actuators constraints
No full textInternational audienceThis paper deals with satellite attitude control in the presence of actuator constraints and unmodeled disturbances. A model reference adaptive control law enhances the satellite control strategy to compensate for the perturbations and ensure precise user-defined closed-loop system performance. This result is consequently employed to build a scalar robust reference governor to enforce the system constraints with limited conservatism. The methodology is illustrated on a single-axis satellite in the presence of sloshing and flexible appendages disturbances, and equipped with reaction wheels subject to torque and angular momentum saturation
Impact de modèles fluide et structure sur les vibrations induites par décrochage d'une pale d'éolienne à l'arrêt
No full textInternational audienceThis study aims at identifying the conditions that produce stall induced vibrations on a blade of the IEA15MW wind turbine at standstill. Several levels of modelisation are used and compared for both the aerodynamic and the structure in order to understand what is the impact of each model on SIV.Cette étude a pour objectif d'identifier les conditions produisant des vibrations induites par décrochage sur une pale de l'IEA15MW à l'arrêt. Plusieurs niveaux de modélisation fluide et structure sont utilisés et comparés afin de comprendre l'impact de chaque modèle sur ces vibrations
Évaluation numérique du bruit de jet avec effet de vol d'un avion supersonique civil à l'aide de la ZDES
No full textInternational audienceThis paper investigates numerically the influence of nozzle shape (convergent-divergent or fully convergent) and jet operating conditions on the noise generated by a jet representative of a supersonic business jet at take-off. The nozzle diameter is 50 mm and two operating conditions of Mj = 0.964 and 0.924, corresponding to full thrust and reduced thrust profile, are considered. External Mach number (flight effect) is M0 = 0.31. Jets are fully turbulent with a Reynolds number Re_D ∼ 750, 000. Unsteady flow is reproduced with Zonal Detached Eddy Simulations yielding Wall Modelled LES inside the nozzle (so called ZDES mode 3) together with turbulence tripping to recover an initially turbulent flow. Far-field noise is reconstructed using the Ffowcs Williams and Hawkings integral method. Simulated noise levels are compared to low-order predictions of Stone’s models to assess their reliability for supersonic nozzles. Microphone array processing is used to characterise the position and spectral content of the noise sources and their dependance on nozzle shape and flow condition.Cet article étudie numériquement l'influence de la forme de la tuyère (convergente-divergente ou simplement convergente) et des conditions génératrices de l'écoulement sur le bruit généré par un jet représentatif d'un avion d'affaires supersonique au décollage. Le diamètre de la tuyère est de 50 mm et deux conditions de fonctionnement correspondant à un Mach d'éjection Mj = 0.964 et 0.924, correspondant respectivement à des conditions de poussée maximum et de poussée réduite, sont considérées. Le nombre de Mach externe (effet de vol) est M0 = 0.31. Les jets sont turbulents avec un nombre de Reynolds ReD ~ 750 000. L'écoulement instationnaire est simulé à l'aide de la Zonal Detached Eddy Simulation correspondant ici à une LES avec loi de paroi à l'intérieur de la tuyère (appelée ZDES mode 3) combinée avec un déclenchement de la turbulence pour reproduire un écoulement initialement turbulent. Le bruit en champ lointain est reconstruit à l'aide de la méthode intégrale de Ffowcs Williams et Hawkings. Les niveaux de bruit simulés sont comparés aux prévisions du modèle empirique de Stone afin d'évaluer la fiabilité des prévisions pour les tuyères supersoniques. Des méthodes d'antennerie acoustique sont ensuite utilisées pour caractériser la position et le contenu spectral des sources de bruit et leur dépendance vis-à-vis de la forme de la tuyère et des conditions d'écoulement
Multi-Fidelity Analysis of a Small-Scale Propeller Using VPM Against URANS and Experimental Data
No full textInternational audienceThe recent increase in small drones' popularity carries along some critical aspects, especially regarding the evaluation of their aerodynamic performance. Their small-scale propellers operate in challenging fluid dynamics regimes, characterized by complex transitional phenomena typical of low chord-based Reynolds numbers. In this work, an isolated small-scale propeller is analyzed with different techniques in hovering and axial inflow. An experimental campaign was initially conducted, evaluating the propeller thrust and torque with dedicated load sensors and the induced velocity in the wake with the planar PIV. Subsequently, the propeller was simulated with a mid-high fidelity URANS methodology through an overset mesh approach. The SST k-ω turbulence model coupled with the γ-Re_θ transition model was chosen for the purpose, attempting to properly capture the transitional phenomena in the flow. Finally, a further simulation campaign was conducted using the low-fidelity VPM code VULCAINS, in-house-built by ONERA. The code allowed for obtaining accurate results at a very reduced computational cost, with the further advantage of being a meshless method, leading to a very straightforward simulation pre-processing. The outcomes of the three methodologies are remarkably similar, mostly in axial inflow, showing errors under 4% for both thrust and torque coefficients and under 5% for what instead concerns the axial velocity in the wake. On the other hand, a slight mismatch is present in the hovering condition, featured by errors under 8% on the performance coefficients and around 10% to 15% for the axial velocity. Furthermore, the influence of the most relevant input parameters in the VPM code is investigated. The number of vorticity sources shed from the blades per time-step is the most influential parameter, affecting the time-averaged loads, the induced velocity in the wake, and the total computational time.L'augmentation récente de la popularité des petits drones soulève des questions cruciales, notamment en ce qui concerne l'évaluation de leurs performances aérodynamiques. Leurs hélices de petite taille opèrent dans des régimes de dynamique des fluides complexes, caractérisés par des phénomènes de transition complexes typiques des faibles nombres de Reynolds basés sur la corde. Dans ce travail, une hélice de petite taille isolée est analysée à l'aide de différentes techniques en vol stationnaire et en écoulement axial. Une campagne expérimentale a été initialement réalisée, évaluant la poussée et le couple de l'hélice à l'aide de capteurs de charge dédiés et la vitesse induite dans le sillage à l'aide de la PIV planaire. Par la suite, l'hélice a été simulée à l'aide de la méthodologie URANS de moyenne et haute fidélité à travers une approche de maillage superposé. Le modèle de turbulence SST k − omega couplé au modèle de transition gamma − Retheta a été choisi à cet effet, dans le but de capturer correctement les phénomènes de transition dans l'écoulement. Enfin, une autre campagne de simulation a été menée à l'aide du code VPM de faible fidélité VULCAINS V0.5, développé en interne par l'ONERA. Le code a permis d'obtenir des résultats précis à un coût de calcul très réduit, avec l'avantage supplémentaire d'être une méthode sans maillage, ce qui conduit à un prétraitement des simulations très simple. Les résultats obtenus à partir des trois méthodologies se recoupent assez bien, principalement en condition d'écoulement axial, montrant des erreurs très contenues tant en termes de charges moyennées dans le temps que de vitesse induite dans le sillage. En revanche, un léger décalage est présent en condition de vol stationnaire, montrant toutefois des erreurs globalement contenues. De plus, l'influence des paramètres d'entrée les plus pertinents dans le code VPM est étudiée. Le nombre de sources de vorticité émises par les pales à chaque pas de temps se révèle être le plus influent, affectant légèrement les charges moyennées dans le temps, la vitesse induite dans le sillage et le temps de calcul total
Surrogate model to predict the stagnation point wall heat flux during composite material degradation
No full textInternational audienceA surrogate model is developed to predict the influence of pyrolysis gas blowing on wall heat flux in the continuous hypersonic regime, for atmospheric re-entry of COPV space debris from Low Earth Orbit. Five input variables representative of the flight conditions (freestream density and speed), wall conditions (temperature, blowing rate) and geometry (nose radius) for a given pyrolysis gas composition are considered. The training database is made up of roughly 1000 CFD simulations, with two modeling approaches referred to as "low-fidelity" (CFD-LF) and "high-fidelity" (CFD-HF) respectively. The surrogate model is developed using Multi-Fidelity Kriging methods, which take advantage of CFD-LF and CFD-HF simulations simultaneously. The model is validated on a distinct dataset with low prediction errors and is implemented in an atmospheric re-entry code. Full atmospheric re-entry trajectories of COPV are simulated with this model, and reveal an increase of about 30 % in the integrated flux at the stagnation point over the entire continuous regime. This demonstrates the major influence of pyrolysis gas blowing along a complete trajectory, which is usually neglected in atmospheric re-entry codes
Safety Monitoring of Machine Learning Perception Functions: a Survey
No full text25 pages, 2 figuresInternational audienceMachine Learning (ML) models, such as deep neural networks, are widely applied in autonomous systems to perform complex perception tasks. New dependability challenges arise when ML predictions are used in safety-critical applications, like autonomous cars and surgical robots. Thus, the use of fault tolerance mechanisms, such as safety monitors, is essential to ensure the safe behavior of the system despite the occurrence of faults. This paper presents an extensive literature review on safety monitoring of perception functions using ML in a safety-critical context. In this review, we structure the existing literature to highlight key factors to consider when designing such monitors: threat identification, requirements elicitation, detection of failure, reaction, and evaluation. We also highlight the ongoing challenges associated with safety monitoring and suggest directions for future research
Feedback on developing humoristic Control cartoons for undergraduate students
No full textInternational audienceImproving the learning of Control theory among the younger generation requires to rethink the teaching methods completely. Presenting complex scientific concepts in an attractive way to young students, while remaining rigorous, is a challenge for the Control education community. Integrating Art and humor in developing Control resources has the advantage of helping students to better understand the main concepts in system modeling and Control in a funny and engaging manner. This paper focuses on the creation of Control cartoons for undergraduate students in CentraleSupélec, Paris-Saclay University, and provides feedback on the cartoons development phase.</div
Approche avec perturbation de viscosité turbulente pour l’analyse résolvante d’une couche limite turbulente
No full textInternational audienc
Modélisation de la turbulence pour les équations RANS compressibles assistée par assimilation de données et apprentissage automatique
No full textThis work addresses non-linear inverse problems using high-order numerical methods and machine learning (ML) models to enhance turbulence closure within the Reynolds-averaged Navier-Stokes (RANS) equations. We present an adjoint-based approach for optimizing control parameters to minimize a cost-functional, with the governing equations discretized via the modal discontinuous Galerkin (DG) method. The inverse problem is tackled using both quasi-Newton and stochastic optimization methods, particularly the novel V-N-ADAM-DG optimizer, which outperforms traditional algorithms like L-BFGS in solving complex non-convex problems. The methodology is tested in several flow scenarios. First, a laminar flow around a circular cylinder is examined, with a DG discretization at different approximation orders. Next, turbulent flow around a square cylinder is studied, where the impact of various corrective parameters is compared. Finally, the shock-wave/turbulent boundary-layer interaction (SWTBLI) configuration is assessed, where the velocity field and wall variables, such as skin friction and pressure coefficients, are effectively corrected, achieving high precision in complex supersonic regions. Additionally, the design of input features (IFs) for ML-augmented models is examined, addressing challenges related to invariance, normalization, and adaptability in turbulent flows. Using artificial neural networks (ANNs) and tensor basis neural networks (TBNNs), results show significant improvements in accuracy and generalization through optimized IF design and a stabilized loss function. We showed that the TBNN based model is more robust and efficient, compared to the ANN. These advancements in optimization strategies and ML-driven turbulence modeling show significant promise for improving the accuracy and robustness of CFD simulations.Ce travail aborde les problèmes inverses non linéaires en utilisant des méthodes numériques d'ordre élevé et des modèles d'apprentissage automatique (ML) pour améliorer la fermeture de la turbulence dans les équations de Navier-Stokes moyennées par Reynolds (RANS). Nous présentons une approche basée sur l'adjoint pour optimiser les paramètres de contrôle afin de minimiser une fonctionnelle coût, avec les équations de gouvernance discrétisées via la méthode de Galerkin discontinue (DG). Le problème inverse est traité à l'aide de méthodes d'optimisation quasi-Newtoniennes et stochastiques, en particulier le nouveau optimiseur V-N-ADAM-DG, qui surpasse les algorithmes traditionnels comme L-BFGS pour résoudre des problèmes complexes et non convexes. La méthodologie est testée sur plusieurs écoulements: un écoulement laminaire autour d'un cylindre circulaire, où la discrétisation DG avec différents ordres d'approximation est examinée; un écoulement turbulent autour d'un cylindre carré, où l'impact de divers paramètres correctifs est étudié; et une configuration d'interaction onde de choc/couche limite turbulente (SWTBLI), où le champ de vitesse et les variables de paroi, telles que le frottement de paroi et le coefficient de pression, sont efficacement corrigés. En outre, la conception des paramètres d'entrée (IF) pour les modèles augmentés par ML est étudiée, abordant les défis liés à l'invariance, la normalisation et la généralité dans les écoulements turbulents. En utilisant des réseaux neuronaux artificiels (ANN) et des réseaux neuronaux basés sur des tenseurs (TBNN), les résultats montrent des améliorations significatives en termes de précision et de généralisation grâce à une conception optimisée des IF et une fonction coût stabilisée. Nous avons montré que le modèle basé sur le TBNN est plus robuste et efficace que le modèle basé sur l'ANN. Ces avancées dans les stratégies d'optimisation et la modélisation de la turbulence basée sur le ML montrent un potentiel prometteur pour améliorer la précision et la robustesse des simulations CFD