Portail HAL ONERA
Not a member yet
12842 research outputs found
Sort by
Passive Noise Control for Low Reynolds Number Rotors
No full textInternational audienceThe use of passive noise control techniques for low Reynolds rotors, such as tripping of the boundary layer, has provided evidence of a possible improvement of aerodynamic performance and reduction of radiated noise if a trade-off of performance/noise is found. Recently, in another study, the integration of an acoustic liner inside the blades of a small academic rotor was investigated. The experimental results showed noise reduction of the first harmonics of the blade-passing frequency (BPF), but discrepancies were found with the predictions, raising questions about the nature of the noise reduction, whether it is caused by the impedance effect of the liner or by the tripping effect of the roughness added to the blades by the liner. In the present study, an experimental campaign on a set of rotor prototypes supplied with surface defects was conducted. The defects are defined as negative defects (such as holes or gaps) and positive defects (like bosses or bumps), and each rotor configuration provided with defects on its blades will be tested in an anechoic room under hovering conditions. This study aims to measure the aerodynamic and acoustic performance of each rotor configuration to gain insight into the nature of the noise reduction originally found with the liner integrated inside the blades
Analyse d'images expérimentales par apprentissage profond pour la caractérisation de la combustion de l'aluminium en propulsion solide
No full textAluminum is added to the composition of solid propellants to increase propulsion performance by about 10% but it can also cause adverse phenomena such as thermo-acoustic instabilities leading to pressure oscillations. Characterizing aluminum combustion above the propellant surface is essential to study rocket motor stability. Many research efforts have been made to predict these instabilities but numerical models lack precise input data, such as the size of aluminum droplets and their initial velocity. These data are particularly challenging to obtain experimentally due to combustion conditions (high pressure, high temperature). Additionally, simulations are highly sensitive to input data, underscoring the need to better understand the uncertainties in droplet sizes and velocities. For years, experiments at ONERA using shadowgraphy have enabled visualizing burning propellant samples and observing aluminum droplets at high repetition rates. The images are rich in information due to the numerous moving objects in the gas flow. Given the complexity of these images, several analysis methods have been proposed in recent years. In Mr. Nugue's thesis, a deep learning-based approach was used for the first time. The present study focuses on developing tools, to analyze experimental shadowgraphy images particularly through deep learning, and thus obtain large amounts of data, such as aluminum-droplet diameters and velocities. A first section compares two state-of-the-art methods for automatic object detection in an image: semantic segmentation with the U-Net network and instance segmentation with the Mask R-CNN network. The superiority of Mask R-CNN is demonstrated, with more effective detection and a more accurate diamter estimation. The section also highlights that current neural networks do not adequately account for droplet-size distributions, a crucial point for this thesis. To achieve an effective compromise between quality detection and accurate diameter-distribution representation, a second section introduces a method for stabilizing the size distribution of detected aluminum droplets. The network, using a modified loss function, better balances the detection of large and small droplets to provide a more accurate representation of droplet diameter. A method for tracking droplets, based on multi-object tracking and a Kalman filter, is developed. The droplet trajectories are then rigorously sorted, allowing for the extraction of numerous reliable trajectories (from 500 to 1500 for each experimental series). Finally, the last section analyzes the droplet velocity and diameter data obtained through the detection and tracking chain for pressures ranging from 6.8 to 26.6 bar, encompassing over 6000 reliable trajectories. The results show a weak dependence of the initial droplet velocity on pressure whereas diameters varies more strongly with pressure. A 1D numerical simulation of droplet combustion using these detailed data allows for a more accurate estimation of the aluminum heat release location compared to a simulation using a single characteristic diameter. This work demonstrates the effectiveness of deep learning for analyzing experimental images and its ppotential for solid-propulsion applications.L'aluminium est ajouté à la composition du propergol solide afin d'augmenter les performances propulsives d'environ 10%, mais peut aussi entraîner des phénomènes néfastes tels que des instabilités thermo-acoustiques conduisant à des oscillations de pression. La caractérisation de l'aluminium en combustion au-dessus de la surface du propergol est donc essentielle pour étudier la stabilité d'un moteur fusée. De nombreux travaux de recherche ont été réalisés pour prédire ces instabilités par le calcul. Cependant, ces modèles numériques manquent de données d'entrées précises, telles que la taille des gouttes d'aluminium et leur vitesse initiale. Ces données sont particulièrement compliquées à obtenir expérimentalement, compte tenues des conditions de combustion (haute pression, haute température). Il y a de plus une forte sensibilité des simulations aux données d'entrée, induisant un besoin de mieux connaître les incertitudes sur les tailles et les vitesses estimées. Des essais sont réalisés depuis des années à l'ONERA en ombroscopie permettant de visualiser des échantillons de propergol en combustion montrant les gouttes d'aluminium, et cela à haute cadence. Les images obtenues sont riches en informations du fait des nombreux objets en mouvement dans l'écoulement gazeux. Étant donné la complexité de ces images, plusieurs méthodes d'analyse ont été proposées ces dernières années, et dans la thèse de M. Nugue, une approche à partir de réseaux de neurones par apprentissage profond a été utilisée pour la première fois. La présente étude porte sur le développement d'outils, notamment par deep learning, pour analyser les images expérimentales issues du montage d'ombroscopie et ainsi obtenir en grand nombre des données telles que les diamètres et les vitesses des gouttes d'aluminium. Une première partie confronte deux méthodes de l'état de l'art pour la sélection automatique d'objets dans une image : la segmentation sémantique avec le réseau U-Net et la segmentation d'instance avec le réseau Mask R-CNN. La supériorité de ce dernier est alors démontrée, avec une détection plus efficace et des résultats plus proches de la taille réelle des gouttes. Cette partie met cependant en lumière que les réseaux de neurones actuels ne prennent pas bien en compte la répartition des tailles des gouttes, un point crucial pour cette thèse. Pour obtenir un compromis efficace entre une détection de qualité et une représentation précise des distributions de diamètre, une deuxième partie introduit une méthode de stabilisation de la distribution de taille des gouttes d'aluminium détectées. Ce réseau, fonctionnant avec une fonction de perte modifiée, équilibre mieux les détections des grandes et petites gouttes dans le but d'obtenir une représentation plus juste de la population des gouttes. Une méthode de suivi des gouttes, utilisant le tracking multi-objets et un filtre de Kalman, est développée. Les trajectoires de gouttes sont ensuite rigoureusement triées, permettant d'en extraire de nombreuses trajectoires fiables (de 500 à 1500 par essai). Enfin, une dernière partie analyse les données de vitesse et de diamètre des gouttes, obtenues par la chaîne de détection et de suivi, pour des pressions de 6.8 à 26.6 bar, regroupant plus de 6000 trajectoires fiables. Les résultats montrent une faible dépendance de la vitesse initiale des gouttes à la pression, contrairement au diamètre qui est plus impacté. Une simulation numérique 1D de combustion utilisant ces données détaillées permet une estimation plus précise de la localisation du dégagement de chaleur des gouttes, par rapport à une simulation utilisant un seul diamètre caractéristique. Ce travail démontre l'efficacité de l'apprentissage profond pour l'analyse d'images expérimentales et son utilité pour l'application en propulsion solide
Segmentation-Guided Attention for Visual Question Answering from Remote Sensing Images
No full textInternational audienceVisual Question Answering for Remote Sensing (RSVQA) is a task that aims at answering natural language questions about the content of a remote sensing image. The visual features extraction is therefore an essential step in a VQA pipeline. By incorporating attention mechanisms into this process, models gain the ability to focus selectively on salient regions of the image, prioritizing the most relevant visual information for a given question. In this work, we propose to embed an attention mechanism guided by segmentation into a RSVQA pipeline. We argue that segmentation plays a crucial role in guiding attention by providing a contextual understanding of the visual information, underlying specific objects or areas of interest. To evaluate this methodology, we provide a new VQA dataset that exploits very high-resolution RGB orthophotos annotated with 16 segmentation classes and question/answer pairs. Our study shows promising results of our new methodology, gaining almost 10% of overall accuracy compared to a classical method on the proposed dataset
Stabilité non-linéaire d'un moteur fusée régulé en boucle fermée
No full textWith the development of reusable rocket engines, the operating requirements of the various components in an engine have significantly increased. While a non-reusable engine was designed for a limited number of operating points, a reusable engine must meet requirements over a wide range of points to perform complex maneuvers. Consequently, rocket engine control laws have evolved similarly, with the introduction of closed-loop control laws. Although many studies have been conducted on control laws, few works focus on the stability of the engine in closed-loop control. In this context, the objective of this work is to propose a demonstration of the stability of a rocket engine model, as well as a controller that guarantees the stability of the model. First, a model of a liquid propelled rocket engine is proposed under a state-space form. Although more common, this type of modeling does not allow for an easy stability analysis due to its highly nonlinear terms. In this context, the use of a Lyapunov function proves to be cumbersome, and a reformulation of the model is considered, in the form of a Port-Hamiltonian model, more suited for stability analysis of the system. A second chapter introduces the concept of the Port-Hamiltonian model. This type of model highlights the energy transfers that occur between the various components of a system and is built with a fixed geometric structure. These characteristics allow for a direct study of the passivity of a system, a tool for stability analysis the stability. The reformulation allows for the identification of a characteristic function of a Port-Hamiltonian system, the Hamiltonian function, which can be used to prove the passivity of a system and can be formulated as a Lyapunov function. This demonstration provides stability conditions for the system as well as the controller applied in the closed-loop system. In cases where a direct demonstration of passivity is not possible, a controller can be constructed to ensure the passivity of the closed-loop system. To endow the rocket engine model with passivity properties, the third chapter presents passivity-based control (PBC) theory. The principle of such a controller is to ensure the stability of a system by making the closed-loop system passive. Coupled with Port-Hamiltonian systems theory, however, this controller also allows for modification of the Hamiltonian geometric structure to reformulate a system into Port-Hamiltonian form. This controller makes the system passive around a desired operating point, which can be changed over time. Thus, this controller enables trajectory tracking with passivity guarantees over time. The fourth chapter proposes a different approach to establish a stabilizing controller using contraction theory. The contraction property of a system indicates its ability to rapidly converge towards a reference trajectory. This property represents a form of exponential stability, which is more robust than stability through passivation. Moreover, the controller can be easily implemented by solving linear matrix inequalities. Finally, the results of this work are presented through simulations on MATLAB Simulink, allowing for conclusions on the various controllers presented. A simple proportional-integralderivative (PID) controller is constructed for comparison. The results show that the designed controllers offer stabilizing properties, while the PID controller is unstable in certain operating regions. The passivity-based controller extends the stability domain of the system, and the contraction-based controller prevents the system from leaving the stability domain of the original system.Dans le cadre du développement de moteurs de fusée réutilisables, les exigences de fonctionnement des différents éléments composant un moteur ont connu de grandes évolutions. Alors qu'un moteur classique était conçu pour un nombre restreint de points de fonctionnement, un moteur réutilisable doit répondre à des exigences sur une large plage de points, afin d'effectuer des manoeuvres plus complexes. En conséquence, les lois de commande des moteurs fusées ont subi une évolution similaire, rendant nécessaire la loi de commande en boucle fermée. Bien que de nombreuses études aient été réalisées sur des lois de commande, peu de travaux portent sur la stabilité du moteur en boucle fermée. Dans cette optique, l'objectif de ces travaux est de proposer une démonstration de stabilité d'un modèle de moteur fusée, ainsi qu'un contrôleur permettant d'obtenir des garanties de stabilité du modèle. En premier lieu, un modèle typique de moteur de fusée à ergols liquide est développé, sous forme d'espace d'états. Ce type de modèle, bien que plus courant, se révèle peu adapté à l'étude de la stabilité, de par sa formulation hautement non-linéaire. Dans ce cadre, l'utilisation d'une fonction de Lyapunov se révèle complexe, et une reformulation du modèle est envisagée, sous forme d'un modèle Hamiltonien à ports. Un second chapitre permet d'introduire la notion de modèle Hamiltonien à ports. Ce type de modèle met en valeur les transferts énergétiques qui ont lieu entre les différents éléments d'un système, et sont construits avec une structure géométrique fixe. Ces différentes caractéristiques permettent une étude directe de la passivité d'un système, un outil d'analyse de la stabilité d'un système. La reformulation permet de trouver une fonction caractéristique d'un système Hamiltonien à ports, l'Hamiltonien, qui prouve la passivité d'un système et peut être formulé comme une fonction de Lyapunov. Cette démonstration donne des conditions de stabilité sur la modélisation du système, ainsi que sur le contrôleur appliqué en boucle fermée. Dans le cas où la démonstration directe de passivité n'est pas réalisable, un contrôleur peut être construit pour assurer la passivité de la boucle fermée. Pour conférer les propriétés de la passivité au modèle de moteur utilisé, la théorie du contrôle par passivité est présentée. Le principe d'un tel contrôleur est d'assurer la stabilité d'un système en rendant la boucle fermée passive. Avec la théorie des systèmes Hamiltonien à ports cependant, ce contrôleur permet aussi de modifier la structure géométrique hamiltonienne, afin de reformuler un système sous forme Hamiltonienne à ports. Ce contrôleur permet de rendre le système passif autour d'un point de fonctionnement désiré par l'utilisateur, qui peut être changé au cours du temps. Ainsi, ce contrôleur permet un suivi de trajectoire avec des garanties de passivité du système au cours du temps. Le quatrième chapitre propose une approche différente pour établir un contrôleur stabilisant, à l'aide de la théorie de la contraction. La propriété de contraction d'un système dénote sa capacité à converger rapidement vers une trajectoire de référence. Cette propriété constitue une forme de stabilité exponentielle, plus puissante que la stabilité par passivation. Le contrôleur peut de plus être réalisé aisément, en résolvant des inégalités linéaires matricielles. Enfin, les résultats de ces travaux sont présentés à l'aide de simulations sur MATLAB Simulink, et permettent de conclure sur les différents contrôleurs présentés. Un contrôleur simple proportionnel intégral dérivé (PID) est construit pour permettre une comparaison. Les résultats montrent que les contrôleurs réalisés proposent des propriétés stabilisantes, alors que le contrôleur PID est instable dans certaines zones de fonctionnement. Le contrôleur par passivité étend le domaine de stabilité du système, et le contrôleur par contraction empêche le système de quitter le domaine de stabilité du système original
Forming 1D Periodic J-aggregates by Mechanical Bending of BNNTs: Evidence of Activated Molecular Diffusion
No full textSupplementary added page 21Driving molecular assembly into micrometer-scale patterns is key for defining advanced materials of interest in various fields, including life sciences, photovoltaics, and quantum photonics. However, the driving process competes with other forces, such as Brownian motion, ripening phenomena, capillary forces, and non-specific adsorption. Here we report on a guided diffusion mechanism of luminescent dye molecules encapsulated inside boron nitride nanotubes (BNNTs). Correlative measurements between BNNT bending and molecular position along the BNNT axis reveal an efficient and long-range migration of dyes from curved to straight regions of the nanotube. This curvature activated diffusion forms clusters of bright J-aggregates in periodic patterns of well-defined spacing and length. A phenomenological model of guided molecular transport in bended BNNTs is used to describe this directed 1D diffusion inside BNNT. It is shown to accurately predict the position and morphologies of a J-aggregate as a function of nanotube length. Coupling topological stimuli to 1D molecular diffusion at the nanoscale is here presented as an interesting tool capable of reconfiguring various emissive patterns of functional molecules at the mesoscopic scale
Metrology of microwave fields based on trap-loss spectroscopy with cold Rydberg atoms
No full textInternational audienceWe demonstrate a new approach for the metrology of microwave fields based on the trap-loss spectroscopy of cold Rydberg atoms in a magneto-optical trap. Compared to state-of-the-art sensors using room-temperature vapors, cold atoms allow longer interaction times, better isolation from the environment, and a reduced Doppler effect. Our approach is particularly simple, as the detection relies on fluorescence measurements only. Moreover, our signal is well described by a two-level model across a broad measurement range, allowing one, in principle, to reconstruct the amplitude and the frequency of the microwave field simultaneously without the need for an external reference field. We report on a scale-factor linearity at the percent level and no noticeable drifts over two hours, paving the way for new applications of cold Rydberg atoms in metrology, such as calibrating black-body shifts in state-of-the-art optical clocks, monitoring the Earth’s cryosphere from space, measuring the cosmic microwave background, or searching for dark matter
Coordinated Torque Vectoring and Direct Yaw Control based on Kalman Filter Control Allocation for a 4 in-wheel electric vehicle
No full textInternational audienceThis paper presents a novel hierarchical control architecture designed for a four in-wheel electric vehicle (EV), integrating longitudinal and lateral control strategies to optimize performance and lateral stability. On one hand, a high-level longitudinal controller is synthesized to track a desired speed profile and generate a total torque. On the other hand, a direct yaw control (DYC) strategy is employed for steerability and stability control to generate a yaw moment. To manage the total torque as well as the yaw moment, a control allocation layer is employed. Subsequently, the formulation of the control allocation problem is presented, incorporating a gain-scheduling Daisy chaining Kalman filter (DCKF) control allocation to deal with actuator dynamics and fault tolerance. Results demonstrate enhanced performance in normal and emergency driving. Quick adaptability in case of emergency is achieved without overshooting or undershooting, with a smooth response
Bid Intercession to Unlock Human Control in Decentralized Consensus-Based Multi-robot Task Allocation Algorithms
No full textInternational audienceWe investigate the introduction of novel intercession mechanisms in consensus-based decentralized task allocation within a heterogeneous multi-agent fleet. Intercession refers to the principle of agents biding on behalf of other agents or imposing certain allocations in decision-making architectures leveraging auction-based decision strategies. This is particularly relevant in settings where human operators, having more precise knowledge of the system situation, want to steer or force the multi-robot task allocation (MRTA). We thus extend an existing consensus framework, consensus-based auction algorithm (CBAA), while offering a simple generic method that operates independently of the underlying reasons, enabling interventions in a decentralized coordination process by humans at the agent and task levels. These interventions, whether systematic or occasional, have the added benefit of incurring minimal computational costs for field agents while maintaining the underlying algorithm's convergence and performance properties. We experimentally evaluate the proposed algorithm, I-CBAA, on synthetic MRTA scenarios implemented using the ROS framework
Learning Effect and Compound Activities in High Multiplicity RCPSP: Application to Satellite Production
No full textInternational audienceThis paper addresses the High Multiplicity Resource-Constrained Project Scheduling Problem (HM-RCPSP), in which multiple projects are performed iteratively while sharing limited resources. We extend this problem by integrating the learning effect, which makes the duration of some activities decrease when they are repeated. Learning effect can be represented by any decreasing function, allowing us to get flexibility in modeling various scenarios. Additionally, we take composition of activities into consideration for reasoning about precedence and resources in a more abstract way. A Constraint Programming model is proposed for this richer problem, including a symmetrybreaking technique applied to some activities. We also present a heuristic-based search strategy. The effectiveness of these solving approaches is evaluated through an experimentation conducted on data concerning real-world satellite assembly lines, as well as on some adapted literature benchmarks. Obtained results demonstrate that our methods serve as robust baselines for addressing this novel problem (denoted by HM-RCPSP/L-C)
Constraint Programming Model for Assembly Line Balancing and Scheduling with Walking Workers and Parallel Stations
No full textInternational audienceIn the context of aircraft assembly lines, increasing the production rate and decreasing the operating costs are two important, and sometimes contradictory, objectives. In small assembly lines, sharing production resources across workstations is a simple and efficient way to reduce operating costs. Therefore, workers are not assigned to a unique workstation but can walk between them. On the other side, paralleling workstations is an efficient way to increase the production rate. However, the combination of both strategies create complex conditions for tasks to access the production resources. This paper addresses the problem of allocating tasks to workstations and scheduling them in an assembly line where workers can freely walk across workstations, and where workstations can be organized in parallel. We model this novel problem with Constraint Programming. We evaluate it on real world industrial use cases coming from aircraft manufacturers, as well as synthetic use cases adapted from the literature