Identification Fréquentielle d'un Avion de Transport à l'aide d'Entrées Simultanées Multi-axes // Frequency Domain Identification of a Transport Aircraft Using Simultaneous Multi-axis Inputs

L'identification des avions Airbus consiste à corriger (on dit aussi “recaler”) les modèles de simulation prévisionnels, issus de prédictions avant vol, en s'appuyant sur des résultats d'essais spécifiques réalisés lors des vols d'essais d'un nouvel avion.
Le domaine Flight Dynamics & Performance assure en particulier le recalage du modèle aérodynamique de l'avion, et produit le modèle de référence pour les domaines chargés d'étudier les qualités de vol et de mettre au point les lois de pilotage de l'avion.
Les essais en vol pour l'identification reposent aujourd'hui sur une approche temporelle, axe par axe. Ils consistent à injecter des signaux temporels courts (typiquement, des entrées multi-créneaux de quelques secondes) sur les gouvernes de l'avion, et à recueillir la réponse de l'avion (en grande partie la réponse libre) à ces entrées. Les essais sont réalisés les uns après les autres, sur les axes de tangage, de lacet et de roulis (entrées successives sur les gouvernes de profondeur, de direction, et sur les ailerons).
Le développement récent de lois de commande génériques, basées sur des modèles linéaires embarqués et inversés en temps réels, nécessite la fourniture très rapide, dès les premiers essais en vol, de modèles linéaires recalés. Les techniques d'essais actuelles (signaux d'excitation courts, axe par axe) sont inadaptées aux exigences d'identification rapide pour les lois de commande génériques.

L'objectif de cette thèse est d'établir la pertinence d'une approche d'identification fréquentielle à l'aide d'entrées simultanées multi-axes/multi-gouvernes pour les avions Airbus, en complément et remplacement partiel de l'approche classique, qui est temporelle et mono-gouverne.
Les signaux actuels (multi-créneaux) y sont remplacés par des combinaisons de signaux, appliquées de manière continue et simultanément sur les trois axes de tangage, lacet et roulis (plus d'essais axe par axe).
D'autre part, les traitements y sont réalisés dans le domaine fréquentiel, mieux adaptées au besoin des lois de commande.

Le gain attendu est double : d'une part, les résultats d'essais sont plus riches en information (aspect fréquentiel, sollicitation continue), d'autre part les essais sont plus rapides (les essais en tangage, lacet et roulis sont réalisés simultanément en une seule manœuvre).

La thèse s'articule autour de quatre objectifs principaux :
• Le premier objectif est de s'approprier les résultats disponibles. L'approche fréquentielle multi-axes n'a été testée que sur des drones ou des avions de petite taille, jamais sur des avions de transport. En s'appuyant sur la bibliographie existante, le ou la candidat(e) devra établir l'adéquation de l'identification fréquentielle multi-axes à un avion de transport.
• Le deuxième objectif est l'optimisation du protocole d'excitation pour l'identification fréquentielle multi-axes.
• Le troisième objectif est la validation et l'analyse de robustesse du modèle identifié à partir des signaux optimisés. Le réglage des signaux employés se fait à partir du modèle de l'avion avant recalage, qui est le seul dont on dispose avant les essais et qui ne correspond pas au comportement réel. L'objectif est de quantifier de manière théorique l'effet des erreurs de modèle sur le résultat final
Le quatrième objectif est d'évaluer l'adéquation de la méthode à l'identification en ligne (temps réel), dans la perspective de mise au point de lois de commande auto-adaptatives.
------------------------------------------------------------------------------------------------------------------------------------------------------------------------
------------------------------------------------------------------------------------------------------------------------------------------------------------------------

Identification of Airbus aircraft consists in adjusting (also referred to as calibrating) predictive model, which are based on pre-flight predictions, using specific test results obtained during flight tests of a new aircraft.
The Flight Dynamics & Performance department is responsible for calibrating the aircraft's aerodynamic model and producing the reference model used by departments in charge of studying flight qualities and developing the aircraft's flight control laws.
Currently, flight tests for system identification are based on a time-domain, axis-by-axis approach. They consist in injecting short-duration time signals (typically, multi-step inputs lasting a few seconds) through the aircraft's control surfaces, and recording the aircraft's response (largely free response) to these inputs. Tests are carried out one after the other on the pitch, yaw, and roll axes (with successive inputs on the elevator, rudder, and ailerons).
The recent development of generic control laws, based on real-time embedded and inverted linear models, requires the very rapid provision—right from the first flight tests—of calibrated linear models. Current test techniques (short excitation signals, axis-by-axis) are not suitable for the fast identification needed for these generic control laws.

The goal of this thesis is to assess the relevance of a frequency-domain identification approach using simultaneous multi-axis/multi-surface inputs for Airbus transport aircraft, as a complement or partial replacement of the classical time-domain, single-input approach.
In this new approach, the current short multi-step signals are replaced with combinations of continuous signals, applied simultaneously on the pitch, yaw, and roll axes (no more separate, axis-specific tests).
Moreover, the data processing is performed in the frequency domain, which is better suited to the needs of modern control law design.
The expected benefits are twofold:
• On one hand, the test data is richer in information (due to frequency content and continuous excitation),
• On the other hand, test duration is reduced (pitch, yaw, and roll inputs are performed simultaneously in a single maneuver).

The thesis is structured around four main objectives:
• Familiarization with existing results: Frequency-domain multi-axis identification has only been tested on drones or small aircraft, never on large commercial aircraft. Based on existing literature, the candidate will assess the suitability of frequency-domain multi-axis identification for transport aircraft.
• Optimization of the excitation protocol for frequency-domain identification: The candidate will develop and optimize multi-axis input signals to ensure efficient and decoupled excitation of the aircraft dynamics across all axes.
• Validation and robustness analysis of the identified model: Since excitation signals are designed using the predictive model (which does not match the actual aircraft behavior), the objective is to theoretically quantify the impact of model errors on the final identification results.
• Assessment of the method's suitability for online (real-time) identification: In view of developing self-adaptive flight control laws, the candidate will investigate the feasibility of applying this identification method in real time during flight.
------------------------------------------------------------------------------------------------------------------------------------------------------------------------
------------------------------------------------------------------------------------------------------------------------------------------------------------------------

Début de la thèse : 01/10/2025

Cifre

CIFRE ANRT

Institut Supérieur de l'Aéronautique et de l'Espace

309 SYSTEMES

Etudiant préparant actuellement un diplôme de niveau Bac +5 (Master 2) dans le domaine de l'Automatique, ou une autre discipline apparentée Possédant des compétences en identification des systèmes et traitement du signal ainsi que des connaissances en mécanique du vol avion, qualités de vol, aérodynamique Compétences linguistiques : français courant, anglais avancé
Student currently pursuing a Master's degree (equivalent to Bac +5) in Control Engineering or a related field. Possessing skills in system identification and signal processing, as well as knowledge of aircraft flight mechanics, flight qualities, and aerodynamics. Language skills: fluent in French, advanced in English.