Le projet européen Uncertainty Prediction & Bias Elimination in Aviation Technology for Safety (UPBEAT) vise à développer des méthodes avancées de quantification des incertitudes (UQ) pour améliorer la sécurité des engins aérospatiaux, en particulier les aubes de guidage à la sortie (OGV) d’un moteur à double flux.
L’OGV joue un rôle clé en transformant le flux tourbillonnaire du ventilateur en un flux axial, influençant à la fois la performance du moteur et la transmission des charges vers l’aile. L’intégration de solutions innovantes, comme la fabrication additive métallique (AM) et les polymères renforcés de fibres de carbone (CFRP), permet de concevoir des avions plus légers et efficaces. Cependant, les variations dans les matériaux et les procédés de fabrication limitent l’efficacité des simulations déterministes. Ainsi, comprendre et quantifier les incertitudes présentes tout au long du cycle de vie d’une aérostructure est essentiel pour évaluer les risques et garantir la sécurité. Ce projet réunit des experts de l’industrie et de la recherche pour développer des méthodes UQ robustes, permettant d’évaluer les risques et d’assurer la sécurité tout au long du cycle de vie des aérostructures, tout en répondant aux exigences normatives et de performance.
Dans ce projet, Phimeca jouera un rôle clé dans deux axes principaux :
1. Implémentation des méthodes probabilistes pour la propagation d’incertitudes
L’objectif est de modéliser la propagation des incertitudes, depuis les simulations des processus de fabrication jusqu’à l’évaluation de la fiabilité structurelle de l’OGV. Des méthodes classiques, telles que Monte-Carlo (MC), Subset Simulations et FORM/SORM, serviront de référence. Un benchmark de méthodes récentes, incluant les approches de Krigeage à apprentissage actif (AK-M), le chaos polynomial parcimonieux, les SVM et les réseaux de neurones (ANN), sera réalisé. Les solutions retenues se distingueront par leur efficacité computationnelle, leur capacité à modéliser des événements rares et leur aptitude à traiter des problématiques multi-physiques/multi-métiers.
2. Développement d’une librairie scientifique pour la quantification d’incertitudes et la gestion des risques
Une bibliothèque mathématique sera développée pour structurer et pérenniser les méthodologies. Cela impliquera :
- L’amélioration des bibliothèques open-source existantes utilisées dans le projet, telles que OpenTURNS.
- La création d’un module Python spécifique intégrant les méthodes UQ et des outils pour coupler les simulations à ces méthodes.
- Des ressources pédagogiques (guide utilisateur, documentation et supports de formation) garantiront l’adoption des outils et des techniques développés.