ACTUALITÉ SCIENTIFIQUE
ET INNOVATION DE L'ÉTS
Réduire les émissions de CO2 des avions commerciaux - Par : Alejandro Murrieta-Mendoza, Ruxandra Botez,

Réduire les émissions de CO2 des avions commerciaux


Alejandro Murrieta-Mendoza
Alejandro Murrieta-Mendoza Profil de l'auteur(e)
Alejandro Murrieta Mendoza est candidat au doctorat et assistant de recherche au Laboratoire de recherche en commande active, avionique et aéroservoélasticité (LARCASE). Ses intérêts de recherche portent sur l’optimisation des trajectoires de vol d’avion.

Ruxandra Botez
Ruxandra Mihaela Botez est professeure au Département de génie des systèmes à l’ÉTS. Elle est spécialiste en modélisation et simulation de vols d’aéronefs, d’hélicoptères, de systèmes de vol, et d’ailes déformables.

larcaseL’industrie aéronautique cause environ 2 % de toutes les émissions de dioxyde de carbone (CO2) relâchées dans l’atmosphère. Ce gaz, ainsi que les hydrocarbures, la vapeur d’eau, les oxydes nitreux, le méthane et l’ozone, contribue au réchauffement de la planète et à la pollution [1]. Ces contaminants sont principalement générés  par la combustion de carburant dans les moteurs d’avions.

Pour 2050, l’industrie aéronautique s’est fixé l’objectif de réduire ses émissions de CO2 de 50 % par rapport aux niveaux enregistrés en 2005. Il y a un autre type important d’émissions dont il faut tenir compte : les NOx libérés en haute altitude, qui détruisent la couche d’ozone. À ces raisons environnementales s’ajoute le coût élevé du carburant pour justifier la conception d’avions et de systèmes permettant de réduire la quantité de carburant brulé.

Figure no 1 : Stratégie de l’industrie pour la réduction du CO2.

Figure no 1 : Stratégie de l’industrie pour la réduction du CO2.

Un certain nombre de solutions ont été proposées pour réduire la quantité de carburant brulé par les avions. L’une des solutions les plus connues est l’ajout d’ailettes de bout d’aile (pli au bout des ailes), ce qui permet d’économiser le carburant en réduisant les vortex produits au bout des ailes et en améliorant la performance aérodynamique [3]. Une autre solution est la substitution des carburants fossiles par des biocarburants ou par des sources d’énergie de rechange [4]. L’efficacité des moteurs constitue aussi un facteur important; la recherche continue de se pencher sur cette question [5].

Figure no 2 : Ailette de bout d’aile sur un avion commercial (Boeing 737).

Figure no 2 : Ailette de bout d’aile sur un avion commercial (Boeing 737).

L’optimisation des procédures de vol est une autre solution qui présente de grands avantages. Pour y parvenir, les États-Unis sont en train de mettre à jour leurs procédures et leurs systèmes au moyen du Next Generation Air Transportation System (NextGen), tandis que l’Europe fait de même au moyen de la Single European Sky ATM Research (SESAR). Ces programmes visent à améliorer les trajectoires de vol pour en augmenter l’efficacité [6].

L’appareillage qui prévoit la trajectoire de vol exécute aussi d’autres fonctions : il aide le pilote lors du décollage et de l’atterrissage, enregistre le domaine de vol, fournit de l’information au pilote automatique, commande la vitesse de l’avion et, dans certains cas, optimise les trajectoires de vol programmées dans le système de gestion de vol (FMS) [7]. Bien qu’il n’ait qu’une faible capacité de calcul à sa disposition, le FMS doit la partager avec toutes ces autres fonctions; il ne lui reste que peu de temps processeur pour la fonction d’optimisation de trajectoire. Il est donc crucial pour le FMS de trouver la solution optimale le plus rapidement possible parce que la fonction d’optimisation est exécutée en temps réel durant le vol pour en calculer le meilleur profil instantané. L’optimisation d’un vol peut être effectuée de deux façons : par navigation latérale (LNAV – l’ensemble des points de cheminement entre les points A et B) ou par navigation verticale (VNAV – l’ensemble des vitesses et des altitudes auxquelles l’avion volera). Dans le cadre de ce projet de recherche au laboratoire LARCASE, seule la VNAV a été évaluée, la LNAV étant la plus courte distance entre les points A et B [8].

Un vol est composé de trois phases : la montée, la croisière et la descente. L’optimisation séparée des phases ne garantira pas l’optimisation globale du vol parce que ces phases dépendent fortement les unes des autres. Par exemple, pour un avion d’une masse brute donnée, trouver la manière pour économiser le plus de carburant pour arriver à la fin de la montée (TOC) sans tenir compte des autres phases, pourrait avoir comme résultante un avion trop lourd au terme de la montée (TOC), ce qui entraînerait une consommation globale de carburant plus grande en raison de l’influence de la masse brute durant la croisière. Une montée moins efficace a priori pourrait amener l’avion à une masse brute plus légère en fin de montée et à une phase de croisière plus efficace. Ce projet de recherche a tenu compte de toutes les phases de vol pour définir la trajectoire optimale.

Figure no 3 : Trajectoire conventionnelle VNAV.

Figure no 3 : Trajectoire conventionnelle VNAV.

Le format de modèle utilisé est la « Experimental Performance Database » (PDB). Cette base de données contient l’information nécessaire pour calculer le coût de la trajectoire d’un vol donné. Elle est composée d’un nombre fini de vitesses et d’altitudes, en d’autres mots, de données discrètes, ce qui rend difficile l’implantation de méthodes d’optimisation conventionnelle en continu, parce qu’il n’y a pas d’équation. Le problème d’optimisation consiste donc à trouver la meilleure combinaison altitude/nombre de Mach permettant d’obtenir le vol le plus économique. Ces caractéristiques correspondent à un problème d’optimisation combinatoire.

Une recherche complète et exhaustive (le calcul de toutes les combinaisons altitude/Mach possibles) nécessiterait la résolution de plus de 57 000 combinaisons. La faible capacité de calcul du FMS ne le permet pas. L’une des solutions pour résoudre un problème de ce genre est la réduction de l’espace de recherche. Une fois l’espace réduit, la recherche exhaustive devient possible. Dans cet article, nous proposons un algorithme dont l’objectif est de réduire l’espace de recherche afin de déterminer efficacement la trajectoire de vol optimale. Cet algorithme tire avantage du fait que pour les vols de distance moyenne à longue, la croisière est la phase dont l’impact sur la consommation de carburant est le plus grand. Si une croisière optimale donnée peut être définie en fonction de l’altitude et du nombre de Mach, l’espace de recherche peut être réduit aux seules combinaisons situées près de cette trajectoire de départ. Pour ce faire, l’algorithme calcule une estimation des coûts pour toutes les combinaisons altitude/Mach. Puis il définit la trajectoire de départ et détermine les combinaisons altitude/Mach près de la trajectoire de départ, ce qui réduit ainsi l’espace de recherche. Pour un vol donné, cette réduction serait de l’ordre de 83 % par rapport à toutes les combinaisons altitude/Mach possibles. Une recherche exhaustive est ensuite effectuée en ne considérant que les 17 % restants des trajectoires. La figure no 4 montre l’analyse d’une croisière effectuée par l’algorithme; seuls les coûts des combinaisons altitude/Mach situées près de la solution de départ sont calculés.

Figure no 4. Sélection de la croisière optimale.

Figure no 4. Sélection de la croisière optimale.

Au fur et à mesure que l’avion consomme du carburant, maintenir une altitude constante tout au long de la phase de croisière n’est pas la stratégie la plus efficace pour l’économiser. Au contraire, l’avion devrait augmenter légèrement son altitude tout au long de la phase de la croisière, comme si cette phase était en fait une montée continue. Cette stratégie se nomme «  Climb-Cruise flight » et est présentée à la figure no 5.

Ce type de vol n’est toutefois pas facile à exécuter en pratique parce qu’il ne tient pas compte des normes de sécurité relatives à la distance de séparation entre les avions, qui ont cours actuellement dans la gestion du trafic aérien (ATM). En effet, à haute altitude, une séparation verticale de 1 000 pieds entre les avions est requise en tout temps. Une altitude constante est donc préférable pour respecter cette contrainte. Toutefois, il existe une manière d’imiter le vol en montée en profitant du fait que l’ATM peut permettre des changements d’altitude durant la croisière. Chacun des changements d’altitude, exécutés après approbation de l’ATM, est suivi d’un segment où l’altitude demeure constante, et ce, jusqu’au début de la descente. Cette stratégie se nomme « montée en palier ». Le vol à altitude constante, le vol en montée et la montée en palier sont présentés à la figure no 5.

Figure no 5 : Types de croisières.

Figure no 5 : Types de croisières.

Le nombre de trajectoires à évaluer ayant été restreint suite à la réduction de l’espace de recherche, l’algorithme est en mesure d’analyser la performance d’une montée en palier, cette technique étant reconnue pour réduire la consommation de carburant.

Les trajectoires optimisées ont été comparées à celles générées par le FMS de référence pour des vols identiques au moyen de FlightSIM, considéré comme un simulateur fidèle de vol. Les modèles utilisés tant pour le FMS que pour FlightSIM ont été élaborés à l’aide de données expérimentales réelles de vols d’avion. Les trajectoires proposées par l’algorithme se sont toujours avérées plus économiques que celles du FMS en ce qui a trait à la consommation de carburant. L’économie de carburant (en pourcentage) réalisée par les trajectoires de l’algorithme pour quatre vols dont la distance variait entre près de 1 000 miles nautiques et 2 000 miles nautiques est présentée plus bas à la figure no 6. Il apparait que pour tous les vols, l’algorithme a calculé des trajectoires plus économiques que le FMS de référence.

Figure no 6 : Optimisation de vol.

Figure no 6 : Optimisation de vol.

Article du projet de recherche

Des explications plus détaillées à propos de cet algorithme de même qu’un nombre plus grand de résultats obtenus sont donnés dans l’article suivant :

logoAlejandro Murrieta Mendoza et Ruxandra Botez, « Vertical Navigation Trajectory Optimization Algorithm for a Commercial Aircraft », présenté au AIAA/3AF Aircraft Noise and Emissions Reduction Symposium, Atlanta, Georgie, États-Unis, 2014.

Ce projet de recherche a été mené au laboratoire de recherche en commande active, avionique et aéroservoélasticité (LARCASE) et a été financé par le Business Led Network Center of Excellence GARDN en collaboration avec CMC Electronics – Esterline pour favoriser l’opération d’avions plus écologiques au Canada. Des approches différentes portant sur le même sujet peuvent être consultées dans les articles suivants [9-20].

Si ce projet vous intéresse (ou tout autre projet de recherche du laboratoire LARCASE), consultez notre site web. N’hésitez pas à prendre rendez-vous avec le professeur Botez afin d’avoir la possibilité de discuter avec le personnel de recherche du laboratoire.

Alejandro Murrieta-Mendoza

Profil de l'auteur(e)

Alejandro Murrieta Mendoza est candidat au doctorat et assistant de recherche au Laboratoire de recherche en commande active, avionique et aéroservoélasticité (LARCASE). Ses intérêts de recherche portent sur l’optimisation des trajectoires de vol d’avion.

Programme : Génie de la production automatisée  Génie aérospatial 

Chaire de recherche : Chaire de recherche du Canada en technologies de modélisation et simulation des aéronefs 

Laboratoires de recherche : LARCASE – Laboratoire de recherche en commande active, avionique et aéroservoélasticité 

Profil de l'auteur(e)

Ruxandra Botez

Profil de l'auteur(e)

Ruxandra Mihaela Botez est professeure au Département de génie des systèmes à l’ÉTS. Elle est spécialiste en modélisation et simulation de vols d’aéronefs, d’hélicoptères, de systèmes de vol, et d’ailes déformables.

Programme : Génie de la production automatisée 

Chaire de recherche : Chaire de recherche du Canada en technologies de modélisation et simulation des aéronefs 

Laboratoires de recherche : LARCASE – Laboratoire de recherche en commande active, avionique et aéroservoélasticité 

Profil de l'auteur(e)


commentaires

    Laisser un commentaire

    Votre adresse de messagerie ne sera pas publiée. Les champs obligatoires sont indiqués avec *