Optimisation et validation des trajectoires de vol d`un FMS

Optimisation et Validation des trajectoires de Vol d’un FMS (Flight Management System)
Souleymane Sidibé
Supervisé par la Professeure Ruxandra BOTEZ
École de Technologie Supérieure, Montréal, Canada - LARCASE, Montréal, Canada
Résumé
L’industrie aérospatiale canadienne a créé le G.A.R.D.N. (Green Aviation
Research and Development Network), lequel a comme mission de
promouvoir la protection de l’environnement. Financé par le
gouvernement du CANADA ainsi que par un regroupement d’entreprises
aéronautiques, le LAboratoire de Recherche en Commande Active,
Avionique et aéroSErvoélasticité (LARCASE) est actuellement impliqué
dans un des projets G.A.R.D.N. afin de développer pour l’entreprise CMC
Électronique-Esterline, une étude d’optimisation de trajectoires sur leur
FMS CMA-9000 visant à réduire la consommation de carburant et les
émissions polluantes de certains aéronefs en vol.
Introduction
• L’importante législation encadrant l’industrie des vols commerciaux
permet de facilement découper la trajectoire des aéronefs en
différentes phases de vol : montée, croisière et descente, suivant un
plan en quatre dimensions (latéral, vertical, et le temps)
Méthode
C = carburant + CI ∗ Temps de vol
CI : indice de coût dont la valeur est
choisie par la compagnie aérienne.
Ce sont des tables de données
enregistrées durant des campagnes de
tests. Elles sont utilisées comme
entrées dans les calculs d’interpolation
des algorithmes d’optimisation pour les
phases de montée, de croisière et de
descente.
plus les vitesses et les altitudes de vol afin de réduire la
consommation de carburant d’un aéronef.
1. Entrée du plan de
vol par un pilote.
2. Calcul de
trajectoire
par le FMS
3. Trajectoire optimale à suivre par l’avion
prédite par le FMS et qui minimise la
consommation.
La première phase de vol est la
montée. Elle est constituée de trois
sous-phases où pour chaque phase
le temps de vol et le coût sont
calculés.
• Recherche de trajectoire optimale
Les états à faire varier sont les
vitesses de chaque phase de vol et
l’altitude de la croisière.
Fig. 3 : Phase de montée constituée de
trois sous-phases et d’une accélération
• Calcul de la meilleure descente
La descente est fort similaire à la
montée où pour chaque sousphase le temps de vol et le coût
sont calculés.
Références
1. Botez, R., 2006, GPA-745: Introduction à l’avionique: notes de cours GPA-745. Bachelor and
Master’s engineering programs. Montreal: École de Technologie Supérieure, multiple pagination, 394 p.
2. J.Jucelin, G., Février 2012. Nouvelle méthode d’optimisation du coût d’un vol par l’utilisation d’un FMS
et sa validation sur un LOCKHEED L-1011 TRISTAR, École de Technologie Supérieure, 116p.
3. CMC Electronics Inc., 2009, “CMA-9000 VNAV System Design”
4. CMC Electronics Inc., 2010, “CMA-9000 VNAV Performance Database Specification Document”
Fig. 1 : Utilisation d’un FMS dans un Boeing 737-500 de Zambezi Airlines.
Remerciements :
Merci à la Professeure Ruxandra BOTEZ pour son étroite
assistance et son aide.
Merci à toute l’équipe FMS et aux étudiants du LARCASE.
Type d’avion : Airbus A310……………Cost Index : Variable
Vol Montréal-Paris
FMS
Algorithme Erreur (%)
Coût Total (kg)
38055,2
38133,4
-0,21
Temps de vol (h)
6,6523
6,6526
0,00
Vol Montréal-Vancouver
Vol Montréal-Chicago
FMS
FMS
Algorithme Erreur (%)
31105,09 30969,333
4,427
4,425
Algorithme Erreur (%)
0,44
9927,06
9930,4
-0,03
0,05
1,504
1,527
-1,53
• Optimisation
Après la phase de montée, la
distance de vol entre la fin de la
montée et le début de la descente
est sous-divisée en sous-distances
ainsi sont calculés le temps de vol
et le coût.
Fig. 2 : Calcul du carburant consommé et de la
distance horizontale avec une interpolation linéaire
utilisant les tables des PDB
Les résultats de l’algorithme sont comparés avec les résultats du logiciel de
simulation du FMS.
Temps d’exécution du programme : 3,0525 secondes
• Calcul de la meilleure croisière
Objectif :
• Développer des algorithmes de calcul permettant d’optimiser au
• Calcul de la meilleure montée
• Les Performance Database (PDB)
• Avant de décoller, le pilote doit rentrer différentes informations dans le
FMS afin que ce dernier puisse calculer ou prédire une trajectoire
optimale que l’avion devra suivre en vol.
• Cependant, l’algorithme de prédiction du FMS est inconnu. L’idée est
de développer un algorithme d’optimisation similaire a celui du FMS
en plus d’être optimisé, en utilisant :
 Le logiciel Matlab.
 les mêmes données d’entrée que le FMS.
 Un logiciel de simulation du FMS en vue d’une comparaison et de
la validation des performances de l’algorithme d’optimisation.
• Validation des performances de l’algorithme d’optimisation.
• Taux du Coût de Carburant (C)
Le paramètre à minimiser est le taux
du coût de carburant :
Résultats
Les résultats de l’algorithme optimisé sont comparés avec les résultats de
l’algorithme validé avec la simulation du FMS.
L’optimisation du coût et des émissions sur une année est calculée en
considérant que :
 un Airbus A310 fait deux vols par jour sur 300 jours
 le prix du carburant par galon est de 3,2$.
 un litre de kérosène consommé équivaut à 2,58 kg de CO2 émis.
Type d’avion : Airbus A310……………Cost Index : 0 et 90
Vol Montréal-Frankfurt (CI = 0)
Coût en
carburant d’un
vol (kg)
Coût annuel ($)
Emission CO 2
annuelle (kg)
Vol Montréal-Paris (CI = 90)
Algorithme
normal
Algorithme
optimisé
Optimisation
Algorithme
normal
Algorithme
optimisé
Optimisation
28711.6
28418.8
1,01 %
62154,1
61836
0,51 %
53.403.576
52.858.968
544.608
115.606.626
115.014.960
591666
9.296,638
9.201,831
94,807
21.331,231
21.222,059
109,172
Temps d’exécution du programme : 3,3954 s
Temps d’exécution du programme : 2,9388 s
Conclusion
• Une fois l’algorithme d’optimisation validé, la réduction du coût total et
des émissions de CO2 d’un vol est obtenue avec la méthode de montée
en croisière, qui est très utilisée par les pilotes. Cette méthode a fourni
un bon pourcentage d’optimisation sur la consommation du carburant
entrainant une réduction considérable du coût et des émissions sur une
année.
• Les autres méthodes qui seront intégrées dans la suite du projet sont
l’optimisation du modèle météorologique et la recherche d’un profil
optimal suivant le plan latéral de vol. Ces méthodes permettront
d’augmenter le pourcentage d’optimisation.