Accueil / Études de cas

Études de cas

Quatre travaux, présentés de la même façon : le problème, la dynamique et les contraintes, ce qui a été construit, comment cela a été validé et ce qu'on en retient. D'autres éléments peuvent être partagés sous NDA.

Discuter d’un problème similaire

CERN · IAV · SkySails · développements propres

Des preuves en contexte

Des références qui montrent l’adéquation, pas seulement impressionnantes

Pour un décideur technique, la vraie question est de savoir si l’expérience correspond au problème actuel de commande, d’estimation ou d’optimisation.

Une partie des preuves est publique — publications et certificats sont liés ci-dessous. D’autres éléments sont plus utiles sous NDA, une fois le système, les contraintes et le mode de défaillance connus.

Rafał Noga lors d’une revue de conception technique avec des pièces et des schémas de système sur la table
Les références établissent la pertinence avant une vraie discussion technique.

Cryogénie · NMPC · estimation d’état

NMPC temps réel pour le circuit d’hélium superfluide du LHC

Contexte
CERN, Genève — chercheur et doctorant (2007–2013) ; doctorat, Université de Valladolid (2015).
Problème
Maintenir les aimants supraconducteurs du LHC à leur température de fonctionnement de 1,9 K. Au-delà de 2,1 K, un verrouillage met les aimants hors tension ; au-delà de 2,16 K, l’hélium quitte l’état superfluide et un aimant peut transiter (quench).
Dynamique et contraintes
Thermohydraulique distribuée fortement non linéaire avec retard pur, réponse inverse, saturation des actionneurs et fort couplage — et seulement quelques mesures le long d’un long circuit cryogénique.
Approche existante
Régulation PI classique, réglée avec prudence pour rester loin des limites de température.
Solution
Un modèle thermohydraulique de premiers principes simplifié pour le temps réel ; une estimation non linéaire à horizon glissant des états non mesurés (5 états thermodynamiques à partir de 3 capteurs de pression et de la température, à 1 Hz) ; une NMPC économique à retour de sortie avec les limites de température comme contraintes dures.
Mise en œuvre et validation
Génération semi-automatique de code pour la NMPC d’un système raide à paramètres distribués. Environ 1 s par estimation et 7 à 14 s par optimisation. Le régulateur a été testé au CERN.
Résultat
Après la même perturbation, la NMPC a stabilisé la température du bain environ dix fois plus vite que l’ancienne régulation PI, sans violer la limite de 2,1 K.
Enseignements
L’estimateur détermine la qualité possible du régulateur. Un modèle simplifié qui tourne en temps réel vaut mieux qu’un modèle complet qui ne le fait pas. Les limites dures ont leur place dans le problème d’optimisation, pas dans un réglage prudent.

Un problème de commande ou d’optimisation similaire ? Réserver un appel de cadrage technique (30 min) →

Énergie éolienne · NMPC économique

Commande avancée pour éoliennes de grande puissance

Contexte
IAV GmbH — ingénieur en automatique, R&D en commande à base de modèles et commande avancée d’éoliennes multimégawatts.
Problème
Des rotors plus grands rendent les éoliennes plus flexibles et plus couplées. La commande doit équilibrer production d’énergie, charges structurelles, sollicitation des actionneurs et stabilité selon des régimes de vent changeants.
Dynamique et contraintes
Mât et pales flexibles, actionneurs de pitch et de couple limités, vent turbulent mesuré seulement indirectement et régimes de fonctionnement de la charge partielle à la pleine charge.
Approche existante
Dans la commande classique des éoliennes, les boucles de pitch et de couple sont réglées séparément et une logique de supervision bascule entre les zones de fonctionnement.
Solution
Modélisation par premiers principes orientée commande et identification ; estimation d’état non linéaire ; NMPC économique multi-objectif ; architecture et exigences du régulateur ; diagnostic et optimisation de paramètres ; outils d’ingénierie pour un déploiement reproductible des méthodes de commande avancée.
Mise en œuvre et validation
Conception à base de modèles et simulation de l’architecture de commande, et outillage pour amener des concepts de commande avancée vers un usage industriel. Les détails sont confidentiels.
Résultat
Une architecture de commande à base de modèles et un outillage de déploiement pour éoliennes multimégawatts ; travaux publiés sur la prédiction à très court terme de la vitesse du vent pour la commande (IECON 2018).
Enseignements
Sur les grandes machines flexibles, le problème se situe souvent dans l’architecture entre les boucles, pas dans une seule boucle. Le vent lui-même doit être estimé. La commande avancée n’est rentable que si elle se déploie de façon reproductible.

Un problème de commande ou d’optimisation similaire ? Réserver un appel de cadrage technique (30 min) →

Énergie éolienne aéroportée · optimisation de trajectoires

Automatisation du vol et optimisation de trajectoires pour l’énergie éolienne aéroportée

Contexte
SkySails Power GmbH, Hambourg — ingénieur en automatique (jusqu’en mars 2024).
Problème
Faire voler de façon fiable un prototype grandeur réelle de cerf-volant captif à calage variable, et trouver les trajectoires qui produisent le plus de puissance dans les limites du système.
Dynamique et contraintes
Vol non linéaire d’une aile flexible et captive ; fortes perturbations de vent ; capteurs embarqués limités ; contraintes aérodynamiques, mécaniques, électriques, géométriques et opérationnelles.
Approche existante
Des commandes héritées du prototype, à régler et améliorer sur le système réel.
Solution
Réglage du prototype et analyse des données de vol ; identification et amélioration de la rétroaction à base de modèles ; adaptation des consignes ; estimation d’état par UKF ; optimisation non linéaire sous contraintes de trajectoires 3D pour cerfs-volants à calage variable.
Mise en œuvre et validation
Travail sur le prototype grandeur réelle avec les données de vol ; flux d’optimisation pour les consignes, les études de performance, l’analyse de sensibilité et le dimensionnement des composants ; optimisation de trajectoires en ligne pour des vols autonomes de production.
Résultat
Une replanification continue en ligne pour un système aéroporté très dynamique, et une méthode d’optimisation de trajectoires publiée (arXiv 2024).
Enseignements
Sur un nouveau système, il faut d’abord rendre le prototype utilisable. Un optimiseur de trajectoires ne vaut que par son modèle et les contraintes qu’il respecte. Les données de vol comblent l’écart entre modèle et réalité.
Preuves

Un problème de commande ou d’optimisation similaire ? Réserver un appel de cadrage technique (30 min) →

Soft sensors · fusion de capteurs

Estimer ce qui ne se mesure pas directement : un variomètre à fusion de capteurs

Contexte
Développement propre (SSDV12) — et le même schéma d’estimation que dans les cas ci-dessus.
Problème
Les parapentistes ont besoin d’un taux de montée rapide et précis. Les variomètres barométriques échangent bruit contre retard, et le GPS seul est trop lent.
Dynamique et contraintes
Mesures de pression, inertielles et GPS aux bruits, retards et biais différents ; un système pilote–aile qui bouge sur tous les axes.
Approche existante
Des variomètres barométriques dont le filtrage échange bruit contre retard.
Solution
Modélisation par premiers principes et un estimateur à fusion de capteurs combinant mesures de pression, inertielles et GPS.
Mise en œuvre et validation
Estimateur développé et testé lors de vols expérimentaux ; un prototype matériel est prévu.
Résultat
Une approche d’estimation qui fonctionne — et le même schéma (modèle + capteurs disponibles + estimation non linéaire) qu’au CERN, chez IAV et chez SkySails.
Enseignements
Un soft sensor, c’est un modèle plus un estimateur. Le bruit, le retard et le biais de chaque capteur doivent être modélisés explicitement.

Un problème de commande ou d’optimisation similaire ? Réserver un appel de cadrage technique (30 min) →

Comment les preuves sont partagées

Publiques si possible

Publications, communications et certificats établissent la profondeur technique sans exposer d’éléments confidentiels.

Sous NDA si nécessaire

Pour de nombreux mandats industriels, la preuve la plus utile se partage après un premier échange d’adéquation et une confidentialité mutuelle.

Orientées décision

Il ne s’agit pas de volume, mais de montrer si l’expérience correspond au problème posé.

Un problème similaire de commande, d’estimation ou d’optimisation ?

Apportez le système, les principaux symptômes et les contraintes dures. L’adéquation technique est en général claire en 30 minutes.

Réserver un appel de cadrage technique (30 min) →

← Retour à l’accueil